Commercio quantitativo - pagina 31

 

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.

  • 00:00:00 L'istruttore inizia una lezione di esercizi rivisitando i problemi precedenti delle lezioni e delle serie di problemi. In particolare, verranno affrontati due esercizi delle lezioni 7 e 8, che trattano i pagamenti del flusso degli ordini ei costi di negoziazione fissati dalle borse. L'istruttore si concentra quindi sull'esercizio 5 del capitolo 6, che riguarda le commissioni di negoziazione nel modello dei salotti. Il problema riguarda le diverse commissioni addebitate dalle piattaforme di trading per gli ordini di mercato rispetto a quelli con limite e le implicazioni per le decisioni di trading. Il docente chiarisce alcuni aspetti del problema e ne sottolinea l'importanza per progettare mercati che funzionino meglio.

  • 00:05:00 L'istruttore spiega le entrate totali che uno scambio riceve per operazione, che proviene dalle commissioni raccolte sia dall'ordine di mercato che dall'ordine limite. Il modello presuppone che ci sia un asset con un valore noto e prezzi bid e ask fissati esogenamente. I trader scelgono tra acquisto e vendita e ordini limite e di mercato. Le loro valutazioni private, indicate con Y, sono uniformemente distribuite e indipendenti tra i trader. In particolare, queste informazioni private non influiscono sulle decisioni commerciali. Le probabilità degli ordini a mercato di acquisto o vendita sono denotate rispettivamente come P pedice M apice B o S.

  • 00:10:00 Il docente spiega che sono state apportate alcune semplificazioni e aggiunte al modello da manuale della microstruttura dei mercati finanziari. Hanno arricchito la distribuzione delle valutazioni private e hanno ipotizzato che l'affiliazione privata sia binaria, meno y o più y. Presumono inoltre che gli ordini di mercato possano essere scambiati solo con ordini limite precedentemente inviati. Viene chiesto loro di calcolare l'offerta e di chiedere quotazioni in equilibrio, ma l'istruttore presenta la domanda agli spettatori e li incoraggia a pensare a modi per calcolarli. Chiariscono che il modello del libro di testo non presuppone che se il libro degli ordini limite è vuoto, l'operazione sarà sempre eseguita dal market maker agli stessi prezzi.

  • 00:15:00 Il relatore discute su come ottenere buoni prezzi bid e ask per la microstruttura dei mercati finanziari. Iniziano con il modello di base del libro di testo senza commissioni di negoziazione e mirano a quotazioni che rendono i trader indifferenti tra i mercati e gli ordini limite. I trader dovrebbero essere in grado di utilizzare sia gli ordini di mercato che quelli con limite, e l'oratore mostra i possibili profitti del trader buy-side con una valutazione elevata dal marketing e dagli ordini con limite. Il trader dovrebbe massimizzare il proprio profitto dal trading e l'indifferenza deriva dalla massimizzazione del profitto.

  • 00:20:00 Viene discusso il concetto di inviare un limitatore, che può comportare un prezzo migliore ma comporta anche un certo rischio di esecuzione. L'obiettivo di trovare un equilibrio stazionario è spiegato con l'obiettivo di trovare una condizione che eguagli la condizione volgare su A e B dati alcuni valori fissi di V ml, che sono parametri del modello. La discussione passa quindi a come il trader successivo sceglie tra ordini di mercato e ordini limite, che, in equilibrio, non possono mai comportare che un trader a t +1 invii un ordine limite se ha un ordine di mercato disponibile. Questo è l'unico comportamento di equilibrio possibile, altrimenti risulterebbe in una contraddizione.

  • 00:25:00 Il relatore spiega come determinare l'equilibrio e trovare processi di price discovery tra marketing e ordini limite nella microstruttura dei mercati finanziari. Spiegano che se un trader sceglie di inviare un ordine di acquisto al prezzo leggermente inferiore a epsilon, non sono più indifferenti tra l'invio di un ordine di mercato o limite e un altro trader può offrire loro un prezzo leggermente migliore. Concludono 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 rileva poi che gli spread ei prezzi bid-ask possono essere determinati attraverso comportamenti non banali dei trader condizionati a questa indifferenza ea una distribuzione uniforme delle valutazioni.

  • 00:30:00 L'istruttore spiega come gli spread denaro-lettera nella microstruttura dei mercati finanziari sono influenzati dal costo degli ordini limite, come rappresentato da FL(o), rispetto al costo degli ordini di mercato, rappresentato da F(m). Tutti i trader devono essere indifferenti tra ordini a mercato e limit order, quindi se il costo degli ordini limit aumenta, diventa meno allettante per i trader e lo spread bid-ask deve aumentare per rendere gli ordini limit 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. 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.

  • 00:35:00 Il relatore discute l'impatto degli ordini con limite negativo e degli ordini con limite di sovvenzione incrociata con gli ordini di mercato sui costi di negoziazione. Pur restringendo lo spread nominalmente, non diminuisce 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, è ancora considerata una pratica che migliora il benessere. Andando avanti, l'oratore parla dei pagamenti per il flusso degli ordini ed esplora le conseguenze dell'inoltro del flusso degli ordini da investitori non sofisticati ai rivenditori. Questa è una pratica ampiamente diffusa nel mondo reale, e il relatore osserva che bisogna considerare i valori fondamentali nel determinare se un titolo paga un tasso alto o basso.

  • 00:40:00 Il video introduce un modello in cui c'è un investitore che acquista o vende casualmente un asset senza conoscere i suoi veri valori fondamentali, sulla base della probabilità di essere un investitore al dettaglio o un investitore istituzionale. Gli investitori istituzionali si dividono ulteriormente in informati o disinformati, mentre sul mercato ci sono anche tre operatori senza alcun vantaggio informativo. Il modello non presuppone alcun pagamento per il flusso degli ordini tra broker e dealer, che sono in competizione tra loro, e il broker seleziona casualmente un dealer tra quelli che pubblicano il miglior prezzo per l'ordine. L'obiettivo è calcolare le quotazioni bid e ask pubblicate dai dealer, in un modello che ricorda il modello Glosten-Milgrom.

  • 00:45:00 Il modello Milgram viene applicato per determinare il valore atteso per l'ordine condizionato inserito da un trader informato. Il potere di mercato non viene rispettato nonostante l'esistenza di pochi rivenditori e la possibile collusione poiché sono ancora soggetti alla concorrenza di Bertrand e la concorrenza sui prezzi li pone in un 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 del prezzo in bit, che è la stessa del prezzo S.

  • 00:50:00 Viene introdotto il concetto di overflow payment realm in cui si presume che il Dealer 1 abbia un accordo di pagamento per flusso di ordini in cui il broker dà al Dealer 1 tutti gli ordini dagli investitori al dettaglio e il dealer accetta di eseguire questi ordini al migliori prezzi disponibili fissati dai due rimanenti rivenditori. Il broker funge da router e decide a chi inoltrare l'ordine. Le quotazioni pubblicate dagli operatori 2 e 3 vengono dedotte e si scopre che lo spread bid-ask è più alto in questo caso rispetto a quando non vi è alcun pagamento per il flusso degli ordini. La probabilità che un trader venga informato è determinata per ottenere il prezzo s. Lo spread bid-ask è più alto in questo caso rispetto a quando non vi è alcun pagamento per il flusso degli ordini. Infine, viene calcolato il massimo valore possibile di P.

  • 00:55:00 L'istruttore spiega come trovare il massimo valore possibile di P per il dealer uno e le condizioni richieste affinché il dealer uno sia disposto a pagare P. Il profitto del dealer uno deve essere non negativo e il loro profitto da ciascuno l'ordine può essere derivato dall'equilibrio nella Parte B, che comporta la ricezione di Alpha Sigma da qualsiasi ordine ricevuto. Viene quindi discusso il pagamento per il flusso degli ordini e viene posta la questione se sia vantaggioso o dannoso per gli investitori. La risposta è chiara: tutti gli investitori finiscono per negoziare ai nuovi prezzi peggiori, con risultati peggiori per loro.

  • 01:00:00 Il video spiega 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. Il broker presumibilmente riceve una parte del surplus. Tuttavia, se i broker sono competitivi, il profitto potrebbe essere trasmesso agli investitori, in particolare agli investitori istituzionali che hanno più potere contrattuale rispetto agli investitori al dettaglio. Il video conclude che i pagamenti per il flusso degli ordini consentono a dealer e broker di proliferare a spese degli investitori.
Exercise class 4, part 1 (Financial Markets Microstructure)
Exercise class 4, part 1 (Financial Markets Microstructure)
  • 2020.04.24
  • www.youtube.com
Exercise class 4, part 1Financial Markets Microstructure course (Masters in Economics, UCPH, Spring 2020)***Full course playlist: https://www.youtube.com/pla...
 

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.

  • 00:00:00 L'istruttore discute un problema difficile della lezione precedente che ha combinato il modello di Kyle con il modello di Stoll e ha aggiunto un dealer 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 dealer fissa i prezzi secondo un programma lineare. L'istruttore spiega che non esaminerà la soluzione completa in questo video poiché è già stato pubblicato sul sito web del corso.

  • 00:05:00 L'istruttore sta affrontando due aspetti con cui gli studenti potrebbero avere difficoltà durante l'esercizio. La parte A richiede di trovare l'aspettativa condizionale e la varianza dell'impresa V in base alla coda del flusso totale degli ordini osservata. La parte C è 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 nella logica e come i rivenditori determinano quanto sono disposti a fornire a un prezzo fisso.

  • 00:10:00 Il video discute gli effetti dell'avversione al rischio sugli operatori nella microstruttura dei mercati finanziari. Il concetto di indifferenza rispetto al profitto per unità scambiata non è più applicabile quando gli operatori sono avversi al rischio e hanno utilità concava. Ogni operatore è disposto ad acquistare solo una quantità limitata di qualsiasi attività rischiosa, anche se il profitto per operazione è strettamente positivo o negativo. Gli operatori avversi al rischio non prenderanno posizioni grandi e rischiose perché più acquistano, più rischiosa diventa la loro posizione totale, portando a una varianza maggiore nella loro ricchezza futura. Di conseguenza, per ogni dato prezzo, è necessario determinare l'importo massimo che gli operatori sono disposti a comprare o vendere. Questa decisione produce la curva di offerta Q di P e il prezzo programmato P di Q nel mercato finanziario.

  • 00:15:00 L'oratore spiega come viene utilizzata la funzione di utilità del dealer per determinare l'importo ottimale da offrire e ottenere l'equazione di Y di P, dove Y è l'importo che i dealer sono disposti a scambiare. Viene evidenziata la natura competitiva dei rivenditori e viene spiegato il processo di risoluzione del problema di massimizzazione. Il relatore tocca anche le parti algebriche del problema e torna alla Parte A, dove la distribuzione condizionale di V, condizionata a Q, deve essere trovata utilizzando l'equazione RLS. La conclusione di RLS viene utilizzata per stimare Y, date le informazioni su X.

  • 00:20:00 L'istruttore spiega come derivare la distribuzione di V condizionata a Q utilizzando una funzione di densità di probabilità. L'istruttore afferma che la distribuzione è descritta da un PDF, che può essere calcolato utilizzando la regola di Bayes. Sottolineano inoltre che la formula presentata non è mostrata da nessuna parte sulla diapositiva e che è necessario tenere traccia dell'aspettativa di Q, insieme al calcolo dell'aspettativa di B. Inoltre, spiegano il modo rapido e veloce per derivare questa espressione e il modo lungo e noioso esplicitamente per il modello esatto della mucca.

  • 00:25:00 L'oratore discute come trovare la probabilità congiunta di osservare un particolare D e Q nel numeratore della formula e la probabilità di osservare una particolare realizzazione di Q nel denominatore. La probabilità congiunta può essere scomposta nel prodotto di due PDF indipendenti perché U e V sono variabili indipendenti. Viene spiegata la derivazione di questa formula, con un suggerimento per chi non è interessato a partire.

  • 00:30:00 Viene discussa la PDF della distribuzione normale e le CDF di V e U vengono derivate in base all'aspettativa e alla varianza incondizionate. Anche la PDF congiunta per V e U viene determinata invocando le proprietà della distribuzione normale e indipendentemente. La somma di beta V meno X0 e U risulta distribuita normalmente e l'aspettativa matematica e la varianza di questa somma possono essere calcolate utilizzando il metodo delle miscele. Tuttavia, un modo più breve per calcolarlo è semplicemente utilizzando le proprietà della distribuzione normale e dell'indipendenza.

  • 00:35:00 Il relatore spiega come ottenere la distribuzione di probabilità condizionata di Q, dato che conosciamo V e supponiamo che Q abbia la forma beta per la media di V nu meno x0 più la media di U. La varianza di Q è derivato come beta al quadrato per la varianza di V più la varianza di U. Usando questi risultati, l'oratore fornisce un'espressione per F di Q combinando la PDF della distribuzione normale e la PDF congiunta. L'espressione risultante è complicata, ma è possibile semplificarla raccogliendo tutti i termini e sommandoli. L'oratore nota che questa distribuzione non è ancora molto significativa e che è difficile vedere se Q è normale e quali sono la sua media e la sua varianza.

  • 00:40:00 L'oratore spiega come trovare la media e la varianza data la forma di X normale e come scrivere V come un quadrato intero per confermare che una certa frazione funziona. Semplificano la differenza in una frazione e confermano che questa frazione funziona effettivamente come varianza del condizionale al segnale.

  • 00:45:00 L'istruttore spiega come trovare la condizione attesa della coda condizionale attraverso alcune manipolazioni algebriche, denotando il termine enorme con 2 V come mu e l'intero al quadrato come V meno mu al quadrato diviso per Sigma al quadrato. Ecco come semplificare l'espressione e trovare la media. L'istruttore afferma inoltre che ci saranno più problemi da trattare nelle lezioni 9 e 10 sul valore della liquidità e dell'informazione pubblica nei mercati, oltre a continuare a parlare di trading ad alta frequenza.
Exercise class 4, part 2 (Financial Markets Microstructure)
Exercise class 4, part 2 (Financial Markets Microstructure)
  • 2020.04.24
  • www.youtube.com
Exercise Class 4, part 2Financial Markets Microstructure course (Masters in Economics, UCPH, Spring 2020)***Full course playlist: https://www.youtube.com/pla...
 

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.

  • 00:00:00 Il docente discute l'effetto del trading ad alta frequenza (HFT) sui mercati e il problema dell'informazione pubblica. L'esistenza di HFT nel mercato porta all'asimmetria informativa tra i trader, proprio come avere trader più informati, danneggiando la liquidità e ampliando lo spread, e non portando necessariamente a una migliore scoperta dei prezzi. Il trading ad alta frequenza è come una corsa agli armamenti con investimenti dispendiosi per ottenere vantaggi, ma quando tutti sono veloci, è come quando tutti sono lenti, tranne per il fatto che tutti hanno investito molti soldi per diventare veloci. Il docente propone di sostituire l'asta continua con aste batch frequenti ma HFT genera queste opportunità arbitrarie che non svaniscono nel tempo e non favoriranno la correlazione tra asset identici, anche con più trader HFT, il che significa che il problema dell'HFT non sarebbe risolto esclusivamente da un nuovo sistema di aste.

  • 00:05:00 Il presentatore discute l'efficienza dei prezzi e come si riferisce ai contratti spot e future dell'S&P 500. I prezzi di questi asset sono correlati in quanto entrambi seguono l'S&P 500, ma il contratto future è a breve termine e riflette il valore atteso dell'S&P 500 in una settimana. I prezzi sono martingale e dovrebbero essere efficienti per questi contratti future S&P 500. I dati sui prezzi di un giorno di negoziazione mostrano che i due prezzi sono strettamente correlati, ma se esaminati a intervalli più brevi, la correlazione tra i due inizia a svanire.

  • 00:10:00 Viene discussa la correlazione tra gli indici dei prezzi, con particolare attenzione alle opportunità di arbitraggio. La correlazione tra due indici di prezzo aumenta con gli intervalli di tempo, ma man mano che l'intervallo di tempo si riduce a zero, la correlazione è sempre zero, il che significa che i trader più veloci che possono operare con un preavviso di pochi millisecondi avranno sempre accesso alle opportunità di arbitraggio. Lo stesso punto è illustrato da un grafico che mostra profitti medi per arbitraggio nel tempo, che non diminuiscono. Viene anche presentato un semplice modello che spiega questo fenomeno, dove ci sono due tipi di trader sul mercato, i wet trader che arrivano casualmente nel tempo e i trader ad alta frequenza che hanno accesso alle opportunità di arbitraggio.

  • 00:15:00 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 un'intenzione specifica. I trader ad alta frequenza, d'altra parte, agiscono come fornitori di liquidità e uno di loro assume il ruolo di market maker che 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 intercettare queste quotazioni obsolete. Il professore calcola i profitti di flusso attesi del market maker, dei cecchini e dei non cecchini in questo scenario.

  • 00:20:00 Il docente discute le diverse opportunità di trading e profitti che si presentano per il market maker e per i cecchini in caso di arrivo di notizie. Il market maker realizza profitti facendo trading con investitori informati, noise trader disinformati e perdite se preso di mira da altri trader. I cecchini, d'altra parte, possono fare trading con probabilità lambda jump e hanno un'opportunità di trading redditizia se J è maggiore di s fratto 2. Il profitto atteso del market maker dovrebbe essere uguale al profitto atteso di un cecchino per alto- gli operatori di frequenza di rimanere indifferenti tra l'adozione di una delle due regole.

  • 00:25:00 Il relatore discute lo spread di equilibrio nel trading e come non sia influenzato dal numero di trader ad alta frequenza nel mercato. Ciò significa che avere più trader ad alta frequenza non va necessariamente a vantaggio del mercato in quanto non modifica lo spread, non migliora la liquidità o restringe i prezzi. Il relatore parla anche della proposta di un'asta batch frequente per contrastare questo fallimento del mercato causato dal trading continuo, che consente ai trader di inviare i propri ordini a intervalli diversi a seconda della loro latenza. I trader lenti e disinformati inviano i loro ordini prima dei trader informati e veloci che possono inviarli più tardi ma con un intervallo di tempo più ampio.

  • 00:30:00 Il relatore spiega che il ritardo causato da un sistema di aste batch può essere inefficiente in quanto consente la possibilità di informazioni asimmetriche in cui i trader veloci possono negoziare su quotazioni obsolete che arrivano durante questo periodo. Tuttavia, se il tempo di ritardo (tau) è sufficientemente grande, la lunghezza relativa dell'intervallo in cui avviene il trading informato diventa abbastanza piccola da far svanire il problema del trading informato, riducendo lo sniping di quotazioni obsolete. Ciò significa che il passaggio da un mercato continuo ad aste batch relativamente frequenti può essere una soluzione alla corsa dei trader ad alta frequenza per ridurre al minimo la loro latenza.

  • 00:35:00 L'attenzione si sposta sull'effetto dell'informazione pubblica sui mercati. Il docente spiega che la maggior parte dei modelli visti finora ha esaminato principalmente gli effetti delle informazioni asimmetriche e dei segnali privati. Tuttavia, l'effetto della volatilità complessiva dell'incertezza globale sui prezzi e sugli scambi sui mercati in generale è stato raramente considerato. Il docente introduce quindi il concetto di credenze di ordine superiore, che sono teoriche ma hanno guadagnato terreno nello spiegare i fenomeni empirici. La conferenza esamina un modello che cerca di spiegare l'elevato volume di scambi dopo annunci pubblici attraverso convinzioni di ordine superiore.

  • 00:40:00 Il concetto di credenze di secondo ordine nella teoria dei giochi viene esplorato nel contesto di un semplice modello chiamato Lost Milgram Model. Il modello prevede due componenti che formano il valore di un bene, theta uno e theta due, entrambe equiprobabili e indipendenti. I due trader osservano il segnale pubblico theta uno, ma solo il trader informato osserva theta due. Il segnale pubblico influisce sui risultati, ma solo in termini di spread e non di prezzo medio. Il concetto di credenze di secondo ordine è cruciale per comprendere il comportamento dei giocatori nei giochi, ma queste sono spesso ridotte a credenze di primo ordine nella maggior parte dei giochi a causa della complessità e dell'inconveniente di lavorare con cicli infiniti.

  • 00:45:00 L'oratore spiega che theta 2, che è il segnale privato che riceve solo il trader informato, dovrebbe essere previsto date le informazioni pubbliche a disposizione dei trader. Il dealer ha accesso alle informazioni pubbliche e sa che se il segnale era theta 1 e l'ordine proviene da un noise trader, la condizione di valore atteso su queste informazioni che il dealer riceve è solo theta 1. Tuttavia, lo stesso vale per il prezzo bid , che sarà maggiore o minore, e quindi lo spread non dipende da theta 1, cioè è costante. In questo modello chiuso di Milgram, tutti gli agenti nel mercato aggiornano simultaneamente la loro opinione sulla valutazione dell'asset in risposta al segnale pubblico, ma in realtà non avviene alcuna operazione. Il modello presuppone che tutti gli agenti si preoccupino solo del valore fondamentale dell'asset e non prevedano alcuna rivendita.

  • 00:50:00 Il relatore introduce un modello di trading con informazioni asimmetriche in cui ci sono due generazioni di trader con orari e luoghi di trading differenti. I trader a breve termine a Londra scaricano la loro posizione 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 preoccupano solo del valore di rivendita della loro posizione ai trader di New York, e quindi formulano congetture su quanto i trader di New York saranno disposti a pagare per le loro posizioni quando acquistano asset. L'oratore mostra che informazioni pubbliche più precise portano a un maggiore disaccordo tra i trader sul valore dell'asset, generando volume di scambi e convinzioni divergenti a seconda delle informazioni private. L'oratore risponde anche a 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.
Lecture 13, part 1: High-Frequency Trading; Public Information (Financial Markets Microstructure)
Lecture 13, part 1: High-Frequency Trading; Public Information (Financial Markets Microstructure)
  • 2020.04.29
  • www.youtube.com
Lecture 13, part 1: High-Frequency Trading; Public InformationFinancial Markets Microstructure course (Masters in Economics, UCPH, Spring 2020)***Full course...
 

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.

  • 00:00:00 Il docente approfondisce il modello Contour, partendo da un semplice esempio che mostra la divergenza delle credenze di secondo ordine di due gruppi di trader, etichettati I e J, con il valore fondamentale dell'asset avente due componenti theta I e theta J. Gli operatori del gruppo I avranno alcune informazioni su theta I, mentre gli operatori del secondo gruppo hanno un segnale su theta J. Tuttavia, non esiste un segnale pubblico e si presume l'indipendenza reciproca e l'essere 0 media. Dal modello, si vede che il trader I e il trader J non avranno idea del theta dell'altro, portando a una credenza di secondo ordine pari a zero.

  • 00:05:00 La conferenza continua a discutere l'informazione pubblica e presuppone l'esistenza di un segnale pubblico Y che è informativo sul theta totale. L'opinione del trader I sulla valutazione dell'asset del trader J non dipende dal segnale privato del trader I, ma si basa sulle osservazioni di entrambi i trader sul segnale pubblico Y. il segnale è, più basso è il valore dell'asset dell'altro giocatore. L'intuizione alla base di questo risultato è che se un giocatore ha un segnale privato elevato e apprezza molto l'asset, presuppone che l'altro giocatore, che non ha lo stesso segnale privato, valuti meno l'asset.

  • 00:10:00 Il docente discute l'intuizione alla base del perché le convinzioni di secondo ordine contano nella microstruttura dei mercati finanziari. Il fattore chiave è l'eterogeneità delle informazioni che i diversi attori possiedono sulle varie componenti del valore totale dell'asset oggetto di scambio (theta). Più precisa è l'informazione pubblica, più i segnali privati di diversi attori divergono, portando a un aumento dei volumi di scambio. Questo spiega perché in genere c'è più scambio intorno agli annunci pubblici che generano nuove informazioni pubbliche. Il presupposto standard nella maggior parte dei modelli di questo tipo è che tutti i segnali siano più o meno la stessa cosa, ma il docente sostiene che tenere conto di questa eterogeneità può produrre modelli più informativi.

  • 00:15:00 Il relatore discute la struttura di un modello condor per dimostrare come le convinzioni di secondo ordine spingano gli agenti a commerciare. Il modello è costituito da due gruppi di trader, I e J, che operano su tre periodi, con i trader I che lasciano il mercato nel secondo periodo e i trader J che ricevono valore theta dall'avere l'asset nel terzo periodo. Tutti i trader sono competitivi e possono condizionare la loro domanda sul prezzo, con i trader che si comportano come i dealer nel modello di Kyle. I trader hanno un'utilità esponenziale con un'avversione assoluta al rischio costante e la loro ricchezza è data da di per p2 meno p1 per i trader I e valore theta meno p2 per i trader J.

  • 00:20:00 Il modello della microstruttura del mercato finanziario presuppone una normale offerta aggregata di attività in entrambi i periodi, con media zero e qualche varianza. Nel periodo 1, l'offerta di attività deve eguagliare la domanda dei trader I che esercitano la loro funzione di domanda, mentre nel periodo 2, la domanda di attività deve eguagliare la domanda totale degli agenti J, inclusi i trader I che vendono le loro partecipazioni U1, più un'offerta aggregata extra X La casualità di questa offerta significa che i prezzi non saranno perfettamente informativi, con conseguente imperfetta efficienza informativa. Il problema di massimizzazione dei trader è massimizzare la loro utilità attesa dalla ricchezza dati i loro segnali privati e pubblici, con l'unica scelta che è la loro domanda DI.

  • 00:25:00 L'oratore spiega la configurazione del problema con due trader, dove il trader I ha un asset e il trader J ne ha bisogno, e l'incertezza sta nel prezzo che sono disposti a pagare per averlo. Si presume che l'equilibrio abbia una relazione lineare tra P2 e P1, U1 e U2, risultando in una normale distribuzione della ricchezza dell'agente I. Applicando le preferenze di media varianza, il relatore mostra che gli agenti che massimizzano la loro utilità di trasporto sono identici agli agenti che hanno preferenze di media varianza. Allo stesso modo, il problema del commerciante J viene risolto utilizzando lo stesso approccio di quello del commerciante I. Il problema di massimizzazione risultante tiene conto dell'aspettativa e della varianza della loro ricchezza date le variabili condizionanti.

  • 00:30:00 Il relatore discute il calcolo dell'equilibrio del modello. Si presume che i prezzi siano funzioni lineari di tutto ciò che è rilevante, compreso 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 prosegue spiegando come arrivare alle attese di P2 condizionate dalla domanda e dall'offerta del mercato.

  • 00:35:00 L'oratore discute le informazioni che i trader J hanno confrontato con i trader I, in particolare le informazioni su theta, il tempo che i trader estraggono dal prezzo stabilito nel mercato prima del loro arrivo. Ciò consente ai trader J di avere un vantaggio nel mercato rispetto ai trader I. Il relatore spiega che i prezzi saranno funzioni lineari e che ci saranno coefficienti diversi, tuttavia, a questo punto, non possono identificare questi coefficienti. Proseguono spiegando il processo per trovare q1, che è l'aspettativa condizionata di theta I dati i prezzi p1 e Y, e come si relaziona ai prezzi di mercato. Lo scopo di trovare queste aspettative e questi prezzi è capire come incidono sulle strategie ottimali degli agenti.

  • 00:40:00 Il docente spiega come esprimere l'aspettativa condizionale di p2 e θ 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 ci fornisce un equilibrio del modello, ma potrebbero esserci altri equilibri con prezzi non lineari.

  • 00:45:00 Il relatore discute di come il trading sia guidato dal disaccordo tra agenti e di come la domanda ottimale del giocatore 1 nel periodo 1 dipenda dalla loro aspettativa di secondo ordine di theta. Più alto è il segnale privato ricevuto dagli agenti nel periodo 1, più bassi si aspettano che siano le convinzioni di secondo ordine degli agenti del periodo 2, con conseguenti prezzi più bassi nel periodo 2. Il documento considera anche un modello leggermente più generale che include theta K.

  • 00:50:00 Il docente discute l'impatto delle informazioni pubbliche sul volume degli scambi, dove 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, il che dimostra che l'integrazione di un mercato elevato porta a un basso volume di scambi. A supporto dei risultati viene utilizzato anche un documento empirico, che dimostra che gli annunci pubblici hanno un forte effetto sui volumi di negoziazione quando vi 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.
Lecture 13, part 2: Public Information (Financial Markets Microstructure)
Lecture 13, part 2: Public Information (Financial Markets Microstructure)
  • 2020.04.29
  • www.youtube.com
Lecture 13, part 2: Public InformationFinancial Markets Microstructure course (Masters in Economics, UCPH, Spring 2020)***Full course playlist: https://www.y...
 

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.

  • 00:00:00 Il relatore introduce gli esercizi della giornata, che includono esercizi di ripulitura delle lezioni precedenti e la rivisitazione di alcune domande delle lezioni nove e dieci riguardanti la trasparenza e la liquidità nella microstruttura dei mercati finanziari. Il corso si concentra principalmente sul modello di trasparenza post-negoziazione e sulla misurazione della scoperta del prezzo medio, che verrà utilizzato per mostrare l'efficienza della scoperta del prezzo in un mercato trasparente. La lezione sarà inoltre limitata al caso in cui vi siano operatori abbastanza informati. Il video delinea il modello della trasparenza e le diverse notazioni che verranno utilizzate in classe.

  • 00:05:00 Il relatore illustra un modello utilizzato per illustrare i diversi modi in cui i mercati possono operare, con particolare attenzione ai mercati trasparenti e opachi. Il modello presuppone una particolare distribuzione di come i trader arrivano a un mercato, con trader sia informati che non informati. In un mercato trasparente, tutti gli operatori nel secondo periodo possono vedere il primo ordine e possono identificare l'operatore informato in base alla correlazione nel flusso dell'ordine. Nel mercato opaco, solo il rivenditore che ha eseguito il primo ordine sa di cosa si trattava, rendendo i prezzi più complessi. Il mercato trasparente utilizza i prezzi standard di perdita su Milgram, mentre nel mercato opaco, i rivenditori dovranno indovinare se il primo trader è stato informato o meno per stabilire il prezzo di conseguenza.

  • 00:10:00 Il relatore discute la microstruttura del mercato in un mercato finanziario e come gli operatori fissano i loro prezzi per realizzare un profitto. Il prezzo del commerciante disinformato si basa sul valore atteso, ma il commerciante informato fissa il proprio prezzo inferiore alla quotazione del commerciante non informato. I dealer disinformati quotano quindi lo spread più ampio possibile per evitare di fare trading in perdita. Il rivenditore I negozia con profitto offrendo prezzi poco allettanti a trader disinformati. I profitti derivanti dalle informazioni generano una guerra di quotazione nel primo periodo poiché entrambi i dealer vogliono attrarre il flusso degli ordini per realizzare un profitto nel secondo periodo.

  • 00:15:00 L'oratore discute il profitto per operazione che i dealer informati ottengono nel secondo periodo di negoziazione e come porta alla riduzione della metà degli spread a un certo valore. L'oratore spiega come il modello presuppone che pi greco sia maggiore della metà e perché è scomodo avere metà spread negativi. Discutono anche di come funziona la scoperta dei prezzi in questo modello, incluso il calcolo dell'espressione della varianza residua e dei possibili eventi che si verificano nel modello. La sezione si conclude spiegando il comportamento degli operatori informati e disinformati in diversi scenari.

  • 00:20:00 Il relatore discute 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 è divisa equamente, il che determina il prezzo della transazione come a1t o b1t. L'oratore replica il calcolo della probabilità dell'ordine di vendita per un trader informato e un trader non informato, rispettivamente con la probabilità di pi greco e 1 pi greco/2. Usando la simmetria del modello, l'oratore semplifica l'espressione per l'aspettativa al quadrato di p1t - v, mostrando che sia la parentesi superiore che quella inferiore sono uguali. Inoltre, la prima parentesi risultante si semplifica in 1 + pi greco/2 su due.

  • 00:25:00 Il relatore spiega come calcolare la varianza residua per i prezzi in due periodi in due scenari, concentrandosi sul secondo periodo in trasparenza. Con probabilità pi, i trader sono informati e la varianza residua è zero, mentre con probabilità uno meno pi, la varianza residua è uguale a sigma, il che significa che il prezzo scende a mu. Facendo la media dei due termini nel tempo, si ricava l'espressione per la varianza residua in condizioni di trasparenza.

  • 00:30:00 Il relatore discute il calcolo della varianza di prezzo prevista nel primo periodo in condizioni di opacità, che è pari allo stesso importo di quella in condizioni di trasparenza. La varianza di prezzo attesa è derivata attraverso la manipolazione algebrica dei mezzi spread e coinvolge due casi, uno in cui vi è un valore elevato dell'asset ed entrambi i trader vogliono acquistare e l'altro in cui vi è un valore elevato degli asset e i trader sono disposto a vendere. L'equazione finale include termini come pi greco, sigma, mu e quattro pi greco sigma quadrato, che vengono lentamente semplificati per determinare la varianza di prezzo prevista.

  • 00:35:00 Il relatore discute il confronto tra variazioni di prezzo residue in opacità e trasparenza. Utilizzando calcoli algebrici, rivelano che la varianza residua del prezzo in condizioni di trasparenza è inferiore a quella in condizioni di opacità, indicando che la scoperta dei prezzi in condizioni di trasparenza è migliore. Anche se questo può sembrare un risultato intuitivo, i calcoli necessari per arrivare a questa conclusione non sono del tutto banali e comportano complesse equazioni matematiche. Il relatore conclude affermando che questo completa la loro esplorazione di questo esercizio e che i restanti due problemi saranno discussi in seguito.

  • 00:40:00 L'istruttore discute il tempo necessario per coprire i prossimi due esercizi e menziona che potrebbero finire prima. Suggerisce di fare una pausa prima di andare avanti e si offre di rispondere a qualsiasi domanda sul problema precedente una volta tornati dalla pausa.
Exercise class 5, part 1 (Financial Markets Microstructure)
Exercise class 5, part 1 (Financial Markets Microstructure)
  • 2020.05.01
  • www.youtube.com
Exercise class 5, part 1Financial Markets Microstructure course (Masters in Economics, UCPH, Spring 2020)***Full course playlist: https://www.youtube.com/pla...
 

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.

  • 00:00:00 Il video discute il valore della liquidità nei mercati finanziari e si concentra sul modello di Gordon e le sue implicazioni quando vengono aggiunti i dividendi. Il modello presuppone che gli investitori arrivino sul mercato e acquistino un'azione, la detengano per un periodo e poi la vendano a uno spread relativo costante. Gli investitori hanno un tasso di rendimento richiesto, indicato come R piccolo, che in genere è dato da un'opzione esterna. Il video esplora quindi come viene definita la crescita del rendimento del costo di transazione e cerca di determinare l'effetto sul premio di liquidità quando un titolo distribuisce dividendi.

  • 00:05:00 L'istruttore spiega come incorporare i dividendi nel tasso di rendimento nominale, definito come uno più R, che un investitore riceve da un'azione. L'investitore riceve sia i dividendi che una variazione del prezzo delle azioni, che possono essere visti come due fonti di rendimento. L'istruttore definisce R con dividendi come R = (μT + 1 + D) / μT, dove μT rappresenta il vecchio valore fondamentale del titolo e D è il dividendo pagato all'investitore al momento T + 1. Esistono anche altre interpretazioni , incluso uno in cui i dividendi vengono scalati con il prezzo delle azioni, che produce anche un dividendo più elevato a causa della crescita del prezzo delle azioni. Tuttavia, questo tasso di rendimento nominale, come si vede dai dati, non è esattamente ciò che l'investitore guadagna a causa di altri fattori come gli spread durante l'acquisto e la vendita dell'asset e i premi di illiquidità.

  • 00:10:00 Il relatore spiega il concetto di rendimento lordo di equilibrio esaminando la connessione tra lo spread, il tasso di rendimento richiesto e il tasso del dividendo. L'investitore acquista l'attività al prezzo di mu T moltiplicato per lo spread di 1 più s su 2, mentre il prezzo di vendita è mu t più 1 moltiplicato 1 meno s su 2. Collegando i prezzi delle attività e conducendo un po' di algebra, l'oratore arriva all'espressione 1 più R maiuscola è uguale a 1 più R minuscola più la frazione dello spread per D meno D diviso per 1 più s fratto 2. il lato corretto.

  • 00:15:00 L'istruttore spiega la soluzione algebrica alla parte B del problema seguita dalla risposta alla parte C, che si occupa di determinare come il premio di liquidità risponde a un aumento del rendimento da dividendi (D) e la sua intuizione. Il premio di liquidità è la differenza tra il tasso di rendimento nominale e il tasso di rendimento aggiustato per il rischio. Il premio di liquidità sta diminuendo in D, il che significa che un rendimento da dividendi aumentato abbassa il premio di liquidità poiché i dividendi non sono soggetti alla liquidità delle azioni. Pertanto, all'aumentare della quota dei dividendi nei rendimenti dell'investitore, l'investitore ha risentito meno della liquidità, diminuendo il premio di liquidità richiesto.

  • 00:20:00 L'istruttore discute l'Esercizio n. 2 della serie di problemi n. Il modello presenta un singolo asset che manca di un valore fondamentale e invece paga dividendi che diversi trader valutano in modo diverso. I trader possono detenere una o zero unità dell'asset, ma non possono venderlo allo scoperto o accumularlo. Il tasso di rendimento richiesto è R e gli operatori possono rivolgersi a una banca che paga gli interessi come opzione esterna. I trader passano casualmente dall'essere investitori di alto valore a quelli di basso valore con una probabilità di sospiro in ogni periodo e devono cercare rivenditori per acquistare o vendere attività con una probabilità di Phi. I commercianti non detengono scorte e contrattano con i commercianti sui prezzi.

  • 00:25:00 Il presentatore esplora l'impatto della probabilità di trovare un dealer (Phi) sullo spread generato nel modello. Lo spread è principalmente influenzato dal potere di mercato degli operatori, poiché nel modello non erano presenti informazioni private o selezione avversa. L'effetto di Phi sullo spread non è monotono, a seconda della probabilità di cambio di valore (sy). Se sy è alto e i trader si aspettano di fare trading frequentemente, di non detenere l'asset per lunghi periodi e di non rimanere senza l'asset per lunghi periodi, una maggiore probabilità di trovare un dealer aumenta lo spread. Tuttavia, se sy è basso, una maggiore probabilità di trovare un dealer ridurrà lo spread. Il relatore discute i potenziali effetti positivi e negativi che dominano per diversi valori di sy.

  • 00:30:00 L'istruttore spiega come i trader valutano gli asset più in alto all'aumentare della liquidità. Ciò è dovuto al fatto che una maggiore liquidità consente ai trader di trovare rivenditori più frequentemente, permettendo loro di negoziare più velocemente e di subire meno il passaggio a valutazioni basse per i dividendi. Di conseguenza, i trader sono disposti a pagare di più per gli asset quando la liquidità è elevata, portando ad un aumento del valore dell'asset. L'istruttore spiega inoltre che il potere contrattuale del rivenditore può anche svolgere un ruolo significativo nelle inefficienze del mercato.

  • 00:35:00 Il video spiega come il profitto del dealer è misurato da S e perché lo spread può eventualmente aumentare all'aumentare di Phi, poiché i trader sono più disposti ad acquistare asset e pagare di più per essi. Tuttavia, i rivenditori si appropriano di una quota fissa del surplus e quando Phi aumenta, il potere di mercato del rivenditore diminuisce, causando una diminuzione dello spread man mano che i trader diventano più competitivi. Questi sono due effetti compensativi che operano a seconda che Phi sia alto o basso, il che significa che uno di essi domina in ogni caso, anche se non è chiaro il motivo.

  • 00:40:00 L'istruttore conclude la lezione di esercizi e riassume i punti principali discussi. Menzionano l'importanza di incontrare i rivenditori quando si cambiano i valori e come ciò sia correlato alla gestione degli effetti sia informativi che di inventario. La lezione si conclude con un'anteprima del prossimo argomento sulle bolle nei mercati finanziari, che l'istruttore promette sarà perspicace e divertente.
Exercise class 5, part 2 (Financial Markets Microstructure)
Exercise class 5, part 2 (Financial Markets Microstructure)
  • 2020.05.01
  • www.youtube.com
Exercise class 5, part 2Financial Markets Microstructure course (Masters in Economics, UCPH, Spring 2020)***Full course playlist: https://www.youtube.com/pla...
 

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.

  • 00:00:00 Il professore introduce il tema delle bolle nei mercati finanziari e spiega che le bolle sono un rompicapo per l'economia classica. La classe esamina quindi i modelli di pastorizia che suggeriscono che gli agenti possono ignorare le loro informazioni private e commerciare esclusivamente sulla base di informazioni pubbliche, il che porta tutti a fare la stessa cosa e generare pastorizia, che può portare a bolle. La conferenza introduce anche un altro modello che si occupa di convinzioni di ordine superiore e mancanza di aggregazione di informazioni private, che possono anche portare a bolle. Il professore fornisce diverse definizioni di bolle, inclusa una dal Webster Dictionary e da Wikipedia.

  • 00:05:00 Il docente discute tre tipi di definizioni di bolle nei mercati finanziari. Il primo è tratto dalla definizione di Wikipedia dell'Università di Chicago che definisce le bolle come una deviazione dei prezzi dai valori fondamentali; la seconda è la definizione di bolla di Investopedia, che si riferisce a 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; mentre la terza definizione della Fed di Chicago 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 inoltre 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, sia comuni che esotiche, tra cui Enron, la bolla immobiliare statunitense e la bolla Bitcoin/criptovaluta.

  • 00:10:00 Il relatore discute il concetto di pastorizia e bolle nella microstruttura dei mercati finanziari. Fanno riferimento a una precedente bolla dell'uranio verificatasi all'inizio del 2006, che potrebbe essere stata avviata da una miniera in Canada allagata e contenente le più grandi riserve di uranio conosciute e sviluppate. Ciò ha portato a una carenza percepita di offerta e una domanda eccessiva, con conseguente bolla nel mercato per un breve periodo. La conferenza approfondisce quindi le teorie sulla pastorizia, in cui l'idea è di fare affidamento sulle informazioni pubbliche e su come può essere una risposta efficiente alle nuove informazioni.

  • 00:15:00 Il concetto di branco nei mercati finanziari viene discusso come una potenziale spiegazione per bolle e risultati subottimali. La pastorizia è vista come il risultato di un processo decisionale razionale ma inefficiente, in cui gli investitori ignorano le informazioni private a favore delle informazioni pubbliche per seguire la forza dominante nel mercato. Un esempio di ciò è la strategia di momentum trading, 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. Il risultato ideale sarebbe estrarre le informazioni private di tutti per ottenere la decisione e il prezzo ottimali, ma questo non è realistico, poiché gli agenti hanno un incentivo a sfruttare le proprie informazioni private. Come risultato del processo decisionale sequenziale, coloro che arrivano prima hanno meno informazioni su cui lavorare, il che può portare a risultati non ottimali.

  • 00:20:00 Il video discute un modello in cui le persone iniziano a ignorare le proprie informazioni private e si affidano esclusivamente a informazioni pubbliche. Ciò si traduce in comportamenti di pastorizia e cascate informative, in cui tutti prendono decisioni sulla base di alcune informazioni private che potrebbero non essere corrette. L'incertezza nel modello viene catturata da un valore fondamentale basso o alto e gli agenti arrivano al mercato con una credenza precedente, PT, che viene aggiornata in base a segnali privati. Un'altra convinzione, QT, è la stessa della valutazione di mercato e viene aggiornata in base alle decisioni di tutti gli agenti passati. Nel complesso, il modello mostra le inefficienze che si verificano quando le persone fanno troppo affidamento sulle informazioni pubbliche e ignorano i loro segnali privati.

  • 00:25:00 La sezione discute il concetto di herding e bolle nella microstruttura dei mercati finanziari analizzando il comportamento degli agenti che decidono se investire o meno in un asset sulla base di informazioni pubbliche e private. Il segnale privato dell'agente e le decisioni passate degli agenti vengono combinati per formare una credenza a posteriori, che viene quindi utilizzata per calcolare una credenza soglia. L'agente investirà solo se la sua utilità attesa da ciò è sufficientemente elevata, ovvero se assegna un peso sufficientemente elevato al valore dell'asset effettivamente elevato. La credenza soglia sta diminuendo nella credenza pubblica, indicando che più informazioni favorevoli vengono dedotte dalle decisioni di altri agenti, minore è la fiducia che l'agente deve investire. Se le informazioni pubbliche sono abbastanza buone, le informazioni private possono essere abbastanza cattive e viceversa. Questa discussione sottolinea l'importanza di comprendere come le informazioni e le convinzioni si combinano nel processo decisionale finanziario.

  • 00:30:00 Il video discute di come i segnali privati e le convinzioni precedenti imperfette possano portare a un comportamento da pastore nei mercati finanziari. Il presupposto è che i segnali privati non possono dedurre perfettamente il vero stato del mercato e che le convinzioni precedenti sono limitate entro un certo intervallo. Sulla base di ciò, si arriva a una convinzione pubblica che determina il comportamento di investimento ottimale indipendentemente dai segnali privati. Ciò può portare a un 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 portare alla mancanza di nuove informazioni aggiunte alla credenza pubblica, facendola rimanere la stessa nel tempo.

  • 00:35:00 Viene esplorato il concetto di branco nei mercati finanziari. È dimostrato che ancora una volta l'informazione pubblica ha la meglio su quella privata, portando a un gregge. La sfida chiave è arrivare alla convinzione che fa scattare il gregge, che può essere errata con una certa probabilità. Inoltre, è possibile che il valore di soglia si trovi all'interno del limite superiore e inferiore, consentendo alle informazioni private di avere importanza. Viene anche considerato un modello più generale, che mostra la possibilità per tutti di ignorare completamente le informazioni pubbliche e utilizzare solo le proprie informazioni private per prendere decisioni, portando all'inefficienza.

  • 00:40:00 L'istruttore discute un modello in cui gli agenti razionali non riescono ad aggregare le informazioni disponibili a causa delle loro azioni che non contengono abbastanza informazioni o sono troppo rumorose per trasmettere segnali privati. Queste mandrie errate, che si verificano quando la distribuzione di segnali privati è limitata, possono essere prevenute consentendo ad alcune persone di scambiare che hanno molte informazioni. L'istruttore nota anche la sottile differenza tra i termini "mandria" e "cascata" e spiega che la distinzione non è critica ai fini della lezione. Infine, l'istruttore considera l'impatto di consentire al prezzo di essere flessibile nel modello.

  • 00:45:00 L'oratore discute un modello in cui i trader arrivano con una conoscenza preliminare del valore di un asset, e con probabilità 1, sono razionali. I trader rumorosi, che non hanno alcuna conoscenza preliminare, acquistano, vendono o si astengono con uguale probabilità insieme ai trader che massimizzano il profitto. L'oratore pone quindi una domanda al pubblico, chiedendo se la pastorizia sia possibile in un tale modello, a cui la risposta è no a causa della natura casuale dei trafficanti di rumore. Tuttavia, l'oratore prosegue spiegando che un modello più complesso presentato da Avery e Zemsky indica che la pastorizia potrebbe essere possibile. In questo modello, i trader hanno vari gradi di accesso a informazioni perfette e i noise trader sono assenti.

  • 00:50:00 Il docente discute l'incertezza nel modello del market maker, che include l'incertezza se ci sia stata una notizia e se fosse una buona o una cattiva notizia. Il market maker non sa se sta negoziando con trader informati o meno informati e non sa quanti trader informati ci sono nell'economia. In questo modello possono verificarsi mandrie ed è possibile che ci siano bolle non speculative se tutti i trader sanno che un asset è fondamentalmente sottovalutato, ma il market maker no. Ciò può portare a una sorta di bolla speculativa in cui ogni trader supera le informazioni pubbliche rispetto al proprio segnale privato.

  • 00:55:00 Il relatore discute brevemente le bolle non speculative e spiega che possono verificarsi anche attraverso la pastorizia. Menziona il modello di Gloucester Milgram prima di fare una pausa e anticipare l'argomento della sezione successiva, il modello di Bro Bruna Maya.
Lecture 14, part 1: Herding and Bubbles (Financial Markets Microstructure)
Lecture 14, part 1: Herding and Bubbles (Financial Markets Microstructure)
  • 2020.05.06
  • www.youtube.com
i had a brief internet outage at 9:50; you can safely skip to 11:05Lecture 14, part 1: Herding and BubblesFinancial Markets Microstructure course (Masters in...
 

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.

  • 00:00:00 Pertanto, scelgono di seguire l'esempio del primo manager e di investire, anche se va contro il loro stesso segnale. Ciò porta a un comportamento da pastore, che può provocare bolle. Un altro fattore che può portare a bolle è la sottovalutazione da parte del market maker dell'informatività del flusso degli ordini, che si traduce in un lento aggiustamento dei prezzi e potenzialmente in una bolla nella direzione opposta. È importante notare la differenza tra bolle speculative e non speculative e che le bolle possono sorgere a causa di asimmetrie informative e fallimento dell'aggregazione delle informazioni. Le preoccupazioni sulla reputazione possono anche contribuire al comportamento da pastore.

  • 00:05:00 Il docente discute di come i problemi di reputazione e gli incentivi a contrattare possano portare alla pastorizia nei mercati finanziari, poiché i manager possono essere incentivati a seguire le azioni degli altri per salvare la propria reputazione o garantire un guadagno sicuro. Il docente osserva che questi fattori possono promuovere la pastorizia quando le informazioni private non possono essere facilmente aggregate e che il meccanismo dei prezzi può alleviare il problema in una certa misura. Tuttavia, se l'incertezza è complicata, può ancora verificarsi la pastorizia. Infine, il docente afferma che il momentum trading, l'acquisto quando l'asset tende al rialzo e la vendita quando tende al ribasso, può essere interpretato come una strategia razionale.

  • 00:10:00 Il video discute un modello che si occupa di pastorizia e bolle nei mercati finanziari. Il modello inizia affrontando l'argomento dell'economia classica secondo cui le bolle sono impossibili a causa dell'argomento dell'induzione all'indietro. Tuttavia, se non si sa quando la bolla raggiungerà il picco, è possibile che ci sia una bolla. Il modello mostra che il coordinamento è necessario per provocare un aggiustamento del prezzo e riportare il prezzo al valore fondamentale dell'asset. Le convinzioni di ordine superiore svolgono un ruolo nel coordinamento ed è dimostrato che ciò che un trader crede sulle azioni di altri trader può avere un impatto sul mercato.

  • 00:15:00 L'oratore discute un modello di determinazione del prezzo dell'asset in cui il valore dell'asset cresce a un tasso G fino a un tempo casuale T0 in cui rallenta fino a un tasso R. Tuttavia, il prezzo dell'asset continua a crescere a un tasso G finché o si verifica una correzione esogena all'istante Tau bar o un collasso endogeno dovuto a operatori razionali che decidono di vendere. Il modello ha trader sia razionali che comportamentali e si presume che la distribuzione dei tempi in cui i trader razionali vengono informati sui prezzi errati sia uniforme tra T0 e T0 più un po' di beta. Ciò porta all'incertezza per i trader razionali in termini di quanto tempo scrivere la bolla e quanto tempo è rimasto prima della correzione esogena.

  • 00:20:00 La lezione discute due tipi di trader: razionali e comportamentali. I trader razionali sono informati sul mercato e comprendono il prezzo errato di un asset, mentre i trader comportamentali credono che l'aumento dei prezzi durerà per sempre e sopravvaluterà l'asset. Quando i trader razionali sono disposti a vendere l'asset a un prezzo leggermente inferiore, i trader comportamentali sono disposti ad acquistare, credendo che la crescita continuerà. Tuttavia, esiste un numero limitato di trader comportamentali e possono assorbire solo una quota dell'offerta totale da trader razionali. I trader razionali sono consapevoli che l'elevata crescita dei prezzi è temporanea ma non sanno quando si fermerà.

  • 00:25:00 Il docente spiega come i trader potrebbero non essere sicuri quando vengono informati sulle novità del mercato e su ciò che credono gli altri trader. Spiega come la distribuzione dell'informatività sia uniforme, il che significa che i trader hanno pari possibilità di essere informati in qualsiasi momento. Se un trader viene informato in un secondo momento, potrebbe non sapere quando altri trader hanno ricevuto la notizia, causando incertezza ed errori sul valore dell'asset. Questa incertezza può portare a una valutazione errata dell'asset.

  • 00:30:00 Il docente spiega il compromesso che i trader devono affrontare quando tentano di vendere un asset prima che scoppi una bolla. Vogliono vendere il più tardi possibile per ottenere un profitto maggiore, ma non troppo tardi per perdere l'opportunità di vendere prima che scoppi la bolla. Il docente discute anche della conoscenza comune dei livelli di prezzi errati e di come renda difficile prevedere quando vendere l'asset. Nel documento viene presentato un modello che mostra la distribuzione dell'informatività, i tempi di consapevolezza e la consapevolezza della bolla da parte dei trader prima che crolli. Il docente osserva che c'è un errore nel grafico presentato nel documento, che sfida il pubblico a identificare.

  • 00:35:00 Il docente discute i fattori che possono portare alla creazione di bolle nei mercati finanziari e come definirli. A causa della difficoltà di coordinamento tra i trader e della loro limitata conoscenza di ciò che gli altri sanno e pensano, i prezzi errati possono durare a lungo anche quando i trader si rendono conto che il mercato crollerà. Una bolla è definita come la persistenza di prezzi errati dopo che un numero sufficiente di trader ne è consapevole per farla scoppiare, e se i trader prendono il prestito massimo o una posizione corta, dove tutti i trader possono detenere 0 o 1 unità dell'asset, e i trader razionali iniziano con un'unità mentre i trader comportamentali iniziano con zero unità.

  • 00:40:00 Il docente spiega un modello più complesso in cui il venditore razionale vende un asset ei modelli consentono altre posizioni lunghe e corte, nonché altre posizioni iniziali. Il modello mostra che quando un trader va short, tutti gli altri trader che avevano appreso del mispricing prima di questo trader sarebbero già andati short, il che significa che i tempi di reazione sono monotoni. Il docente discute quindi due tipi di equilibri in questo modello, chiamati crash esogeno e crash endogeno. Il crollo esogeno si verifica quando c'è molto profitto da scrivere nella bolla e il rischio è basso, e il crollo endogeno si verifica quando l'aggiustamento del prezzo è innescato da un numero sufficiente di trader razionali che vendono l'asset.

  • 00:45:00 Il docente discute l'incentivo per i trader a vendere le proprie azioni prima che scoppi la bolla, ma non troppo presto per perdere potenziali profitti. La tempistica della vendita dipende dal valore di Kappa, che rappresenta la proporzione di trader che devono vendere prima che scoppi la bolla. Quando Kappa è alto, i trader vogliono ritardare la loro vendita per essere più vicini all'ultimo trader che ha venduto prima dello scoppio della bolla, mentre quando Kappa è basso, i trader vogliono vendere velocemente per evitare di perdersi. Questo crea un gioco di coordinamento tra i trader in cui tutti vogliono vendere nello stesso momento, poco prima che scoppi la bolla.

  • 00:50:00 Il docente discute gli equilibri delle macchie solari e come gli eventi casuali possono servire come dispositivi di coordinamento. Questi eventi, noti anche come "macchie solari", sono stati mostrati in esempi in cui i dati commerciali hanno avuto un grande impatto sul mercato negli anni '80 e le dichiarazioni di Alan Greenspan sono state più influenti negli anni '90. Il docente conclude che l'incertezza di ordine superiore sulla conoscenza comune tra agenti può causare risultati interessanti in alcuni modelli come i giochi globali. Anche se quest'anno il corso non si concentrerà sui giochi globali, il docente esaminerà tutto ciò che è stato trattato finora prima di discutere i modelli di aste nella prossima lezione.
Lecture 14, part 2: Herding and Bubbles (Financial Markets Microstructure)
Lecture 14, part 2: Herding and Bubbles (Financial Markets Microstructure)
  • 2020.05.06
  • www.youtube.com
Lecture 14, part 2: Herding and BubblesFinancial Markets Microstructure course (Masters in Economics, UCPH, Spring 2020)***Full course playlist: https://www....
 

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.

  • 00:00:00 Il professore discute i modelli d'asta nella microstruttura dei mercati finanziari. La conferenza della settimana precedente ha riguardato modelli di herding e bolle nei mercati finanziari, con un'enfasi sull'informazione pubblica che prevale sui segnali privati e sul potenziale scoppio delle bolle a causa della correzione endogena del mercato. Ora, l'attenzione si concentra sui tre modi principali in cui il commercio può essere organizzato: mercati con rivenditori, modelli di aste continue con limite o e-book e modelli di aste batch. Il professore fornisce una panoramica di questi modelli e delle loro caratteristiche.

  • 00:05:00 Il docente discute i formati delle aste a chiamata e come vengono utilizzati in alcuni mercati, come il mercato dell'elettricità, per la compensazione del mercato. Il docente introduce i modelli d'asta e spiega che mentre i modelli d'asta non sono specifici per i mercati finanziari, sono ampiamente utilizzati a causa della loro universalità. Il docente prosegue citando alcuni dei modelli più rilevanti, come la vendita all'asta e le opzioni pubblicitarie contestuali. Il docente evidenzia anche le due principali applicazioni della teoria delle aste: le opzioni pubblicitarie contestuali e le aste a spettro.

  • 00:10:00 Il professore discute di come le aste siano rilevanti nei mercati finanziari e nella teoria della produzione. Il punto principale dei modelli d'asta è catturare la concorrenza imperfetta tra commercianti o offerenti in presenza di un numero finito di agenti nel mercato. I modelli possono essere applicati per studiare questioni come l'efficienza del mercato, l'allocazione del mercato, i volumi degli scambi e le risposte ai prezzi. Il professore elenca diversi formati di aste come offerte sigillate e aperte, aste al primo e secondo prezzo, nonché diversi tipi di aste tra cui valutazioni private o comuni, aste a unità singola o multi-unità e aste a singola o doppia faccia.

  • 00:15:00 Apprendiamo i modelli d'asta e come possono essere combinati in vari modi a causa delle numerose varianti disponibili. La lezione inizia con il modello più semplice, un'asta privata al primo prezzo, dove c'è un oggetto in vendita, n potenziali acquirenti, e ognuno ha una valutazione privata. L'asta è tale che tutti presentano un'offerta e l'offerta più alta viene estratta per determinare il vincitore che paga la propria offerta, mentre gli altri offerenti non pagano nulla. Gli offerenti sono razionali, nel senso che massimizzano il profitto atteso e sono neutrali al rischio. La conferenza esplora il modo in cui la presentazione di offerte più alte bilancia il desiderio dell'agente di vincere con il profitto previsto, portando in ultima analisi a strategie di offerta ottimali e all'equilibrio simmetrico.

  • 00:20:00 Il relatore discute i modelli di asta nella microstruttura dei mercati finanziari e come gli agenti possono trovare l'offerta ottimale. Presumono che tutti gli altri agenti utilizzino alcuni effetti beta della strategia e che la strategia di offerta sia strettamente crescente in X, il che significa che esiste un'offerta massima che ci si può aspettare dal proprio avversario. L'oratore esclude alcune possibili offerte, comprese le offerte strettamente superiori a beta di X bar, che sono strettamente dominate dall'essere esattamente beta di X bar, e l'agente la cui valutazione privata è zero offrirebbe zero e perderebbe o vincerebbe e otterrebbe i beni inutili a prezzo zero perché non sarebbero disposti a pagare nulla per il passaggio. Quindi esplorano la probabilità di vincita usando la teoria della probabilità e riscrivono il profitto atteso dato un b2b e una valutazione X.

  • 00:25:00 Il relatore spiega come massimizzare il profitto in un'asta utilizzando la prima derivata rispetto alla variabile B. Prendendo la funzione inversa di beta su entrambi i lati di una disuguaglianza e trasformando la distribuzione di probabilità della valutazione di un offerente, si trova il modo meccanico per derivare questa funzione. Tuttavia, per una comprensione più semplice e intuitiva, si afferma che dichiarando Bi, l'offerente vince se la valutazione più alta del concorrente scende al di sotto della valutazione del miglior offerente utilizzando la strategia beta, e una volta che la funzione di profitto è scritta in questo forma, è possibile massimizzarlo prendendo la derivata prima rispetto a B.

  • 00:30:00 Il relatore discute come trovare la derivata della valutazione rispetto all'offerta secondo la funzione di offerta beta. Spiegano che la condizione di equilibrio richiede che l'offerta ottimale sia la stessa della strategia di offerta, e questa strategia dipende dalla distribuzione dei valori privati. La strategia di equilibrio è in definitiva uguale all'aspettativa di y1 dato che y1 è minore di X, dove fare un'offerta molto più o meno di questa offerta ottimale porta a un pagamento in eccesso o alla perdita a favore di un concorrente più aggressivo.

  • 00:35:00 Il docente fornisce un semplice esempio di distribuzione e di come può essere utilizzata per trovare la strategia di equilibrio. L'esempio utilizza l'ipotesi di un piccolo numero di offerenti che non sono perfettamente competitivi, quindi ottengono profitti positivi. Il grado di ombreggiatura nelle offerte dipende dal numero di giocatori, con numeri più grandi che portano a una minore ombreggiatura. L'aspetto principale della prima opzione di prezzo è che le offerte sono ombreggiate rispetto alla valutazione perché i trader vogliono ottenere un profitto e il grado di ombreggiatura dipende dal numero di offerenti.

  • 00:40:00 Il docente spiega i modelli d'asta e le aste a valore privato. Discute il ruolo dell'informazione asimmetrica nel mercato e come influisce sulle strategie di trading. Il modello utilizzato non prevede selezione avversa in quanto l'asimmetria informativa riguarda solo la valutazione dell'asset da parte di ciascun giocatore. Il docente sottolinea inoltre che il processo per qualsiasi modello di asta è simile e universale, ma i dettagli possono differire. L'asta di valore privato al primo prezzo non è un modello perfetto in quanto prevede offerte sigillate, il che non è sempre il caso nei mercati del mondo reale. Altri formati d'asta includono l'asta inglese, che si dimostra essere esattamente l'equivalente di playoff dell'asta al primo prezzo.

  • 00:45:00 Il docente discute diversi modelli di aste e come si confrontano in termini di efficienza. L'asta al primo prezzo, l'asta inglese e l'asta olandese portano tutte all'offerente privato con la valutazione più alta che ottiene l'oggetto, rendendole efficienti. Il docente considera quindi se il valore privato è l'impostazione giusta per le aste e introduce il modello del valore comune. La lezione esamina anche le aste singole e multi-unità, dove le aste multi-unità sono quasi equivalenti alle aste singole con profitti lineari in quantità. Infine, la conferenza discute il concetto di essere l'offerta più alta della caverna nelle aste multi-unità, il che significa fare un'offerta quanto basta per vincere ma non pagare più del dovuto.

  • 00:50:00 Il relatore introduce diverse estensioni ai modelli di aste e spiega che l'approccio generale alla risoluzione del problema è lo stesso. La lezione si concentra quindi sull'asta di primo prezzo a valore comune e sulle opzioni di secondo prezzo, prima di toccare brevemente le doppie opzioni. L'oratore si prende una pausa e invita qualsiasi domanda sull'opzione di valore privato del primo prezzo discussa finora.
Lecture 15, part 1: Auction Models (Financial Markets Microstructure)
Lecture 15, part 1: Auction Models (Financial Markets Microstructure)
  • 2020.05.13
  • www.youtube.com
Lecture 15, part 1: Auction ModelsFinancial Markets Microstructure course (Masters in Economics, UCPH, Spring 2020)***Full course playlist: https://www.youtu...
 

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.

  • 00:00:00 La conferenza discute le aste al primo prezzo di valore comune. Questo tipo di asta riguarda un oggetto in vendita con un valore fondamentale comune a tutti gli offerenti. Ogni offerente riceve un segnale privato informativo, che è una stima rumorosa del valore reale. Gli offerenti fanno offerte in base ai loro segnali e il miglior offerente vince l'oggetto. Tuttavia, la "maledizione del vincitore" entra in gioco 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 spiega come risolvere questo problema utilizzando un approccio simile all'asta al primo prezzo del valore privato.

  • 00:05:00 Il video illustra come le informazioni private possono informare la distribuzione di altri segnali nei modelli di aste. Le distribuzioni di y1 sono ancora denotate come G's, ma ora sono condizionate dal segnale privato ricevuto dall'offerente. Il video presenta anche un modo contorto di imitare il caso del valore privato, in cui il giocatore I sceglie chi imitare invece di scegliere B_di. Ponendo 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 che sono inferiori a Z. Il video dimostra anche di prendere la condizione del primo ordine per massimizzare i profitti rispetto alla Z.

  • 00:10:00 Il docente discute il tipo ottimale da imitare in un'asta e menziona la condizione di primo ordine che fornisce il tipo ottimale dopo aver inserito la condizione di equilibrio. Spiega che è ancora essenziale fare un'offerta abbastanza alta da far vincere l'asset ma abbastanza bassa da limitare l'importo pagato. Il docente presenta anche un'equazione differenziale e la sua espressione risultante che è l'aspettativa di una svalutazione del segnale della persona, integrandola sulla misura L di nuova costruzione ma non la elabora.

  • 00:15:00 Viene discusso il concetto di maledizione del vincitore nelle aste. La maledizione del vincitore nasce dal fatto che la valutazione dell'asset, condizionata dalle offerte dei trader che non hanno vinto l'asta e avevano segnali inferiori al vincitore, è addirittura inferiore alla valutazione basata esclusivamente sul segnale privato del vincitore. Questo perché il vincitore prende il valore atteso delle valutazioni di altri trader, che sono molto al di sotto della valutazione del vincitore. In secondo luogo, la conferenza approfondisce le aste al secondo prezzo, in cui l'espressione del profitto atteso rimane praticamente la stessa delle aste private e di valore comune, tranne per il fatto che il vincitore paga la seconda offerta più alta. È dimostrato che è una strategia debolmente dominante offrire la propria valutazione nelle aste al secondo prezzo, rendendole una scelta ottimale.

  • 00:20:00 L'oratore discute di come fare offerte superiori alla propria valutazione reale può influire sul proprio profitto 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 battere la propria valutazione è debolmente dominante in un'asta di secondo prezzo di valore privato, e questo risultato può essere esteso ad altre ipotesi purché sia applicabile il quadro dell'asta di secondo prezzo.

  • 00:25:00 Il relatore esplora il concetto di equilibrio simmetrico nei modelli d'asta, in particolare nelle aste di secondo prezzo a valore comune. Lo confrontano con le aste di secondo prezzo di valore privato e spiegano perché è ottimale fare un'offerta esattamente alla tua 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 viene quindi determinata assumendo che tutti gli avversari dichiarino il proprio segnale. 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.

  • 00:30:00 Il professore spiega la strategia di equilibrio per le aste di primo prezzo a valore comune. Dice che gli agenti dovrebbero fare offerte inferiori all'importo a cui valutano l'asset in base ai loro segnali privati solo per due motivi. In primo luogo, vogliono ottenere un profitto positivo e, in secondo luogo, c'è la maledizione del vincitore, il che significa che vincere l'asta è una cattiva notizia per quanto riguarda il valore dell'asset. Il professore passa poi a discutere le doppie opzioni e come funzionano nei mercati finanziari. Presuppone che ci siano solo due agenti, un venditore e un acquirente, che competono tra loro, ma non con altri venditori o acquirenti.

  • 00:35:00 Viene discussa 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 è superiore a quella 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 esattamente la stessa di 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.

  • 00:40:00 Il docente discute le aste doppie e come possono essere rappresentate in termini di opzioni unilaterali. Tuttavia, osserva 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 di addestramento che utilizzi un risultato efficiente in una situazione con un acquirente e molti venditori con valutazioni private indipendenti. Infine, il docente fornisce alcuni punti della conferenza sui modelli d'asta, affermando che l'asta di primo prezzo a valore comune è la più rilevante per i mercati finanziari e che il potere di mercato del beat shading deriva da un numero limitato di acquirenti e dalla maledizione del vincitore.

  • 00:45:00 Il relatore conclude la discussione sui modelli d'asta sottolineando che la selezione avversa e la maledizione del vincitore sono essenzialmente la stessa cosa, con quest'ultima più ristretta. Accenna inoltre al fatto che le aste al secondo prezzo sono un formato semplice, robusto ed efficiente, che viene utilizzato nelle opzioni pubblicitarie dei motori di ricerca. Tuttavia, raggiungere l'efficienza in contesti commerciali bilaterali in cui vi sono informazioni asimmetriche è una sfida. La lezione finale della prossima settimana fornirà una revisione degli argomenti del corso e una discussione sull'esame, che potrebbe includere più domande.
Lecture 15, part 2: Auction Models (Financial Markets Microstructure)
Lecture 15, part 2: Auction Models (Financial Markets Microstructure)
  • 2020.05.13
  • www.youtube.com
Lecture 15, part 2: Auction ModelsFinancial Markets Microstructure course (Masters in Economics, UCPH, Spring 2020)***Full course playlist: https://www.youtu...