Commercio quantitativo - pagina 31
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Esercizio 4, parte 1 (Microstruttura dei mercati finanziari)
Esercizio 4, parte 1 (Microstruttura dei mercati finanziari)
L'istruttore inizia la lezione di esercizi rivisitando i problemi precedenti delle lezioni e dei set di problemi. Menzionano specificamente che saranno coperti gli esercizi delle lezioni 7 e 8, che si concentrano sui pagamenti del flusso degli ordini e sui costi di negoziazione fissati dalle borse. L'istruttore vuole assicurarsi che gli studenti abbiano una solida comprensione di questi concetti.
Successivamente, l'istruttore sposta l'attenzione sull'esercizio 5 del capitolo 6, che approfondisce l'argomento delle commissioni di negoziazione nel modello dei salotti. Questo problema esplora le diverse commissioni addebitate dalle piattaforme di trading per gli ordini a mercato e con limite e le implicazioni di queste commissioni sulle decisioni di trading. L'istruttore sottolinea l'importanza di questo problema nella progettazione di mercati che funzionano meglio, poiché le commissioni addebitate dalle piattaforme di trading possono avere un impatto significativo sulle scelte dei trader e sulle dinamiche di mercato.
Per fornire un contesto, l'istruttore spiega le entrate totali che uno scambio riceve per operazione, che deriva dalle commissioni riscosse sia dagli ordini di mercato che dagli ordini limite. Dicono che il modello presuppone che ci sia un asset con un valore noto e prezzi bid e ask fissi. I trader possono scegliere tra ordini di acquisto e vendita, nonché ordini di mercato e ordini limite. Si presume che le valutazioni private, indicate con Y, siano distribuite uniformemente e indipendenti tra i trader. In particolare, le informazioni private non influenzano le decisioni commerciali. Le probabilità degli ordini a mercato di acquisto o vendita sono denotate rispettivamente come P pedice M apice B o S.
Il docente riconosce di aver apportato alcune semplificazioni e aggiunte al modello da manuale della microstruttura dei mercati finanziari. Hanno arricchito la distribuzione delle valutazioni private e introdotto il concetto di affiliazione privata binaria (meno y o più y). Inoltre, presumono che gli ordini di mercato possano essere scambiati solo con ordini limite precedentemente inviati. Incoraggiano gli spettatori a pensare a modi per calcolare le quotazioni bid e ask in equilibrio, poiché il modello del libro di testo non presuppone che se il book degli ordini limite è vuoto, lo scambio sarà sempre eseguito dal market maker agli stessi prezzi.
Andando avanti, l'istruttore spiega l'obiettivo di ottenere buoni prezzi bid e ask nella microstruttura dei mercati finanziari. Iniziano con il modello da manuale di base, che non considera le commissioni di negoziazione, e mirano a trovare quotazioni che rendano i trader indifferenti tra ordini di mercato e ordini limite. Il relatore illustra i potenziali profitti di un trader buy-side con una valutazione elevata sia dal mercato che dagli ordini limite. L'obiettivo del trader è massimizzare il proprio profitto dal trading e lo stato di indifferenza nasce da questa massimizzazione del profitto.
Viene introdotto il concetto di invio di un ordine limite, che può portare a un prezzo migliore ma comporta anche un certo rischio di esecuzione. L'istruttore discute l'obiettivo di trovare un equilibrio stazionario, concentrandosi sull'identificazione di una condizione che eguaglia la condizione volgare su A e B dati valori fissi di V ml, che sono parametri del modello. La discussione si sposta quindi su come il prossimo trader sceglie tra ordini di mercato e ordini limite. In equilibrio, non è mai ottimale per un trader al tempo t + 1 inviare un ordine limite se ha un ordine di mercato disponibile. Questo comportamento è l'unico equilibrio possibile, poiché qualsiasi altra scelta risulterebbe in contraddizione.
Il relatore procede spiegando il processo di determinazione dell'equilibrio e il meccanismo di determinazione del prezzo tra ordini di mercato e ordini limite nella microstruttura dei mercati finanziari. Spiegano che se un trader sceglie di inviare un ordine di acquisto a un prezzo leggermente inferiore (epsilon), non sono più indifferenti tra ordini di mercato e ordini limite. Un altro commerciante può quindi offrire loro un prezzo leggermente migliore. Si conclude che un trader deve sempre negoziare contro un ordine limite quando disponibile, e una condizione di indifferenza simile deve essere soddisfatta dal venditore. Il relatore afferma inoltre che spread e prezzi bid-ask possono essere determinati sulla base di un comportamento non banale dei trader condizionato da questa indifferenza e da una distribuzione uniforme delle valutazioni.
L'istruttore approfondisce come gli spread bid-ask nella microstruttura dei mercati finanziari sono influenzati dal costo degli ordini limite (rappresentato da FL(o)) rispetto al costo degli ordini di mercato (rappresentato da F(m)). L'obiettivo è garantire che tutti i trader siano indifferenti tra ordini di mercato e ordini limite. Se il costo degli ordini con limite aumenta, diventa meno allettante per i trader, con conseguente aumento dello spread bid-ask per rendere gli ordini con limite più attraenti. Al contrario, se le commissioni sugli ordini di mercato aumentano, gli ordini limite diventano più allettanti e lo spread bid-ask deve diminuire per ripristinare l'equilibrio delle preferenze del trader. L'istruttore afferma che le piattaforme di trading possono sovvenzionare gli ordini limite con commissioni negative e gli ordini di mercato con commissioni positive, il che può aiutare a ridurre lo spread rendendo gli ordini limite più attraenti.
Viene discusso l'impatto degli ordini con limite negativo e degli ordini con limite di sovvenzione incrociata con gli ordini di mercato sui costi di negoziazione. Sebbene queste pratiche possano restringere lo spread, non riducono necessariamente i costi di negoziazione, poiché l'importo effettivo che un trader paga per un ordine di acquisto sul mercato è dato da v + 1/3l + f. Tuttavia, queste pratiche sono ancora considerate di miglioramento del benessere. La discussione passa quindi ai pagamenti per il flusso degli ordini ed esplora le conseguenze dell'inoltro del flusso degli ordini da investitori non sofisticati ai rivenditori. Questa pratica, comunemente osservata nel mondo reale, richiede la considerazione dei valori fondamentali nel determinare se un titolo paga un tasso alto o basso.
Successivamente, il video introduce un modello che coinvolge un investitore che acquista o vende casualmente un asset senza conoscere i suoi veri valori fondamentali. Viene considerata la probabilità dell'investitore di essere un investitore al dettaglio o un investitore istituzionale. Gli investitori istituzionali sono ulteriormente classificati come informati o disinformati e tre operatori partecipano al mercato senza alcun vantaggio informativo. Il modello non prevede alcun pagamento per il flusso degli ordini tra broker e dealer, che competono tra loro. Il broker seleziona a caso un rivenditore tra quelli che offrono il miglior prezzo per l'ordine. L'obiettivo è calcolare le quotazioni bid e ask pubblicate dai dealer, che ricordano il modello Glosten-Milgrom.
Il modello Milgrom viene applicato per determinare il valore atteso per l'ordine condizionato effettuato da un trader informato. Il potere di mercato non è rispettato nonostante la presenza di un numero limitato di operatori e la possibilità di collusione. I rivenditori sono soggetti alla concorrenza di Bertrand, che li colloca in un ambiente di oligopolio. La formula per il prezzo S è derivata utilizzando la probabilità di ricevere un ordine di acquisto da un investitore istituzionale informato o non informato. Infine, si ottiene la formula per il prezzo bid, che è la stessa del prezzo S.
Viene introdotto il concetto di regno del pagamento in eccesso, in cui il Dealer 1 ha un accordo di pagamento per il flusso degli ordini con il broker. In questo accordo, il broker inoltra tutti gli ordini degli investitori al dettaglio al Dealer 1, che accetta di eseguire questi ordini ai migliori prezzi disponibili fissati dagli altri due dealer. Il broker funge da router e decide a quale rivenditore inoltrare l'ordine. Le quotazioni pubblicate dai Dealer 2 e 3 vengono dedotte, rivelando che lo spread bid-ask è più alto in questo caso rispetto a quando non c'è pagamento per il flusso degli ordini. La probabilità che un trader venga informato è determinata per ottenere il prezzo S. Si noti che lo spread bid-ask è più alto quando c'è il pagamento per il flusso degli ordini. Infine, viene calcolato il massimo valore possibile di P.
L'istruttore spiega come determinare il massimo valore possibile di P per il Dealer 1 e le condizioni richieste affinché il Dealer 1 sia disposto a pagare P. È necessario che il profitto del Dealer 1 non sia negativo e il profitto di ogni ordine può essere derivato dall'equilibrio nella Parte B, dove il Dealer 1 riceve Alpha Sigma da qualsiasi ordine ricevuto. Viene discusso il concetto di pagamento per flusso di ordini e viene posta la questione se avvantaggi o danneggi gli investitori. La risposta diventa chiara: tutti gli investitori finiscono per negoziare a prezzi nuovi e peggiori, con risultati sfavorevoli per loro.
Il video si conclude spiegando in che modo il pagamento per il flusso degli ordini influisce sugli investitori. Lo spread si allarga, il che è dannoso per gli investitori, mentre il Dealer 1 e il broker guadagnano. Si presume che il broker riceva una quota del surplus. Tuttavia, se i broker sono competitivi, il profitto può essere trasferito agli investitori, in particolare agli investitori istituzionali che possiedono più potere contrattuale rispetto agli investitori al dettaglio. Il video alla fine suggerisce che i pagamenti per il flusso degli ordini consentono a dealer e broker di prosperare a spese degli investitori.
Esercizio 4, parte 2 (Microstruttura dei mercati finanziari)
Esercizio 4, parte 2 (Microstruttura dei mercati finanziari)
Nella lezione precedente, l'istruttore ha discusso un problema complesso che combinava il modello di Kyle con il modello di Stoll e ha introdotto un rivenditore avverso al rischio con preferenze di media-varianza. L'obiettivo era trovare un equilibrio lineare in cui la dimensione dell'ordine del trader informato è una funzione lineare del valore fondamentale e il trader fissa i prezzi secondo un programma lineare. Tuttavia, l'istruttore afferma che non esaminerà la soluzione completa in questo video poiché è già disponibile sul sito Web del corso.
L'istruttore affronta due aspetti impegnativi con cui gli studenti potrebbero avere difficoltà durante l'esercizio. La parte A del problema richiede di trovare l'aspettativa condizionale e la varianza dell'impresa V in base alla coda del flusso totale degli ordini osservata. Ciò comporta il calcolo del valore atteso e della variabilità di V date le informazioni sulla coda. D'altra parte, la parte C è considerata il fulcro del modello di Stoll con l'avversione al rischio e il processo decisionale del dealer. Implica che i rivenditori prendano il prezzo come dato, sebbene in realtà determinino il listino prezzi in base al flusso degli ordini. L'istruttore spiega l'incoerenza in questa logica e come i rivenditori determinano quanto sono disposti a fornire a un prezzo fisso.
Il video approfondisce gli effetti dell'avversione al rischio sugli operatori nella microstruttura dei mercati finanziari. Quando gli operatori sono avversi al rischio e hanno un'utilità concava, il concetto di indifferenza rispetto al profitto per unità scambiata non si applica più. Ogni operatore è disposto ad acquistare solo una quantità limitata di qualsiasi attività rischiosa, anche se il profitto per operazione è positivo o negativo. Gli operatori avversi al rischio evitano di assumere posizioni ampie e rischiose perché l'aumento del volume degli acquisti aumenta anche la rischiosità della loro posizione complessiva, portando a una maggiore varianza nella loro ricchezza futura. Di conseguenza, diventa necessario determinare l'importo massimo che gli operatori sono disposti ad acquistare o vendere per un dato prezzo. Questa decisione dà origine alla curva di offerta Q di P e alla tabella dei prezzi P di Q nel mercato finanziario.
L'istruttore spiega come viene utilizzata la funzione di utilità del dealer per determinare l'importo ottimale da fornire, portando all'equazione di Y di P, dove Y rappresenta l'importo che i dealer sono disposti a negoziare. Viene sottolineata la natura competitiva dei rivenditori e viene descritto il processo di risoluzione del problema di massimizzazione. L'istruttore tocca anche gli aspetti algebrici del problema e poi ritorna alla Parte A, dove la distribuzione condizionale di V, dato Q, deve essere trovata usando l'equazione RLS. La conclusione di RLS (minimi quadrati ricorsivi) viene utilizzata per stimare Y in base alle informazioni su X.
Viene spiegata la derivazione della distribuzione di V condizionata a Q, con l'istruttore che menziona che è descritta da una funzione di densità di probabilità (PDF) che può essere calcolata usando la regola di Bayes. L'istruttore osserva che la formula presentata non è mostrata sulla diapositiva e sottolinea l'importanza di tenere traccia dell'aspettativa di Q e di calcolare l'aspettativa di B. Discutono anche un modo più rapido ed efficiente per derivare questa espressione e una più lunga e più modo noioso, in particolare per il modello esatto della mucca.
L'oratore discute inoltre come trovare la probabilità congiunta di osservare una specifica D e Q, che appare nel numeratore della formula, e la probabilità di osservare una particolare realizzazione di Q, che è nel denominatore. La probabilità congiunta può essere scomposta nel prodotto di due PDF indipendenti poiché U e V sono variabili indipendenti. Viene spiegata la derivazione di questa formula, con un suggerimento per coloro che non sono interessati a saltare questa parte.
Vengono discusse le proprietà della distribuzione normale e le funzioni di distribuzione cumulativa (CDF) di V e U sono derivate in base all'aspettativa e alla varianza incondizionate. La PDF congiunta per V e U è determinata anche invocando le proprietà della distribuzione normale e l'indipendenza tra le variabili. La somma di beta V meno X0 e U risulta distribuita normalmente e la sua aspettativa matematica e la sua varianza possono essere calcolate utilizzando il metodo delle miscele. Tuttavia, un modo più breve per calcolarlo consiste nell'utilizzare direttamente le proprietà della distribuzione normale e dell'indipendenza.
Il relatore spiega come ottenere la distribuzione di probabilità condizionale di Q, assumendo che Q abbia la forma beta per la media di V meno X0 più la media di U. La varianza di Q è derivata come beta al quadrato per la varianza di V più la varianza di U. Utilizzando questi risultati, l'oratore fornisce un'espressione per F di Q combinando la PDF della distribuzione normale e la PDF congiunta. Sebbene l'espressione risultante sia complicata, può essere semplificata raccogliendo e sommando tutti i termini. Il relatore riconosce che questa distribuzione non è ancora molto informativa, rendendo difficile accertare se Q è distribuito normalmente e determinarne la media e la varianza.
Andando avanti, il relatore discute come trovare la media e la varianza considerando la forma di X come normale e riscrivendo V come un quadrato completo per verificare una certa frazione. Semplificano la differenza in una frazione e confermano che questa frazione funziona effettivamente come varianza del condizionale al segnale.
Infine, l'istruttore spiega come trovare l'aspettativa condizionale della coda condizionale attraverso manipolazioni algebriche. Denotano il termine grande come 2V, indicato come mu, e l'intero quadrato come V meno mu al quadrato diviso per Sigma al quadrato. Questa semplificazione aiuta a trovare la media. L'istruttore conclude menzionando che ci saranno più problemi trattati nelle lezioni 9 e 10, concentrandosi sul valore della liquidità e dell'informazione pubblica nei mercati, nonché una discussione continua sul trading ad alta frequenza.
Lezione 13, parte 1: Trading ad alta frequenza; Informazioni pubbliche (microstruttura dei mercati finanziari)
Lezione 13, parte 1: Trading ad alta frequenza; Informazioni pubbliche (microstruttura dei mercati finanziari)
Nella conferenza, il relatore discute l'effetto del trading ad alta frequenza (HFT) sui mercati e il problema dell'informazione pubblica. La presenza di HFT nel mercato crea uno squilibrio di informazioni tra i trader, simile ad avere trader più informati. Questa asimmetria informativa danneggia la liquidità, amplia lo spread e non porta necessariamente a una migliore scoperta dei prezzi. HFT può essere visto come una corsa agli armamenti con investimenti dispendiosi fatti per ottenere vantaggi. Tuttavia, quando tutti diventano veloci, la situazione diventa equivalente a quando tutti sono lenti, tranne per il fatto che tutti hanno investito una notevole quantità di denaro per raggiungere la velocità.
Per affrontare questi problemi, il relatore propone di sostituire l'asta continua con frequenti aste batch. Tuttavia, HFT genera opportunità arbitrarie che non svaniscono nel tempo e questo approccio non riesce a favorire la correlazione tra asset identici. Anche con più trader HFT, il problema dell'HFT non sarebbe risolto solo implementando un nuovo sistema di aste.
Successivamente, il presentatore discute l'efficienza dei prezzi in relazione ai contratti spot e future dell'S&P 500. Questi asset sono correlati in quanto seguono entrambi l'S&P 500, ma il contratto future è a breve termine e riflette il valore atteso dell'S&P 500 in una settimana. Secondo la teoria, i prezzi dovrebbero essere martingale ed efficienti per questi contratti future S&P 500. Tuttavia, quando si esaminano i dati sui prezzi a intervalli più brevi, la correlazione tra i prezzi spot e futuri inizia a diminuire.
La conferenza esplora anche la correlazione tra gli indici dei prezzi e le sue implicazioni per le opportunità di arbitraggio. La correlazione tra due indici di prezzo aumenta con intervalli di tempo più lunghi. Tuttavia, poiché l'intervallo di tempo si riduce a zero, la correlazione tra gli indici diventa zero. Ciò significa che i trader più veloci, che possono operare in pochi millisecondi, avranno sempre accesso alle opportunità di arbitraggio. Un grafico che illustra i profitti medi per arbitraggio nel tempo mostra che questi profitti non diminuiscono. Il docente presenta un modello semplice con due tipi di trader: trader "umidi" che arrivano casualmente nel tempo e trader ad alta frequenza che hanno accesso a opportunità di arbitraggio.
Inoltre, il professore spiega il ruolo dei noise trader e degli high frequency trader nel mercato. I noise trader arrivano in modo casuale e vogliono acquistare o vendere un'unità di un titolo senza alcuna intenzione specifica. I trader ad alta frequenza agiscono come fornitori di liquidità, con uno di loro che funge da market maker e pubblica quotazioni per un'unità dell'asset. Altri trader ad alta frequenza agiscono come cecchini di quotazioni obsolete e, se osservano le notizie pubbliche prima che lo faccia il market maker, possono trarre vantaggio da queste quotazioni obsolete. Il professore calcola i profitti di flusso attesi del market maker, dei cecchini e dei non cecchini in questo scenario.
La conferenza prosegue con una discussione sulle opportunità di trading e sui profitti per market maker e cecchini in caso di arrivo di notizie. Il market maker può trarre profitto dal trading con investitori informati e noise trader disinformati, ma incorre in perdite se preso di mira da altri trader. I cecchini hanno un'opportunità di trading con una probabilità definita come lambda jump, e questa opportunità è redditizia se J (salto) è maggiore di s su 2. Affinché i trader ad alta frequenza rimangano indifferenti tra l'adozione di una delle due regole, il profitto atteso del market maker dovrebbe essere uguale al profitto atteso di un cecchino.
L'oratore sposta quindi l'attenzione sullo spread di equilibrio nel trading e su come non sia influenzato dal numero di trader ad alta frequenza nel mercato. Ciò significa che avere più trader ad alta frequenza non migliora necessariamente il mercato in termini di spread, liquidità o riduzione dei prezzi. La conferenza esplora anche la proposta di un'asta batch frequente come potenziale soluzione al fallimento del mercato causato dal trading continuo. In un'asta batch frequente, i trader possono inviare i loro ordini a intervalli diversi in base alla loro latenza. I trader lenti e disinformati inviano i loro ordini prima, mentre i trader informati e veloci possono inviarli più tardi ma a intervalli di tempo più ampi.
La conferenza spiega che l'implementazione di un sistema di aste batch introduce ritardi, che possono essere inefficienti in quanto consentono la possibilità di informazioni asimmetriche, consentendo ai trader veloci di negoziare su quotazioni obsolete che arrivano durante questo periodo. Tuttavia, se il tempo di ritardo (tau) è sufficientemente ampio, la lunghezza relativa dell'intervallo in cui si verifica il trading informato diventa abbastanza piccola da mitigare il problema del trading informato e ridurre lo sniping di quotazioni obsolete. Ciò suggerisce che la transizione da un mercato continuo ad aste batch relativamente frequenti può essere una soluzione per affrontare la corsa alla latenza ridotta tra i trader ad alta frequenza.
La discussione si sposta quindi sull'impatto dell'informazione pubblica sui mercati. Il docente sottolinea che la maggior parte dei modelli si è concentrata principalmente sugli effetti delle informazioni asimmetriche e dei segnali privati, mentre l'influenza della volatilità complessiva e dell'incertezza globale sui prezzi e sul commercio è stata meno esplorata. Viene introdotto il concetto di credenze di ordine superiore, che ha guadagnato terreno nello spiegare i fenomeni empirici. La conferenza presenta un modello che tenta di spiegare l'elevato volume di scambi osservato dopo annunci pubblici attraverso la lente di convinzioni di ordine superiore.
Successivamente, il concetto di credenze di secondo ordine nella teoria dei giochi viene esplorato all'interno della struttura di un semplice modello noto come Lost Milgram Model. Questo modello incorpora due componenti, theta uno e theta due, che sono equiprobabili e indipendenti, e determinano collettivamente il valore del bene. Entrambi i trader osservano il segnale pubblico theta uno, ma solo il trader informato ha accesso a theta due. Il segnale pubblico influisce sui risultati in termini di spread ma non di prezzo medio. Comprendere le convinzioni di secondo ordine è fondamentale per comprendere il comportamento del giocatore nei giochi, sebbene la maggior parte dei giochi le riduca a convinzioni di primo ordine a causa della complessità e dell'inconveniente associato ai loop infiniti.
Il relatore spiega che theta due, il segnale privato disponibile solo per il trader informato, dovrebbe essere previsto sulla base delle informazioni pubbliche accessibili a tutti i trader. Il dealer, che ha accesso alle informazioni pubbliche, sa che se il segnale è theta e l'ordine proviene da un noise trader, il valore atteso condizionato da queste informazioni è semplicemente theta. Anche il prezzo di offerta, che può essere superiore o inferiore, è determinato dalle stesse informazioni. Di conseguenza, lo spread non dipende da theta e rimane costante. In questo modello Milgram chiuso, tutti gli agenti aggiornano simultaneamente le loro opinioni sulla valutazione dell'asset in risposta al segnale pubblico, ma non si verificano negoziazioni effettive. Il modello presuppone che tutti gli agenti considerino solo il valore fondamentale dell'attività e non incorporino la rivendita.
Inoltre, la conferenza introduce un modello di trading con informazioni asimmetriche che coinvolge due generazioni di trader con orari e luoghi di trading diversi. I trader a breve termine a Londra scaricano le loro posizioni ai trader a New York alla fine della giornata di negoziazione londinese, poiché i trader di New York sono disposti a portare l'inventario durante la notte. I trader di Londra si concentrano principalmente sul valore di rivendita delle loro posizioni ai trader di New York, formando così congetture su quanto i trader di New York sarebbero disposti a pagare per le loro posizioni al momento dell'acquisto di asset. L'oratore dimostra che informazioni pubbliche più precise portano a un maggiore disaccordo tra i trader riguardo al valore dell'asset. Questo disaccordo genera volume di scambi e convinzioni divergenti basate su informazioni private. Il relatore affronta anche una domanda su come i trader di valuta chiudono le loro posizioni, cosa che può essere fatta detenendo contanti in una valuta sicura o rimborsando denaro preso in prestito nella stessa valuta.
Lezione 13, parte 2: Informazioni pubbliche (microstruttura dei mercati finanziari)
Lezione 13, parte 2: Informazioni pubbliche (microstruttura dei mercati finanziari)
Il docente si tuffa nel modello Contour, partendo da un semplice esempio che illustra la divergenza delle credenze di secondo ordine tra due gruppi di trader, etichettati I e J. In questo esempio, il valore fondamentale dell'asset ha due componenti, theta I e theta J. Gli operatori del gruppo I possiedono alcune informazioni su theta I, mentre gli operatori del gruppo J hanno un segnale su theta J. Tuttavia, non vi è alcun segnale pubblico e vengono fatte le ipotesi di mutua indipendenza e media zero. Di conseguenza, il commerciante I e il commerciante J non hanno alcuna conoscenza del theta dell'altro, portando a una credenza di secondo ordine pari a zero.
Andando avanti, la conferenza approfondisce l'influenza dell'informazione pubblica e presuppone l'esistenza di un segnale pubblico Y che fornisce informazioni sul theta totale. L'opinione del trader I sulla valutazione dell'asset del trader J non si basa sul segnale privato del trader I, ma si basa sulle osservazioni di entrambi i trader del segnale pubblico Y. Si è riscontrato che l'aspettativa di secondo ordine diminuisce in XI, indicando che maggiore è il valore privato del trader il segnale è, minore è la loro valutazione dell'asset dell'altro giocatore. Questo risultato può essere inteso intuitivamente come un trader con un segnale privato elevato e una valutazione positiva dell'asset assumendo che l'altro giocatore, a cui manca lo stesso segnale privato, valuti meno l'asset.
Il docente discute il significato delle credenze di secondo ordine nella microstruttura dei mercati finanziari e mette in evidenza l'eterogeneità delle informazioni possedute dai diversi attori riguardo alle varie componenti del valore totale degli asset (theta). Quando le informazioni pubbliche sono più precise, i segnali privati di diversi attori divergono, portando a un aumento dei volumi di scambio. Questo spiega perché in genere c'è un'attività di trading più elevata intorno agli annunci pubblici che generano nuove informazioni pubbliche. La maggior parte dei modelli in questo campo presume che tutti i segnali riguardino la stessa cosa, ma tenere conto dell'eterogeneità può portare a modelli più informativi.
Per illustrare il ruolo delle credenze di secondo ordine nel guidare il commercio, il relatore introduce la struttura del modello Contour. Questo modello è costituito da due gruppi di trader, I e J, che operano su tre periodi. Nel secondo periodo, i trader del Gruppo I escono dal mercato, mentre i trader del Gruppo J ricevono valore theta dal possesso dell'asset nel terzo periodo. Tutti i trader sono competitivi e possono condizionare la loro domanda sul prezzo, comportandosi in modo simile ai dealer nel modello Kyle. I trader nel modello hanno un'utilità esponenziale con un'avversione assoluta al rischio costante e la loro ricchezza è determinata da di per p2 meno p1 per i trader del gruppo I e dal valore theta meno p2 per i trader del gruppo J.
Il modello presuppone una normale offerta aggregata di attività in entrambi i periodi, con una media nulla e una certa varianza. Nel primo periodo, l'offerta di attività deve eguagliare la domanda dei trader del Gruppo I che esercitano la loro funzione di domanda. Nel secondo periodo, la domanda di attività deve eguagliare la domanda totale dei trader del Gruppo J, inclusi i trader del Gruppo I che vendono le proprie partecipazioni dal primo periodo, più un'offerta aggregata aggiuntiva X. A causa della casualità di questa offerta, i prezzi non saranno perfettamente informativo, con conseguente imperfetta efficienza informativa. Il problema di massimizzazione per i trader del Gruppo I comporta la massimizzazione della loro utilità attesa dalla ricchezza dati i loro segnali privati e pubblici, con l'unica scelta che è la loro domanda DI.
L'oratore spiega la configurazione del problema con due trader, dove il trader I possiede un asset e il trader J ne ha bisogno, e l'incertezza risiede nel prezzo a cui sono disposti a effettuare transazioni. Si presume che l'equilibrio abbia una relazione lineare tra P2 e P1, U1 e U2, risultando in una normale distribuzione della ricchezza del commerciante I. Applicando le preferenze media-varianza, il relatore mostra che gli agenti che massimizzano la loro utilità di riporto sono identici agli agenti con preferenze media-varianza. Il problema del commerciante J viene risolto utilizzando lo stesso approccio del commerciante I. Il problema di massimizzazione risultante considera l'aspettativa e la varianza della loro ricchezza date le variabili condizionanti.
Il docente spiega il calcolo dell'equilibrio del modello. Si presume che i prezzi siano funzioni lineari di fattori rilevanti, tra cui il segnale pubblico Y, la domanda e l'offerta di entrambi i periodi e il valore dell'asset. P1 è una funzione lineare di theta, del segnale pubblico Y e dell'offerta U1, mentre P2 è una funzione lineare di theta J, del segnale pubblico Y e dell'offerta Y a U2. Il segnale di prezzo del periodo 1, q1, dipende dalla domanda e dall'offerta locali. Le richieste ottimali degli agenti sono determinate dalla varianza di P2 e dalla precisione delle loro informazioni su P2 e theta. Per calcolare l'equilibrio, il relatore spiega come ottenere le aspettative di P2 condizionate dalla domanda e dall'offerta del mercato.
Il relatore discute le informazioni a disposizione dei trader del gruppo J rispetto a quelle del gruppo I, in particolare le informazioni sul theta che i trader estraggono dal prezzo di mercato stabilito in precedenza. Questo vantaggio consente ai trader del Gruppo J di avere un vantaggio sul mercato rispetto ai trader del Gruppo I. Il relatore spiega che i prezzi saranno funzioni lineari con coefficienti diversi, sebbene questi coefficienti non siano identificati a questo punto. Viene spiegato il processo per trovare q1, che rappresenta l'aspettativa condizionata di theta I dati i prezzi p1 e Y, insieme alla sua relazione con i prezzi di mercato. Lo scopo di determinare queste aspettative e questi prezzi è capire come incidono sulle strategie ottimali degli agenti.
Il docente spiega come esprimere l'aspettativa condizionale di P2 e theta come combinazioni lineari di segnali, tra cui X, Y, q1, q2 e altre variabili. Queste espressioni vengono quindi ricollegate alle strategie ottimali per ottenere domande di equilibrio per entrambi i giocatori. Le condizioni di compensazione del mercato vengono utilizzate per collegare i prezzi di equilibrio ai segnali, risultando in prezzi lineari per P1 e P2. Abbinando i coefficienti, le richieste ottimali possono essere calcolate in funzione dei segnali. Questo processo fornisce un equilibrio del modello, sebbene possano esistere altri equilibri con prezzi non lineari.
L'oratore discute di come il trading sia guidato dal disaccordo tra gli agenti e di come la domanda ottimale del giocatore 1 nel periodo 1 dipenda dalla loro aspettativa di secondo ordine di theta. Un segnale privato più elevato ricevuto dagli agenti nel periodo 1 porta a una minore aspettativa di convinzioni di secondo ordine detenute dagli agenti nel periodo 2, con conseguenti prezzi più bassi nel periodo 2. Il documento considera anche un modello leggermente più generale che include theta K.
La conferenza affronta anche l'impatto delle informazioni pubbliche sul volume degli scambi, osservando che segnali più precisi portano a un volume di scambi più elevato. Il modello considera gli effetti dei trader a breve e lungo orizzonte sull'integrazione del mercato e mostra che un'elevata integrazione del mercato porta a un basso volume di scambi. A sostegno di questi risultati si fa riferimento a un documento empirico, che dimostra che gli annunci pubblici hanno un forte effetto sui volumi di scambio quando c'è una minore integrazione del mercato. Tuttavia, il docente avverte che i modelli standard potrebbero non rappresentare accuratamente l'impatto delle informazioni pubbliche sul volume degli scambi.
Continuando la conferenza, il relatore sottolinea la necessità di modelli più accurati che catturino l'impatto delle informazioni pubbliche sul volume degli scambi. I modelli standard spesso trascurano l'eterogeneità dei segnali e non riescono a tenere conto delle dinamiche complesse che derivano da attori diversi che possiedono diversi livelli di informazioni. Incorporando questi fattori nei modelli, i ricercatori possono ottenere informazioni più approfondite sui comportamenti e sui risultati del mercato.
Successivamente, il docente esplora le più ampie implicazioni del modello Contour e la sua rilevanza per i mercati finanziari. Il modello fornisce un quadro per comprendere come le convinzioni di secondo ordine guidano le attività di trading e la formazione dei prezzi. Sottolinea l'importanza di considerare non solo le convinzioni e i segnali diretti dei singoli trader, ma anche le loro convinzioni sulle convinzioni degli altri. Queste aspettative di ordine superiore possono avere un impatto significativo sulle dinamiche di mercato, influenzando le decisioni di trading, i livelli dei prezzi e i volumi di trading.
Inoltre, il modello Contour fa luce sull'interazione tra informazioni pubbliche, segnali privati e integrazione del mercato. La precisione delle informazioni pubbliche influisce sulla divergenza dei segnali privati tra i trader, che a sua volta influisce sui volumi degli scambi. Quando gli annunci pubblici contengono segnali altamente informativi, portano a una maggiore eterogeneità nei segnali privati, con conseguente aumento dell'attività di trading. Tuttavia, anche il grado di integrazione del mercato svolge un ruolo, poiché un'elevata integrazione riduce il volume degli scambi a causa della convergenza dei segnali e della ridotta eterogeneità.
Per supportare questi risultati, il docente fa riferimento a un documento empirico che fornisce prove empiriche della relazione tra annunci pubblici, integrazione del mercato e volumi di scambio. Lo studio mostra che quando l'integrazione del mercato è inferiore, gli annunci pubblici hanno un effetto più pronunciato sui volumi degli scambi. Ciò evidenzia l'importanza di considerare l'interazione tra informazioni pubbliche, struttura del mercato e comportamento commerciale nella ricerca empirica.
La conferenza sul modello Contour esplora la divergenza delle convinzioni di secondo ordine tra i trader, l'impatto delle informazioni pubbliche sulle dinamiche di trading e il ruolo dell'integrazione del mercato. Incorporando l'eterogeneità nei segnali e nelle convinzioni nei modelli, i ricercatori possono comprendere e prevedere meglio i comportamenti del mercato. La conferenza evidenzia la necessità di modelli più accurati che catturino le complesse dinamiche dei mercati finanziari e fornisca approfondimenti sui fattori che guidano il volume degli scambi e la formazione dei prezzi.
Esercizio 5, parte 1 (Microstruttura dei mercati finanziari)
Esercizio 5, parte 1 (Microstruttura dei mercati finanziari)
Il docente si tuffa nel modello Contour, partendo da un semplice esempio che illustra la divergenza delle credenze di secondo ordine tra due gruppi di trader, etichettati I e J. In questo esempio, il valore fondamentale dell'asset ha due componenti, theta I e theta J. Gli operatori del gruppo I possiedono alcune informazioni su theta I, mentre gli operatori del gruppo J hanno un segnale su theta J. Tuttavia, non vi è alcun segnale pubblico e vengono fatte le ipotesi di mutua indipendenza e media zero. Di conseguenza, il commerciante I e il commerciante J non hanno alcuna conoscenza del theta dell'altro, portando a una credenza di secondo ordine pari a zero.
Andando avanti, la conferenza approfondisce l'influenza dell'informazione pubblica e presuppone l'esistenza di un segnale pubblico Y che fornisce informazioni sul theta totale. L'opinione del trader I sulla valutazione dell'asset del trader J non si basa sul segnale privato del trader I, ma si basa sulle osservazioni di entrambi i trader del segnale pubblico Y. Si è riscontrato che l'aspettativa di secondo ordine diminuisce in XI, indicando che maggiore è il valore privato del trader il segnale è, minore è la loro valutazione dell'asset dell'altro giocatore. Questo risultato può essere inteso intuitivamente come un trader con un segnale privato elevato e una valutazione positiva dell'asset assumendo che l'altro giocatore, a cui manca lo stesso segnale privato, valuti meno l'asset.
Il docente discute il significato delle credenze di secondo ordine nella microstruttura dei mercati finanziari e mette in evidenza l'eterogeneità delle informazioni possedute dai diversi attori riguardo alle varie componenti del valore totale degli asset (theta). Quando le informazioni pubbliche sono più precise, i segnali privati di diversi attori divergono, portando a un aumento dei volumi di scambio. Questo spiega perché in genere c'è un'attività di trading più elevata intorno agli annunci pubblici che generano nuove informazioni pubbliche. La maggior parte dei modelli in questo campo presume che tutti i segnali riguardino la stessa cosa, ma tenere conto dell'eterogeneità può portare a modelli più informativi.
Per illustrare il ruolo delle credenze di secondo ordine nel guidare il commercio, il relatore introduce la struttura del modello Contour. Questo modello è costituito da due gruppi di trader, I e J, che operano su tre periodi. Nel secondo periodo, i trader del Gruppo I escono dal mercato, mentre i trader del Gruppo J ricevono valore theta dal possesso dell'asset nel terzo periodo. Tutti i trader sono competitivi e possono condizionare la loro domanda sul prezzo, comportandosi in modo simile ai dealer nel modello Kyle. I trader nel modello hanno un'utilità esponenziale con un'avversione assoluta al rischio costante e la loro ricchezza è determinata da di per p2 meno p1 per i trader del gruppo I e dal valore theta meno p2 per i trader del gruppo J.
Il modello presuppone una normale offerta aggregata di attività in entrambi i periodi, con una media nulla e una certa varianza. Nel primo periodo, l'offerta di attività deve eguagliare la domanda dei trader del Gruppo I che esercitano la loro funzione di domanda. Nel secondo periodo, la domanda di attività deve eguagliare la domanda totale dei trader del Gruppo J, inclusi i trader del Gruppo I che vendono le proprie partecipazioni dal primo periodo, più un'offerta aggregata aggiuntiva X. A causa della casualità di questa offerta, i prezzi non saranno perfettamente informativo, con conseguente imperfetta efficienza informativa. Il problema di massimizzazione per i trader del Gruppo I comporta la massimizzazione della loro utilità attesa dalla ricchezza dati i loro segnali privati e pubblici, con l'unica scelta che è la loro domanda DI.
L'oratore spiega la configurazione del problema con due trader, dove il trader I possiede un asset e il trader J ne ha bisogno, e l'incertezza risiede nel prezzo a cui sono disposti a effettuare transazioni. Si presume che l'equilibrio abbia una relazione lineare tra P2 e P1, U1 e U2, risultando in una normale distribuzione della ricchezza del commerciante I. Applicando le preferenze media-varianza, il relatore mostra che gli agenti che massimizzano la loro utilità di riporto sono identici agli agenti con preferenze media-varianza. Il problema del commerciante J viene risolto utilizzando lo stesso approccio del commerciante I. Il problema di massimizzazione risultante considera l'aspettativa e la varianza della loro ricchezza date le variabili condizionanti.
Il docente spiega il calcolo dell'equilibrio del modello. Si presume che i prezzi siano funzioni lineari di fattori rilevanti, tra cui il segnale pubblico Y, la domanda e l'offerta di entrambi i periodi e il valore dell'asset. P1 è una funzione lineare di theta, del segnale pubblico Y e dell'offerta U1, mentre P2 è una funzione lineare di theta J, del segnale pubblico Y e dell'offerta Y a U2. Il segnale di prezzo del periodo 1, q1, dipende dalla domanda e dall'offerta locali. Le richieste ottimali degli agenti sono determinate dalla varianza di P2 e dalla precisione delle loro informazioni su P2 e theta. Per calcolare l'equilibrio, il relatore spiega come ottenere le aspettative di P2 condizionate dalla domanda e dall'offerta del mercato.
Il relatore discute le informazioni a disposizione dei trader del gruppo J rispetto a quelle del gruppo I, in particolare le informazioni sul theta che i trader estraggono dal prezzo di mercato stabilito in precedenza. Questo vantaggio consente ai trader del Gruppo J di avere un vantaggio sul mercato rispetto ai trader del Gruppo I. Il relatore spiega che i prezzi saranno funzioni lineari con coefficienti diversi, sebbene questi coefficienti non siano identificati a questo punto. Viene spiegato il processo per trovare q1, che rappresenta l'aspettativa condizionata di theta I dati i prezzi p1 e Y, insieme alla sua relazione con i prezzi di mercato. Lo scopo di determinare queste aspettative e questi prezzi è capire come incidono sulle strategie ottimali degli agenti.
Il docente spiega come esprimere l'aspettativa condizionale di P2 e theta come combinazioni lineari di segnali, tra cui X, Y, q1, q2 e altre variabili. Queste espressioni vengono quindi ricollegate alle strategie ottimali per ottenere domande di equilibrio per entrambi i giocatori. Le condizioni di compensazione del mercato vengono utilizzate per collegare i prezzi di equilibrio ai segnali, risultando in prezzi lineari per P1 e P2. Abbinando i coefficienti, le richieste ottimali possono essere calcolate in funzione dei segnali. Questo processo fornisce un equilibrio del modello, sebbene possano esistere altri equilibri con prezzi non lineari.
L'oratore discute di come il trading sia guidato dal disaccordo tra gli agenti e di come la domanda ottimale del giocatore 1 nel periodo 1 dipenda dalla loro aspettativa di secondo ordine di theta. Un segnale privato più elevato ricevuto dagli agenti nel periodo 1 porta a una minore aspettativa di convinzioni di secondo ordine detenute dagli agenti nel periodo 2, con conseguenti prezzi più bassi nel periodo 2. Il documento considera anche un modello leggermente più generale che include theta K.
La conferenza affronta anche l'impatto delle informazioni pubbliche sul volume degli scambi, osservando che segnali più precisi portano a un volume di scambi più elevato. Il modello considera gli effetti dei trader a breve e lungo orizzonte sull'integrazione del mercato e mostra che un'elevata integrazione del mercato porta a un basso volume di scambi. A sostegno di questi risultati si fa riferimento a un documento empirico, che dimostra che gli annunci pubblici hanno un forte effetto sui volumi di scambio quando c'è una minore integrazione del mercato. Tuttavia, il docente avverte che i modelli standard potrebbero non rappresentare accuratamente l'impatto delle informazioni pubbliche sul volume degli scambi.
Continuando la conferenza, il relatore sottolinea la necessità di modelli più accurati che catturino l'impatto delle informazioni pubbliche sul volume degli scambi. I modelli standard spesso trascurano l'eterogeneità dei segnali e non riescono a tenere conto delle dinamiche complesse che derivano da attori diversi che possiedono diversi livelli di informazioni. Incorporando questi fattori nei modelli, i ricercatori possono ottenere informazioni più approfondite sui comportamenti e sui risultati del mercato.
Successivamente, il docente esplora le più ampie implicazioni del modello Contour e la sua rilevanza per i mercati finanziari. Il modello fornisce un quadro per comprendere come le convinzioni di secondo ordine guidano le attività di trading e la formazione dei prezzi. Sottolinea l'importanza di considerare non solo le convinzioni e i segnali diretti dei singoli trader, ma anche le loro convinzioni sulle convinzioni degli altri. Queste aspettative di ordine superiore possono avere un impatto significativo sulle dinamiche di mercato, influenzando le decisioni di trading, i livelli dei prezzi e i volumi di trading.
Inoltre, il modello Contour fa luce sull'interazione tra informazioni pubbliche, segnali privati e integrazione del mercato. La precisione delle informazioni pubbliche influisce sulla divergenza dei segnali privati tra i trader, che a sua volta influisce sui volumi degli scambi. Quando gli annunci pubblici contengono segnali altamente informativi, portano a una maggiore eterogeneità nei segnali privati, con conseguente aumento dell'attività di trading. Tuttavia, anche il grado di integrazione del mercato svolge un ruolo, poiché un'elevata integrazione riduce il volume degli scambi a causa della convergenza dei segnali e della ridotta eterogeneità.
Per supportare questi risultati, il docente fa riferimento a un documento empirico che fornisce prove empiriche della relazione tra annunci pubblici, integrazione del mercato e volumi di scambio. Lo studio mostra che quando l'integrazione del mercato è inferiore, gli annunci pubblici hanno un effetto più pronunciato sui volumi degli scambi. Ciò evidenzia l'importanza di considerare l'interazione tra informazioni pubbliche, struttura del mercato e comportamento commerciale nella ricerca empirica.
La conferenza sul modello Contour esplora la divergenza delle convinzioni di secondo ordine tra i trader, l'impatto delle informazioni pubbliche sulle dinamiche di trading e il ruolo dell'integrazione del mercato. Incorporando l'eterogeneità nei segnali e nelle convinzioni nei modelli, i ricercatori possono comprendere e prevedere meglio i comportamenti del mercato. La conferenza evidenzia la necessità di modelli più accurati che catturino le complesse dinamiche dei mercati finanziari e fornisca approfondimenti sui fattori che guidano il volume degli scambi e la formazione dei prezzi.
Esercizio 5, parte 2 (Microstruttura dei mercati finanziari)
Esercizio 5, parte 2 (Microstruttura dei mercati finanziari)
La lezione inizia con l'introduzione degli esercizi del giorno, che prevedono la rivisitazione e la pulizia di precedenti esercizi in classe. Il focus è sulle domande delle lezioni nove e dieci, in particolare relative alla trasparenza e alla liquidità nella microstruttura dei mercati finanziari. Il docente spiega che il corso si concentrerà principalmente sul modello di trasparenza post-negoziazione e sulla misurazione della scoperta del prezzo medio. L'analisi sarà limitata al caso in cui vi siano sufficienti operatori informati. Il video fornisce una panoramica del modello di trasparenza e introduce le diverse notazioni che verranno utilizzate durante la lezione.
Proseguendo, il relatore approfondisce un modello progettato per illustrare i vari modi in cui i mercati possono operare, con particolare enfasi sui mercati trasparenti e opachi. Il modello presuppone una distribuzione specifica di come i trader entrano nel mercato, inclusi i trader informati e quelli non informati. In un mercato trasparente, tutti gli operatori del secondo periodo hanno accesso alle informazioni di primo ordine e possono identificare l'operatore informato in base alla correlazione nel flusso degli ordini. Al contrario, in un mercato opaco, solo il dealer che ha eseguito il primo ordine ne conosce il contenuto, rendendo la determinazione dei prezzi più complessa. Nel mercato trasparente, viene utilizzato il prezzo standard di perdita su Milgram, mentre nel mercato opaco, i rivenditori devono fare ipotesi plausibili sul trader informato per valutare di conseguenza.
Successivamente, il docente discute la microstruttura del mercato in un mercato finanziario e come gli operatori fissano i loro prezzi per generare profitti. Il prezzo quotato da rivenditori non informati si basa sul valore atteso, mentre i rivenditori informati fissano il loro prezzo inferiore alla quotazione di rivenditori non informati. I dealer disinformati allargano i loro spread per evitare di fare trading in perdita. Il commerciante I, che possiede informazioni, mira a realizzare un profitto offrendo prezzi poco interessanti a commercianti disinformati. I profitti generati dalle informazioni innescano una guerra delle quotazioni nel primo periodo poiché entrambi i dealer competono per attrarre il flusso degli ordini e guadagnare profitti nel secondo periodo.
Il relatore spiega inoltre il profitto per operazione che i dealer informati ricevono nel secondo periodo e come porta a una riduzione della metà degli spread a un valore specifico. Il modello presuppone che il profitto (pi greco) sia maggiore della metà e discute il disagio associato a metà spread negativi. Viene esplorata la scoperta del prezzo in questo modello, compreso il calcolo dell'espressione della varianza residua e dei potenziali eventi all'interno del modello. La conferenza conclude questa sezione esaminando il comportamento di trader informati e non informati in diversi scenari.
Proseguendo, il relatore affronta il calcolo del prezzo della transazione e il processo di replica per garantire l'accuratezza dei calcoli. La probabilità di vendere e acquistare un bene viene divisa equamente, determinando se il prezzo della transazione è a1t o b1t. Viene replicato il calcolo della probabilità dell'ordine di vendita per i trader informati e non informati, considerando rispettivamente le probabilità pi e 1-pi/2. Utilizzando la simmetria del modello, l'espressione per l'aspettativa al quadrato di p1t - v è semplificata, dimostrando che le parentesi superiore e inferiore sono uguali. La prima parentesi risultante si semplifica ulteriormente in (1 + pi greco)/2.
La lezione procede quindi a spiegare il calcolo della varianza residua per i prezzi in due periodi, concentrandosi sul secondo periodo in trasparenza. Negli scenari in cui i trader sono informati con probabilità pi, la varianza residua è zero, mentre nei casi in cui i trader non sono informati (con probabilità uno meno pi), la varianza residua è pari a sigma, a significare un'inversione del prezzo a mu. Facendo la media dei due termini nel tempo, si ricava l'espressione per la varianza residua in condizioni di trasparenza.
Inoltre, viene discusso il calcolo della varianza di prezzo attesa nel primo periodo in condizioni di opacità. Si determina che è uguale alla varianza di prezzo prevista in condizioni di trasparenza. Il calcolo prevede la manipolazione algebrica dei mezzi spread e considera due casi: uno in cui l'asset ha un valore elevato ed entrambi i trader vogliono acquistare, e l'altro in cui l'asset ha un valore elevato e i trader sono disposti a vendere. L'equazione finale include termini come pi greco, sigma, mu e quattro pi quadrati sigma quadrato, che vengono gradualmente semplificati per determinare la varianza di prezzo prevista.
L'oratore procede a confrontare le variazioni di prezzo residue sotto opacità e trasparenza. Eseguendo calcoli algebrici, dimostrano che la varianza di prezzo residua in condizioni di trasparenza è inferiore a quella in condizioni di opacità, indicando una migliore scoperta dei prezzi in condizioni di trasparenza. Sebbene questo risultato possa sembrare intuitivo, i calcoli necessari per raggiungere questa conclusione non sono del tutto semplici e comportano complesse equazioni matematiche. La lezione si conclude affermando che questo completa l'esplorazione dell'esercizio e accenna al fatto che i restanti due problemi saranno discussi in seguito.
Verso la fine, l'istruttore affronta i tempi per coprire i due esercizi successivi, suggerendo che potrebbero finire prima del previsto. Raccomandano di fare una pausa prima di procedere e si offrono di rispondere a qualsiasi domanda riguardante il problema precedente una volta conclusa la pausa.
Lezione 14, parte 1: Herding and Bubbles (microstruttura dei mercati finanziari)
Lezione 14, parte 1: Herding and Bubbles (microstruttura dei mercati finanziari)
La lezione inizia con il professore che introduce il tema delle bolle nei mercati finanziari e sottolinea che le bolle rappresentano un rompicapo per l'economia classica. La classe si concentra quindi sui modelli di herding, che suggeriscono che gli agenti possono ignorare le loro informazioni private e commerciare esclusivamente sulla base di informazioni pubbliche, portando tutti a fare la stessa cosa e generando herding, che può provocare bolle.
L'oratore introduce un altro modello che si occupa di convinzioni di ordine superiore e della mancanza di aggregazione di informazioni private, che possono anche portare a bolle. Vengono fornite diverse definizioni di bolle, inclusa una dal Webster Dictionary e da Wikipedia. Il docente discute tre tipi di definizioni di bolle nei mercati finanziari.
La prima definizione è dalla pagina Wikipedia dell'Università di Chicago, che definisce le bolle come una deviazione dei prezzi dai valori fondamentali. La seconda definizione è di Investopedia, che si riferisce a una bolla come un'impennata dei prezzi azionari più che giustificata dai fondamentali in un particolare settore, seguita da un drastico calo dei prezzi quando si verifica una massiccia svendita. La terza definizione, della Chicago Fed, afferma che esistono bolle quando il prezzo di mercato di un asset supera il suo prezzo determinato da fattori fondamentali di una quantità significativa per un periodo prolungato.
Il docente sottolinea che nessuna di queste definizioni include l'aspetto comportamentale di come i trader si comportano in questi mercati. La sezione si conclude con esempi di bolle, tra cui Enron, la bolla immobiliare statunitense e la bolla Bitcoin/criptovaluta, illustrando casi comuni ed esotici.
Proseguendo, il relatore approfondisce il concetto di branco e il suo ruolo nelle bolle all'interno della microstruttura dei mercati finanziari. Fanno riferimento a una precedente bolla dell'uranio all'inizio del 2006, che potrebbe essere stata avviata da una miniera allagata in Canada contenente le più grandi riserve di uranio conosciute e sviluppate. Questo incidente ha portato a una carenza di offerta percepita e a una domanda eccessiva, provocando una bolla nel mercato per un breve periodo.
La conferenza esplora quindi le teorie sulla pastorizia, in cui l'idea è di fare affidamento sull'informazione pubblica e come può essere vista come una risposta efficiente a nuove informazioni. La pastorizia è descritta come un processo decisionale razionale ma inefficiente in cui gli investitori ignorano le informazioni private a favore delle informazioni pubbliche, seguendo la forza dominante nel mercato. La strategia di momentum trading è presentata come esempio, in cui gli investitori acquistano titoli che sono in trend rialzista e vendono quelli che sono in trend ribassista.
Il modello herding presuppone che gli agenti arrivino al mercato in sequenza, ricevendo segnali privati e osservando le decisioni degli agenti precedenti ma non le informazioni private che hanno portato a tali decisioni. La conferenza spiega che il risultato ideale sarebbe mettere in comune le informazioni private di tutti per ottenere la decisione e il prezzo ottimali. Tuttavia, questo non è realistico, poiché gli agenti hanno un incentivo a sfruttare le loro informazioni private. A causa del processo decisionale sequenziale, coloro che arrivano prima hanno meno informazioni su cui lavorare, portando a risultati non ottimali.
Il video discute un modello in cui le persone iniziano a ignorare le proprie informazioni private e si affidano esclusivamente alle informazioni pubbliche, con il risultato di un comportamento da pastore e cascate informative. L'incertezza nel modello è catturata da un valore fondamentale che può essere basso o alto. Gli agenti arrivano al mercato con una credenza precedente, che viene aggiornata in base a segnali privati. Un'altra convinzione, che è la stessa della valutazione di mercato, viene aggiornata in base alle decisioni di tutti gli agenti del passato. Il modello dimostra le inefficienze che si verificano quando le persone fanno troppo affidamento sulle informazioni pubbliche e ignorano i loro segnali privati.
La conferenza esplora ulteriormente il concetto di pastorizia e la sua relazione con le bolle nei mercati finanziari. Viene spiegato che i segnali privati e le convinzioni precedenti imperfette possono portare a un comportamento da branco, in cui gli agenti ignorano i loro segnali privati e si comportano in base alla convinzione pubblica. Il video sostiene che questo comportamento può comportare la mancanza di nuove informazioni aggiunte alla credenza pubblica, facendola rimanere la stessa nel tempo.
L'oratore presenta un modello in cui i trader arrivano con una conoscenza preliminare del valore di un asset e sono razionali. Tuttavia, i noise trader, che non hanno alcuna conoscenza preliminare, acquistano, vendono o si astengono con uguale probabilità, insieme ai trader che massimizzano il profitto. Inizialmente, l'oratore suggerisce che la pastorizia non è possibile in questo modello a causa della natura casuale dei noise trader. Tuttavia, un modello più complesso presentato da Avery e Zemsky indica che la pastorizia potrebbe essere possibile, considerando i vari gradi di accesso a informazioni perfette e l'assenza di noise trader.
La conferenza discute l'incertezza nel modello del market maker, che include l'incertezza sugli eventi di cronaca e sulla loro natura (buona o cattiva). Il market maker non ha conoscenza del trading con trader informati o meno informati e non conosce il numero di trader informati nell'economia. In questo modello possono verificarsi mandrie e possono sorgere bolle non speculative se tutti i trader sanno che un asset è fondamentalmente sottovalutato mentre il market maker no. Questo crea una bolla speculativa in cui ogni trader supera le informazioni pubbliche rispetto al proprio segnale privato.
Il docente tocca brevemente le bolle non speculative e spiega che possono verificarsi anche attraverso la pastorizia. Il modello di Gloucester Milgram viene menzionato prima che il relatore si prenda una pausa e fornisce un'anteprima della sezione successiva, che riguarderà il modello di Bro Bruna Maya.
Lezione 14, parte 2: Herding and Bubbles (microstruttura dei mercati finanziari)
Lezione 14, parte 2: Herding and Bubbles (microstruttura dei mercati finanziari)
Il docente sottolinea che, nonostante la complessità e le sfide associate al comportamento di branco, ai prezzi errati e alle bolle nei mercati finanziari, esistono meccanismi in atto che possono aiutare a mitigare questi problemi in una certa misura. Il meccanismo dei prezzi, ad esempio, svolge un ruolo cruciale nel riportare il prezzo dell'attività al suo valore fondamentale attraverso aggiustamenti di mercato. Tuttavia, è importante notare che se l'incertezza è particolarmente elevata o il coordinamento diventa difficile, possono ancora verificarsi fenomeni di herding e prezzi errati, che portano alla formazione di bolle.
Inoltre, la conferenza evidenzia il concetto di momentum trading come strategia razionale. Questa strategia prevede l'acquisto di un asset quando il suo prezzo tende al rialzo e la sua vendita quando il prezzo tende al ribasso. Il docente spiega che il momentum trading può essere interpretato come una risposta razionale al comportamento del mercato osservato, indicando che i trader spesso prendono decisioni basate sulla tendenza percepita piuttosto che basarsi esclusivamente sull'analisi fondamentale.
Il docente sposta l'attenzione su un modello specifico che affronta le dinamiche della pastorizia e delle bolle nei mercati finanziari. Il modello introduce la nozione di crescita del valore e il suo successivo rallentamento, portando al potenziale verificarsi di una correzione esogena o di un collasso endogeno. I trader razionali e comportamentali sono incorporati nel modello, in cui i trader razionali possiedono conoscenze sui prezzi errati, mentre i trader comportamentali mostrano convinzioni eccessivamente ottimistiche sul valore dell'asset. Si presume che la distribuzione di quando gli operatori razionali vengono informati del mispricing sia uniforme, aggiungendo un elemento di incertezza sulla durata della bolla e sui tempi della correzione esogena.
In questo contesto, il docente sottolinea l'importanza del processo decisionale dei trader razionali. Mentre i trader razionali sono consapevoli che l'elevata crescita dei prezzi è temporanea, mancano di informazioni precise su quando scoppierà la bolla. Questa incertezza rappresenta una sfida per i trader razionali nel determinare il momento ottimale per vendere i propri asset, poiché devono trovare un equilibrio tra massimizzare i profitti vendendo in una fase successiva ed evitare potenziali perdite vendendo prima del collasso. Il docente sottolinea l'intricato compromesso affrontato dai trader razionali e l'importanza di cronometrare le loro azioni in modo efficace.
Durante la conferenza, il docente sottolinea continuamente il ruolo dell'informazione, del coordinamento, dell'incertezza e del processo decisionale nella formazione e nel crollo delle bolle nei mercati finanziari. Approfondendo vari modelli e concetti, il docente fornisce una comprensione completa dei fattori che contribuiscono al comportamento della pastorizia, ai prezzi errati e all'emergere di bolle, facendo luce sulle complessità e sulle sfide inerenti a questi fenomeni.
La conferenza si conclude osservando che il materiale trattato verrà rivisto prima di passare all'argomento successivo: i modelli di aste. Questa revisione completa garantirà una solida base di conoscenza e comprensione prima di esplorare le dinamiche delle aste nei mercati finanziari.
Nella parte successiva della conferenza, il relatore approfondisce il concetto di problemi di reputazione e incentivi a contrattare, che possono alimentare ulteriormente il comportamento di pastorizia nei mercati finanziari. I manager, in particolare, possono sentirsi obbligati a seguire le azioni degli altri per proteggere la loro reputazione o assicurarsi un guadagno sicuro. Questo comportamento si verifica quando le informazioni private non possono essere facilmente aggregate, rendendo difficile per i manager fare affidamento esclusivamente sui propri segnali. Di conseguenza, possono scegliere di imitare le azioni dei loro coetanei, anche se va contro il loro stesso giudizio.
Il docente sottolinea che le preoccupazioni sulla reputazione e gli incentivi alla contrattazione possono promuovere la pastorizia, specialmente in situazioni in cui vi è una mancanza di conoscenza comune o di coordinamento tra i partecipanti al mercato. Mentre il meccanismo dei prezzi può alleviare in parte il problema facilitando gli aggiustamenti del mercato, la pastorizia può ancora persistere nei casi in cui l'incertezza è pervasiva o il coordinamento diventa difficile.
La conferenza approfondisce quindi un modello che esplora la relazione tra pastorizia, bolle e coordinazione. Il modello sfida l'argomento dell'economia classica secondo cui le bolle sono impossibili introducendo l'idea che la conoscenza comune sul picco di una bolla potrebbe non esistere. In tali casi, il coordinamento diventa essenziale per facilitare un aggiustamento del prezzo e riportare il valore del bene al suo livello fondamentale.
Il modello evidenzia l'importanza delle convinzioni di ordine superiore e la loro influenza sul coordinamento del mercato. Dimostra che le convinzioni di un trader sulle azioni di altri trader possono avere un impatto sulle dinamiche generali del mercato. Il relatore sottolinea l'interazione tra le convinzioni degli operatori, il coordinamento e gli esiti di mercato, facendo luce sulle complesse dinamiche che possono contribuire alla formazione e alla persistenza delle bolle.
Andando avanti, il docente introduce il pubblico a un modello più intricato che incorpora vari fattori e scenari relativi al prezzo delle attività. Questo modello considera il tasso di crescita di un asset fino a un momento casuale, momento in cui subisce un rallentamento. Il prezzo dell'asset continua a crescere a un ritmo più lento fino a quando non si verifica una correzione esogena o un collasso endogeno. I trader razionali e comportamentali sono inclusi nel modello, con il presupposto che i trader razionali vengano informati sui prezzi errati in diversi momenti nel tempo.
La distribuzione di quando i trader razionali acquisiscono informazioni sui prezzi errati aumenta ulteriormente l'incertezza che circonda la durata della bolla e la tempistica della correzione. Il docente sottolinea l'importanza del processo decisionale dei trader razionali in condizioni di tale incertezza, poiché devono valutare per quanto tempo cavalcare la bolla e stimare il tempo rimanente prima che si verifichi una correzione esogena.
La conferenza fornisce un'esplorazione completa del comportamento di pastorizia, dei prezzi errati e della formazione di bolle nei mercati finanziari. Copre vari modelli, concetti e fattori che contribuiscono a questi fenomeni, tra cui problemi di reputazione, incentivi a contrarre, coordinamento, convinzioni di ordine superiore e interazione tra trader razionali e comportamentali. Approfondendo la complessità di queste dinamiche, la conferenza fornisce al pubblico una comprensione più profonda delle complessità coinvolte nelle dinamiche dei mercati finanziari e delle sfide associate alla previsione e alla gestione delle bolle.
Lezione 15, parte 1: Modelli d'asta (microstruttura dei mercati finanziari)
Lezione 15, parte 1: Modelli d'asta (microstruttura dei mercati finanziari)
Continuando dalla lezione precedente sulla pastorizia e le bolle nei mercati finanziari, l'attuale lezione sposta l'attenzione sui modelli di aste nella microstruttura dei mercati finanziari. Il professore sottolinea la rilevanza delle aste in vari contesti, compresi i mercati finanziari e la teoria della produzione. Sebbene i modelli di aste non siano esclusivi dei mercati finanziari, la loro universalità e applicabilità li rende ampiamente utilizzati e studiati.
La conferenza inizia fornendo una panoramica dei tre modi principali in cui il commercio può essere organizzato: mercati con rivenditori, modelli di aste continue con limite o libri elettronici e modelli di aste batch. Tuttavia, l'enfasi principale è sui modelli di aste e sulle loro caratteristiche.
Il professore introduce i modelli d'asta discutendo il loro scopo di catturare le dinamiche della concorrenza imperfetta tra trader o offerenti quando il numero di agenti nel mercato è finito. I modelli d'asta sono fondamentali per studiare una serie di domande, tra cui l'efficienza del mercato, l'allocazione del mercato, i volumi di scambio e le risposte ai prezzi.
Vengono presentati diversi formati di aste, comprese offerte sigillate e aperte, aste al primo e secondo prezzo, nonché variazioni nei tipi di aste come valutazioni private o comuni, aste a unità singola o multi-unità e aste a singola o doppia faccia. La lezione sottolinea l'importanza di queste variazioni nella comprensione dei diversi aspetti delle dinamiche di mercato e delle strategie di trading.
La conferenza approfondisce poi specifici modelli d'asta, a partire dall'asta al primo prezzo del valore privato, che funge da modello fondamentale e diretto. In questa asta c'è un oggetto in vendita, più potenziali acquirenti con valutazioni private e offerenti razionali e neutrali al rischio. L'asta procede con ogni offerente che presenta un'offerta e il miglior offerente vince e paga la propria offerta, mentre gli altri offerenti non pagano nulla. La conferenza esplora come le strategie di offerta degli offerenti ei profitti attesi sono influenzati dal loro desiderio di vincere l'asta e massimizzare il loro profitto atteso.
Successivamente, il relatore spiega il processo di ottimizzazione per massimizzare il profitto in un'asta prendendo la prima derivata rispetto alla variabile di offerta. Dimostrano come la strategia di offerta può essere derivata considerando la funzione inversa della funzione di offerta e trasformando la distribuzione di probabilità delle valutazioni degli offerenti. La conferenza sottolinea l'importanza di trovare l'offerta di equilibrio che si allinea con la strategia di offerta.
Inoltre, il docente esplora la derivata della valutazione rispetto all'offerta, sottolineando la condizione di equilibrio e l'offerta ottimale che si allinea con la strategia di offerta. Discutono il ruolo dell'asimmetria informativa e l'impatto che ha sull'ombreggiatura delle offerte rispetto alle valutazioni.
Per illustrare i concetti, la lezione fornisce un semplice esempio utilizzando una distribuzione e dimostra come può essere impiegata per determinare la strategia di equilibrio. L'esempio evidenzia l'influenza del numero di offerenti sul grado di ombreggiatura delle offerte e sulla conseguente redditività dei trader.
Il docente tocca anche altri formati d'asta, tra cui l'asta inglese e l'asta olandese, discutendo la loro equivalenza all'asta al primo prezzo in contesti specifici. La conferenza introduce brevemente il concetto di aste a valore comune ed esplora le differenze tra aste a unità singola e aste a più unità, evidenziando il concetto di "offerta più alta della caverna" nelle aste a più unità.
Verso la fine della conferenza, il relatore afferma che esistono estensioni e variazioni ai modelli di asta, ma l'approccio generale alla risoluzione dei problemi relativi alle aste rimane lo stesso. La conferenza si conclude con un invito a porre domande e chiarimenti in merito all'asta al primo prezzo a valore privato precedentemente discussa.
La conferenza fornisce un'introduzione completa ai modelli di aste nella microstruttura dei mercati finanziari, esplorando vari formati di aste, strategie di offerta, condizioni di equilibrio e le loro implicazioni per le dinamiche di mercato e i risultati di negoziazione.
Lezione 15, parte 2: Modelli d'asta (microstruttura dei mercati finanziari)
Lezione 15, parte 2: Modelli d'asta (microstruttura dei mercati finanziari)
Continuando la conferenza, l'attenzione si sposta verso le aste di primo prezzo di valore comune. In questo tipo di asta c'è un solo oggetto in vendita con un valore fondamentale uguale per tutti gli offerenti. Tuttavia, ogni offerente riceve un segnale privato che fornisce una stima rumorosa del valore reale. Sulla base dei loro segnali, gli offerenti fanno offerte e il miglior offerente vince l'oggetto. Tuttavia, il concetto di "maledizione del vincitore" nasce quando il miglior offerente si rende conto che probabilmente ha sopravvalutato il valore dell'oggetto poiché la sua offerta si basa sul segnale privato più alto.
La conferenza procede spiegando come affrontare la maledizione del vincitore nelle aste di primo prezzo di valore comune utilizzando un approccio simile all'asta di primo prezzo di valore privato. Il video sottolinea che le distribuzioni di y1, denotate come G's, sono ancora presenti ma ora sono condizionate dal segnale privato ricevuto da ciascun offerente. Introduce un metodo contorto per imitare il caso del valore privato, in cui il giocatore I sceglie chi imitare invece di selezionare B_di. Inquadrando il problema in termini di scelta di Z, i profitti attesi dall'offerta come il tipo Z diventano l'aspettativa su tutti i possibili valori di y inferiori a Z. La lezione dimostra prendendo la condizione del primo ordine per massimizzare i profitti rispetto a z.
Il docente discute il tipo ottimale da imitare in un'asta e introduce la condizione del primo ordine che fornisce il tipo ottimale dopo aver incorporato la condizione di equilibrio. Si sottolinea che è fondamentale fare un'offerta abbastanza alta per aggiudicarsi l'asset ma abbastanza bassa da limitare l'importo pagato. Inoltre, viene presentata un'equazione differenziale e la sua espressione risultante, che rappresenta l'aspettativa della svalutazione del segnale della persona integrato sulla misura L di nuova costruzione, sebbene non venga fornita un'ulteriore elaborazione.
Il concetto di maledizione del vincitore viene ulteriormente approfondito nelle aste, evidenziando che la valutazione dell'asset, condizionata dalle offerte dei trader che non si sono aggiudicati l'asta e avevano segnali inferiori al vincitore, è addirittura inferiore alla valutazione basata esclusivamente sulla segnale privato. Ciò è dovuto al fatto che il vincitore tiene conto del valore atteso delle valutazioni di altri trader, che sono significativamente inferiori alla valutazione del vincitore. La conferenza approfondisce poi le aste al secondo prezzo, osservando che l'espressione per il profitto atteso rimane simile a quella delle aste private e di valore comune, tranne per il fatto che il vincitore paga la seconda offerta più alta. È dimostrato che offrire la propria valutazione è una strategia debolmente dominante nelle aste al secondo prezzo, rendendole una scelta ottimale.
L'oratore esamina l'impatto dell'offerta al di sopra della propria valutazione reale in un'asta al secondo prezzo con valori privati. Considerando diversi scenari basati sulla posizione dell'offerta perdente più alta rispetto alla valutazione dell'offerente, mostrano che l'offerta strettamente al di sopra della propria valutazione è strettamente peggiore se esiste una probabilità positiva che qualcuno faccia un'offerta all'interno di tale intervallo. Allo stesso modo, anche l'offerta al di sotto della propria valutazione non è ottimale, in quanto può portare alla perdita dell'asta e alla perdita del profitto atteso positivo. In definitiva, la strategia di offrire la propria valutazione è debolmente dominante in un'asta al secondo prezzo di valore privato, e questo risultato può essere esteso ad altre ipotesi purché sia applicabile il quadro dell'asta al secondo prezzo.
Viene quindi discusso il concetto di equilibrio simmetrico nei modelli d'asta, in particolare nelle aste a valore comune al secondo prezzo. Viene fatto un confronto con le aste di valore privato al secondo prezzo, spiegando perché è ottimale fare un'offerta esattamente alla propria valutazione in quest'ultima. Nelle comuni aste di valore al secondo prezzo, la strategia ottimale è vincere contro un'offerta se la valutazione dell'asset è superiore all'offerta e perdere se è inferiore. La strategia di offerta di equilibrio è determinata assumendo che tutti gli avversari dichiarino i propri segnali. Se un offerente vuole vincere, fa un'offerta superiore al segnale più alto che conosce, ma solo se il proprio segnale è maggiore di esso.
Andando avanti, il professore spiega la strategia di equilibrio per le aste al primo prezzo di valore comune. Afferma che gli agenti dovrebbero fare offerte inferiori all'importo che valutano l'asset in base ai loro segnali privati solo per due motivi. In primo luogo, vogliono assicurarsi un profitto positivo e, in secondo luogo, c'è la maledizione del vincitore, il che significa che vincere l'asta è sfavorevole per quanto riguarda il valore del bene. Il docente passa quindi alla discussione delle doppie opzioni e del loro funzionamento nei mercati finanziari. Lo scenario presuppone solo due agenti, un venditore e un acquirente, in competizione tra loro ma non con altri venditori o acquirenti.
Viene esplorata l'impostazione di un'asta a offerta segreta per un acquirente e un venditore con valutazioni private di un bene. Se l'offerta dell'acquirente supera l'offerta del venditore, lo scambio avviene al prezzo TV. I profitti attesi sono gli stessi per l'acquirente e il venditore come nell'esempio dell'asta al primo prezzo, con l'unica differenza che è il segno. L'asta del venditore è identica a un'opzione di valore privato al secondo prezzo, mentre l'impostazione dell'acquirente è simile all'asta di valore privato al primo prezzo. La strategia ottimale dell'acquirente può essere derivata allo stesso modo dell'asta al primo prezzo.
La conferenza approfondisce quindi le doppie aste e le rappresenta in termini di opzioni unilaterali. Tuttavia, va notato che l'esito di una doppia asta può essere inefficiente, a differenza delle opzioni unilaterali in cui l'esito è efficiente. Viene discusso il teorema di Meyerson Satterthwaite, che afferma che non esiste un protocollo commerciale che raggiunga un risultato efficiente in una situazione con un acquirente e molti venditori con valutazioni private indipendenti. Infine, il docente fornisce alcuni punti chiave della conferenza sui modelli d'asta. Sottolineano che la selezione avversa e la maledizione del vincitore sono essenzialmente la stessa cosa, essendo quest'ultima un concetto più ristretto. Le aste al secondo prezzo sono evidenziate come un formato semplice, robusto ed efficiente, ampiamente utilizzato nelle aste pubblicitarie dei motori di ricerca. Tuttavia, raggiungere l'efficienza in contesti commerciali bilaterali con informazioni asimmetriche presenta delle sfide. La conferenza si conclude menzionando che la lezione finale della prossima settimana fornirà una revisione degli argomenti del corso e una discussione sul prossimo esame, che potrebbe includere domande aggiuntive.
Proseguendo la lezione, il docente conclude il discorso sui modelli d'asta evidenziando la relazione tra selezione avversa e maledizione del vincitore. Spiegano che la maledizione del vincitore è una manifestazione specifica della selezione avversa nelle aste. La selezione avversa si riferisce alla situazione in cui una parte ha più informazioni dell'altra, portando a potenziali inefficienze nella transazione. Nel caso della maledizione del vincitore, l'offerente con il segnale privato più alto tende a sovrastimare il valore dell'oggetto, determinando un risultato non ottimale.
La conferenza sottolinea che le aste al secondo prezzo sono considerate un formato favorevole per la loro semplicità, robustezza ed efficienza. Il relatore afferma che questi tipi di aste sono comunemente utilizzati in vari contesti, in particolare nelle aste pubblicitarie sui motori di ricerca. In un'asta al secondo prezzo, gli offerenti sono incentivati a offrire le loro vere valutazioni, in quanto si tratta di una strategia debolmente dominante. Ciò incoraggia un'offerta veritiera e porta a un'efficiente allocazione delle risorse.
Tuttavia, il docente riconosce che raggiungere l'efficienza in contesti commerciali bilaterali, dove vi sono informazioni asimmetriche, pone delle sfide. Sebbene le aste al secondo prezzo offrano proprietà desiderabili, può essere difficile estendere questi principi a scenari più complessi con più acquirenti e venditori. La conferenza mette in evidenza il teorema di Meyerson Satterthwaite, che stabilisce l'impossibilità di trovare un protocollo di negoziazione che garantisca un risultato efficiente in un mercato con un acquirente e più venditori, ciascuno con valutazioni private indipendenti. Questo teorema sottolinea i limiti intrinseci nel raggiungimento dell'efficienza in determinati contesti di aste.
Il professore riassume i punti chiave della lezione sui modelli d'asta. Ribadiscono l'importanza delle aste al primo prezzo di valore comune nei mercati finanziari, nonché l'importanza del potere di mercato del beat shading derivante da un numero limitato di acquirenti e dal fenomeno della maledizione del vincitore. La lezione si conclude menzionando che la prossima lezione finale fornirà una revisione completa degli argomenti del corso e offrirà una guida per l'esame, includendo potenzialmente domande aggiuntive per rafforzare la comprensione.