استراتژي سفارش‌ گذاري: تقابل واكنش بازار و ريسك اجراي معاملات

Order Placement Strategy: Trade-off between Market Impact and Non-Execution Risk

هدف: بازار بورس ايران در سال‌هاي گذشته تغييراتي در آن اعمال شده و در انتظار تغييرات جدي‌تر است. در اين پژوهش يك مدل بهينه سفارش‌گذاري با رويكرد ريزساختار بازار ارائه شده كه در ساخت بازار مصنوعي استفاده شده و در انتها عملكرد آن مورد بررسي قرار گرفته است. روش: با كمك شبيه سازي بازار مي‌توان به مواردي همچون تنظيم بازار و بررسي عملكرد استراتژي‌هاي معاملاتي پرداخت. اما براي كشف قيمت تابلوي ثبت سفارش سهام از شبيه‌سازي عامل‌گرا (agentbased) استفاده كرده‌ايم كه الگوريتم تصميم‌گيري آن شامل انتخاب نوع سفارش (خريد يا فروش)، انتخاب نوع اقدام معامله‌گران (ثبت سفارش جديد يا لغو سفارش در صف)، انتخاب استراتژي معاملاتي و انتخاب قيمت بهينه‌ي سفارش براي يكي از عامل‌ها (agent) است. از آنجاكه يكي از چالش‌هاي مهم سرمايه‌گذاران، يافتن قيمت بهينه‌ي سفارش‌گذاري است، در اين پژوهش به اين موضوع پرداخته شده است و سعي شده بازار بورس تهران به گونه‌اي شبيه‌سازي شود تا تغييرات ريزساختار بازار را مطالعه كند. يافتهها: داده‌هاي پژوهش شامل داده‌هاي درونروزي تابلوي ثبت سفارش سهم فولاد مباركه اصفهان در 5 سطح و براي 71 روز معاملاتي است. در سيستم شبيه‌سازي پژوهش، با بررسي داده‌هاي تاريخي سهم فولاد مباركه اصفهان، رفتار معاملاتي عامل‌ها استخراج شده است. همچنين با توجه به بحث ريزساختار بازار، تقابل بين ريسك اجراي معاملات و كنترل واكنش بازار به عنوان يك هزينه معاملاتي، مدل‌سازي شده است. بازار براي مدت 30 روز شبيه‌سازي شده و نتايج حاكي از آن است كه استراتژي سفارش‌گذاري بهينه شده، از لحاظ ميانگين قيمت خريد سهم، ميانگين زمان انتظار براي اجراي معامله هر سهم و ميانگين حجم معامله شده از سفارش، در مقايسه با ساير استراتژي‌هاي مورد بررسي در بازار عملكرد بهتري داشته است. نتيجهگيري: نتايج اين پژوهش نشان مي‌دهد به‌كارگيري ريسك اجرايي شدن سفارش و هزينه معاملاتي بطور هم‌زمان در استراتژي سفارش‌گذاري، عملكرد بهتري نسبت به استراتژي‌هاي مبتني بر درجه‌ي تهاجمي بودن معامله‌گران بازار دارد.

Objective: This contribution proposes an order placement strategy which can be run on simulating continuous financial markets, within an agent-based model framework. Methods: In order to improve the efficiency of price discovery, the order placement decision is given by an optimization model which minimizes the risk adjusted execution cost, taking into consideration relevant market microstructure factors such as market impact. The trading behavior of the agents has been extracted from intraday LOB data of Foulad Stock in Tehran Stock Exchange. Results: The market has been simulated for 30 days and the results indicated that the optimized ordering strategy, in terms of the average purchase price of the share, the average waiting time for the transaction of each share and the average volume of the order traded, had better performance in comparison to other strategies examined. Conclusion: We can claim that taking into consideration both non-execution risk and execution cost could raise the performance in comparison to other strategies based on the aggressive level of the traders