استراتژی بهینۀ اجرای معاملات بزرگ با رویکرد شبیه‌سازی عامل‎گرا

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 استادیار گروه مهندسی مالی، دانشکدۀ مهندسی صنایع و سیستم‎ها، دانشگاه تربیت مدرس، تهران، ایران

2 کارشناس ارشد مهندسی مالی، دانشکدۀ علوم مالی، دانشگاه خوارزمی، تهران، ایران

چکیده

سرمایه­گذارانی که خواهان اجرای سفارش‎های بزرگ هستند، همواره با موازنۀ اثر قیمتی و هزینۀ فرصت (ریسک اجرای معامله) مواجه­اند. هدف از این پژوهش، یافتن روش بهینه‎ای برای اجرای چنین سفارش‎هاست. این پژوهش با استفاده از داده­های تاریخی سهام در بورس اوراق بهادار تهران، ابتدا احتمال انواع سفارش‎گذاری‎ها شامل سفارش بازار، سفارش در شکاف قیمتی و سفارش محدود را برای سمت خرید و سمت فروش به‎طور جداگانه محاسبه کرده، سپس استراتژی بهینۀ معاملاتی را بر اساس معیار قیمت میانگین موزون حجمی (VWAP) بررسی می‎کند. در بازار معاملاتی شبیه‌سازی‌شده، اثر قیمتی برای سفارش‎های بزرگ نیز در نظر گرفته شده است. روش شبیه‎سازی، روش عامل‎گرا است و برای آموزش عامل، از روش یادگیری کیو که یکی از روش­های یادگیری تقویتی است، استفاده کردیم. نتایج این پژوهش نشان می‌دهد برای هر سفارش بزرگ خرید، استراتژی با استفاده از انواع سفارش می‌تواند بهتر از استراتژی‌هایی با استفاده از تنها یک نوع سفارش باشد. استراتژی بهینه توانسته است به‌طور متوسط قیمت میانگین موزون حجمی (هزینه­های اجرای معاملات) را 137/0 درصد نسبت به بازار کاهش دهد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Optimal Execution Strategy: An Agent-based Approach

نویسندگان [English]

  • Mohammad Ali Rastegar 1
  • Khatereh Saedi Far 2
1 Assistant Prof. in Financial Engineering, Faculty of Industrial Engineering, Tarbiat Modares University, Tehran, Iran
2 M.Sc. in Financial Engineering, Faculty of Financial Science, Kharazmi University, Tehran, Iran
چکیده [English]

Investors who want to execute large orders always have to trade-off between price effect and opportunity cost. The purpose of this research is to investigate an optimal way to execute such orders. In this research we consider the possibility of order types and the optimal trading strategy based on the volume weighted average price (VWAP), using historical data of a share in Tehran Stock Exchange. In the simulated trading market, we also consider the price effect for large orders. The results show that for a large order on buy-side, execution strategy adopting multiple order types can perform better than those using single order type. The optimal strategy has managed to reduce the volume weighted average price (transaction costs) by 0.137 percent compared to the market.

کلیدواژه‌ها [English]

  • Agent-based Simulation
  • Algorithmic Trading
  • Execution cost
  • Price impact
  • Trade execution strategy

مراجع

احمدپور، ا.، نصیری، م. (1395). بررسی تأثیر قیمت معاملات بلوک در بازار سهام ایران. مجلۀ تحقیقات مالی، 18(1)، 38-23.
گل‎ارضی، غ.، ضیاچی، ع. (1393). بررسی رفتار جمعی سرمایه‎گذاران در بورس اوراق بهادار تهران با رویکردی مبتنی بر حجم معاملات. مجلۀ تحقیقات مالی، 16(2)، 371- 359.
Admati, A.R. (1985). A noisy rational expectations equilibrium for multi-asset securities Markets. Econometrica: Journal of the Econometric Society, 53(3), 629 - 657.
Agliardi, R. & Gençay, R. (2017). Optimal trading strategies with limit orders. International Journal of Theoretical and Applied Finance, 20(01), 1-16.
Ahmadpour, A. & Nasiri, M. (2016). Surveying Price impact of block trades in the Iran stock market. Journal of Financial Research, 18(1), 23-38.
(in Persian)
Alfonsi, A., Fruth, A. & Schied, A. (2010). Optimal execution strategies in limit order books with general shape function. Quantitative Finance, 10 (2), 143–157.
Almgren, R. & Chriss, N. (2001). Optimal execution of portfolio transactions. Journal of Risk, 3(2), 5-39.
Berkowitz, S., Logue, D. & Noser, E. (1988). The total cost of transactions on the NYSE. Journal of Finance, 43 (1), 97–112.
Bertsimas, D. & Lo, A. W. (1998). Optimal control of execution costs. Journal of Financial Markets, 1 (1), 1-50.
Biais, B., Hillion, P. & Spatt, C. (1995). An empirical analysis of the limit order book and the order flow in the Paris Bourse. Journal of Finance, 50 (3), 1655–1689.
Cartea, A., Jaimungal, S. (2015). Optimal execution with limit and market orders. Journal.Quantitative Finance, 15(8), 1279-1291.
Cartea, Á. & Jaimungal, S. (2016). A closed-form execution strategy to target volume weighted average price. SIAM Journal on Financial Mathematics, 7(1), 760-785.
Chakravarty, S., Laughlin, R. B., Morr, D.K & Nayak, C. (2001). Hidden order in the cuprates. Physical Review B, 63 (9), 094503.
Chen, Y., Li, D. & Gao, X. (2017). Optimal Order Exposure in a Limit Order Market. Available at SSRN: http://dx.doi.org/10.2139/ssrn.2938377.
Cont, R. & Kukanov, A. (2017). Optimal order placement in limit order markets. Quantitative Finance, 17(1), 21-39.
Cui, W., Brabazon, A. & O'Neill, M. (2011). Dynamic trade execution: a grammatical evolution approach. International Journal of Financial Markets and Derivatives, 2 (1), 4-31.
Forsyth, P. A. (2011). A Hamilton–Jacobi–Bellman approach to optimal trade execution. Applied numerical mathematics, 61 (2), 241-265.
Foucault, T., Kaden, O. & Kandel, E. (2005). The limit order book as a market for liquidity. Review of Financial Studies, 18 (1), 1171–1217.
Glosten, L. & Milgrom, P. (1985). Bid, ask and transaction prices in a specialist market with heterogeneously informed traders. Journal of Financial Economics, 14 (1), 71–100.
Golarzi, G. & Ziyachi, A. (2014). A Survey in Investor Herding Behavior with Trading Volume Approach in Tehran Stock Exchange. Journal of Financial Research, 16(2), 359-371. (in Persian)
Guo, X. & Zervos, M. (2015). Optimal execution with multiplicative price impact. SIAM Journal on Financial Mathematics, 6(1), 281-306.
Handa, P. & Schwartz, R. (1996). Limit Order Trading. Journal of Finance, 51(5), 1835–1861.
Harris, L. & Hasbrouck, J. (1996). Market vs. Limit Orders - The Super DOT Evidence On Order Submission Strategy, Journal of Financial and Quantitative Analysis, 31 (2), 213–231.
Hendricks, D. & Wilcox, D. (2014). A reinforcement learning extension to the Almgren-Chriss framework for optimal trade execution. In Computational Intelligence for Financial Engineering & Economics (CIFEr), 2104 IEEE Conference on IEEE. 457-464.
Huitema, R. (2014). Optimal portfolio execution using market and limit orders. Available at SSRN: https://ssrn.com/abstract=1977553.
Johnson, B. (2010). Algorithmic Trading & DMA: An introduction to direct access trading strategies (Vol. 200). London: 4Myeloma Press.
Keim, D. B. & Madhavan, A. (1997). Transactions costs and investment style: an inter-exchange analysis of institutional equity trades. Journal of Financial Economics, 46 (3), 265-292.
Kissell, R. & Glantz, M. (2003). Optimal Trading Strategies. Amacom, USA.
Lin, Q., Chen, X. & Peña, J. (2015). A trade execution model under a composite dynamic coherent risk measure. Operations Research Letters, 43(1), 52-58.
Moazeni, S., Coleman, T. & Li, Y. (2010). Optimal Portfolio Execution Strategies and Sensitivity to Price Impact Parameters. SIAM Journal on Optimization, 20 (3), 1620-1654.
Obizhaeva, A. A. & Wang, J. (2013). Optimal trading strategy and supply/ demand dynamics. Journal of Financial Markets, 16 (1), 1-32.
Predoiu, S., Shaikhet, G. & Shreve, S. (2011). Optimal execution in a general one-sided limit-order book. SIAM Journal on Financial Mathematics, 2(1), 183-212.
Schmidt, A. (2010). Optimal Execution in the Global FX Market. Journal of Trading, 5 (3), 68–77.
 
 
تحقیقات مالی
دوره 19، شماره 2
1396
صفحه 262-239

فایل ها

هم رسانی

ارجاع به این مقاله

آمار