जब बाजार को संदेह होता है कि कोई अधिक जानता है
मार्च 2023 में, सिलिकॉन वैली बैंक (SVB) के शेयरों में एक ही दिन में 60% की गिरावट आई। लेकिन यह गिरावट अचानक नहीं हुई थी। पतन की खबर सार्वजनिक होने से कुछ घंटे पहले, SVB स्टॉक में बिड-आस्क स्प्रेड नाटकीय रूप से चौड़ा हो गया और प्रत्येक क्रमिक बिक्री आदेश का मूल्य प्रभाव बढ़ता गया। बाजार निर्माता ट्रेडिंग की लागत बढ़ा रहे थे क्योंकि उन्हें आभास हो गया था कि सूचित विक्रेता बाजार में सक्रिय हैं। यह पैटर्न, जहां सूचित ट्रेडिंग तीव्र होने पर ठीक उसी समय तरलता वाष्पित हो जाती है, कोई संयोग नहीं है। यह लगभग चार दशक पहले प्रकाशित एक मॉडल की केंद्रीय भविष्यवाणी है।
Kyle (1985) ने सूचित व्यापारी, शोर व्यापारियों और बाजार निर्माता के बीच रणनीतिक अंतःक्रिया को औपचारिक रूप दिया, और यह पत्र वित्तीय अर्थशास्त्र में सबसे अधिक उद्धृत कार्यों में से एक बन गया। यह मॉडल बताता है कि कीमतें निजी जानकारी को कैसे शामिल करती हैं, ट्रेडिंग कीमतों को क्यों प्रभावित करती है, और बाजार निर्माता प्रतिकूल चयन से खुद को बचाने के लिए स्प्रेड कैसे निर्धारित करते हैं। इसका मुख्य आउटपुट, लैम्ब्डा नामक एक एकल पैरामीटर, ऑर्डर फ्लो के मूल्य प्रभाव को मापता है और शैक्षणिक अनुसंधान तथा मात्रात्मक व्यवहार दोनों में बाजार अतरलता का मूलभूत माप बन गया है।
मॉडल का ढांचा: तीन प्रकार के व्यापारी
Kyle मॉडल एक जटिल बाजार को तीन कर्ताओं में संक्षिप्त करता है, प्रत्येक की एक विशिष्ट भूमिका होती है।
सूचित व्यापारी के पास संपत्ति के वास्तविक मूल्य के बारे में निजी जानकारी होती है। एकल-अवधि मॉडल में, यह व्यापारी ट्रेडिंग शुरू होने से पहले संपत्ति का परिसमापन मूल्य v जानता है। सूचित व्यापारी का उद्देश्य इस सूचना लाभ का दोहन करके मुनाफा अधिकतम करना है, लेकिन एक तनाव विद्यमान है: बहुत आक्रामक ट्रेडिंग से जानकारी बाजार को उजागर हो जाती है, जिससे लाभ क्षीण होता है।
शोर व्यापारी (जिन्हें तरलता व्यापारी भी कहा जाता है) सूचना से असंबंधित कारणों से व्यापार करते हैं; पोर्टफोलियो पुनर्संतुलन, तरलता आवश्यकताएं, हेजिंग, या व्यवहारिक आवेग। उनकी कुल मांग u यादृच्छिक और अप्रत्याशित होती है। शोर व्यापारी मॉडल में एक आवश्यक कार्य करते हैं: वे सूचित व्यापारी को छलावरण प्रदान करते हैं। शोर ट्रेडिंग के बिना, कोई भी ऑर्डर तुरंत सूचित के रूप में प्रकट हो जाता और बाजार निर्माता तदनुसार मूल्य समायोजित करता, जिससे सूचित व्यापारी का लाभ समाप्त हो जाता।
बाजार निर्माता कुल ऑर्डर फ्लो (सूचित और शोर ट्रेडिंग का योग) का अवलोकन करता है लेकिन दोनों के बीच अंतर नहीं कर सकता। बाजार निर्माता उपलब्ध जानकारी को देखते हुए कुशल मूल्य निर्धारित करता है, और संतुलन में अपेक्षित लाभ शून्य होता है। मूल्य निर्धारण नियम को सूचित ट्रेडिंग से सुरक्षा की आवश्यकता (स्प्रेड चौड़ा करके) और तंग बाजार प्रदान करने के प्रतिस्पर्धी दबाव के बीच संतुलन बनाना होता है।
संतुलन: रैखिक मूल्य निर्धारण और इष्टतम छलावरण रणनीति
Kyle का केंद्रीय परिणाम एक नैश संतुलन है जिसमें सूचित व्यापारी की रणनीति और बाजार निर्माता का मूल्य निर्धारण नियम दोनों रैखिक फलन हैं।
बाजार निर्माता एक रैखिक नियम के अनुसार मूल्य निर्धारित करता है: p = mu + lambda * y, जहां mu संपत्ति मूल्य की पूर्व अपेक्षा है, y कुल ऑर्डर फ्लो (सूचित मांग + शोर मांग) है, और lambda मूल्य प्रभाव गुणांक है। शुद्ध खरीद दबाव की प्रत्येक इकाई मूल्य को lambda से बढ़ाती है। यह Kyle का लैम्ब्डा है, मॉडल का सबसे महत्वपूर्ण एकल आउटपुट।
सूचित व्यापारी x = beta * (v - mu) आकार का बाजार ऑर्डर प्रस्तुत करता है, जहां beta एक इष्टतम ट्रेडिंग तीव्रता पैरामीटर है। सूचित व्यापारी निजी संकेत की दिशा में व्यापार करता है (जब वास्तविक मूल्य वर्तमान कीमत से अधिक हो तो खरीदता है, कम हो तो बेचता है), लेकिन कीमत को अत्यधिक प्रभावित करने से बचने के लिए ऑर्डर का आकार कम करता है। यह इष्टतम छलावरण रणनीति है: जानकारी से लाभ उठाने के लिए पर्याप्त व्यापार करना, लेकिन इतना नहीं कि ट्रेडिंग गतिविधि स्वयं जानकारी को पूरी तरह उजागर कर दे।
निम्नलिखित तालिका प्रमुख मॉडल पैरामीटर और उनके वास्तविक विश्व समकक्षों का सारांश प्रस्तुत करती है।
| मॉडल पैरामीटर | प्रतीक | वास्तविक विश्व समकक्ष |
|---|---|---|
| वास्तविक संपत्ति मूल्य | v | मूलभूत मूल्य; आय, नकदी प्रवाह, या परिसमापन मूल्य |
| पूर्व अपेक्षित मूल्य | mu | वर्तमान बाजार सर्वसम्मति मूल्य |
| शोर व्यापारी मांग | u | खुदरा प्रवाह, सूचकांक पुनर्संतुलन, हेजिंग गतिविधि |
| कुल ऑर्डर फ्लो | y = x + u | बाजार निर्माता द्वारा देखा गया शुद्ध ऑर्डर असंतुलन |
| मूल्य प्रभाव गुणांक | lambda | प्रवाह की प्रति इकाई बिड-आस्क स्प्रेड; अतरलता माप |
| सूचित ट्रेडिंग तीव्रता | beta | सूचित व्यापारी कितने आक्रामक रूप से संकेत का शोषण करता है |
| सूचित व्यापारी का ऑर्डर | x | संस्थागत या इनसाइडर ऑर्डर आकार |
संतुलन में lambda = sigma_v / (2 * sigma_u), जहां sigma_v संपत्ति के वास्तविक मूल्य का मानक विचलन है और sigma_u शोर ट्रेडिंग का मानक विचलन है। यह सूत्र एक मौलिक अंतर्दृष्टि को समाहित करता है: जब संपत्ति मूल्य के बारे में अनिश्चितता अधिक होती है (उच्च sigma_v) या जब छिपने के लिए शोर ट्रेडिंग कम होती है (निम्न sigma_u), तब मूल्य प्रभाव अधिक होता है।
लैम्ब्डा क्या बताता है
Kyle के लैम्ब्डा की सीधी आर्थिक व्याख्या है: यह ऑर्डर फ्लो के प्रति मूल्य की प्रतिक्रिया दर, या समतुल्य रूप से, बाजार में तत्कालता की मांग की लागत को मापता है।
उच्च लैम्ब्डा का अर्थ है कि बाजार अतरल है। ऑर्डर फ्लो की प्रत्येक इकाई मूल्य को काफी हद तक प्रभावित करती है। यह तब होता है जब सूचना विषमता गंभीर हो (सूचित व्यापारी का संकेत बहुत सटीक हो) या जब शोर ट्रेडिंग की मात्रा कम हो (कम छलावरण प्रदान करती हो)। ऐसे बाजारों में, बाजार निर्माता खुद को बचाने के लिए स्प्रेड चौड़ा करते हैं, और बड़े ऑर्डर महत्वपूर्ण मूल्य प्रभाव वहन करते हैं।
निम्न लैम्ब्डा का अर्थ है कि बाजार तरल है। ऑर्डर फ्लो कीमतों को केवल थोड़ा प्रभावित करता है। यह तब होता है जब बाजार में निजी जानकारी बहुत कम हो या जब शोर ट्रेडिंग की मात्रा अधिक हो, किसी भी दिए गए ऑर्डर की सूचना सामग्री को पतला करती हो। बाजार निर्माता तंग स्प्रेड प्रदान कर सकते हैं क्योंकि किसी विशेष ऑर्डर के सूचित व्यापारी से आने की संभावना कम होती है।
यह व्याख्या सीधे मापने योग्य बाजार मात्राओं से जुड़ती है। अनुभवजन्य रूप से, लैम्ब्डा का अनुमान चिह्नित ऑर्डर फ्लो पर मूल्य परिवर्तनों के प्रतिगमन में ढलान गुणांक के रूप में लगाया जा सकता है; इसे Kyle-लैम्ब्डा प्रतिगमन कहा जाता है। Hasbrouck (2009) ने मूल्य परिवर्तनों की विचलन को सूचना-चालित और शोर-चालित घटकों में विघटित करने के लिए एक बायेसियन ढांचा विकसित किया, जो ट्रेडों की सूचना सामग्री का परिष्कृत अनुमान प्रदान करता है।
एकल-अवधि से सतत समय तक
एकल-अवधि मॉडल मूल अर्थशास्त्र को पकड़ता है, लेकिन Kyle के पत्र में एक गतिशील संस्करण भी विकसित किया गया है जिसमें ट्रेडिंग अंतराल [0, 1] पर निरंतर होती है। गतिशील मॉडल अधिक समृद्ध परिणाम प्रस्तुत करता है।
क्रमिक सूचना समावेश। सतत समय मॉडल में, सूचित व्यापारी एक बार में ट्रेड करने के बजाय पूरे ट्रेडिंग अवधि में ऑर्डर फैलाता है। इष्टतम रणनीति धीरे-धीरे जानकारी का शोषण करती है, और कीमत केवल अंतिम तिथि पर वास्तविक मूल्य v पर अभिसरित होती है। यह परिणाम बताता है कि कीमतें सभी निजी जानकारी को तुरंत क्यों नहीं दर्शातीं; सूचित व्यापारियों के पास लाभ अधिकतम करने के लिए धीरे-धीरे जानकारी प्रकट करने का प्रोत्साहन होता है।
स्थिर ट्रेडिंग तीव्रता। सतत समय संतुलन की एक उल्लेखनीय विशेषता यह है कि सूचित व्यापारी की ट्रेडिंग दर समय के साथ लगभग स्थिर रहती है। सूचित व्यापारी निष्पादन को शुरुआत या अंत में केंद्रित नहीं करता; इसके बजाय, इष्टतम रणनीति TWAP (समय-भारित औसत मूल्य) अनुसूची से मिलती-जुलती है। यह सूचना के दोहन और छुपाने के बीच के संतुलन का सीधा परिणाम है।
समय के साथ बाजार गहराई में वृद्धि। जैसे-जैसे ट्रेडिंग अवधि आगे बढ़ती है और सूचना धीरे-धीरे कीमतों में शामिल होती है, बाजार गहरा होता जाता है (लैम्ब्डा अवधि में कम होता जाता है)। ऐसा इसलिए होता है क्योंकि जैसे-जैसे कीमतें वास्तविक मूल्य की ओर अभिसरित होती हैं, शेष सूचना विषमता कम होती जाती है। अवधि की शुरुआत में, जब सूचना विषमता सबसे अधिक होती है, बाजार सबसे पतला होता है।
अनुभवजन्य अनुमान और आधुनिक विस्तार
Kyle के सैद्धांतिक ढांचे ने बाजार डेटा से सूचना विषमता को मापने के उद्देश्य से एक विशाल अनुभवजन्य साहित्य को जन्म दिया है।
PIN मॉडल
Easley, Kiefer, O'Hara, and Paperman (1996) ने सूचित ट्रेडिंग की संभावना (PIN) मॉडल विकसित किया, जो किसी स्टॉक में सूचना-प्रेरित ट्रेडों के अनुपात का अनुमान लगाता है। PIN अनुभवजन्य सूक्ष्म संरचना अनुसंधान में सूचना विषमता के सबसे व्यापक रूप से उपयोग किए जाने वाले मापों में से एक बन गया। उच्च PIN मूल्य वाले स्टॉक में व्यापक बिड-आस्क स्प्रेड और उच्च मूल्य प्रभाव होने की प्रवृत्ति होती है, जो Kyle की भविष्यवाणियों के अनुरूप है।
VPIN: वॉल्यूम-सिंक्रनाइज़्ड सूचित ट्रेडिंग की संभावना
Easley, Lopez de Prado, and O'Hara (2012) ने ऑर्डर फ्लो विषाक्तता के वास्तविक समय अनुमानक के रूप में VPIN (वॉल्यूम-सिंक्रनाइज़्ड सूचित ट्रेडिंग की संभावना) प्रस्तुत किया। VPIN निश्चित-समय अंतराल के बजाय वॉल्यूम-समय में अपडेट होता है, और कुल वॉल्यूम द्वारा सामान्यीकृत खरीद-प्रेरित और बिक्री-प्रेरित वॉल्यूम के बीच असंतुलन को मापता है। VPIN मई 2010 के फ्लैश क्रैश से पहले नाटकीय रूप से बढ़ गया, जो सुझाव देता है कि यह बाजार तनाव के प्रारंभिक चेतावनी संकेतक के रूप में कार्य कर सकता है। यह माप Kyle की उस अंतर्दृष्टि को व्यावहारिक रूप देता है कि ऑर्डर फ्लो असंतुलन सूचित ट्रेडिंग को उजागर करता है।
बाजार सूक्ष्म संरचना अपरिवर्तनीयता परिकल्पना
Kyle and Obizhaeva (2016) ने बाजार सूक्ष्म संरचना अपरिवर्तनीयता परिकल्पना प्रस्तावित की, जो कहती है कि ट्रेडिंग गतिविधि के समायोजन के बाद, दैनिक ट्रेडिंग वॉल्यूम के एक निश्चित अंश को निष्पादित करने की डॉलर लागत विभिन्न स्टॉक और समय अवधियों में स्थिर रहती है। अपरिवर्तनीयता परिकल्पना Kyle के लैम्ब्डा के लिए एक विशिष्ट स्केलिंग संबंध का तात्पर्य रखती है: मूल्य प्रभाव sigma * (V)^(-1/3) के समानुपाती होना चाहिए, जहां sigma अस्थिरता है और V दैनिक डॉलर वॉल्यूम है। अनुभवजन्य परीक्षण इस स्केलिंग का मोटे तौर पर समर्थन करते हैं, जो विभिन्न प्रतिभूतियों की ट्रेडिंग लागत की भविष्यवाणी करने का एक संक्षिप्त तरीका प्रदान करता है।
मात्रात्मक निवेशकों के लिए व्यावहारिक अनुप्रयोग
Kyle का ढांचा केवल सैद्धांतिक नहीं है; यह मात्रात्मक व्यवहार के कई क्षेत्रों को सीधे सूचित करता है।
इष्टतम निष्पादन एल्गोरिथ्म
TWAP, VWAP और इम्प्लीमेंटेशन शॉर्टफॉल (IS) रणनीतियों जैसे निष्पादन एल्गोरिथ्म को इष्टतम ट्रेडिंग शेड्यूल निर्धारित करने के लिए मूल्य प्रभाव का मॉडल बनाना होता है। Kyle का लैम्ब्डा Almgren and Chriss (2001) इष्टतम निष्पादन ढांचे में रैखिक प्रभाव पद के लिए सैद्धांतिक आधार प्रदान करता है। जब एक क्वांट डेस्क यह अनुमान लगाता है कि किसी विशेष स्टॉक के लिए लैम्ब्डा अधिक है, तो निष्पादन एल्गोरिथ्म धीमा हो जाता है, प्रभाव लागत को कम करने के लिए ऑर्डर को अधिक समय में फैलाता है।
लेनदेन लागत विश्लेषण (TCA)
TCA प्रणालियां एक ट्रेड की कुल लागत को घटकों में विघटित करती हैं: स्प्रेड लागत, बाजार प्रभाव, समय लागत और अवसर लागत। बाजार प्रभाव घटक Kyle के लैम्ब्डा से सीधे संबंधित है। ट्रेड-पूर्व TCA मॉडल अनुमानित लैम्ब्डा मूल्यों का उपयोग करके प्रस्तावित ट्रेड की अपेक्षित लागत का पूर्वानुमान लगाते हैं, जिससे पोर्टफोलियो प्रबंधक यह मूल्यांकन कर सकते हैं कि ट्रेड का अपेक्षित अल्फा उसकी अपेक्षित कार्यान्वयन लागत से अधिक है या नहीं।
पोर्टफोलियो निर्माण और क्षमता अनुमान
व्यवस्थित रणनीतियों के लिए, अधिकतम क्षमता (अत्यधिक कार्यान्वयन लागत के बिना प्रबंधित किया जा सकने वाला सबसे बड़ा पोर्टफोलियो) पुनर्संतुलन ट्रेडों के मूल्य प्रभाव पर निर्णायक रूप से निर्भर करती है। यदि एक मोमेंटम रणनीति को मिड-कैप स्टॉक में मासिक 100% टर्नओवर की आवश्यकता है, तो कुल मूल्य प्रभाव यह निर्धारित करता है कि रणनीति का सकल अल्फा कार्यान्वयन से बच पाता है या नहीं। Kyle का ढांचा इन क्षमता अनुमानों के लिए वैचारिक आधार प्रदान करता है: उच्च लैम्ब्डा (अतरल) प्रतिभूतियों में ट्रेड करने वाली रणनीतियां सख्त क्षमता बाधाओं का सामना करती हैं।
ऑर्डर फ्लो विश्लेषण और अल्फा संकेत
कुछ मात्रात्मक रणनीतियां ऑर्डर फ्लो की सूचना सामग्री का सीधे शोषण करती हैं। तर्क Kyle के मॉडल में निहित है: यदि ऑर्डर फ्लो निजी जानकारी प्रकट करता है, तो शुद्ध ऑर्डर असंतुलन का अवलोकन अल्पकालिक मूल्य गतिविधियों की भविष्यवाणी कर सकता है। ऑर्डर फ्लो विषाक्तता मैट्रिक्स (जैसे VPIN) पर आधारित या सूचित प्रवाह पैटर्न का पता लगाने वाली रणनीतियां सूचित व्यापारियों के समान पक्ष में खड़े होने का प्रयास करती हैं।
सीमाएं और Kyle से आगे का मार्ग
Kyle मॉडल, अपने समस्त प्रभाव के बावजूद, ऐसी मान्यताओं पर टिका है जो वास्तविक विश्व की बाजार संरचना को पूर्णतः नहीं पकड़ पातीं।
एकल सूचित व्यापारी। मूल मॉडल एक एकाधिकारी सूचित व्यापारी मानता है। अनेक सूचित व्यापारियों की उपस्थिति में, प्रतिस्पर्धा सूचना प्रकटीकरण को तेज करती है और प्रत्येक व्यापारी के लाभ को कम करती है। Holden and Subrahmanyam (1992) जैसे अनेक इनसाइडर मॉडल दर्शाते हैं कि कीमतें वास्तविक मूल्य की ओर तेजी से अभिसरित होती हैं और इष्टतम छलावरण रणनीति बदल जाती है।
सतत वितरण। मॉडल सामान्य वितरित संपत्ति मूल्यों और शोर ट्रेडिंग मानता है। वास्तविक विश्व के वितरण मोटी पूंछ और विषमता प्रदर्शित करते हैं, जो अरैखिक मूल्य निर्धारण नियम और अधिक जटिल संतुलन व्यवहार उत्पन्न कर सकते हैं।
कोई सीमा ऑर्डर नहीं। Kyle का बाजार निर्माता एक एकल मूल्य निर्धारित करता है जिस पर सभी ट्रेड निष्पादित होते हैं, प्रभावी रूप से बैच नीलामी के रूप में कार्य करते हुए। आधुनिक बाजार निरंतर सीमा ऑर्डर बुक के रूप में कार्य करते हैं, जहां अनेक प्रतिभागी विभिन्न मूल्य स्तरों पर सीमा ऑर्डर प्रस्तुत करते हैं। Back and Baruch (2004) जैसे विस्तार डीलर और सीमा ऑर्डर बुक मॉडल के बीच के अंतर को पाटते हैं।
बहिर्जात शोर ट्रेडिंग। शोर ट्रेडिंग को यादृच्छिक और बहिर्जात माना गया है। व्यवहार में, तरलता व्यापारी बाजार की स्थितियों के जवाब में अपना व्यवहार समायोजित कर सकते हैं (उदाहरण के लिए, स्प्रेड चौड़ा होने पर कम ट्रेडिंग), जो प्रतिक्रिया लूप बनाता है जिसे मूल मॉडल नहीं पकड़ता।
इन सीमाओं के बावजूद, Kyle (1985) यह समझने का प्रारंभिक बिंदु बना हुआ है कि सूचना कीमतों में कैसे प्रवेश करती है। मॉडल की स्पष्टता, इसकी विश्लेषणात्मक सुगमता, और लैम्ब्डा पैरामीटर में निहित गहन आर्थिक अंतर्ज्ञान यह सुनिश्चित करता है कि यह प्रकाशन के लगभग चार दशक बाद भी बाजार सूक्ष्म संरचना में अनुसंधान और व्यवहार को आकार देता रहे।
संबंधित
यह विश्लेषण Quant Decoded Research से QD Research Engine AI-Synthesised — Quant Decoded का स्वचालित अनुसंधान मंच — द्वारा संश्लेषित किया गया है और सटीकता के लिए हमारी संपादकीय टीम द्वारा समीक्षा की गई है। हमारी कार्यप्रणाली के बारे में और जानें.
संदर्भ
-
Kyle, A. S. (1985). "Continuous Auctions and Insider Trading." Econometrica, 53(6), 1315-1335. https://doi.org/10.2307/1913210
-
Easley, D., Kiefer, N. M., O'Hara, M., & Paperman, J. B. (1996). "Liquidity, Information, and Infrequently Traded Stocks." Journal of Finance, 51(4), 1405-1436. https://doi.org/10.1111/j.1540-6261.1996.tb04074.x
-
Almgren, R., & Chriss, N. (2001). "Optimal Execution of Portfolio Transactions." Journal of Risk, 3(2), 5-39. https://doi.org/10.21314/JOR.2001.041
-
Hasbrouck, J. (2009). "Trading Costs and Returns for U.S. Equities: Estimating Effective Costs from Daily Data." Journal of Finance, 64(3), 1445-1477. https://doi.org/10.1111/j.1540-6261.2009.01469.x
-
Easley, D., Lopez de Prado, M. M., & O'Hara, M. (2012). "Flow Toxicity and Liquidity in a High-Frequency World." Review of Financial Studies, 25(5), 1457-1493. https://doi.org/10.1093/rfs/hhs053
-
Kyle, A. S., & Obizhaeva, A. A. (2016). "Market Microstructure Invariance: Empirical Hypotheses." Review of Financial Studies, 29(8), 2171-2220. https://doi.org/10.1093/rfs/hhw075
-
Holden, C. W., & Subrahmanyam, A. (1992). "Long-Lived Private Information and Imperfect Competition." Journal of Finance, 47(1), 247-270. https://doi.org/10.2307/2951491
-
Back, K., & Baruch, S. (2004). "Information in Securities Markets: Kyle Meets Glosten and Milgrom." Econometrica, 72(2), 433-465. https://doi.org/10.1016/j.jfineco.2003.08.001