Professional Documents
Culture Documents
Abstract
본 연구는 주식 딜러가 limit order book에서 매수와 매도 호가를 제출하는 전
략에 대한 것이다. Agent는 주식의 중간값(mid-price)의 확산적인(diffusive) 특
성으로 인한 재고 위험과, 시장의 매수 및 매도 호가가 도달하는 Poisson 빈도
에 의한 거래 위험을 갖는다. Agent의 문제를 최대 지수 효용(maximal
exponential utility) 프레임웍으로 설정하고, 2단계에 걸쳐 문제의 해를 도출한
다. 첫째, 딜러가 현재 재고로 주어진 주식에 대해 개인적인 무차별 가치
(indifference valuation)를 계산하고, 둘째, 시장의 limit order book에 대한 딜
러의 매수 및 매도 호가를 보간(calibrate)한다. 이러한 재고 전략과 단순한 최
우선호가 전략의 P&L에 대해 시뮬레이션으로 비교했을 때, 재고 전략이 P&L
에 있어 더 높은 수익률과 낮은 분산을 갖는다는 것을 알 수 있다.
1. Introduction
증권시장에서 딜러의 역할은 매수와 매도 가격을 제시하여 거래소에 유동성을 제공하는 것이다.
전통적으로 이런 역할은 시장조성자(market-maker)나 스페셜리스트(specialist)들이 담당했지만, 최
근 거래소의 전산화가 발달함에 따라 누구든 지정가 주문을 제시할 수 있다면 딜러의 역할을 담
당할 수 있게 되었다. 본 논문에서는 limit order book 2 에서 매수/매도 호가를 제출하는 데 있어
최적 주문 전략에 대해 살펴본다.
딜러의 가격 전략에 대해서는 미시구조(microstructure) 논문들에서 많이 연구되어 왔다. 딜러가
직면하게 되는 위험에 대해 가장 많이 언급되는 것은 (i)자산의 가치 변화의 불확실성으로 인한
재고 위험(inventory risk) 3 , (ii)정보를 보유한 트레이더와의 정보 비대칭성으로 인한 위험 등이 있
다. 본 논문에서는 재고효과(inventory effect)에만 초점을 맞춘다. 또한, 지정가 주문을 실행하는
에이젼트(agent)는 시장에 유일하고, ‘true price’는 시장의 중간가격(mid-price)로 주어진다고 가정
1
본 문서는 Marco Avellaneda & Sasha Stoikov의 “High-frequency trading in a limit order book”(2006)을 번역한 것
임. 각주는 모두 원저자의 것은 아니고, 이해를 돕기 위해 추가한 것임.
2
Limit order book이란 지정가 주문에 대해 가격우선으로 체결이 이루어지는 거래 원장을 말한다.
3
재고위험(inventory risk)는 보유하고 있는 자산의 미래 가격 변화에 의한 위험, 즉 변동성에 대한 위험이다.
1
한다.4
최적 매수/매도 호가는 직관적인 2단계 절차에 의해 이루어진다. 첫째, 딜러는 현재 보유한 재
고로 주식에 대한 개인적인 무차별 가치(indifference valuation)를 계산한다. 둘째, 딜러는 limit
order book에 대한 매수/매도 호가를 보간(calibrate)하는데, 이때 중간값으로부터의 거리에 대한
함수로 호가가 체결될 확률을 고려하여 계산한다.
2. The model
모형의 단순화를 위해서 자본시장에 이자는 없다고 가정하면, 주식의 중간가격은 다음과 같은
Brownian motion 으로 모형화 할 수 있다.
S t = s + σWt (2.1)
4
True price란 특정 자산의 가치를 100% 표현하는 가상의 가격을 말한다. 딜러가 매수/매도 호가를 동시에 제출할 때
기준을 삼는 가격이 된다.
5
Standard one-dimensional Brownian motion에서 기대값은 0, 분산은 σ 2 ∆t 가 된다.
6
효용함수(utility function)이란 2차 미분 가능한 함수로, 자산( w )에 대한 효용 U (w) 로 표현된다. U (w) 는 non-
satiation(재화가 증가할수록 효용은 계속 증가, U ′(w ) > 0 ), risk aversion(위험 회피, U ′′(w) < 0 )의 속성을 갖는다.
2
위 식을 풀어보면,7
v(x, s, q, t ) = Et (− exp(− γ ( x + qS T )))
= Et (− exp(− γ ( x + q(s + σWT ))))
= − exp(− γx ) exp(− rqs )Et (exp(− γqσWt )) (2.2)
1
= − exp(− γx ) exp(− γqs ) exp γ 2 q 2σ 2 (T − t )
2
b
이제 reservation price 8 를 상정해보자. reservation bid price( r )란 현재 포트폴리오에서
효용에는 변화를 주지 않으면서 주식 1주를 더 매수할 수 있는 매수 가격을 의미한다. 반대로
a
reservation ask price( r )는 효용에 변화를 주지 않으면서 주식 1주를 매도할 수 있는 매도가격이
된다. 이런 관계를 아래와 같이 표현할 수 있다.
( )
v x − r b (s, q, t ), s, q + 1, t = v( x, s, q, t )
(2.3)
v(x + r (s, q, t ), s, q − 1, t ) = v( x, s, q, t )
a
a b
(2.2)와 (2.3)을 이용해서 r 와 r 를 구해보면 다음과 같다.
1
r a (s, q, t ) = s + (1 − 2q ) γσ 2 (T − t )
2
1
r b (s, q, t ) = s + (−1 − 2q ) γσ 2 (T − t )
2
r (s, q, t ) = s − qγσ 2 (T − t )
1
− aµ + a 2σ 2
7
ε ~ N (µ , σ 2 ) 일때, ( )
E e − aε = e 2
이 된다
8
Reservation price란 “유보가격”으로 번역할 수 있는데, 경매 등에서 매수/매도를 할 때 지불할 수 있는 최대/최소 가
격을 의미한다.
9
본 연구에서 제시하는 딜러의 최적 매수/매도 호가는 mid-price가 아니라 reservation price를 기준으로 제출하는 전략
이다.
3
2.3 The optimizing agent with infinite horizon
0
a
r (s , q ) = s +
1
ln1 −
(2q + 1)γ 2σ 2
γ 2ω − γ 2 q 2σ 2
b 1
r (s, q ) = s + ln1 −
(2q − 1)γ 2σ 2
γ 2ω − γ 2 q 2σ 2
1
ω > γ 2 q 2σ 2
2
이제 mid-price 주변으로 지정가 주문을 실행하는 agent로 돌아와 보면, agent는 매수가격
δ b = s − pb
δ a = pa − s
4
충격(temporary market impact)을 가져오게 된다. 만약 p Q 를 가장 높은 체결 가격이었다고 하면,
일시적인 시장 충격을 아래와 같이 정의할 수 있다.
∆p = p Q − s
체결이 될 것이다.
dX t = p a dN ta − p b dN tb
N ta : agent가 매도한 주식의금액
N tb : agent가 매수한 주식의금액
q t = N tb − N ta
여기서는 agent가 자신의 매수/매도 호가를 통제하고, 시장에서 발생하는 주문들에 간접적으로
10
포아송(Poisson) 분포는 일정 기간내에 무작위로 발생하는 사건의 통계량에 관한 분포이다. 딜러가 주문을 제출했을
때 해당 주문이 시장에서 발생하는 다른 주문들에 의해 호가표 상에서 위치가 변하거나 체결이 이루어지므로, 시장에서
발생하는 주문들의 빈도를 포아송 분포로 모형화한다.
5
영향을 받게 된다는 점에서 앞에서 설명되었던 내용과는 다르다.
f Q ( x ) ∝ x −1−α (2.5)
이고, α 값은 미국시장의 경우 1.53 (Gopikrishnan et al. [4]), NASDAQ은 1.4 (Maslow and Mills
[9]), Paris Bourse는 1.5 (Gabaix et al. [3]) 이다.
시장 충격 통계량에 대해서는 아직 여러 의견들이 있는데, 이는 시장 충격에 대한 정의와 측정
대한 가격 변화 ∆p 는
∆p ∝ Q β (2.6)
이고, β 는 Gabaix et al.[3]에서는 0.5, Weber and Roswnow [14]에서는 0.76으로 추정하였다.
∆p ∝ ln (Q ) (2.7)
11
시장에 도달하는 매 주문의 주문수량이 갖는 본포를 말함
6
도출한다.
λ (δ ) = ΛP(∆p > δ )
= ΛP(ln(Q > Kδ ))
= ΛP(Q > exp(Kδ ))
∞
= Λ ∫ x −1−α dx
exp ( Kδ )
= A exp(− kδ )
Λ
where A= and k = αK
α
α
λ (δ ) = B(δ )− β
3. The solution
7
1
( )[ ( )
u t + σ 2 u ss + max δ b λb δ b u s, x − s + δ b , q + 1, t − u (s, x, q, t )
2
]
( )[ ( )
+ max δ a λa δ a u s, x + s + δ a , q − 1, t − u (s, x, q, t ) = 0 ]
u (S , x, q, t ) = − exp(− γ ( x + qS ))
이제 아래와 같이 도출된다.
1 1
θ t + σ 2θ SS − σ 2 γθ S2
2 2
+ max δ b
( )[
λb δ b b
] λa δ a
1 − e γ (s −δ − r ) + max δ a
b ( )[ a a
]
1 − e −γ (s +δ − r ) = 0 (3.3)
γ γ
θ (s, q, T ) = qs
1 λb δ b
s − r b (s, q, t ) = δ b − ln1 − γ b
( ) (3.6)
γ
∂λ
δb ( )
∂ δ
8
1
r (s, q, t ) − s = δ − ln1 − γ
a a λa δ a ( ) (3.7)
γ
∂λa a
δ ( )
∂δ
equation)을 풀어서 mid-price와 optimal bid and ask 각각과의 거리인 δb와 δa 를 구한다. 이
b a
두번째 과정은 현재 시장의 공급( λ )과 수요( λ )에 대한 ‘무차별’ 가격의 calibration으로 해석할
수도 있다.
λ (δ ) = Ae − kδ (3.8)
이런 가정은 2.5 절에서 설명한 Potters and Bouchaud [11]의 결과를 이용했다. 시간 간격을
M
M k
λ − dt = Ae 2 dt = 1 (3.9)
2
M
방정식 (3.9)는 만약 mid-price에서 δ =− 의 거리로 지정가 주문을 제출하면, 이 지정가
2
주문은 필연적으로 dt 내에 체결이 이루어지는 시장가 주문이 된다는 것을 의미한다.
1단계 작업으로, (3.3)을 푸는 대신에 (3.4)와 (3.5)의 indifference bid and ask를 얻기 위해 2.2
9
절의 suboptimal bid and ask의 평균을 사용한다. 즉,
b a
을 r 와 r 대신에 사용한다. 2단계 작업으로 (3.8)의 exponential order arrival function을
(3.6)과 (3.7)에 대입하고, (3.10)의 reservation price를 사용해 아래의 식을 구한다.
1 γ
δ b = γqσ 2 (T − t ) + ln1 + (3.11)
γ k
1 γ
δ a = −γqσ 2 (T − t ) + ln1 + (3.12)
γ k
2 γ
δ a +δ b = ln1 +
γ k
그림1. The mid-price, indifference price and the optimal bid and ask quotes
10
위 그림에서, indifference price가 mid-price보다 낮을 때, (3.10)의 관계에 따라 inventory
Agent는 positive inventory로 인해 매도를 원하기 때문에 매수/매도 호가는 mid-price보다 낮다.
Mid-price보다 낮은 매수/매도 호가는 자연히 시장의 매수 주문을 불러오고, 이는 재고가 다시
0이 되고 mid-price와 indifference price가 겹치게 되는 t=0.55에서 확인할 수 있다.
반면, t=0.25 에서는 indifference price가 mid-price보다 높고, inventory position은 음의 값을
가져야 한다(주식을 short). 매수 호가가 mid-price 주변에서 공격적으로(aggressively) 제출되어
있으므로, 재고는 t=0.3에서 빠르게 0이 된다. 끝시간에 가까워질수록 indifference price는 mid-
price에 근접하고, “재고 전략”은 점점 “대칭 전략”과 비슷하게 호가를 제출하게 된다. 끝시간에
가까워지면 mid-price가 급격히 변할 가능성이 거의 없어지므로 inventory position 역시 덜
11
때문이다. 그러나, 재고전략은 아래 [그림 3]과 같이 더 낮은 수익률의 분산을 갖는다.
그림 2. γ = 0.1 그림 3. γ = 0. 1
전략은 동일(identical)하다.
12
그림 4. γ = 0.01 그림 5. γ = 0. 5
[참고문헌]
[1] B. Biais, L. Glosten and C. Spatt, The Microstructure of Stock Markets, Working paper (2004)
[2] J. –P. Bouchaud, M. Mezard and M. Potters, Statistical Properties of Stock Order Books:
Empirical Results and Models, Quantitative Finance, 2 (2002), 251-256
[3] X. Gabaix, P. Gopikrishnan, V. Plerou, H.E. Stanley, A Theory of Large Fluctuations in Stock
Market Activity, MIT Department of Economics Working Paper No. 03-30
[4] P. Gopikrishnan, V. Plerou, X. Gabaix and H.E. Stanley, Statistical Properties of Share Volume
Traded in Financial Markets, Physical Review E, 62 (2000) R4493-R4496
[5] T. Ho and R. Macris, Dealer Bid-Ask Quotes and Transaction Prices: An Empirical Study of
13
[12] E. Smith, J.D. Farmer, L. Gillemot and S. Krishnamurthy, Statistical Theory of the Continuous
Double Auction, Quantitative Finance, 3 (2003) 481-514.
[13] H.R. Stoll, Market Microstructure, Handbook of the Economics of Finance, Edited by G.M.
Constantinides et al. North Holland (2003).
[14] P. Weber and B. Rosenow, Order Book Approach to Price Impact, Quantitative Finance, 5
(2005) 357 - 364.
14