基于订单流不平衡的市场冲击实证研究

在本研究中，我们对影响股票市场流动性的关键驱动因素进行了实证调查。我们说明了金融市场中主体互动的理论模型（如Kyle模型）如何与公开可用的交易与报价数据中观察到的现象相一致。具体而言，我们确认对于小额带符号订单流，价格冲击随订单流不平衡的增加而线性增长。我们进一步实现了一种机器学习算法，以在给定带符号订单流的情况下预测市场冲击。我们的发现表明，机器学习模型可用于金融变量的估计；并且此类学习算法的预测精度可以超越传统统计方法的性能。理解价格冲击的决定因素至关重要，原因有如下几点。从理论角度看，对冲击建模提供了流动性的统计度量。从业者采用冲击模型作为交易前工具，以估计预期交易成本并优化其策略执行。这进一步作为交易后估值基准，因为次优执行会显著恶化投资组合表现。更广泛地说，价格冲击反映了跨市场的流动性平衡。这对监管者至关重要，因为它提供了市场设计与系统性风险之间相关性的全面解释，使监管者能够设计更稳定、更高效的市场。