Book Algorithmic Trading and DMA Barry Johnson+text - En.pt

EuEu
Je
n
u
Com direitos de autor / flaSlJ ^
1^ 1
Algorithmic t
Negocia
o i
|jDMA
&
Uma introduo a estratgias de negociao de acesso directo
II | IIII | IIII | IIII
Barry Johnson
Algorithmic Trading E DMA

Uma introduo para direcionar estratgias de negociao
de acesso.
Por Barry Johnson
Direitos autorais 2010, Barry Johnson. Todos os direitos reservados.

Publicado por 4Myeloma Press, London.
Nenhuma parte deste livro pode ser reproduzida, armazenada em um sistema de recuperao ou
transmitida por qualquer meio, eletrnico, mecnico, fotocpia, gravao ou outro, sem escrito a
permisso do detentor dos direitos autorais. As permiss es podem ser procurados on-line
atravs do livro ' spagina inicial (http://www.algo-dma.com) selecionando "Contato" e depois
"Obteno de permisses".
Os direitos autorais de todo o material provenientes de fontes externas pertencem aos seus
respectivos proprietrios. As permisses devem ser procurados pelos propriet rios
correspondentes para a reproduo de qualquer material desse tipo.
Todos os nomes de marcas ou nomes de produtos usados neste livro podem ser nomes
comerciais, marcas de servio, marcas comerciais ou marcas registradas de seus respectivos
proprietrios.
Esta publicao destina-se a fornecer material til e informativo sobre o assunto covcred. Se for
necessrio aconselhamento profissional ou outra assist ncia especializada, os scrviccs de
umaprofissional financeiro competente devem ser procurados.
Embora toda precauo tenha sido tomada na preparao deste livro, o autor e editora no
assumem nenhuma responsabilidade por quaisquer erros ou omiss es. O autor e editor tambm
no assumimos nenhuma responsabilidade por qualquer responsabilidade, perda ou risco, pessoal
ou de outra forma, o que incorridos como Em consequncia, direta ou indiretamente, do uso e
aplicao de qualquer dos contedo deste livro.
Para mais informaes sobre este livro, visite o site www.algo-dma.com
Impresso nos Estados Unidos.
Na memria de minha me.

Para o meu pai.
Por favor, doe para www.myeloma.org.uk
ou
www.themmrf.org
Mieloma (tambm conhecido como mieloma
mltiplo) um tipo de cancro que afecta as clulas
plasmticas da medula ssea. Estas clulas so
responsveis pela produo de anticorpos para o
sistema imunolgico.
No h atualmente nenhuma cura para o mieloma,
mas a investigao est em curso para desenvolver
novos tratamentos para retardar o seu progresso e
melhorar a qualidade de vida dos pacientes.
Mieloma o segundo cncer mais comum sangue,
mas o financiamento da investigao e de apoio
ainda muito menor do que outros tipos de cncer
mais conhecidos, assim que cada doao pode fazer
uma diferena real.
Algorithmic Trading DM & A
Contedo
Prefcio
xiii
Parte Eu Uma viso geral de negociao e mercados
Viso geral
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
1.10
1.11
Introduo
Fundamentos
Execuo de ncleo mtodos
Negociao institucional tipos
Eletrnico comrcio
Algorithmic comrcio
Tipos de negociao algorithms13
A evoluo do comrcio algorithms13
Acesso direto Negociao
Direto ao Mercado Access15
Patrocinadas access15
Crossing16
Liquidez direta Access16
Estratgia direta Access17
Comparando execuo mtodos
Efficiency18
Usability19
Atuao / Cost20
De outros reasons21
Quanto custam estes mtodos de execuo usa va?
Medos e mitos
Segurana da algortmica trading22
Desempenho de algortmico trading23
Utilidade da algortmica trading24
Resumo
Microestrutura de mercado
2.1
2.2
2.3
Introduo
Fundamentos
Funcionamento do mercado
Participantes
Liquidez
Estrutura do mercado e design
Tipos de mercados
Tipos de ordem
Protocolos de negociao
3
5
6
8
10
11
15
17
21
22
25
27
27
28
28
28
29
30
31
35
35
vi
Conted
o
2.4
2.5
2.6
Transparncia
Aberto at tarde e fora do mercado de negociao
Outras caractersticas importantes de design do mercado
Mecanismo de comrcio de pesquisa
Formao de preos
Preo descoberta / execuo de comrcio
Relatrios, compensao e liquidao
Mensurao dos custos de transao e de anlise
Medio de custo
Analisando os componentes de custos de transao
Resumo
Os mercados mundiais
3.1
3.2
3.3
3.4
3,5
3.6
Introduo
Classes de ativos
Capital prprio
Renda fixa
Divisas
Mercados monetrios
Derivativos
Outras classes de ativos
Estrutura do mercado
Mercados Inter-dealer
Revendedor-a-cliente mercados
Mercados alternativos
As tendncias globais do mercado
Prego eletrnico
Transparncia
Acessibilidade
Centralizao contra a fragmentao
Comparao global do mercado
Tamanho nico
Volume mdio dirio
Adoo de equipamentos electrnicos e de negociao
algortmica
Resumo
Parte II
4
Negociao algortmica e DMA estratgias
Encomendas
4.1
4.2
4.3
4.4
Introduo
As ordens de mercado
Ordens Limitadas
Instrues de ordem opcionais
Instrues de durao
Leilo / sesso Cruzando instrues
Preencha instrues
Preferencing e dirigido instrues
Instrues de roteiro
Vinculao Instrues
Instrues Diversos
36
37
38
39
39
40
46
47
48
49
51
53
53
54
54
54
55
55
56
57
58
59
62
63
66
67
69
69
70
74
74
75
77
78
81
83
83
84
85
88
88
89
89
92
92
95
95
vii
4,5
4.6
Outros tipos de ordens

Tipos de ordem hbridos
Tipos de ordens condicionais
Tipos de ordens ocultas
Tipos de ordem discricionria
Tipos de ordem roteados
Cruzando tipos de ordem
Tipos de ordem de ordem do contingente
Resumo
Viso geral do algoritmo

5.1
5.2
5.3
5.4
5.5
5.6
5,7
5.8
Introduo
Algoritmos Categorizao
Caractersticas comuns dos algoritmos
Parmetros de algoritmo
Algoritmos orientada para o impacto
Tempo Preo Mdio Ponderado (TWAP)
Volume Preo Mdio Ponderado (VWAP)
Percentual de Volume (POV)
Impacto mnimo
Algoritmos custo-driven
Dfice de implementao (IS)
Dficit Adaptive (AS)
Mercado Close (MC)
Algoritmos oportunistas
Preo inline (PI)
Orientada por liquidez
Par de negociao
Outros algoritmos de negociao
Multi-perna
Impulsionado pela volatilidade
Gamma Preo Mdio Ponderado (GWAP)
Resumo
Custos de transao
6.1
6.2
6.3
6.4
6.5
6.6
Introduo
O processo de investimento
Anlise pr-negociao
Dados de preos
Os dados de liquidez
Dados de risco
As estimativas dos custos de transao
Anlise ps-negociao
Anlise de desempenho
Custos de transao ps-negociao
Quebrar os custos de transao
Custos relacionados com o investimento
Custos relacionados com a negociao
Resumo
Os custos de transaco em todos os mercados
mundiais
96
96
98
100
103
106
108
109
112
115
115
116
118
118
119
120
123
127
130
132
133
138
141
143
144
146
150
154
155
157
159
160
161
161
162
165
165
166
166
167
167
167
172
173
175
176
184
184
viii
6,7
Contedo
Resumo
Estratgias de negociao Optimal

7.1
7.2
7.3
7,4
7,5
7.6
7.7
7.8
Introduo
Avaliando a dificuldade de ordens
Selecionando a estratgia ideal de negociao
A fronteira eficiente de negociao
Escolher o ponto de referncia
Determinar o nvel de averso ao risco
Escolhendo um objetivo comercial
Determinao do horizonte comercial ptima
Escolher entre algoritmos de negocia o
Algoritmos de mapeamento para a fronteira eficiente de
negociao
Fatores que afetam o algoritmo escolha
Outros requisitos para algoritmos de negociao
Para cruzar ou no cruzar?
As condies de mercado durante a crise financeira de 2007-09
Uma rvore de deciso para a seleo estratgia
Resumo
186
189
189
190
192
192
194
196
196
198
199
199
203
208
211
213
214
217
Parte III Negociao implementao estratgias
219
221
Ordem localizao
8.1
8.2
8.3
8.4
8.5
8.6
8.7
Introduction221
Preo formao
Valuation222
Todos os modelos de preo formation223
Preo descoberta / Order correspondente
Contnuo matching226
Baseado chamar- matching231
Colocao de pedidos decises
Sinalizao risk234
Foro choice235
Ordem choice237
Ordem aggressiveness237
Fatores de mercado que afetam a colocao do pedido decisions238
Lidar com oculto liquidez
Spotting escondido liquidity248
Estimar a probabilidade de escondido liquidity250
Execuo estimar probabilidade
Resumo
Tticas de execuo
9.1
9.2
9.3
Introduo
Projetando tticas de execuo
Tticas orientada para o
impacto
Preo
/ tticas impulsionado
pelo risco / impulsionada
Oportunista
ttica
LiquidezAlgoritmo
seleco
222
226
234
247
252
254
257
257
258
259
262
265
270
ix
9.4
10
10.1
10.2
10.3
10,4
10,5
11
11.1
11.2
11,3
11,4
11,5
Fatores que afetam a escolha de execuo

Resumo
12.1
12.2
12,3
12,4
271
275
Reforar estratgias de
Introduo
277
Requisitos de infraestrutura
311
Previso condies de mercado

Prever os preos dos ativos
Prevendo volume de negociao
Prevendo liquidez
Volatilidade Prevendo
Estimar os custos de transao
Impacto no mercado
Risco temporal
Manipulao de eventos especiais
Eventos previsveis
Eventos imprevisveis
Resumo
277
278
278
281
287
288
292
293
299
300
300
306
309
Introduo
Gerenciamento de pedidos
Entrada de pedido
Roteamento de ordens
Negociao algortmica
Requisitos de infra-estrutura para negociao algortmica
Projetando um ambiente para negociao algortmica
Implementar regras de negociao
Testing
Outros requisitos
Compensao e liquidao
Cumprimento regulamentos
311
312
313
316
322
323
326
329
332
334
335
335
Resumo
337
Parte EU V
339
12
ttica
Negociao avanada estratgias
Portfolios
Introduo
O risco da carteira
Volatilidade da carteira
Diversificao
Decompondo o risco da carteira
Medidas de risco do portflio
Anlise de custos de transao para carteiras
Impacto no mercado
Risco de temporizao
Carteira de negociao Optimal
Metas adicionais para carteira de negociao
Hedging
Minimizar o risco geral da carteira
341
341
342
342
345
346
349
351
351
352
352
354
354
359
Conted
o
12,5
Carteira de negociao com algoritmos

Negociao Carteira de negociao com algoritmos padro
Algoritmos de alfaiataria para carteira de negociao
12,6
Resumo
Adendo A: Covariance
13
13,1
13,2
13,3
13,4
13,5
13,6
13,7
13,8
14
14,1
14,2
14,3
14,4
14,5
Negociao multi-ativos
Introduo
Estratgias de negociao multi-ativos
Estratgias de utilidade
Trades FX de caixa
Cobrindo as vendas a descoberto
Estratgias estruturadas
Principais notas protegidas
Estratgias de hedge
Cobertura de risco de mercado
Cobertura de risco de taxa de juro
Hedging fatores de risco derivados (os "gregos")
Estratgias de arbitragem
Listagem mltipla / depositrio arbitragem
recebimento negociao Basis
ndice de arbitragem
Index ETF Arbitrage
Opo arbitragem
Futuros e opes arbitragem
Dividendo arbitragem
Algoritmos que adapta pela negociao multi-ativos
Fatores a considerar para algoritmos de negociao multi-ativos
A minimizao do risco
Negociao algoritmo de escolha
Resumo
Notcia
Introduo
Tipos de notcias
Notcias macroeconmicas
Notcias corporativas
A nova face da notcia
Digitalizao de notcias
Digitalizao de relatrios corporativos / investigao
Alterar fontes de notcias
Tcnicas de manejo de not cias Informatizado
Filtragem Notcias
Associao Notcias
Anlise Notcias
Interpretao Notcias
Notcias de minerao
Reaes do mercado s notcias
As reaes a notcias macroeconmicas
As reaes a notcias / anncios corporativos
360
360
363
367
369
371
371
372
374
374
374
374
375
375
376
378
380
383
384
386
387
390
392
394
395
397
397
399
399
400
401
401
401
402
403
404
404
406
407
409
410
410
412
413
414
416
416
423
Algorithmic Trading & DM UMA
Outros fatores que afetam o impacto da notcia

Incorporando notcias em estratgias de negociao
Precaues para um manuseamento notcias automatizado
Indicadores baseados em notcias potenciais
Algoritmos baseados em Notcias
Resumo
14,6
14,7
15
A minerao de dados e inteligncia artificial
15.1
15,2
xi
427
432
432
433
436
437
439
15,5
Introduo
Minerao de dados
Tcnicas de minerao de dados
Encontrar padres / associaes
Inteligncia artificial
Tipos de inteligncia artificial
Prevendo dados e tendncias
Incorporando em estratgias de negociao
Aplicando modelos de previso de curto prazo
Gerao de Estratgias de Negociao / regras / parmetros
Back-teste
O futuro
439
440
440
442
448
449
455
461
461
464
465
468
15,6
Resumo
469
15,3
15,4
Eplogo
471
Apndices
473
A
B
C
D
E
F
474
495
504
509
515
534
Capital prprio mercados

Renda fixa mercados
Divisas mercados
Dinheiro mercados
Derivativos mercados
De outros mercados
Abreviaes &Acrnimos
543
Referncias
ndice
545
569
xiii
Prefcio
Negociao ainda muito uma arte do que uma cincia.
Os fundamentos da negocia o no mudaram durante dcadas (se no milnios). No entanto, o
ambiente comercial moderno carrega muito pouca semelhan a com a da dcada de 1980, ou at
mesmo o incio de 1990. Prego eletrnico transformou os mercados, tornando-os mais accessiblc do
que nunca. Ferramentas como o Acesso Direto ao Mercado (DMA) e dar negocia o algortmica
investidores muito mais controle sobre como suas strategics so executados. Por exemplo, DM A permite aos
investidores para enviar ordens para o interc mbio, usando seu corretor ' s infra-estrutura.
A acessibilidade grande, mas os comerciantes s o bons
uma raa especial; eles tm muita
experincia e conhecimento detalhado do mercado. Negociao algortmica destila alguns desses

conhecimentos em pr- conjuntos de regras embalados, ou algoritmos.
Um sistema informatizado
responsvel pela execuo de ordens seguindo estritamente estas regras, oferecendo uma alternativa
eficiente negociao manual.
A fim de obter o mximo benefcio a partir de tecnologias como o sistema de negocia o algortmica e
DM UMA vital para ter uma compreenso completa deles. Esperemos que, ao ler este livro voc deve acabar
com um bom conhecimento fundamental de ambos estes temas, bem como o comrcio e comercializa em geral.
Quem deve ler este livro?

Negociao algortmica engloba negocia o, anlise quantitativa e programa o de computadores.
Assim, este livro voltado para todas as trs reas. Deve servir como uma boa introduo para quaisquer
investidores, comerciantes, vendedores, analistas, analistas quantitativos (quantos), ou software
desenvolvedores que so novos para este campo.
O objetivo levar o leitor a partir do zero, de modo muito pouco conhecimento dos mercados
ou negociao assumido. Tambm no h requisitos para qualquer conhecimento de programa o.
Ns ir rever algoritmos de negociao em algum detalhe, mas tabelas e diagramas sero utilizados para
ilustram a sua funo ao invs de trechos de cdigo. Da mesma forma, enquanto h um pouco de
matemtica neste livro, no um texto matemtico, ento frmulas arco apenas quando fornecida relevante.
Exemplos so usadas para manter as contas no contexto. As refe rncias so dadas para aqueles que
pode querer encontrar as provas reais.
Outro objetivo deste livro tentar ajudar a colmatar algumas das lacunas entre a pr tica de
negociao e da teoria. A quantidade fenomenal de pesquisa tem sido realizada em negociao e mercados. A
digitalizao significa que enormes quantidades de arco dados agora dispon vel para o estudo. Os campos
de econofsica e arco "phynance" tambm aplicando ativamente tcnicas avanadas da fsica para
analisar os mercados. Alguns desses estudos arco altamente terica; Contudo, tambm existe uma
grande quantidade de pesquisa emprica, com base em dados de maior do mundo mercados. Ao longo deste
livro h arco sees que fornecem avaliaes de pesquisas relevantes e mostrando como isso pode
ser aplicado na prtica. As referncias a trabalhos acad micos importantes so dadas, por isso
tambm um bom ponto de partida para a investigao mais avanada.
Uma ampla gama de ativos financeiros podem ser negociados em mercados do mundo. Um dos mais coisas
interessantes sobre negociao algortmica e DM Um o seu potencial para abranger entre ativos
xiv
Prefcio
aulas, catering para qualquer coisa de a es e ttulos de derivativos. Assim, este gancho oferece
cobertura para todos os principais tipos de ativos, em conjunto com uma viso completa do mundo ' s
mercados. Obviamente, h uma ligeira tendncia para as aces, sincc estes continuam a liderar o caminho em
termos de adoo. Mesmo assim, no h muito a ser aprendido com outro ativo classes. Assim, ao longo
deste livro exemplos se referem a ativos XYZ, apenas a discutir ac es, ttulos ou derivados quando
h diferenas distintas.
Um esboo do livro
O livro dividido em quatro partes principais. As duas primeiras partes oferecer uma viso geral
do trading e mercados seguido por uma avaliao mais detalhada da negociao algortmica e DMA. As
duas ltimas partes oferecem um olhar em profundidade a implementao destas strategics
negociando em conjunto com
um resumo de algumas tcnicas avanadas de negociao. Os usurios
experientes podem preferem roar sobre as primeiras peas, enquanto os leitores que querem apenas
uma introduo deve se concent rar em peas I e II e, talvez, parte IV.
Parte I: Uma viso geral de negociao e mercados

Estes captulos definir o com sccne uma viso ampla das classes de ativos principais do mundo 's e um
Resumo dos respectivos mercados. Microestrutura de mercado tam bm introduzido para ajudar
destacar as principais diferen as estruturais entre o mundo ' s mercados.
Captulo 1 introduz negociao algortmica e acesso direto ao mercado, com destaque para os papis como
mtodos de execuo essenciais para a negociao institucional. Depois uma breve reviso de cada uma delas
mecanismos, eles so comparados em termos de seu efficicncy, usabilidade e performance.
Alguns dos medos e mitos, que se reuniram em torno do uso de negocia o algortmica, tambm
so abordados.
Captulo 2 apresenta a teoria de microestrutura de mercado, que se concentra exclusivamente na mecnica
de negociao, ao contrrio de economia ou de precifica o de ativos.
A formao bsica neste
teoria subjacente til, permitindo-nos tirar proveito da pesquisa emprica que tem carricd foi para
fora, e para apreciar as diferen as fundamentais entre o mundo ' s mercados. Os componentes-chave da
estrutura de mercado e arco projeto discutido, antes de analisar o processo de negocia o em mais detalhes.
Os princpios por trs anlise de custos de transa o so tambm introduzido.
Captulo 3 arredonda a introduo revendo as principais classes de ativos do mundo 's e seus respectivos
mercados. Negociao foi dividido por classe de activos ao longo de dcadas. Ainda assim, atravs da ltimos
anos as instituies tm cada vez mais comeou a quebrar as paredes, trazendo- juntos mais perto. Isto
no um caso de "one size fits all"; ainda h enormes diferenas entre muitos dos mercados do mundo, mas
muitas tendncias comuns tambm. H tambm lies importantes que eles possam aprender uns com os
outros.
Estratgias de negociao algortmica e DMA: Part II

A segunda parte dos concentratcs livro sobre as especificidades da negocia o algortmica e
DMA .Isso comea com ordens sincc estes arco do bloco de constru o bsico para todas as estratgias
de negociao. Next, algoritmos de negociao so revistos em maior detalhe. An lise dos custos de
transao , ento, revisitou, levando a considerar como enc ontrar a estrat gia de negociao
ideal.
xv
Captulo 4 centra-se em ordens. Estes podem representar simplesmente instrues de comrcio, mas h uma
enorme variedade de diferentes tipos de ordem heyond as ordens de mercado e limite padr o.
Opcional condies permitem o controle sobre fatores como como e quando as ordens e para se
tornar ativo Quanto tempo. Com mercados cada vez mais composta de v rios locais, as regras de
roteamento de ordens tamb m so uma considerao chave. Uma compreenso pormenorizada do mecanismo
e variedade de tipos e condies de ordem vital tanto para DM A e negociao algortmica.
Captulo 5 abrange os vrios tipos de algoritmo de negociao em mais detalhes. Eles so classificados
usando trs tipos principais, ou seja orientada para o impacto (por exemplo, Volume Pre o Mdio
Ponderado (VWAP)), orientada para o custo (por exemplo, d ficit de implementa o) e
oportunistas (po r exemplo, busca de liquidez). Para cada algoritmo, examinamos seu mecanismo
bsico e discutir comum variaes. Para permitir a comparao, uma ordem de exemplo padro usado
por toda parte. Este, combinado com grficos mostrando os padres comerciais pot enciais, destaca
as diferenas (e semelhanas) entre os vrios algoritmos.
Captulo 6 concentra-se na importncia da anlise dos custos de transao. Os custos tm um efeito
significativo sobre retornos de investimento; portanto, pr e ps-negociao anlise so vitais. Um
exemplo comercial usado para decompor os custos de transao em seus componentes-chave, tais como
impacto no mercado e risco temporal. Para colocar isso em perspectiva, algumas compara es de custos
em todo o mundo ' s mercados so fornecidos.
Captulo 7 passa a considerar como a estratgia ideal de negociao pode ser selecionado. UMA estrutura
para decis es de negocia o sero analisados; este avalia ordens em termos de dificuldade. O
impacto das decises de investimento / requisitos, tais como padres de referncia ou a averso ao
risco,
tambm considerada. O "comerciante" s dilema "de equilibrar o trade-off entre custo e risco
visualizada usando a fronteira negocia o eficiente. Este , ento, aplicado seleco de negociao
algoritmos. O efeito de ambos os requisitos e factores espec ficos de ativos, tais como liquidez e
volatilidade, so examinados. Uma rvore de deciso potencial para seleo algoritmo , ento, proposto.
Parte III: Implementao de estratgias de negociao

A terceira parte do livro centra -se sobre os detalhes de implementao de negociao algortmica e
Estratgias de DMA. As decises relacionadas com a ordem de coloca o arco discutidos, bem
como a
tticas comuns que podem ser utilizados para alcan ar os objetivos de algoritmos.
Mtodos para aumentar o desempenho destes strategics arco ento revisto. Os aspccts tecnolgicos de
implementao destas strategics arco tamb m considerados.
Captulo 8 considera os meandros da colocao da ordem. Uma quantidade considervel de pesquisa
microestrutura de mercado analisou a forma como as condies de mercado affcct colocao de pedidos decises
e probabilidade de execuo.
Captulo
9 discute tticas de execuo. Estes fornecem colocao de ordem comum mecanismos para
achievc as metas de algoritmos de negocia o. Com base na teoria de ordem colocao, tticas
comuns / mecanismos so, ento, descritos juntamente com
um resumo de como eles podem ser
usados por algoritmos de negociao.

Captulo 10 considera algumas das maneiras em que o desempenho de algoritmos de negocia o
pode ser melhorada. Para ajudar a tornar estas estrat gias mais pr-ativa, modelos de previso de
curto prazo para as condi es de mercado-chave, tais como preo, volume e volatilidade, so
considerados. L tambm
impulsionado custo. Outro potencial
uma reviso de modelos de estimativa de custos para mais algoritmos
xvi
Prefcio
rea para melhoria a manipulao de eventos especficos, como dias witching ou negociao pra.
Estudos de microestrutura de mercado emp ricas so revisadas para dar uma viso de como
previsveis as reaes a tais eventos possam ser.
Captulo 11 analisa as principais considera es para realmente implementar estrat gias de
negociao, com um foco sobre a tecnologia necessria. Claramente, gerenciamento de pedidos um
componente-chave, de modo a mecnica de entrada de pedidos e encaminhamento so descritos. Os
requisitos para o desenvolvimento
plataformas para estrat gias de negocia o electrnica so
examinados. A implementa o e testes de regras de negociao tambm discutida.
Parte IV: estratgias de negociao avanadas

A parte final do livro concentra -se em tcnicas que esto mais perto da borda de corte, em termos
de negociao algortmica, como carteira e negociao multi-ativos, manipulao notcias e artificial
inteligncia. Todos estes assuntos arco que est sendo abordado no presente, de uma forma ou de
outra; Somente uma questo de tempo antes que se tornem to comuns como dficit implementao SVA P
or.
Captulo 12 destaca o potencial para a carteira de negocia o. O risco da carteira e
diversificao so discutidos em mais pormenor, em conjunto com uma reviso de alguns riscos comuns
portflio medidas, tais como beta e rastreamento de erro. Pr xima, algumas metas adicionais para
melhor portflio negociao, por exemplo, hedging e balanceamento de dinheiro, s o examinados.
Com base nisto, a utilizao da norma
algoritmos considerado, seguido pela uma avaliao da
melhor forma de adaptar algoritmos de negociao para carteira de negocia o.

Captulo 13 considera o potencial de negocia o multi-ativos. Isso varia de abordagens
diretas, como a incorpora o de execuo moeda cruz, a mais hedging complexo e arbitragem.
Hedging fornece um mecanismo de compensao de risco, geralmente via derivativos. Arbitrage extrai
lucros de misprieing entre ativos, e se baseia em hedging para ficar livre de risco. Depois de olhar
para alguns exemplos, o cap tulo termina com um resumo de consideraes adicionais para algoritmos
de negociao multi-ativos.
Captulo 14 examina o potencial para incorporar not cias em algoritmos de negociao. O
principal problema com isso a dificuldade de not cias interpretar com precis o. Complexo
artificial tcnicas de inteligncia e de processamento de linguagem natural est o sendo
empregados para isso. o impacto de notcias e fluxo de informao tambm tem sido um tema-chave
para a investigao microestrutura. Portanto, um resumo das reaes do mercado notcia em termos de
condies de mercado, tais como preo, volume e volatilidade, fornecida. Estes podem ser utilizados
para melhorar os algoritmos existentes ' desempenho quando quebras de not cias; mais algoritmos
de not cia-ccntric tamb m so discutidos.
Captulo 15 muda o foco para a minera o de dados e inteligncia artificial (AT). Estes
tcnicas podem ser usadas para procurar relaci onamentos entre ativos, muitas vezes por meio da
anlise dados de sries temporais histricas para os preos, volume, etc. Potencialmente, elas
oferecem um meio de previso de curto prazo que podem dar melhores resultados do que medidas puramente
estatsticos, mesmo em voltil mercados. Eles tamb m podem ser utilizados para testes de estrat gias
comerciais e os parmetros associados.
Anexos: A avaliao dos mercados mundiais por classe de ativos

Os apndices fornecem uma vis o geral de cada um dos principais classes de ativos e seu
principal
mercados. O foco sobre a adoo do comrcio eletrnico e da prestao de
algortmica negociao e DMA . As diferenas regionais entre as Amricas, Europa e sia so tambm
examinados.
xvii
Sobre o autor
Minha formao de desenvolvimento de software, tendo gasto mais de doze anos trabalhando em
grandes bancos de investimento. A maioria da minha experi ncia no prego eletrnico e
anlise de risco,
abrangendo plataformas de negocia o algortmica e de carteira, bem como
alguns para propriet rio
negociao. O principal foco tem sido as a es, embora derivados
referidos, cmbio e renda fixa tambm desempenharam uma parte. O livro evoluiu para fora do meu desejo
de entender como microestrutura de mercado poderia ser aplicada para criar algoritmos de negocia o
mais eficientes.
Agradecimentos
Este livro baseia-se em uma vasta gama de fontes. No teria sido possvel sem todos a informao que outros
pesquisadores e empresas tm disponibilizado atravs de seu prprio empreendimentos. Em particular,
graas deve ir para todos os investigadores, empresas e editoras que ter dado permisso para usar
figuras de suas publicaes, bem como todos os indivduos que deram feedback sobre as vrias verses. Este
projeto tambm est em dvida com servios, tais como o Rede social de pesquisa da cincia (SSRN) e
Google Scholar, que fez encontrar pesquisa muito mais fcil.
Parti
Uma viso geral de negociao e
mercados
Esta primeira parte do livro define a cena com uma viso geral do algortmica e direta
negociao aeeess. Ele tamb m fornece uma breve reviso da mundo ' s principais
classes de ativos e seus respectivos mercados.
Captulo 1 abrange os mtodos de execuo do ncleo que so utilizados em institucional
negociao e detalhes ho negociao de acesso w e por algortmica e direta
desenvolvido.
Captulo 2 introduz microestrutura de mercado, a teoria para a mecnica de negociao.
Isso destaca algumas das diferen as fundamentais entre o mundo ' s mercados.
Captulo 3 oferece um breve panorama dos principais classes de ativos todos os 's mundo e
seus mercados. Comentrios mais detalhados so fornecidos para a classe de ativos
eaeh no apndices.
Esperemos que, no final destes tr s captulos voc deve ter no exterior apreciao
do mundo ' s mercados e comrcio em geral. Voc tambm deve ter uma viso mais clara de
negociao algortmica e acesso direet e sua utilizao em o mundo' s mercados.
-Captulo 1 -
Viso geral
Algorithmictradingis
baseado simplyacomputerisedrulesistema responsvel pela execuo de

ordens de compra ou venda de um determinado ativo.
Acesso Direto ao Mercado (DMA) permite que os clientes para enviar

ordens para trocas usando a adeso do seu corretor.
1.1
Introduo
Sistema de negocia o algortmica e Direct Market Access (DMA) s o ferramentas importantes

para a eletrnica negociao de ativos financeiros.
Hoje em dia, uma enorme gama de ativos podem ser negociados eletronicamente. Aes e ttulos,
dinheiro, certificados e uma variedade de contratos de derivativos podem ser comprados e vendidos apenas com
o premir de um boto. A tecnologia para conseguir isso ainda relativamente novo, mas fundamental mecnica
de compra e venda do mercado permanecem os mesmos. Simplificando, os vendedores precisam
encontrar compradores (e vice -versa) de forma rpida e eficiente possvel. Corporaes e
governos emitir ativos, a fim de levantar o dinheiro (ou de capital) necess ria para satisfazer as suas
necessidades. Da mesma forma, investidores e especuladores devem ser capazes de comprar e vender
facilmente os ativos a fim de ver um retorno de seu capital.
Ao longo do tempo, o mundo ' s mercados evoluram para acomodar as diferentes exigncias de ambos os
emissores de ativos financeiros e aqueles que investem neles. A facilidade com que
tal negocia o
acontece comumente referido como liquidez:. mercados altamente lquidos (ou ativos) arco mais activc
e assim geralmente muito mais fcil e mais barato para o comrcio de Melhorar liquidez, dedicado
plataformas de negociao, tais como intercmbios, muitas vezes foram estabelecidas. No entanto,
pode no haver sempre
um comprador ou vendedor naturais para negociar, por isso os mercados tambm
dependem de intermedirios para "lubrificar as engrenagens": os comerciantes especializados, ou revendedores, o

comrcio para um conjunto pricc com o objectivo de tornar um lucro de curto prazo. Corretores atuar como
agentes para colocar "ordens com os concessionrios, ou combin-los com outros clientes de seus clientes pedidos.
Uma vez que ambos os corretores e concessionrios facilitar a emisso e venda de ativos que eles arco
muitas vezes referido como o "lado sell". Por sua vez, os investidores institucionais s o muitas
vezes chamado de "buy-side".
Para ilustrar o processo de negociao, a Figura 1-1 mostra alguns fluxos de comrcio exemplo do
ponto de vista de um investidor. Tradicionalmente, um comrcio buy-side iniciada colocada como uma
ordem com 's vendedor que deve ento comunicar o fim de um comerciante (ou concessionrio) um corretor.
Dentro por sua vez, o comerciante faria em seguida, Citao um preo para o comrcio contra o seu prprio
inventrio ou alternativamente trabalhar a ordem em uma troca. Isto mostrado como o percurso
marcado
A em Figura 1-1. Negociao eletrnica simples e oferece um meio de emisso de tais
ordens via computadores.
Viso geral
Acesso Direto ao Mercado (DMA) onde corretores de permitir que os clientes para acessar seu
roteamento de ordens infra-estrutura, como mostrado por via B. Isso permite que o buy -side para
emitir sua eletrnico ordens quase diretamente para as trocas, efetivamente dando -lhes muito o
mesmo nvel de o controle sobre uma ordem ' s execuo como um comerciante de sell-side tem. Acesso
patrocinado leva isso para o prximo nvel, para clientes cujo de alta frequ ncia de negociao
estratgias precisam ultra-baixa latncia conexes. Essencialmente, isso permite que os clientes se
conectem diretamente para o mercado, como mos tra a E via, utilizando o corretor ' s identificador
de negociao, mas a sua prpria infra-estrutura. Alternativamente, o buy-side pode organizar a adeso do
mercado especfico e assim ter acesso nativo.
Negociao
algortmica
leva
uma abordagem um pouco diferente para DMA: Um sistema
computadorizado responsvel por executar as ordens de compra ou venda um determinado ativo, em vez
de ser trabalhado manualmente um comerciante. Assim, um programa de computador segue regras predefinidas
para determinar como cada ordem deve ser executada. Com base nestas regras, ele se divide por es
(ou ordens de criana) para enviar
para o mercado, muitas vezes, as condies do mercado e rastrear
eventos. Inicialmente, esses algoritmos de negociao Foram utilizadas como um dispositivo de economia
de trabalho para os comerciantes scll-SIDC ocupadas, marcado via C na Figura 1-1. Como estes algoritmos
tornou-se mais estabelecido, os corretores comearam a oferecer aos seus clientes buy-side acesso
direto a eles, mostrado por via D. Junto com DMA , Permitindo aos clientes o acesso ao comrcio nos
mercados desta forma tambm conhecido como acesso direto negociao.
importante observar que todos os percursos marcados na Figura 1 -1 arco preocupados apenas com
execuo uma determinada ordem. A deciso real de investimento uma completamente separada
proccss. Neste caso, mostra-se uma ideia de como um analista buy-side; essa idia que leva a a deciso
para o comrcio. Este , ento, analisado e aprovado pelo gerente de portflio antes sendo traduzido em
uma ordem real para comprar (ou vender) uma quantidade conjunto de XYZ de ativos. A ordem em
seguida, geralmente repassados para um comerciante in-house que decide sobre a abordagem mais adequada
e em que corretor / s para usar. Como alternativa, para mais fundos de investimento quantitativo da
ordem pode tambm ser gerado por um sistema automatizado. De qualquer maneira, negocia o
algortmica, DM A e o comerciante de sell-side so todos apenas um meio para executar esta ordem; da,
ns tambm pode se referir a eles como mtodos de execuo do ncleo.
De certa forma, o prazo de negociao algortmica uma escolha infeliz, especialmente para tal usar
por investidores institucionais. Negociao tende a fazer as pessoas pensarem de concession rias de
comprar na baixa e vender alta. Considerando que os sistemas de negocia o algortmica, que so
oferecidos pela maior corretores, nica cxccute as ordens que arco dado, como Figura I- l tenta
mostrar. Talvez um mais nome representativo para este processo "execuo algortmica".
Claramente, h excees para cada regra; no h grandes motivos tcnicos algoritmos de
negociao no poderia tambm incorporar decises de investimento. Na verdade, como o buy-side
comea a desenvolver os seus prprios algoritmos esta pode muito bem tornar-se mais comuns.
Contudo, o principal objetivo deste livro se concentrar em como algoritmos e DM A pode ser utilizado
para melhorar execuo de ordens.
Ao longo dos ltimos anos, tornou-se negociao algortmica um tema quente. Ne w manter relatrios
prevendo um aumento da quota de mercado global, que est se expandindo a partir de aes para
estrangeiros cmbio, futuros e op es e at mesmo ttulos. Tambm houve m imprensa; algumas
manchetes predisseram o fim da negocia o, tal como a conhecemos. Embora o in cio da subprime crise, no Vero de 2007 , Viu "negociao algortmica" culpou tanto para a volatilidade do mercado e
algumas empresas realizando enormes perdas. A volatilidade certamente mais elevado; em parte, isto
devido ao aumento da velocidade alcan ada por via electrnica e algortmica negociao. No
entanto, quaisquer perdas que as empresas tm feito arco geralmente devido sua estratgia de
investimento. Se este no adequado para o condies de mercado, em seguida, as perdas sero
realizados. Negociao algortmica a bala, e no o o dedo no gatilho. Na seo 1.10, alguns dos
medos e mitos comuns circundante negocia o algortmica tambm ser examinado (e esperemos
que desmascarou).
Antes de passarmos a considerar cada um desses m todos de execu o CORC em mais
detalhes, vamos rever brevemente alguns fundamentos, como o risco, r etorno e custos, a partir da
perspectiva de tanto um investidor e um comerciante.
1.2
Fundamentos
Teoria de Investimento tenta maximizar os lucros e minimizar os riscos escolhendo

cuidadosamente diferente ativos. Indiscutivelmente, a abordagem mais conhecid a a carteira teoria
moderna (MPT) lanada pela Harry Markowitz (1952).
Modernos modelos de teoria portf lio lucros dos retornos (ou mudan as de preos) em
um
portflio de ativos financeiros. Volatilidade frequentemente utilizado como um proxy para o risco global;
esta representa a desvio-padro dos retornos. Os ativos com retornos mais elevados arco geralmente
mais arriscados. Portfolios pode ser constitudo por um conjunto quase infinito de composi es, usando
uma gama de ativos com diferentes ponderaes. Tramando as caractersticas de risco-retorno destes permite uma
fronteira eficiente para ser construdo, como se mostra na Figura 1 - 2 (a). Este o bordo superior da regio
sombreada; isto representa as carteiras com os retornos mais elevados para uma determinada quantidade
de risco. Consequentemente, um investidor deve se concentrar na composio global do seu portflio, tanto
quanto o risco e retorna para os activos individuais.
Viso geral
Negoci
ao
passiva
Risco
->
Risco
-*
Figura 1- 2 A diferena de perspectiva

A fim de construir esta carteira tima precisamos comprar ou vender os ativos espec ficos, e assim por
enviar ordem / s para corretores / intermedi rios ou directamente para os mercados, como vimos na
Figura 1-1. Risco (ou volatilidade) novamente importante, pois mostra o quanto cada ativo ' s
preo pode mudar por. No entanto, os retornos s o um pouco menos importante, uma vez que
estamos agora centrada na execu o do dada ordem / s, muitas vezes, no segundo seguinte / s, s /
minuto ou hora / s. Em vez disso, o custo torna -se mais importante, como mostrado na Figura 1 -2
(b). A execuo de cada ordem tem um custo associado, a partir do impacto que tem sobre o ativo '
s preo de corretor e de cmbio Ices. Negociao mais rpido com grande ou encomendas a preos
agressivamente ir geralmente tm mais impacto e assim por custar mais, embora a velocidade de
execuo reduz o risco. Considerando negocia o mais lentamente ou de forma passiva, mas custa
menos nos exp e ao risco do ativo ' s volatilidade de preos. Isto o que Robert Kissell e Morton Glantz
(2003) referem como dilema do comerciante. Encontrar o equilbrio certo entre custo e risco uma questo de ter
em conta as prioridades do investidor, como veremos no captulo 7; ele pode ser a chave para alcanar uma
execuo ideal.
1.3
Mtodos de execuo do ncleo
Negociao institucional em geral, podem ser classificados como agncia ou de negociao

principal. Na agncia negociao, o corretor atua como um canal para o mercado, como vimos na Figura ll.
O cliente tambm pode dar instrues de negociao, como para executar ao longo do dia ou direcionar um
especfico preo de referncia ou uma certa percentagem do volume de mercado. Com a troca de principal, o
corretor / revendedor concorda um pre o up-front para o ativo, o que eles v o cumprir qualquer
de suas prprio inventrio ou executando nos mercados. D esde negociao principal realizada
com umarevendedor especfico, em vez de em uma troca, isso tamb m referido como (OTC)
trading "over-the-counter".
Em termos de risco, o cliente exposto ao mercado com a negociao agncia. O preo pode mover
favoravelmente (ou n o), h tambm a possibilidade de que a ordem pode falhar para ser
completada. O corretor vai se esforar para conseguir a melhor execu o para o cliente, mas no final
do dia, eles
so aeting como um agente para o cliente, eles no assumir qualquer do risco. Em
comparao com comrcios principais o risco transferido imediatamente para o corretor / dealer.
Consequentemente, negociao principal mais caro porque o comerciante tenta compensar isso,
incorporando- no preo negociado. O investidor deve dccide se os custos iniciais so de valor em
comparao com o risco potencial de mercado.
Em geral, ambos os tipos de negociao so suportados para a maioria das aces e normalizado para o
(ou lista) futuros e opes, que so negociados em bolsas. A ligao e mercados de cmbio tendem a
basear-se mais sobre os concessionrios (ou formadores de mercado), e assim por diretor ou OT
Trading C mais comum (embora negociao agncia s vezes disponvel para os ativos mais lquidos).
Assim, o destino final para os pedidos em Figura 1 -1 tambm depende de o ser ativo
negociados. Negociao algortmica e DM Um so opes viveis, geralmente, apenas quando h um bem
estabeleceu mercado secundrio, como uma troca. Assim, o comrcio historicamente tem acesso
directo centrado em aes e futuros. Apesar de a negocia o algortmica e DM Um so rapidamente
espalhar a maioria das principais classes de ativos, como veremos no captulo 3.
Agncia de negocia o tambm podem ser classificados de acordo com o m todo de
execu o usado para alcan -lo. "High -touch" trading onde as ordens so trabalhados
manualmente
um comerciante. Negociao algortmica por vezes referido como "Low-touch" de
negociao, uma vez que exige pouca ou nenhuma manipulao por comerciantes reais e assim pode ser
oferecido como um servio de agncia de custo mais baixo. A pea final do quebra-cabea DMA , Que
tambm referido como "Zero-Touch". Com DM Um corretor 's prpria o acesso electrnico aos mercados
estendido para fora a seus clientes. Os comerciantes de sell -side tem nada a ver com a ordem; Em
vez disso, a execuo feita manualmente pelo cliente.
O crescente foco em custos de transa o por buy-side significou um declnio no mais comrcio
tradicional "high-touch". Mesmo assim, todos estes mtodos so, de facto, complementares, desde
eles esto tentando alcanar os mesmos objectivos, como a Figura 1-3 tenta mostrar.
Figura 1- 3 A gama de mtodos de execuo do ncleo

Ambos comprar (e sell-side) os comerciantes tm agora uma maior escolha de mtodo de execuo do
que nunca antes. Eles podem assumir o controle total da execu o usando DM A (ou o acesso nativo),
ou eles podem deleg-la a um sistema de negociao algortmica. Os fornecedores esto mesmo
trabalhando em sistemas que permitir aos operadores "escolher e combinar". Por exemplo, Ncovest ' s
AlgoGenetics permite "algoritmos meta-", a ser criado, que pode combinar algoritmos de uma gama de corretores
juntos com DM A ordens.
Evoluo contnua ea adoo de tticas semelhantes significa que as fronteiras entre esses
mtodos esto constantemente se borrar. Por exemplo, cada vez mais co mplexo DM A tipos de ordem,
tais como ordens iceberg e roteamento de ordens inteligente, est o tornando mais difcil diferenciar entre
DM puro A e negociao algortmica.
Viso geral
Outro exemplo da constante evolu o do strategics negociao est cruzando. Bloco comercial
uma especializao para lidar com grandes encomendas de bens individuais. O advento de plataformas como
IT G ' s POSIT permitiu aos investidores a participar de cruzamento eletrnico, ao invs de recorrer a corretores "
bloquear mesas de negociao para tais ordens. Esta tend ncia continuou com o sucesso da sochamados "dark pools" de liquidez oferecidas pelos cr uzamentos ocultos de comrcio alternativo
Sistemas (ATS). Embora a probabilidade de execu o inferior
um bloco mediada pelo corretor
comrcio, estas abordagens oferecem o potencial de obter um preo melhor. Tal como acontece com DMA,
que a cliente ' s responsabilidade de gerir essas ordens. Portanto, de passagem mostrada em conjunto com
DM A na Figura 1-3. Sourcing de liquidez atravs destes "dark pools" tambm tornou-se extremamente
importante para a negocia o algortmica.
1.4
Tipos de negociao institucionais
Na seo anterior, centrada sobre os mtodos utilizados para realmente executar as ordens. o ordens em
si so, invariavelmente, provenientes de buy-side, ou seja institucional ou investidores de fundos
de hedge, como parte de sua estrat gia global de negocia o. A Figura 1-4 mostra o mais amplo
gama de tipos de negocia o, que so amplamente adotados por diferentes tipos de investidores.
Tradicionalmente, os investidores institucionais, como fundos de investimento e de pens o,

manter grande carteiras com crit rios especficos de investimento. As encomendas s o gerados
quando eles precisam mudar a composio de suas carteiras. Para os ativos individuais, eles podem
optar por negociar em qualquer um agncia ou uma forma principal, enquanto comrcio do bloco pode ser
utilizado para pedidos maiores.
Fundos de investimento quantitativas adotar estrat gias mais altamente automatizado, como
fazem alguns de hedge fundos. Para aqueles segmentao oportunidades de arbitragem de curto
prazo ou de gerao de receita por mercado tomada, isto significa comerciais frequ ncias muito
mais altas. Ento, eles so ainda mais centrada na mtodos de execuo de baixo custo, como a
negociao algortmica e DMA .
Carteira de negocia o por vezes referido como cesta ou programa de negocia o. Ele fornece
com investidores um meio rentvel de negociao vrios ativos, ao invs de ter de comrcio -los
individualmente. Normalmente, isso usado quando eles precisam ajustar ou reequilibrar o seu
carteiras. A lista de negocia o representa os ativos que devem ser comprados ou ve ndidos para
transformar o carteira atual do investidor ao seu destino desejado. Negocia o Carteira
um
corretor fornecida servio, que permite a economia de escala, e por isso, em geral, oferece uma
alternativa mais barata para lidar com tais transies. Tal como acontece com nica negociao de aes
institucionais, o investidor pode escolher a negociar um diretor de comrcio com um corretor / revendedor,
ou ter um corretor de comrcio a lista em um agncia de moda. Vamos revisitar este t pico com mais
detalhe no Captulo 12.
Sistemtica, caixa-preta, quantitativa e negocia o de alta frequncia so termos que todos os
sons como referncias negociao algortmica, e s vezes so erroneamente utilizados como tal.
Contudo, eles tm tanto a ver com o estilo de investimento como a negocia o real. Na verdade, eles
so todos formas de negociao sistemtica (ou investimento), e s vezes so chamados de
negociao
automatizada.
Predominantemente,
essas
estrat gias
so
adotadas
tanto
por
investidores quantitativas ou mesas de negociao de propriedade.

Negociao sistemtica, como o prprio nome sugere, tudo sobre consistentemente adotar a mesma
abordagem para o comrcio. Isto pode ser usado para ditar os pontos de entrada e de sada do comrcio, por
exemplo comparando preos de mercado com condies de contorno, por exemplo, As faixas de Bollinger.
Alternativamente, ele pode exigir um intrincado conjunto de regras, que acomodar uma vasta gama de
condies intradirios tais como preo, volume ou volatilidade.
Negociao quantitativa (por vezes referido como "caixa -preta" de negocia o) muitas
vezes confundido com negociao algortmica. Aqui, as regras de negociao so aplicadas atravs da
adopo de modelos quantitativos de propriedade.
A diferena bastante sutil, mas sistemas de
negociao quantitativos instigar comrcios Considerando que os sistemas de negocia o

algortmica apenas execut-los. Portanto, sistemas de negociao quantitativos precisa se
concentrar em uma ampla gama de objectivos para alm da real strategics execuo. Estes podem variar
de rastreamento de indicadores para determinar o in cio do comrcio e closcout, para monitorar o
risco geral da carteira.
Negociao de alta frequncia tem o objetivo de aproveitar as oportunidades intraday. Os scalcs
tempo gama de envolver horas para baixo para segundos ou mesmo fra es de um segundo. Com efeito,
uma forma especializada de caixa-preta / trading quantitativo focado na explora o de ganhos de
curto prazo.
Algumas estratgias de alta frequ ncia adotar um estilo semelhante a um formador de
mercado, tentando manter um relativamente posio neutra, exceto para tirar proveito de todas as
discrepncias de preos. Por tal
estratgias, monitorando o risco global posio / inventrio e
incorporando essa informao para as decises de preos / de negociao vital.

Arbitragem estatstica representa a / abordagem comercial investimento sistemtico, que se baseia ligar
uma fuso de tempo real e anlise de dados histricos. A principal diferena de alta negociao frequncia
que as estratgias podem abranger mais de prazos mais longos. Fora isso, o metas arco geralmente
os mesmos, ambos tentam se aproveitar de erro de pre o, minimizando o exposio global ao risco.
Estratgias tentar encontrar tendncias ou indicadores de dados anterior (intradirio e / ou histrico)
e, em seguida, us-los para ganhar uma vantagem. Anlise de sries temporais, dados minerao e
at mesmo a inteligncia artificial so empregadas para tentar isolar informa es teis a partir de
a massa de dados que esto disponveis.
1
Esses modelos tm sido s vezes chamadas de "caixas-pretas", sincc seus mecanismos reais so muito bem guardado,
embora, obviamente, seus criadores tm uma compreenso clara de como eles funcionam.
10
Viso geral
Independentemente de qual destes tipos comerciais s o realmente escolhidos, cada um deles

pode ser implementado utilizando um ou mais dos m todos de execu o do ncleo, como
mostrado na Figura 1 -4.
1.5
Prego eletrnico
Em seu tempo, a inveno do telgrafo e telefone revolucionou negociao, permitindo priccs e ordens
devem ser comunicadas remotamente. Ainda assim, foi o advento do computador que tem comrcio
mais afetados. Antes de entrar em qualquer mais detalhes sobre negocia o algortmica e
DM A
tcnicas, vale a pena rever brevemente o desenvolvimento do comrcio eletrnico. Alguns dos marcos mais
notveis nesta arco jornada apresentados na Tabela II .
Ano Evento
1969 "Redes Institucionais" do instinto come ou, permitindo eletrnico bloco-trading.
1971 NASDAQ b olet im eletr nico ini ci ad o, p ermi t ind o OTC negocia o de a es.
1972 Cantor estabelecer o primeiro mercado eletr nico para ttulos do governo dos
EUA. 1976
NYSE ' s Designada Ordem Turnaround (DOT) rotas do sistema de pequenas
encomendas.
1978
1980
1981
1982
US Intermarkct Trading System (ITS), criado, proporcionando uma liga o

electrnica entre NYSE e demais bolsas de valores norte-americanas.
Instinct introduz PSE Scorex, ativar o DMA para bolsas americanas.
Reuters pioneira monitor eletrnico lidar servio para FX.
Introduz Bolsa de Tquio sua Ordem Routing & execuo do sistema assistido por
computador (CORES).
London Stock Exchange "The Big Bang" muda para a tela de negocia o.
Paris Bourse introduziu um sistema eletrnico de negociao.
1987
Ofertas Posit 1TG agendada cruzamentos bloco para as aes.
1988
Plataforma MTS criado mercado secund rio eletrnico para ttulos do governo
italiano. 1992
CME lana primeira verso da plataforma GLOBEX futuros
eletrnicos.
1986
1993
1997
1998
EBS (Sistema Eletrnico Brokers) acrescenta concorrncia por vaga FX.

Regras de tratamento das ordens dos EUA SEC alterar resultados na cria o de rea,
Brut, Ilha e ECNs Bloomberg Tradebook.
Eurex oferece a primeira bolsa totalmente electr nica para os futuros.
EuroMTS lanados para negociao de ttulos do governo

europeu. eSpeed disponvel para negociao de ttulos do
cliente.
2000
ICAP ' lana plataforma de negociao de ttulos s BrokerTec.
2001
Liquidnct ATS criada, permitindo que cruzamento "dark pool" do lado para
comprar aces. 2006 NYSE comea a se mover negociao de aces para a sua
plataforma hbrida.
2007
US Regulamento NMS, regulamentos europeus DMIF veio em vigor.
1999
Tabela 1-1 Som e dos marcos importantes na adopo do comrcio electrnico

Na dcada de 1960, as redes de computadores foram usadas para preos de rotas para terminais de
computador, efetivamente tornando m quinas ticker -tape obsoleto. Logo depois, os computadores
foram usados para comear a transmitir ordens e comrcios. Sistemas de apoio comercial totalmente
eletrnico comeou a aparecem nas l960 -70s. De repente, os comerciantes po deriam emitir ordens
remotamente; no havia mais umanecessidade tcnica para que possam ser fisicamente com base em
um lloor troca.
Logo no incio, o comrcio eletrnico foi focado principalmente na manipula o relativamente
pequenas encomendas. o granel de negociao ainda foi realizada por telefone ou pessoalmente nas
bolsas. No entanto, pela
meados de 1990 muitos do mundo ' S grandes bolsas de valores estavam
negociando uma parte considervel do seu volume eletronicamente. Desde ento, a mudana para negociao
totalmente electrnico tem tornar-se quase inevit vel.
Algorithmic Trading & DM A11
Os mercados de aes tm claramente liderado o caminho no prego eletrnico. Nos estgios

iniciais, a New York Stock Exchange (NYSE) e NASDA Q (Associao Nacional de Valores Mobilirios
Dealers Automated Quotations) foram, sem d vida, na vanguarda. Na d cada de 1990, no
entanto, o foco tinha mudado para a Europa onde preg es comeou a fechar as trocas deslocado
para livros de encomendas totalmente eletr nicos. Ento, em 1997, os EUA viram um grande shakeup com a Securities and Exchange Commission (SEC) regras de trat amento das ordens, o que
permitiu uma nova concorr ncia no forma de redes de comunicaes electrnicas (ECNs). Estes
novos espaos viu um imenso expanso ao redor do milnio, seguido por uma rodada de aquisies e
feroz consolidaes. Ao longo dos ltimos anos, a inovao ainda tem continuado a um ritmo rpido,
particularmente em termos de novas variantes do bloco que cruzam sistemas de negociao alternativos (ATS),
tais como Liquidnet. Dois dos principais ECNs, nomeadamente MTD S e Direct Edge tm at mesmo
trocas becomc em seu prprio direito (ou esto em processo de faz-lo). Mais changcs arco provvel
que os efeitos do regulamento-NMS EUA (Sistema Nacional de Mercado) e na Europa ' s Mercados de
Instrumentos Financeiros (DMIF) tenham efeito. De fato, Sistemas de negociao multilateral (MTF),
Europa ' s equivalente a ECNs, esto comeando a se tornar concorrncia significativa para as principais
bolsas de valores europeias.
Os mercados de ttulos tm sido mais lentos para adotar preg o eletrnico, em parte devido a
serem centrado mais sobre os criadores de mercado, em vez de trocas. A Europa tem mais uma vez
jogou um importante parte na evoluo da negociao de ttulos eletrnico, mais notavelmente com a
Itlia ' s MT S (Mercato Tclcmatico dei Titoli di Stato), que tornou-se centro de referncia da Europa para o
governo negociao de ttulos. Nos E.U.A., uma massa de sistemas eletrnicos apareceu em torno do milnio;
No entanto, desde ent o, as consolidaes e saldos tm sido brutal. O mercado eletr nico para os
ttulos agora dominado por um punhado de grandes jogadores.
Cmbio tambm mudou para o comrcio eletrnico. ECNs esto bem estabelecidos e at mesmo
ATS "dark pool" j comearam a aparecer.
O mercado derivados mais complexo. A maioria de negocia o ainda realizada de balco
(OTC). Ainda assim, tambm h um grande mercado para derivativos listados-exchangc. A Chicago
Mercantile Exchange (CME) lanou a primeira verso de seu GLOBO X plataforma em 1992; embora,
inicialmente, este foi principalmente para negocia o after-hours. Seis anos Eurcx mais tarde se
tornou a primeira bolsa totalmente electrnica para os futuros. Negociao eletrnica agora comuns
para a maior parte do mundo ' s principais opes futuras e intercmbios.
No geral, a rpida proliferao de comrcio eletrnico fez com que os mercados mundiais
acessveis a uma gama muito maior de usurios. Sem esta inovao, negociao algortmica, DM A passagem
automatizada e simplesmente no existiria. Note-se que iremos cobrir os mercados individuais com mais detalhes
no Captulo 3, e os apndices.
1.6
Negociao algortmica
Um algoritmo 2 um conjunto de instrues para realizar uma determinada tarefa. Assim, um algoritmo de
negociao apenas um modelo computadorizado que incorpora as etapas necessrias para negociar um fim em
um maneira especfica. certo que, para o algoritmo de reagir s condies de mercado em
constante mutao dessas
regras podem bccome bastante complexa. Assim, neste livro vamos
dividi-las e consider essas decises de forma isolada, bem como mostrando como eles podem ent o
ser agrupados para construir algoritmos de negocia o reais.
Por exemplo, dada uma ordem de compra de 20.000 XY ativos Z pode ditar as regras colocao
2
A palavra deriva do algorilhm algorism lerm, que foi usado pelo matem tico persa do sculo 9 Abu Abdullah
Muhammad ibn Musa al-Khwarizmi em referindo-se s regras da aritmtica.
12
Viso geral
a quantidade total de uma ordem de limite ao melhor preo de mercado atual. Como alternativa, eles podem
trabalhar a ordem ao longo do dia, dividindo -o em segmentos. As regras determinam o tipo, pre o e
quantidade para cada uma dessas ordens criana, muitas vezes baseadas em uma mistura de histrico e ao
vivo dados de mercado. Um sistema informatizado responsvel por manipular as instrues do algoritmo, de
modo que a execuo totalmente automatizada. O sistema garante que cada ordem correspondente
criana dividida e placcd no mercado. Em seguida, ele monitora essas ordens crian a, ajustando ou
cancel-los, como e quando se torna necessrio.
Lei ' s considerar um algoritmo de negociao muito simples que visa atingir um mercado mdia preo. Ele
faz isso hy dividindo cada ordem em fatias uniformes, que Arc negociados sequencialmente. Dada
uma ordem para comprar 10 mil de ativo AB C ao longo dos prximos cinco horas, o nosso algoritmo simples
trocar 1000 AB C a cada meia hora, enviando uma ordem de mercado para o cmbio. Figura 1-5 mostra o
padro de negociao resultante para essas ordens crian a.
Volume
Preo
Ordem tamanho
m m Mercado volume
Preo
Figura 1-5 Um algoritmo exemplo simples

Tabela 1-2 mostra uma outra maneira de ver o nosso algoritmo, como um horrio de negociao
com o alvo quantidade especificada para cada perodo de tempo.
Hor
08:30
09:00
09:30
10:00
10:30
11:00
11:30
00:00
00:30
13:00
rio de
1000
1000
1000
1000
1000
1000
1000
1000
1000
1000
Tolal
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
Tabela 1- 2 A agenda de negociao simplificada

Claramente, nosso algoritmo exemplo est longe de ser perfeito; previsvel e no leva em
conta cither de preos de mercado ou volumes. Algoritmos de negocia o modernos evoluram a partir
desta
estratgia simplista de corte para o ponto onde os seus padr es de negociao arco
unrccognisablc em comparao. Algoritmos complexos devem ser habilmente d efinido e implementado.

Assim, o real regras de negocia o em que esses algoritmos s o baseados arco definidos por
profissionais experientes e
13
analistas quantitativos. Eles s o projetados para atingir a melho r execuo, dada a especificado
objetivos.
Tipos de algoritmos de negociao

Actualmente, existem literalmente centenas de diferentes algoritmos de negocia o disponveis. Cada
corretor ou fornecedor oferece sua prpria variedade de algoritmos de negociao, catering para
objetivos especficos. Sem surpresa, as foras motrizes para muitos destes algoritmos s o o preo,
volume ou
liquidez. Alguns algoritmos rigidamente um determinado horrio de negociao, enquanto
outros podem ser mais dinmica, adaptao em tempo real para sempre em mudan a condies de
mercado. Obviamente, vital para os objetivos a serem claramente definido para um algoritmo para ter
a chance de alcanar seus objetivos.
Se ignorarmos os vrios nomes que so usados podemos comear a destilar os algoritmos existentes
para dentro um punhado de tipos bsicos. Tabela 1-3 mostra um resumo dos mais comumente adotada
algoritmos de negociao, que arc atualmente em uso generalizado.
Chave condutor
Cronograma
Referncia
predeterminad
o
Tempo
Volume
Volume
Preo
Proporo
Algoritmos
Percentual do volume (POV)
Pares / Negociao
Espalhe Preo inline
Dinmico
ndice de referncia
Pre
No mercado Close (MOC)

Algoritmos baseados em
liquidez Roteamento de
ordens inteligente
Liquidez
Tabela 1- 3Um resumo dos algoritmos de negociao comuns

Muitas vezes, algoritmos de negocia o so projetados para atender (ou superar) benchmarks
espec ficos, tais como a Volume Pre o Mdio Ponderado (VWAP) ou o pre o de fechamento de
mercado. Outros tentam minimizar os custos globais de transa o, enquanto alguns tentam
negociar mais oportunista. Tem algoritmos tambm que so movidos por liquidez, abrangendo
vrios locais de execuo ou "dark pools "de buscar liquidez adicional. No cap tulo 5, iremos
cobrir toda a gama de negocia o algoritmos em mais detalhes.
A evoluo de algoritmos de negociao

As origens da negocia o algortmica pode ser rastreada at sistemas eletrnicos de negociao
desenvolvido como auxiliares de efici ncia para os comerciantes sell -side. Em torno do milnio,
os corretores comearam a perceber que essas ferramentas tamb m poderia ser oferecido aos
clientes. Dentro alguns anos, todas as grandes corretagem estava oferecendo servios de negociao
algortmica, e captao de clientes aumentou de forma constante. Os vendedores tamb m esto
comeando a criar estruturas que tornam mais f cil para o buy-side para criar seus prprios
algoritmos de negociao.
A primeira gerao de algoritmos de negocia o foram evolues naturais de simples corte
ordem. Eles focado em atender benchmarks espec ficos, comeando com um tempo mdio ponderado
Preo (TWAP) e progredindo para o onipresente Volume Pre o Mdio Ponderado
14
Viso geral
(VWAP). A simplicidade de c lculo um seu reflexo mais preciso da diria SVA P e movimentos de
preos significou que durante vrios anos SVA P reinou supremo.
Tanto o incio TWA Algoritmos de P e P APV tendiam a ser impulsionado estaticamente. Assim, logo que
uma ordem foi recebida
um horrio de negociao especfica foi determinada, que, em seguida, levou o
algoritmo de negociao. Para VWAP , Este horrio seria baseado em um perfil histrico de volume,
Essencialmente, este uma representao de como o volume de comrcio progride atravs de um dia mdio.
Embora, utilizando horrios comerciais criados estaticamente cada vez mais vulner veis provou,
sincc
outros participantes de mercado poderiam facilmente detectar e tirar proveito de tal preg o
regular padres. Para combater o comrcio predatrio, algoritmos comeou a incorporar mais
aleatorizao. Por conseguinte, houve
uma progresso natural de algoritmos de programao puramente
movidos a estratgias mais dinmicas. Por exemplo, a percentagem do volume (POV) algoritmo
baseia a sua execuo em resposta ao volume de mercado ao vivo, em vez de negocia o com
base em uma histrica perfil de volume.
A segunda gerao de algoritmos de negociao foram criados em resposta aplicao de anlise
de custos de transao (TCA). Esta anlise decompe todos os vrios custos associados com a
negociao. TC Um destaque que o efeito tem uma ordem sobre o preo do ativo (o seu mercado impacto) no
foi o nico custo significativo. De fato, outros fatores, como o risco de temporiza o e custo de
oportunidade, poderia realmente compensam o impacto no mercado. Andre Pcrold (1988) cunhou a
dficit implementao termo para representar os cust os reais de negociao. Essencialmente, este
reflete a diferena entre o preo de mercado, quando a decis o de investimento foi, na verdade,
feito (o preo de decis o) eo pricc executado real. A crescente popularidade do TC
UMAinvestidores significou comeou a reexaminar a sua utiliza o de benchmarks. Na verdade, a
APV P comeou a ser substitudo pelo preo de deciso. De um modo geral, os algoritmos de
negociao de primeira gerao no eram projetado para ser o preo ou sensvel ao risco; eram
mais focusscd sobre a reduo do total impacto no mercado. Por isso, os corretores necess rio
para desenvolver algoritmos que foram mais pricc - e custo- centric, o mais notvel dos quais sendo
o dficit de implementao (IS) algoritmos baseados. Estes novos algoritmos tentou resolver o que
Robert Kissell e Morton Glantz (2003) denominou o comerciante ' s dilema: negociao muito rpido
traz altos custos de impacto no mercado, enquanto loo negociao lentamente nos expe a riscos
considerveis. De repente, comeou a incorporar algoritmos complexos modelos de mercado para
estimar os potenciais custos de transa o, como eles tentaram determinar o
estrat gia de
negocia o ideal para cada ordem.

A terceira gerao de algoritmos ter resultado da busca p ermanente de liquidez, desencadeada
pela rpida proliferao de redes electrnicas Crossing (ECNs) e Alternativa Sistemas de
negociao (ATS) no mercado de ac es dos EUA. Tendo tantos execu o em potencial locais
significava uma srie de sistemas de roteamento de ordens simples foram criados. Outro fator importante tem
sido a transparncia livro ordem crescente como os mercados fizeram a transio para eletrnica negociao.
Muitos dos primeiros algoritmos de gera o centradas unicamente nas melhores cotaes de compra e
venda, muitas vezes, porque isso era tudo o que estava dispon vel. Como becomcs dados do volume
de encomendas cada vez mais dispon veis, mais e mais algoritmos est o aproveitando este para o
seu fim decises de colocao. A combinao de vrios locais e aumentar a transpar ncia tem
ajudou a transformar os sistemas de roteamento de ordens simples em complexos algoritmos
baseados em liquidez. Estes examinar constantemente os livros de encomendas de diferentes locais
para decidir onde melhor colocar encomendas.
Off-mercado de com rcio tamb m mudou para novas instala es electrnicas,
nomeadamente as "dark pools" ou ATS que provaram to bem sucedido para aces norteamericanas. Algoritmos agora rotineiramente interagir com estes "dark pools" para encontrar uma
liquidez adicional a pontos de preo set, tentando alcanar melhor execuo. No incio, isso comeou
com algoritmos de procura de liquidez dedicados, mas cada vez mais esse comportamento tambm
est sendo incorporada em outros algoritmos, como a Implementao
15
Dficit ou mesmo VWAP . Assim, novas estratgias hbridos esto comeando a evoluir.
Em paralelo com a procura de liquidez, uma outra mudan a no comportamento do algoritmo est
tomando lugar. Personalizao e adaptabilidade esto se tornando focos principais para algoritmos,
permitindo corretores para mais facilmente oferecer algoritmos d e negociao centrada no
cliente.
Exatamente o que a prxima gerao de algoritmos de negociao vai oferecer difcil de
prever, mas certo que eles vo continuar a evoluir.
1.7
Negociao de Acesso Directo
Trading acesso directo representa a mudan a no acesso e controle de execu o para o buy-side.
Investidores e comerciantes buy-side podem agora obter acesso directo que lhes permite fazer
pedidos on muitos pases do mundo ' s mercados financeiros. Originalmente, a negociao de acesso directo
era de sinnimo de DMA ; no entanto, a introduo de cruzamento e de negociao algortmica tem
instituies significava agora tm uma escolha ainda mais ampla de m todos de execuo.
Acesso Direto ao Mercado

Acesso Direto ao Mercado (DMA) estende-se o princpio do acesso remoto para 's um corretor de
clientes. As suas razes remontam dcada de 1980 com fornecedores como a Instinet. Embora usado
por alguns clientes institucionais, muitos dos pioneiros do DM Um eram usurios de varejo. Certamente,
fornecedores como alvo o mercado de varejo com sua DM A sistemas. Isso deu comerciantes do dia, ou
bandidos SOE S (nomeado aps NASDAQ ' s Ordem pequena Execution System), um nvel sem precedentes
de acesso e controle sobre seu encomendas.
Usurios institucionais tornou-se interessado na perspectiva de DM Um na dcada de 1990. Em
particular, este foi liderado por fundos de hedge e arbitradores estatsticos. Muitos dos DM inicial A oferta
foram fornecidos por empresas de softwa re e pequenas corretoras de agncia. No entanto, aps a
milnio os corretores maiores comeou a investir em DM Um em grande forma. Em 2000, Goldman
Sachs adquiriu REDIPIus enquanto em 2004, o Bank of America Securities comprou Acesso Direto
Financial Corp., Sonic Gesto de Negociao foi para Bank of New York and Trading Lava tornouse parte do Citigroup. De repente, o DM Um mercado era dominado por grandes corretores; DM Um
tornou-se um ponto de venda para uso institucional.
Com DMA, o cliente pode aproveitar o corretor ' s infra-estrutura para enviar sua ordens para o
intercmbio, bem como o corretor ' s prprias ordens. Da o apelido de "Zero touch", uma vez que a ordem
de execuo controlada pela clicnt. Isso exige que os comerciantes do cliente para ter acesso a um
Sistema de Gerenciamento de Pedidos (OMS) ou Sistema de Gest o de Execuo (EMS), que est
ligado ao corretor. Prime acordos de corretagem s o muitas vezes criados para organizar a
compensao e liquidao de quaisquer execues, e qualquer outra priso ou financiamento
requisitos.
Claramente, o vazamento de informa es uma das principais preocupaes para os utilizadores
institucionais. Portanto DM A servios so geralmente executados por corretores como uma entidade
separada para proteger as ordens de clientes a partir de sendo visto pelo resto do corretor " s comerciantes, e
em particular as suas mesas proprietrias.
Acesso patrocinado
Acesso patrocinado atende a clientes buy -side com estratgias de negociao de alta frequcncy.
este permite que o cliente se conecte ao mercado usando usar seu corretor ' s identificador mercado
nico (ou MPID), mas sem ter que passar por toda a sua infra -estrutura. Embora os mercados geralmente
exigem o corretor para monitorar a negocia o, garantindo que no h riscos excessivos so
tomada. A monitorizao pode ser realizado pr-comrcio, quer com um sistema rpido, dedicado ou
por
Viso geral
16
uso uma soluo de um fornecedor de terceiros, tais como FTEN. Enquanto isso adiciona alguma sobrecarga, o
cliente ainda deve obter um acesso mais rpido do que o normal DMA .
Alternativamente, alguns de acesso patrocinado pode contar com o mon itoramento psnegociao. Isto tem sido denominado "acesso nu", uma vez que esta docs n o permitir que o
corretor para impedir o abuso err nea.
Dada a crescente aten o regulamentar, o futuro de
"acesso nu" como incerto.
Cruzamento
Instituies muitas vezes precisam negociar em tamanhos grandes, as ordens de bloco grande
cabana pode exp-los a risco de preo substancial. Tradicionalmente, estes grandes encomendas
foram tratadas corretores hy fora do prego. Este por vezes referido como o "mercado no andar
de cima" sincc historicamente, tais negocia es tiveram lugar no andar de cima no corretor ' s
escritrios, bem longe do cho cxchangc.
Muitas vezes, de comrcio do bloco realizado em qualidade de mandante, embora negociao
agncia tambm atendidas. Dentro um comrcio principal, o corretor / revendedor assume todo o risco ao
tomar a posio necessria para o seu inventrio. Para resolver tais ordens de blocos grandes podem precisar de
encontrar um novo contrapartes que necessitam de um ativ o, ou eles podem dividir o pedido em
menor quantidade e trabalha-los no mercado.
Sistemas de cruzamento de fornecer um mecanismo electr nico que permite aos investidores a
realizar a sua prprio de comrcio do bloco de forma annima. Estes sistemas agregar ordens e, em
seguida, combin-los em conjunto pontos ao longo do dia. Por exemplo, ITG ' s POSIT corresponde
encomendas em mais de uma dzia de conjunto vezes por dia. Em comparao, os sistemas de negociao
alternativos (ATS), como Liquidnet, geralme nte fornecem correspond ncia contnua pedido
eletrnico. Estas plataformas de negocia o annimos garantir a detalhes do pedido (tamanho e s
vezes de preos) esto escondidos; por isso, eles tm sido muitas vezes referido como "dark pools"
de liquidez. Efetivamente, eles oferecem o buy-side a oportunidade de cortar o corretor como
intermedirio e comrcio anonimamente com o outro. Devido ao tamanho da ordens envolvidas,
tornaram-se importantes fontes de liquidez.
Note que importante lembrar que as enco mendas feitas em sistemas de passagem ou ATS s o
no garantido para executar. Em vez disso, o foco est na obteno de um preo melhor e minimizando o
vazamento de informaes. Na verdade, a probabilidade de execuo pode ser muito menor do que nas principais
bolsas, dependendo da liquidez do activo e o tamanho do bloco de ordem. Por conseguinte, tais ordens
tendem a exigir algum acompanhamento. A fim de garantir a execu o outros mtodos de
negociao, como a negociao algortmica ou DMA, podem ser utilizados em conjunto. Para
exemplo, poderamos colocar uma ordem de compra um milho de aes da XY Z em um sistema de
travessia no manh. medida que o dia avan a, se ele ainda no tenha executado poder amos
reduzir a quantidade de 10 ou 20 % A cada hora e trabalhar este separadamente. Isto permite-nos manter fora
para o melhor preo a partir do cruzamento, garantindo ao mesmo tempo que a ordem seja executada.
De fato, h agora negociao algoritmos que oferecem este tipo de abordagem.
Acesso direto Liquidez

Gerir um pedido no uma rede ou cruzamento ATS essencialmente o mesmo que o DMA. Esta semelhana fez
com que os fornecedores j oferecem solues que permitem o acesso a mecanismos de Hoth. Para refletir essa
alguns corretores / vendedores comearam a usar o termo acesso direto Liquidez
(DLA) por seus
servios.
Servios do tipo DLA n o so necessariamente apenas uma combinao de DM A e prestao
travessia. Eles tambm podem incorporar caracter sticas como a agrega o de liquidez, onde o
roteamento de ordens inteligente ou algoritmos de negociao personalizados so usados para buscar
liquidez suficiente ao preo desejado.
Algorithmic Trading & DM A17
Estratgia de Acesso Direto

O acesso do cliente para algoritmos de negocia o foi inicialmente tratada por telefone. Hoje em
dia, mais e mais OMS s e SGA pode lidar com negociao algortmica. Ento clicnts tm agora acesso directo a
algoritmos, tanto quanto eles tm acccss direta s ordens via DMA. Na verdade, alguns corretores, tais
como UBS, comearam a usar o acesso direto Estratgia prazo (DSA).
1.8
Comparando mtodos de execuo
Apesar de todos os mtodos de execu o do ncleo so de cortesia, ainda existem alguns

significativa diferen as entre eles. Para ilustrar este Tabela 1 -4 mostra duas ordens exemplo
simples. o primeira ordem simplesmente uma ordem de limite para compra de ativos AB C dentro de um
limite de preo fixo, enquanto o segunda ordem tem como alvo o SVA di ria P como referncia.
Orde
m
Mtodo de negociao
ManualDMA / CrossingAlgorithmic
1.
ABC
"Comprar 10.000
2.
ABC
com um limite de 53
"
"Comprar 100,000
Trade VWAP mais o
dia
Don ' t ir acima de 53
"
Comprar ordem de
limite 10.000 ABC
aos 53 anos
No equivalente direto
Sem direta equivalente

ABC
Compre 100.000
Algoritmo: VWAP
Hora de incio:
Agora Tempo do
fim: Close Preo
limite: 53
Tabela 1-4 mtodos de negociao diferentes para algumas ordens de exemplo

Negociao manual pode lidar com qualquer tipo de ordem. As instru es so simples e fcil de
Compreendo. Tambm popular porque permite que o cliente para discutir o fim com o corretor.
Isto d-lhes uma oportunidade de obter novas informa es e anlise de mercado (ou "cor") que
pode at lev-los a alterar a sua estratgia de negociao. Tal informao pode ser vital para
clientes, e uma das principais razes por negociao manual ainda to difundida.
DM Um pcrfcct lor tipos de ordens simples, como a primeira ordem na Tabela 1-4. Ele permite clicnts
controle completo sobre como e quando s o feitas as encomendas. No entanto, n o existe
geralmente
umafim nico equivalente que pode lidar com algo como o exemplo di rio SVA P
comrcio. A DM atende exclusivamente para acesso de baixo n vel. Ento, ao invs, o cliente deve
tentar reproduzir a estratgia aquele um comerciante pode adoptar manualmente. Portanto, para conseguir a
melhor execuo um cliente precisar considervel experincia no mercado, bem como ter o tempo
para analisar e dccidc a melhor forma de placc cada ordem de criana. Embora isto possa atender
alguns clientes, este claramente uma vez mais consumir abordagem. por isso que, para muitos
clientes, seja manual ou algor tmica negociao oferta uma alternativa mais prtica.
Da mesma forma, cruzamento ordem pode facilmente lidar com ordens de limite simples, mas
no mais complicado tipos de ordem. Mais uma vez, cabe ao cliente para monitorar o fim ' s status,
possivelmente cancelando e re-encaminhamento-lo se as execues no so prximas na ATS. Uma vez
que tais redes de passagem tendem a lidar com tamanhos de ordem maior, um cliente pode realmente
preferem uma estratgia de negociao dupla, pelo que a maior parte do fim deixado sobre a ATS por
cruzamento potencial enquanto
uma poro menor negociado na bolsa para tentar garantir a
execuo. Essas estratgias esto comeando a ser oferecido por novos algoritmos de negociao
baseada em liquidez.
Negociao algortmica destina-se a lidar com estrat gias de negociao mais complexas, de
modo a exemplo SVA Ordem de P na Tabela 1-4 no levanta problemas. Ao receber o pedido, um SVA P
18
Viso geral
algoritmo de negociao, ento, decidir como deve ser tratado. Alguns algoritmos adoptar um
esttico abordagem, as ordens de divis o puramente baseado em informa es a partir de dados
histricos. Alternativamente,
aqueles que so incorporar mais dinmico uma mistura de dados de
mercado histricos e viver em suas decises. Conforme necessrio, o algoritmo vai ento emitir ordens
para o mercado de criana, escolhendo o mais adequado tipo de pedido / preo e tamanho; em
seguida, monitorar continuamente o seu progresso. Essencialmente, isso n o diferente do que
acontece para os comerciantes que trabalham ta is ordens manualmente ou atrav s DMA , Com
excepo de que o algoritmo de negociao fornece um proccss totalmente automatizado. Claramente, em ordem
para a execuo de satisfazer o cliente ' s objectivos, vital que todos os requisitos, tais como limite de
preos, etc. benchmarks arco totalmente especificado. Como podemos ver na Tabela 1 -4, o algoritmo
parmetros (os tempos de in cio e fim eo preo limite) so semelhantes forma como poderamos
perguntar umacomerciante para trabalhar a ordem. Evidenteme nte, este uma abordagem mais restrita
do que apenas falar para um comerciante por telefone. No entanto, os corretores esto constantemente a introduo
de novos algoritmos e refinando seus parmetros para tentar torn -lo mais fcil de emitir ordens
apropriadas e para lidar
com quaisquer personalizaes necessrias. Eles comearam mesmo a
introduo de algoritmos que analisam os detalhes do pedido e decidir a estratgia de negociao /

algoritmo mais adequado para ele.
Outra maneira de comparar m todos de execuo tentar avali-los em termos de fatores,
tais como:
Efficicncy
Usabilidade
Performance / Custo
Estes so divididos em mais detalhe na Tabela 1 -5.
Fatores
Eficincia
Usabilidade
Atuao/
Custo
De outros
Manual
Capacidade
Rapidez
Ao controle
Transparncia
Anonimato
As condies de
Conhecimento do
mercado
Conhecimento de
ativos
atuao
Comisso
Risco de controle /
Custo
Regulamentos
DMA
Acesso direto
Cruzamento

Graduada de mais fraco () t o mais forte ( )
Tabela 1-5 Comparando os mtodos centrais para negocia o
Eficincia
Eficincia tem sido um dos principais motores do sell -side; um profissional qualificado um valioso
mercadoria, qualquer coisa que ajuda a torn -los mais produtivos clcarly ben fico. Para
alguns segmentos de buy-side, os fundos de hedge, tipicamente, a velocidade est se tornando
cada vez mais importante.
Mecanismos de negocia o de baixa latncia que lhes permitam
aproveitar as oportunidades assim que elas v-los.

Em termos de capacidade, de negociao algortmica claramente o vencedor; computadores podem
facilmente
19
lidar com milhares de pedidos simultaneamente. Capacidade adicional muitas vezes pode ser
adicionado atravs da criao se outro servidor computador, desde a infra-estrutura subjacente (redes,
links para intercmbios etc.) bom o suficiente. Em compara o, troca manual uma opo
muito caro.
Traders so inerentemente bom em multi -tasking; No entanto, ainda h um limite de quantas
encomendas uma pessoa pode tratar de uma s vez, para alm deste nvel da qualidade de execuo pode sofrer.
DM Um tem problemas de capacidade semelhantes j que tudo que aconteceu realmente uma mudana da
negociao manual do corretor para o buy-side. A capacidade menos de um problema ao usar
sistemas cruzando uma vez que esta tende a ser um estilo de negociao mais passiva. Embora, as ordens
ainda precisam ser monitorados, e se eles no cruzaram depois de algum tempo, de comrcio alternativo
mtodos podem precisar de ser utilizado.
No que diz respeito velocidade, sistema de negociao algortmica novamente a melhor opo.
Os sistemas informatizados so perfeitos para acompanhar e analisar milhares d e variveis em fraes
de
um segundo. Trocas costumavam ter as lat ncias de cerca de 300 milissegundos, neste
momento eles est o agora competindo para oferecer servi os com latncias inferiores a 10
milissegundos. Para colocar isto em perspectiva umapiscar leva entre 100-150 milissegundos (como
observado por David Burr (2005)). Mesmo complexo anlise para a determinao da reaco mais
apropriado pode ser calculado em frac es de
umasegundo. Em outras palavras, um algoritmo de
negociao pode manchar uma oportunidade e enviar uma adequada ordenar a troca antes mesmo de
perceber a oscilao citaes em nosso monitor. Speed tem becomc tais uma questo-chave que alguns
intercmbios e ATS j oferecem servios de co-location, essencialmente permitindo que os servidores de
computador membro 's para ser colocado em suas salas de mquinas para praticamente erradicar quaisquer
atrasos na rede.
Usabilidade
Usabilidade , obviamente,
um grande problema para a maioria dos usurios. Um mtodo de negociao
complicada improvvel para ser popular, mesmo que obtm bons resultados.
Dircct controle sobre a forma como as suas encomendas s o tratadas melhorou significativamente
para o buylado. DM Uma lhes permite colocar e gerenciar ordens como se fossem um corretor / dealer. Em comparao,
tanto manual e Algorithmic Trading representam uma ligeira perda de controle, uma vez que o cliente s pode
emitir instrues de comrcio geral ou selecionar um algoritmo de negociao apropriado. Claramente, muitas
vezes mais fcil comunicar tais instrues para uma pessoa, mas algoritmos de negociao esto evoluindo
continuamente para tentar ser o mais intuitivo possvel. Eles tambm esto se tornando altamente personalizvel,
catering para uma gama cada vez maior de requisitos comerciais. Transparncia est intimamente relacionado com
o controle. Se wc no pode ditar exatamente como algo feito, teramos pelo menos gostaria de ser capaz de
monitor-lo de perto para garantir que ele est fazendo o que queremos. A vantagem competitiva significa que os
corretores no pode divulgar os funcionamentos internos exatos de seus algoritmos, mas devem ainda ser capaz de
explicar o comportamento de ordens especficas.
Tambm importante conseguir um amplo entendimento de como cada um algoritmo de negociao funciona,
de modo para poder escolher o mais adequado para nossos pedidos.
O anonimato importante, bem como, uma vez que o vazamento de informa es uma das
principais preocupa es para
muitos investidores. Ao longo dos ltimos anos, o anonimato oferecidos pelas redes de passagem
tem ajudado estes ganho de sistemas uma quota de mercado substancial, especialmente em os EUA A e DM
negociao algortmica tambm pode fornecer anonimato, uma vez que a maioria dos corretores
segregar a negociao para suas corretoras de primeira linha para garantir a privacidade do cliente.
Outro fator que afeta a usabilidade est mudando as condi es do mercado, em parte
desencadeada por eletrnica e de negociao algortmica e pela concorrncia entre os diferentes
locais. Em muitos dos o mundo' s mercados tamanhos mdios pedidos diminuram significativamente,
enquanto os volumes de negociao dispararam. Ento ordens, que poderia ter imediatamente
preenchidos, h cinco anos, deve ser agora
Viso geral
20
dividir para evitar impacto no mercado. Da mesma forma, ter v rios locais de execuo fragmenta o
liquidez disponvel, tornando mais difcil para o comrcio. Negociao algortmica o mais
adequado para lidar com tais condi es; capacidade do computador significa que ele pode
acompanhar de perto cach local e
decidir onde melhor para o com rcio, para milhares de
pedidos. Nem DMA, nem negocia o manual pode igualar.

O mercado eo conhecimento espec fico de ativos tamb m so essenciais para alcan ar a
melhor execuo. Isso pode ser t o simples como saber quando os mercados est o abertos e
compreender os tipos de ordem suportados. Em alternativa, pode significar ter experi ncia em
profundidade de como comrcios ativos cach. Para negociao manual ou algortmica, as ordens
esto sendo tratados pelo um especialista dedicado ou sistema, assim as encomendas podem ser facilmente
delegada a estes mtodos. No Docs importa se a ordem para
Ttulos norte-americanos ou aces japonesas eles vo lidar com as complexidades de cada mercado
e de ativos escreva. Considerando que, por DMA, e para uma travessia em menor grau, h uma orientao
menos embutido, cabe para o cliente para determinar a melhor forma de comrcio. Dito isto, muitos OMS s
SGA e muitas vezes tm built-in regras para evitar erros simples, como selecionar um tipo de ordem n o
suportado.
atuao / Custo
Mtodos de execuo tem que entregar tanto em termos de desempenho e custo. O desempenho
pode ser medido pela comparao do preo mdio de execuo de um ndice especfico. Note-se que tambm
importante ter em conta a variabilidade, ou volatilidade, destas mdias. Para qualquer especfico ordem,
negociao manual geralmente deve ser capaz de superar o desempenho de um algoritmo, uma vez
que comerciantes muitas vezes pode inferir sinais muito mais sutis do mercado. No entanto, com
base na regra natureza dos algoritmos significa que eles devem fornecer resultados mais
consistentes, uma vez que eles fazem no ficar cansado ou distrado. Portanto, em termos de
desempenho global e algoritmos de negocia o manual so relativamente equilibradas.
Reconhecidamente, os comerciantes provavelmente ainda tem a vantagem, mas algoritmos arco
melhorar o tempo todo.
Tambm importante para obter o balancc certo entre desempenho e eficincia. Um comerciante
experiente geralmente deve ser capaz de superar a maioria dos algoritmos de negocia o; Contudo,
este pode consumir uma grande parte do seu tempo. No geral, o melhor desempenho pode ser por ter
conseguido o comerciante trabalhar as ordens mais difceis manualmente enquanto a delega o da
para outros algoritmos de negocia o.
Ao examinar o desempenho, as metas de investimento deve ser considerada como bem. Para
exemplo, a negociao passivamente pode salvar a oferta lance propaga o e assim resultar em uma
boa mdia preo, mas esta pode ser feito custa de completar totalmente a ordem. Se, no dia
seguinte, o ativo mudanas de preos, em seguida, completar a or dem pode ser mais caro do que se
tivssemos negociado mais agressivamente no dia anterior. An lise de custos de transa o (TCA)
tem desempenhado um papel fundamental na que fazem os comerciantes e investidores examinar tais
custos mais profundamente.
Para os mercados onde os corretores ainda chargc comiss es, por exemplo, aces, este clcarly
uma muito custo visvel de negociao. At a crise financeira de 2007 -09, as comisses gerais foram
em constante declnio. Figura 1- 6 grficos a sua progresso ao longo dos ltimos anos, em termos de
$ / sharc. Ele tambm destaca as diferen as entre o DMA , Algortmica e manual (alta touch) de
negociao. A partir da 's ponto de vista de um corretor, os servios de baixo toque (DMA e algortmica
negociao) tem os custos trabalhistas relativamente baixos, portanto, as taxas mais baixas. Os
custos para high touch /troca manual tambm refletir o fato de que os comerciantes podem oferecer
informaes adicionais aos clientes, tais como cor de mercado ou sentimento.
Em geral, TC Um destacou o fato de que os custos ocultos, como o impacto no mercado e sincronismo risco,
arco mais significativa do que os custos visveis, como as comisses. A maioria dos algoritmos so
adeptos a reduo do impacto global do mercado, dividindo a ordem em tamanhos menores.
21
$ 0. 07
$ 0 , 0 6
- Toque -Alta
$ 0. 05
- i P r o g r a m T radin g
$ 0. 04
Algorthmic Tracin g
$ 0. 03
$ 0,02 - t r
11
DMA
$ 001 - *
$2 0 002 0
01
2 0 02
Fonte: Aire Grupo (2007a)
2 0 03
2 0 CW
2 0 05
2 0 06
Reproduzido com permisso de Aile Grupo
Comisses mdias equidade Figura 1-6 dos EUA

Da mesma forma, cruzamento um meio igualmente eficaz, se no melhor, de reduzir o impacto
no mercado. Minimizao dos custos de oportunidade e risco temporal mais complexa. A segunda
gerao de algoritmos introduzidos os modelos de custo-centric, tipificados por Dfice de
implementao, que so mais adequado para isso. Vamos cobrir isso com mais detalhes nos
captulos 5 e 6.
Outras razes
Regulao do mercado, como o Regulamento NMS em os EUA e MiFID na Europa, significa que
os corretores e investidores devem ser capazes de demonstrar que eles alcan aram a melhor
execuo. Negociao eletrnica tornou este um pouco mais fcil, uma vez que as trilhas de
auditoria detalhadas so relativamente simples de manter. Portanto, negociao algortmica sem
dvida uma das melhores opes para atender para tais regulamentos, natureza desde a sua regra
hased fornece consistente e facilmente auditvel negociao decises, bem como lidando bem com
mercados fragmentados.
1.9
Quanto so estes mtodos de execuo usado?
As corretoras de sell-side tiveram de negociao eletrnica por anos. Internamente, quase todos
os seus negociao eletrnica, com exceo dos poucos mercados onde ainda h considervel piso
base de actividade. Da mesma forma, os sistemas de negociao automatizada e algoritmos de
negociao tm sido estabelecida. Por isso, a maioria dos estudos focam a absor o dessas
tecnologias com o buy-side instituies. Por exemplo, a Figura I-7 mostra estimativas da
consultoria Aite Group para a repartio dos mtodos de negociao adotada instituies norteamericanas hy.
As tendncias de crescimento para negociao algortmica e DMA so claramente visveis,
como o declnio na "High touch" (e maior custo) negociao manual. Um relatrio do Grupo de
TABB (2008) estima que at 2007 negociao algortmica, DMA, cruzamento e negociao programa juntos
representaram 63% das aces norte-americanas institucionais comrcios. Ainda assim, em 2008,
eles tambm observam que a crise do mercado levou a uma ligeira mudana nas tendncias. Negociao
algortmica continuou a aumentar, alcanando 24% do fluxo de buy-side, at 2% em relao ao ano
anterior. No entanto, a negociao de alto contato via comerciantes de vendas tambm aumentou,
recuperando para 44% (de volta de 37% em 2007), como institui es procurou lidar com os
elevados nveis de volatilidade.
22
Viso geral
100%
DMA
80%
f t Algorithmic Tradin g
60%
Progra m Tradin g
40 %
20%
w alta Touc h
0%
200020012002
Fonte: Aile Grupo (2007a)
2003
2004
20052006
Reproduzido com permisso de Aile Grupo
Figura 1-7 Estimativas para o uso de diferentes mtodos de negociao por instituies
norte-americanas
1.10 Medos e mitos

Negociao algortmica tem atrado um monte de publicidade; tambm tem havido um monte de
marketing e hype. Assim, nesta seo vamos examinar alguns dos medos e mitos comuns que se
uniram a este tpico. De um modo geral, estes podem ser classificados em tr s grandes questes, a
saber, segurana, desempenho e utilidade.
Segurana de negociao algortmica

Algumas das preocupaes mais comuns sobre arco negociao algortmica que:
Os algoritmos so fundamentalmente mudando o mercado
Algoritmos ir substituir os comerciantes

Algoritmos podem vazar alfa para comerciantes propriet rios
No pode haver dvida de que o comrcio eletrnico tem transformado os mercados

mundiais. Marketplaces esto vendo ondas de fragmentao e consolidao como a competio
por participao de mercado impulsiona a criao de novas modalidades de execuo, enquanto
os j existentes so comprados, fundir ou falhou. O surgimento de sistemas de passagem um
exemplo perfeito disso cyclc. Tamanhos ordem so encolhendo, portanto, fora da bolsa travessia torna se cada vez mais popular. Em resposta, o interc mbios introduzir novos mecanismos para tentar
recuperar a liquidez das redes de passagem, e o cyclc comea novamente. Todo o tempo, essas
mudanas de mercado oferecem oportunidades para astuto investidores e comerciantes que esto
frente do mercado. Lidar com essa mudana constante claramente difcil. No entanto, a caixa de
Pandora j foi aberto, por belter ou pior, assim que ns podemos tambm olhar para dentro e
encontrar maneiras de lidar com a nova realidade do mercado.
Negociao algortmica uma evoluo natural do prego eletrnico. Computadores so ideais para
trabalhar em mercados multi-local de encontro complexas, uma vez que eles podem facilmente monitorar a
ordem livros de uma gama de locais de execuo. Se todo mundo usada algoritmos VWAP para sua
negociao ento clcarly alguma auto-reforo dos padres de comrcio iria ocorrer, bem como se todos
usou a mesma anlise tcnica. No entanto, a opinio das pessoas diferem: Na verdade, a prpria razo
de que os mercados do mundo funcionar porque os investidores e comerciantes tm uma gama
diversificada de opinies. Portanto, eles tm como alvo diferentes priccs e uso uma gama de
comrcio alternativo estratgias. No h nenhuma razo para que negociao algortmica deve
alterar essa diversidade.
A segurana do emprego tambm um problema. Notcias apelativo proclamaram o fim da
comerciante, mas ento ns estamos

imporlant
tudo vai ser substitudo com robs em 2075 no estamos?
Algorithmic Trading &DMA
23
lembrar que arco eletrnica e trading algortmico meros instrumentos. Certamente, papis de trabalho
arco evoluo, por exemplo, os vendedores esto se tornando comerciantes de vendas. Mesas de
sell-side so agora cobrindo vrios classcs ativos. No muito tempo atrs, a previso era de que o
principal risco de negociao ou se tornaria mais comumente usado de negociao agncia. A crise
financeira de 2007-09 ea transformao do sector financeiro ter dado um novo sopro de vida
negociao agncia. Dentro fato, durante esta negociao principal crise parecia muito mais ameaadas
de extino. Nesses mercados, os comerciantes e os investidores precisam ser flexveis para tirar
proveito de todas as ferramentas que ajudam a dar-lhes uma vantagem e dirigir lucros.
Um artigo na revista CFA (2006) intitulado "Hype e algoritmos 'poses um bem contraponto ao
medo que os algoritmos ir tomar sobre o mundo. No artigo, Joe Gawronski, diretor de operaes
da Rosenblatt Securities, destaca o fato de que:
"Algoritmos no pode reagir no sentido verdadeiro de como eu definir uma reao. Tudo o
que fazem baseado em uma regra que tem sido fornecida, enquanto que os comerciantes
podem mudar de idia sobre a voar. No h nenhuma maneira de incorporar em algoritmos
os fatos aleatrios e observao que pode dar um comerciante uma "sensao" para o
mercado. "
Inteligncia Artificial (IA) pode oferecer uma soluo para isto; no entanto, este ainda um pouco
distante. AI primeiro tomou de na dcada de 1950, mas no foi at 1997 que a IBM ' s computador Deep
Blue poderiam aliviar o mundo chcss campeo. No mesmo artigo CFA James Finnegan, editor do
Engenharia Financial News, ressalta:
"As pessoas equiparar algoritmos caixa-preta com super computadores desenvolvidos para
jogar xadrez e erroneamente supor que h um dia ser um algoritmo que to inteligente,
rpido e inovador que mesmo os melhores comerciantes do mundo no ter uma chance. No
entanto, a diferena que, embora existam bilhes e bilhes de permutationswith xadrez, h
uma placa definido e um conjunto muito rigorosa
de regras, ento um computador
com memria suficiente pode aprender cada movimento. Isso no o caso com os mercados.
"
Alm todo o hype, negociao algortmica, certamente, ter um grande impacto. Por exemplo, bons
algoritmos pode ser utilizada da forma mais eficiente apenas pela um vendedor como um comerciante
de vendas. Deveria tambm abrir novos caminhos para o comrcio, expandir o potencial de multiregio e multi- negociao de ativos.
Outra conccrn para os investidores o vazamento de informaes. H ainda uma certa suspeita
de que corretores pode reunir informaes de fluxo de ordens do cliente e usar isso para seu prprio
proprietrio negociao. Dito isto, o buy-side tem mais poder e controle do que ele j teve. Redes
de passagem fora de bolsa at mesmo permitir que o buy-side completamente corretores de bypass.
Dado que as comisses esto em declnio, vital para os corretores para reter o fluxo de pedidos.
Reputao primordial. Corretores tm de assegurar que suas mesas de negociao prprias so
realmente isolado a partir de as operaes de corretagem. Isso vale para todos os principais corretores,
cujo principal corretora unidades so freqentemente segregados, localizados em andares separados ou
at mesmo edifcios.
atuao de negociao algortmica

Outro medo comum que algoritmos de negociao j se tornaram mercantilizado e h pouca
diferenciao entre eles. H alguma verdade nisso, em que h apenas tantos maneiras de
implementar um algoritmo que tem como alvo um ponto de referncia como VWAP. No entanto, sendo
commoditiscd no totalmente uma coisa ruim; importante ter um certo nvel de Padronizao. Ns
s temos que olhar para os mercados para ver como os produtos pa dronizados tm
24
Viso geral
belter liquidez e assim reduzir os custos de negocia o. De igual modo, os algoritmos

padronizados, pelo menos em termos de seus parmetros e funes bsicas, seria permitir que os
clientes para trocar entre corretores mais facilmente, incentivando assim uma maior concorr ncia.
Mercantilizao menos de um problema para o custo mais complexo conduzido e
oportunista algoritmos. Aqui, o desempenho est dependente da qualidade dos seus modelos
quantitativos, assim corretores podem adicionar um valor significativo. De facto, pode haver uma
variao considervel na desempenho destes algoritmos entre corretores.
Escolha algoritmo tambm um factor importante: Se um tipo imprprio de algoritmo
escolhido, em seguida, o desempenho obrigado a sofrer. Isso pode ser resolvido pela uma
combinao de educao e melhorar as anlises pr-comerciais disponveis. Outra soluo o aumento
da proviso de sistemas que podem sugerir automaticamente o algoritmo mais apropriado para uma
ordem especfica. Anlise ps-negociao vital para verificar o desempenho real. Note-se que
tanto a mdia como desvio padro de desempenho necessidade de ser consideradas.
H tambm a sensao de que corretores de reter os melhores algoritmos de desempenho para
si mesmos. Fundamentalmente, mesas proprietrias, particularmente aqueles que empregam alta
frequncia negociao ou arbitragem estatstica adotar diferentes estratgias para os investidores.
Eles so geralmente dispostos a ficar neutro mercado e assim por estratgias tendem a no acumular
grandes posies, em vez agindo mais como dia comerciantes sofisticados. Assim, quaisquer
algoritmos que eles usam tendem a ser altamente especializado, muitas vezes baseadas em cria o de
mercado. Isso no para dizer corretores no executar diferentes algoritmos. As verses mais
recentes de algoritmos precisam de extens os testes, ento estes sero utilizados internamente
antes sendo disponibilizados aos clientes. De um modo geral, os algoritmos s o um recurso valioso
de marketing que os corretores esto dispostos a disponibilizar logo que estejam prontos.
Finalmente, importante lembrar que a negociao algortmica apenas uma ferramenta, no uma
panacia. Ele no foi projetado para gerar lucros (ou alfa), simplesmente para ajudar a controlar os custos e
proporcionar melhor execuo.
Utilidade de negociao algortmica

O sucesso da negociao algortmica significa que menos pessoas ainda est o questionando sua
utilidade. Embora ainda existam algumas questes enraizadas desde os primeiros dias de negociao
algortmica, ou seja, que:
Algoritmos arco complicado de usar
Eles s realmente trabalhar para activos lquidos ou pequenas encomendas

Algoritmos tm s vezes uma reputao de ser complicado, mas como vimos no exemplo na Tabela
1-4, eles requerem parmetros que parecem muito semelhantes com as instru es ns pode dar
ao um comerciante. A maioria dos algoritmos ter bochechas sanidade, por isso, se uma ordem
invulgarmente , ou o limite de preo grande milhas de distncia do preo real de mercado, em
seguida, a ordem pode ser rejeitada, apenas para ser seguro. No entanto, como com qualquer
programa de computador, que importante para suportar em mente o "lixo no lixo para fora"
maxim, e assumir que no vai ser to indulgente com erros de digitao.
Seleo algoritmo das centenas disponveis pode parecer uma tarefa sinistra. esse disse,
qualquer corretor provavelmente oferece um mximo de uma dzia de algoritmos de negociao.
Portanto, simplesmente um caso de uso de anlise pr-negociao para estimar o impacto potencial e risco
de um ordem. Cada vez mais, os corretores arco racionalizar as suas suites de algoritmos para
fazer a seleo ainda mais fcil. Eles tambm esto comeando a oferecer mais solues focadas
no cliente que servem para especfico requisitos. Alguns corretores ainda fornecer servi os que
sugerem o mais adequado algoritmo, com base no tamanho do pedido e da liquidez do ativo e
volatilidade.
Em termos de algoritmos de apenas ser capaz de lidar com ativos lquidos ou pequenas encomendas,
isso pode
25
ter sido verdade para a primeira gerao de algoritmos. Algoritmos modernos so muito mais
verstil. Em particular, a introduo de algoritmos de busca de custo-centric e de liquidez significa
que eles podem agora apoio um conjunto muito mais amplo de requisitos.
Os activos ilquidos posar um problema especfico, ou seja, sinalizao de risco. Isto representa o
vazamento de informaes a outros participantes do mercado de nossa estrat gia de negociao.
Imagine usar o algoritmo simplista vimos na Figura 1-5 para um activo ilquido. As ordens
regulares grandes buy gritariam: "Temos um comprador ", enquanto que para um ativo mais fortemente
negociados eles no iriam destaca como muito. Consequentemente, muitas vezes necessrio para
esconder as nossas intenes reais tanto quanto possvel, usando os tipos de pedidos especiais e
buscando liquidez de fontes alternativas tais como redes de passagem. Vamos cobrir isso com mais
detalhes nos captulos 8 e 9. Interessantemente, estas tcnicas esto a ser cada vez mais aplicado aos
activos lquidos.
Uma rea onde algoritmos que precisam de mais trabalho lidar com eventos inesperados ou
notcias. Comerciantes humanos muitas vezes pode lidar com isso muito mais eficaz. Dito isto, a
prxima gerao de algoritmos j esto comeando a olhar para a melhor forma de incorporar
informaes adicionais para lidar com tais situaes. Vamos olhar para isso com mais profundidade nos
Captulos 10 e 14.
1.11 Resumo
Acesso Direto ao Mercado (DMA) permite que os clientes para enviar ordens para trocas usando
umaproxy para a adeso do seu corretor, dando-lhes um nvel semelhante de controle para um
execuo de fim de um comerciante de sell-side.
Negociao algortmica um sistema baseado em regras informatizado responsvel pela execuo

de ordens de compra ou venda de um determinado ativo. Um programa de computador segue as regras
pr-definidas para determinar como cada ordem deve ser executada. Execuo algortmica
talvez um nome mais representativo.
Sistemtica, caixa-preta, quantitativa e alta freqncia ou de negociao automtica so

termos que s vezes so erroneamente utilizados como referncias a negociao algortmica. Na
verdade, eles so mais a ver com o estilo de investimento do que a execuo.
At agora, houve trs principais geraes na evoluo do algoritmos de negociao:

Os primeiros algoritmos foram evolues naturais de simples corte ordem, focando
benchmarks especficos, como TWAP ou VWAP. Inicialmente, estes eram programao
driven, muitas vezes com base em dados histricos. Mais tarde, as verses dinmicas mais
incorporada condies de mercado, levando a algoritmos de rastreamento, tais como
percentual de volume.
A segunda gerao de algoritmos de negociao foram criados em resposta ao
aplicao da anlise de custos de transao. Algoritmos dfice implementao nos
esforamos para minimizar os custos atravs de um equilbrio tanto impacto no mercado e
risco.
A terceira gerao de algoritmos arco mais centrada na liquidez, resultante da a
fragmentao dos principais mercados e com a chegada de "dark pools".
Evoluo contnua ea adoo de tticas semelhantes significa que os limites entre esses
mtodos esto constantemente se borrar. Cada vez mais, tipos de ordens complexas DMA
-
esto tornando-se difcil diferenciar entre eles e algoritmos de negociao.
Viso geral
Comparando negociao algortmica e DMA com troca manual:

Em termos de velocidade e capacidade, negociao algortmica claramente o vencedor;
computadores pode lidar com milhares de ordens simultaneamente, responder em frac es
de um segundo.
Em termos de desempenho, os comerciantes experientes ainda tm a vantagem sobre
algoritmos sincc eles podem inferir sinais mais sutis do mercado. Embora, como
algoritmos continuam a evoluir, a diferena est diminuindo. Algoritmos tambm
oferecem a perspectiva de resultados mais consistentes. Note-se que seleccionando o
algoritmo apropriado vital.
27
Captulo 2
Microestrutur
a de mercado
Mercado
microstructurefocuseson o
chave
mechanismsinvolved
na negociao. Ele tambm ajuda a explicar muitos dos
custos que possam surgir.
2.1
Introduo
Economia tende para si resumo dos mecanismos subjacentes da negociao. Do mesmo modo, teoria
de precificao de ativos em comum se concentra exclusivamente nos valores fundamentais de ativos.
Considerando que o campo de microestrutura de mercado 1concentrados sobre o processo de
negociao real, analisando como especfico mecanismos afetam tanto os preos observados e os
volumes negociados. Microestrutura de mercado ajuda explicar muitos dos custos que impedem
ativos de alcanar os seus valores fundamentais.
Interesse na microestrutura de mercado cresceu rapidamente nas ltimas duas dcadas, ao lado de
as rpidas changcs na estrutura e na tecnologia dos mercados mundiais. Mudanas estruturais tm
surgido devido globalizao, a desmutualizao de muitas trocas (para se tornar profit-Based
empresas) e aumentar a concorrncia intra-mercado. Regulamento tambm desempenhou a sua
parte. Por exemplo, em os EUA, Securities and Exchange Commission (SEC) governao levou
criao de ECNs (Redes de Comunicaes Electrnicas), que tm agressivamente competiu com
trocas de quota de mercado. O ritmo da mudana tecnolgica tem tambm ajudou, como ferramentas
como DMA e negociao algortmica abrir os mercados, reduzindo as barreiras para entrada e
alterando o equilbrio entre investidores, corretoras e distribuidoras.
Que temas no microestrutura do mercado realmente cobrir? Ns pode quebrar a teoria em trs
reas-chave:
Mensurao dos custos de transao e anlise

O propsito desta viso geral fornecer uma introduo bsica a essas reas-chave. Para ler mais,
guia de um praticante concisa dada por Ananth Madhavan (2002). Enquanto revises completas de
a literatura acadmica so fornecidos por Bruno Biais, Larry Glosten e Chester Spatt (2005), Hans
Stoll (2001) e um trabalho anterior por Madhavan (2000). Uma reviso conceitual mais detalhada de
negociao e mercados em geral pode ser encontrada Larry Harris em (1999) livro "Negociao e
Trocas '.
1
Mark Garman (1976) usou pela primeira vez o termo "microestrutura de mercado" em um artigo sobre a criao de
mercado. Contudo, publicou uma pesquisa microslruclure mercado remonta ao t7 vc 'Cenlury, quando Joseph De la Vega
(1688) foi analisar as prticas comerciais e preos na bolsa de Slock Amsterdam.
28
mercado
2.2
Microestrutura
de
Fundamentos
Antes de abordar os principais conceitos de microestrutura de mercado em mais detalhes,

vamos primeiro endereo algumas das caractersticas fundamentais do comrcio e mercados.
Existem mercados para acomodar o comrcio. Um mercado destina-se a trazer diferente
participantes em conjunto, permitindo-lhes negociar. Desde a oferta ea demanda arco nem sempre
equilibradas, a maioria dos mercados tambm dependem de intermedirios, tais como corretores
ou distribuidores, a facilitar a negociao.
Liquidez caracteriza a facilidade de negociao em um determinado mercado ou para um activo
especfico. Negociao em mercados altamente lquidos muito mais fcil e mais eficiente, do
que negociar em ilquidos queridos. Dada a importncia do comrcio e, em particular dada a sua
natureza cada vez mais global, til para ser capaz de comparar os mercados em termos da sua
eficincia. O custo de um activo no necessariamente uma medida justa sincc muitos outros fatores
econmicos, tais como moedas, taxas de juros ou de inflao, podem afetar isso. Portanto, medidas baseadas
na liquidez so freqentemente usados ao invs.
Funcionamento do mercado
O objetivo fundamental da um mercado trazer compradores e vendedores juntos. Amplamente
falando, os mercados de capitais podem ser classificados em mercados primrio e secundrio,
com base nas duas fases do ciclo de vida do ativo. 2 Os negcios no mercado primrio, com a
emisso de novas activos / ttulos. Negociao subsequente destes activos leva placc nos mercados
secundrios.
Novos ttulos do governo so geralmente emitidos por meio de leil es especializados.
Relativamente s aces, o mercado primrio est preocupado com ofertas pblicas iniciais
(IPOs), follow-on e ofertas questes de direitos. Da mesma forma, a nova dvida corporativa
geralmente placcd usando subscritores (normalmente umasindicato de bancos).
Historicamente, o mercado secundrio de ttulos tem sido muitas vezes "over the counter"
(OTC), embora j existam tambm mercados inter-negociante e dealcr-a-customcr substanciais. o
situao semelhante negociao de divisas e muitos ativos derivativos. Enquanto para As aces
principais marketplaces so trocas, embora cada vez mais estas devem agora competir com outros
locais como ECNs e sistemas de negociao alternativos (ATS).
Os mercados secundrios arco investidores sincc vitais estar o mais dispostos a fornecer
capital se eles sabem os ativos podem ser facilmente negociados. Esta flexibilidade permite -lhes a
retirar capital quando necessrio e para alternar entre os ativos. Assim, a pesquisa microestrutura de
mercado tem-se concentrado principalmente na efficicncy dos mercados secund rios, fn particular,
examinar a diversidade de estruturas de mercado e mecanismos de comrcio, como vamos sec nas
seces 2.3 e 2.4.
Participantes
Convencionalmente, os papis do mercado foram definidos pelas necessidades comerciais. O
"buy-side" corresponde aos clientes tradicionais, ou seja, investidores institucionais e
individuais. Enquanto o "sell-side" representa os corretores, intermedirios e outros
intermedirios financeiros que as necessidades dos clientes de servi os. Corretores atuar como
agentes para facilitar a negociao real, enquanto os concessionrios (ou formadores de mercado)
o comrcio em seu prprio nome tentando lucrar com oferta de liquidez. Os especuladores agir de
forma independente, a negociao por si mesmos.
Em comparao, os modelos de microestrutura de mercado na literatura acadmica tendem a
classificar os participantes com base nas informaes que eles possuem:
Nole esta distino menos significativo para o cmbio e derivativos.
29
"Traders informado" so assumidos ter informaes privadas, o que lhes permite

para determinar com preciso o verdadeiro valor de um ativo.
"Comerciantes de liquidez" deve negociar a fim de cumprir determinados requisitos,

tais como a liberar o capital ou para ajustar o balano de uma carteira.
Os modelos tambm incorporam frequentemente o estilo de negociao: os comerciantes

ativos so classificados como aqueles que exigem execuo imediata das suas encomendas
(imediatismo) e os preos de envio no direo de sua negociao, enquanto os comerciantes
passivos efetivamente fornecer imediatismo e assim estabilizar os preos. Sem surpresa, os
modelos microestruturais mostraram que a longo prazo comerciantes de liquidez geralmente
perdem se o comrcio com os comerciantes informadas. Da mesma forma, os comerciantes passivos
tendem a lucrar com comerciantes ativos. Ainda assim, os comerciantes informados no t-lo tudo sua
maneira; eles arco vulnervel a informao de fuga. Consequentemente, os comerciantes informados
tentar minimizar esta procurando ao comrcio de forma annima ou mesmo alterando seus padres de
negociao para olhar mais como um comerciante de liquidez.
Microestrutura tipos
modelo de
comerciante
Participant
es reais
Informado
Investidores
LiquidityActive
Passiva
Investidores
Especuladores
Conc
essionri
as
Investid
ores
Tabela 2-1 Microestrutura participantes modelo

Mesa 2-1 tenta mapear os participantes modelo com os seus homlogos do mundo real. A mais clara
link para os concessionrios. Eles atuam como comerciantes passivos de liquidez, beneficiando de
oferecer liquidez para comerciantes ativos, mas em risco de perder para os mais informadas; por
isso, os seus preos tenta equilibrar esse risco informaes: Os ganhos obtidos a partir de
comerciantes ativos deve compensar qualquer potencial perdas. Por outro lado, os especuladores
tendem a tomar , um estilo de negociao mais ativa, ou agressivo. Elas muitas vezes tirar proveito dos
movimentos de preos de curto prazo, que podem ser ao contrrio das expectativas de longo prazo.
Para os investidores, o mapeamento menos claramente definido, uma vez que para qualquer
especial Situao alguns investidores tero mais relevante, ou valioso, informao do que outros o
faro. Por isso, s vezes, os investidores podem realmente ser na qualidade de comerciantes de
liquidez, se comparado a outros investidores mais bem informadas. A nica maneira de saber o
seu lucro final (ou perda).
Liquidez
Negociao geralmente significa converter um ativo em dinheiro ou vice -versa. O quanto isso
converso custa realmente pode ser representado pela liquidez do ativo, ou o mercado de TI foi
negociado por diante. Este ponto de vista da liquidez remonta a Harold Demsctz (1968). Expressou
liquidez em termos de imediatismo, o que reflete a capacidade de negociar imediatamente,
executando com o melhor preo disponvel.
Preo de um ativo est intimamente ligada sua liquidez. Por exemplo, recentemente emitido
tesouraria EUA ttulos muitas vezes tm preos mais elevados do que as questes mais velhos
(chamados de "off-the-run") para a mesma maturidade. Este prmio de liquidez reflete o valor de
ser capaz de converter rapidamente o ativo de volta ao dinheiro.
30
mercado
Microestrutura
de
Um mercado lquido ou ativo deve ter um custo menor para o imediatismo, ou seja, os custos de
negociao. Lquido mercados ou activos tambm costuma ter volumes de negociao mais
elevados. Por exemplo, o estoque mercado geralmente mais lquido do que o mercado
imobilirio.
No geral, podemos caracterizar A liquidez do mercado3 em termos de trs caractersticas principais:
Profundidade
Aperto
Resilincia
Profundidade indica a quantidade total de ordens de compra e de venda que est o disponveis
para o ativo, em torno do preo de equilbrio. Assim, um mercado profundo nos permite negociar
grandes volumes sem causando movimentos considerveis de preos (ou impactos). Por outro lado,
um mercado rasa significa que muito mais difcil para o comrcio; muitas vezes teremos que alterar
os nossos preos para atrair compradores ou vendedores.
Aperto refere-se oferta de lance spread. Isto quer dizer, que representa a diferen a entre o os
preos de compra e venda de um ativo. Um spread apertado significa que os custos de negociao so
baixos (por quantidades mdias) e por isso relativamente fcil para o comrcio dentro e fora da
uma posio.
Resilincia determina a rapidez com que o mercado se recupera de um choque. Um mercado
resiliente vai sofrer menos discrepncias de preos de negociao. Assim, variaes de preo no afetam
o global nvel de negociao, ou a disponibilidade de ordens.
Esses trs fatores esto intimamente relacionados: mercados mais profundas t m, geralmente,
mais estreito oferta lance barrar (to apertado arco), uma vez que arco mais fcil para o comrcio,
e assim menos arriscado. Isto tambm faz os mais propensos a ser resiliente.
Outro fator potencial, Diversidade, sugerido por Avinash Pcrsaud (2001). Seu estudo de crises de
mercado, intitulado "Liquidez buracos negros", destacou a import ncia da uma gama diversificada
de pontos de vista de mercado entre os investidores e comerciantes. Sem essa diversidade, todo mundo
quer comprar ou vender ao mesmo tempo ou pricc, de modo a liquidez obrigado a desaparecer.
Felizmente, para a maioria mercados, existe geralmente uma grande quantidade de diversidade nas
opinies. Embora, como pontos Persaud fora, periodicamente uma convergncia de sentimento do mercado
ajuda criscs gatilho, como a de 1987 crash da bolsa ou a crise financeira de 2007-09.
2.3
Para os mercados a funcionar bem, seu projeto deve atender s necessidades de institucional (ou
individuais) investidores, comerciantes e especuladores. Portanto, um mercado bem sucedido permite
investidores de negociar quando eles querem, e minimiza os cus tos de ordens de negociao
enquanto ainda tornando-o til para comerciantes e especuladores.
As principais caractersticas de arquitetura mercado 4pode ser definido como:
Tipo de Mercado
Tipos de ordem
Protocolos comerciais
Transparncia
Off-mercado de negocia o
Essas caractersticas pode influenciar significativamente a factores tais como a liquidez e a

velocidade de
Conforme descrito por Fisher Black (1971) e Albert Kyle (1985) em seus trabalhos sobre os mercados de leilo conlinuous.
Com base em um Iisl por Madhavan (2002).
31
descoberta de preo, o que por sua vez, pode afectar o custo global de negociao. No entanto, no
h dois mercados so os mesmos, mesmo se eles so baseados no mesmo projeto, uma vez que os
regulamentos locais podem diferem, assim como o universo de ativos negociados.
Tipos dos mercados

Historicamente, as duas propriedades mais importantes para os mercados esto classificando sua
negociao mecanismo e a frequncia real da negociao:
Mecanismo de comrcio
Mercados so geralmente consideradas como estando orientado a citao, orientada por ordem ou
uma mistura (ou hbrido) dos dois. Um mercado puramente orientado a citao significa comerciantes
devem transaccionar com um negociante (ou formador de mercado) que cita preos em que eles vo
comprar e vender uma determinada quantidade. Ordem- mercados impulsionados permitir todos os
comerciantes a participar igualmente, colocar ordens em um livro para que estamos ento combinados
utilizando um conjunto consistente de regras. Figura 2-1 tenta destacar estes diferenas.
Citar-driven-drivenOrder
Bidirecional de formador de mercado Citao: Best
ordens:
Tamanh
o500
Bid
1.
Licita
o
52,0
Oferta
53,5
Off
tamanho
1000
'Leva a oferta'
Tamanh
o500
Bid
"Acertar a oferta "
Licitao tamanho
Licitao Oferta
Off tamanho 500
1000
52.053.5
3.
e
Si
o
a.
Negociar,
ou deixe ordem de
limite
Ofert
a
53,5
Off
tamanho
1000
1.
Coloque ordem do mercado de compra,

ou comprar ordem de limite
correspondentes melhor oferta
2.
Lugar vender ordem de mercado,

ou ordem de limite sell
correspondentes melhor oferta
Licitao tamanho
Licitao Oferta
Off tamanho 500
52,0
53,5 !
1000
2.
Licit
ao
52,0
compra e venda
3-A. Coloque passiva ordem de venda

Tamanh
o500
Bid
Licita
o
52,0
Ofert
a
53,5
54,0
Off
tamanho
1000
1000
3-B. Defina mercado com nova ordem de

venda
Tamanh
o500
Bid
Licit
ao
52,0
Ofert
a
53,0
53,5
Off
tamanho
1000
1000
Figura 2-1 Comparando mecanismos de negociao baseado em citaes e

direcionadas a pedidos
Para um mercado dirigido pela citao, quando confrontado com uma citao de duas vias,
podemos escolher a "tomar o oferta "," hit a oferta ", renegociar ou apenas deix-lo. Escolhendo a"
aceitar a oferta "resulta em uma compra
32
mercado
Microestrutura de
execuo ao preo de sua oferta, enquanto batendo os resultados da proposta na uma venda. O
formador de mercado bidirecional proporciona Citao uma execuo garantida a esse preo, para um
tamanho conjunto.
Com um mercado dirigido pela ordem, os preos de arco por ordens reais. Ao melhor preo de
oferta representa a ordem de compra com preo mais alto, enquanto a melhor oferta definido
pelo sell preo mais baixo ordem. Um comrcio s pode ocorrer quando uma ordem de compra combina
(ou superiores) o melhor preo de oferta atual, enquanto que para uma ordem de venda o melhor preo de
compra o alvo. Ento, ao invs de responder A citao de formador de mercado de dois maneira
como reagimos liquidez disponvel no livro de ofertas. o resultado tambm depende do tipo de
pedido utilizado. A ordem de mercado tenta garantir a execuo independentemente de pricc,
enquanto uma ordem de limite adere a um estrito limite de preo, mas sacrifcios certeza execuo. O
equivalente a "aceitar a oferta" colocar cither uma ordem de mercado, ou um limite pedir preo para
coincidir com a melhor oferta. O seu tamanho deve ser igual a ou menor do que a oferta
disponveis tamanho. Por outro lado, podemos "bater o lance", colocando uma ordem de mercado
sell, ou uma ordem de limite de preo para coincidir com a melhor oferta. Note que no h garantias,
uma vez que a qualquer momento muitos outros comerciantes tambm ser a emisso de novas
encomendas, a atualizao dos j existentes e cancelando os obsoletos. De a cal reagimos e colocar
um fim, bem possvel que uma outra ordem j tem combinado com o melhor lance ou oferta atual.
Conseqentemente, uma ordem de compra (venda) mercado pode executc mas potencialmente em um
preo mais elevado (inferior) do que a melhor oferta atualmente exibido. Alternativamente, uma ordem de
limite pode falhar para executar, caso em que ele vai ficar na carteira de pedidos at que ele
corresponda com uma outra ordem ou cancelada. Portanto, para os mercados em funo das ordens
da melhor oferta de compra e oferta Os preos so indicativos em vez de como garantido Citao
empresa nos dois sentidos de um negociante.
Enquanto o imediatismo do bidirecional citao til, a persistncia de ordens dentro
sistemas orientado a ordem tambm benfico, j que eles fornecem liquidez visvel, o que
aumenta a descoberta de preo. Mercados orientados para a ordem tamb m oferecer mais controle
sobre a ordem choicc. As encomendas podem ser colocadas por qualquer preo e tamanho preferido
sem a necessidade de negociao. Por exemplo, acreditando que o preo vai subir, podemos optar por
emitir uma ordem de venda mais passiva preo apenas acima do melhor oferta atual. Efetivamente, isso
vai entrar na fila atrs da melhor oferta de venda, como mostrado no painel 3a. Como alternativa,
pode optar por definir um novo nvel de mercado, em um pricc ligeiramente menor do que a melhor oferta,
mostrado no painel 3b.
A negociao uma diferena fundamental entre os mercados-driven quote-driven ordem e. Muitos
mercados orientados para as citaes, mesmo os eletrnicos, fornecem um mecanismo que permite
que tanto contrapartes para negociar o tamanho e / ou pricc. O crcalion de novos sistemas de
cruzamento e ATS, tais como Liquidnet, que tambm incorporar mecanismos de negociao
significa que este j no se limita aos mercados puramente baseado no negociante. No entanto,
no h nenhum equivalente direto para este mecanismo para os mercados puramente em funo das
ordens. A aproximao closcst colocar uma Para que o nosso tamanho desejado e preo, e, em
seguida, closcly monitorar e atualiz-lo para tentar garantir que ele executado. Mas isso ainda
est longe de entrar em uma negociao bilateral. Na verdade, este diferena to fundamental que
ele pode ser usado como um fator chave para a categorizao de mecanismos de negociao.
Apesar destas diferenas, a Figura 2-1 tambm destaca algumas semelhanas claras entre
umacitaes de duas vias e usando ordens do revendedor. Um mercado onde os negociantes devem
fornecer contnua empresa cita efetivamente forccs-lhes oferecer constantemente ordens de limite.
Em muitos aspectos, isso pode ser pensado como um mercado hbrido. De fato, mercados como a
NASDAQ, que costumavam ser puramente orientada para o oramento, desde ento mudou para se
tornar verdadeiramente mercados hbridos, incorporando muito da mesma funcionalidade que os

mercados em funo das ordens. Em comparao, um mercado onde a citaes dos concessionrios
arco permanece apenas indicativos um mercado puramente orientada para o oramento, uma vez que
ainda deve pedido uma cotao firme separado.
33
Frequncia de negociao
A frequncia de negociao o outro classificador principal para a estrutura dos mercados, uma
vez que este determina quando requisito jogos (se eles s o de citaes ou ordens) so, na
verdade, transformado em execues. Geralmente, os mercados fornecem um ou mais dos seguintes
tipos:
A negociao em contnuo
Negociao peridica
Trading-driven pedido
A negociao em contnuo fornece um meio conveniente e eficiente de execuo. Embora tais

imediatismo pode levar a volatilidade dos preos, particularmente quando h um desequilbrio entre
oferta e procura. Troca peridica geralmente previsto para hora / s especficos do dia. O perodo
de tempo previamente permite a formao de preos mais ponderada, ele tambm permite liquidez a
acumular-se. Pedir-driven meios comerciais solicitando uma citao de um formador de mercado,
enquanto pode ser conveniente no necessariamente o mais eficiente em termos de preo conseguida.
A classificao de tipos principais de mercado

Com base nestas duas propriedades fundamentais, uma vasta gama de tipos de mercado possvel;
alguns exemplos arco em destaque na Tabela 2-2.
Mecanismo
Contnuo
Baseado no fim-drivenHybridNegotiation
CDA
Cont.
cruzes cegos /
ATS Instinet
CBX
LeveL
Chamada
Contnuo com
programa
Pedido
Freqncia
Cruzamento
interno
CDA
Tokyo SE
CDA w / LP
CM E
Cruzes
anunciados
contnuas /
ATS
Oleoduto
ITG POSIT Alerta
CDA w /
LP
Euronext,
LSE,
Eurex
Cont. dealer
(cotao
firme) MTS
RFS
Cont. dealer
(Citao
indicativo)
Cont. cruzes
negociados / ATS
Liquidnet
Revendedor
hbrido livro /
fim NYSE,
NASDA Q
ICAP BrokerTec
EBS
Call auction
Euronext ilquidos
Sys de
passagem ITG
POSIT, Cruzes
Instinet
Ordem de
limite
Revendedor
Revendedor RFQ
Trading
"em cima"
Tabela 2-2 tipos de mercado organizado por seu mecanismo e frequncia de negociao
Os cantos desta tabela correspondem aos extremos, enquanto que o centro mostra a mais hbrida
"mix 'n match" abordagem. Observe que o mecanismo de comrcio de classificao, na verdade, usa
"base de negociao-", que engloba a abordagem orientada para a cotao. Antes de passarmos
34
mercado
Microestrutura de
considerar outros fatores na concepo do mercado, vale a pena rever brevemente algumas das
principais tipos de mercado mostrados na Tabela 2-2:
CDA significa Leilo Duplo contnua; esta simplesmente uma contnua orientada para o fim
mercado de leiles. Seu nome derivado do fato de que ele suporta e venda simultnea de compra
leiles. O mecanismo CDA sinnimo de livros limite de ofertas central (CLO) que formam a
base para a maioria dos mercados em funo das ordens. medida que cada nova ordem chega,
atualizado ou cancclled o processo de correspondncia verifica o livro de ordens para quaisquer
pedidos que correspondem.
Mercados negociante contnuas assegurar que os criadores de mercado constantemente
atualizar cotaes de duas vias para refletir seus mais recentes pre os. Eles podem ser
subdivididas naquelas onde os concessionrios
fornecer qualquer empresa ou citaes
indicativos. Mercados baseado em ofertas de preos firmes, incluindo request- I'or-streaming
(RFS) mecanismos, efetivamente forar os comerciantes a manter constantemente limite
encomendas. Isto corresponde a um mecanismo mais hbrida, que pode at mesmo ser capaz de atender a
a negociao annima. Como mencionado anteriormente, locais onde s o utilizados preos
indicativos representam um (ou orientado a citao) abordagem mais baseada em negociao.
Na outra ponta do espectro esto os mecanismos orientado a pedido, como nico representante
(PDO) plataformas pedido-de-oramento. Da mesma forma, o tradicional trading "andar de
cima" para grande ordens de bloco puramente orientada para o pedido. Enquanto solicitando
uma ordem de limite de um negociante efetivamente coloca uma ordem em sua carteira de pedidos
privada.
Programado ou peridica, leiles de chamadas so geralmente definido para hora / s
especficos do dia. o perodo antes do leilo permite que as ordens (e assim de liquidez) para
acumular. O processo de leilo em seguida, compara comprar e vender ordens, geralmente tentando
encontrar um nico preo de equilbrio que maximiza a quantidade executado. Ao for ar interesse na
negociao de esperar, as ordens podem acumular pronto para a chamada de leilo, ajudando a
reduzir a volatilidade. O pooling de sucesso de liquidez tambm significa que eles so muitas vezes
utilizados para ativos menos lquidos.
Mercados hbridos oferecem elementos de ambos os mercados baseados em negocia o orientada
por ordem e. Aviso prvio que na Tabela 2-2 a coluna mecanismo hbrido , na verdade, subdivididos. Este vagamente representa os mercados que foram originalmente com base em qualquer
um orientado a ordem ou uma abordagem baseada negotiation-. Assim, os mercados CDA, como
Euronext, que se tornaram hbrido por permitindo aos provedores de liquidez dedicada (w / LP) para
melhorar a sua liquidez global, arco mostrado do lado esquerdo. Em comparao, NASDAQ
eficazmente convertido em si a partir de uma citao- orientada para o mercado em um livro hbrido
fim, estendendo sua plataforma representante mltiplo de apoio exibido ordens de limite. Ento, NASDAQ
mostrada no lado direito desta coluna.
Muitos mercados agora incorporam tanto leil es contnuos e de chamadas. Combinando estes
dois Mecanismos tipos oferece a comodidade de execu o contnua com o efeito de
estabilizao da chamada. Por isso, muitos mercados de leiles contnuos agora usar leiles de
chamada para o seu mais perodos de volatilidade, nomeadamente as paradas comerciais abrem e
fecham, e alteram de liquidez ou preo suspenses. Alguns mercados at mesmo incorporar
leiles de chamadas intraday adicionais.
O esquema mostrado na Tabela 2-2 tambm pode ser utilizada para categorizar os vrios tipos
de "escuro pool "sistemas de negociao alternativos (ATS). Essencialmente, esta segue a
abordagem delineada por Jeromee Johnson do Grupo TABB (2006), que classifica os cruzamentos,
como previsto ou contnua e ou cego, negociado, anunciado ou interno. Cruzamentos programados, tais
como ITG ' s POSIT, so semelhantes aos leiles de chamadas programadas, exceto a liquidez est
escondido. Cruzes cegos contnuos, como CBX da Instinet, so efetivamente um CDA onde a
ordem livro continua a ser completamente opaco. Um mecanismo semelhante adotada para os
corretores "interno sistemas de passagem. Plataformas de cruzamento negociados cont nuas
constantemente procurar potencial jogos notificando cada participante quando um for encontrado.
Isso, ento, lhes permite entrar em um negociao bilateral annimo para o tamanho e preo.
Cruzamento anunciado contnua sistemas, tais como Pipeline, realce quando a liquidez est
presente, sem dar afastado o tamanho.
35
Isso permite que os participantes a fazer encomendas firmes para com cxccute isto.
Em geral, a tendncia para a concepo do mercado parece ser em direco ao centro da Tabela 22. Dentro Ou seja, a negociao em contnuo com base em mecanismos hbridos, muitas vezes com
chamada adicional leiles para ajudar a iniciar e / ou fechar o mercado. Esta abordagem est sendo
cada vez mais adotada pelos principais locais de mercado do mundo. Dito isto, inova es notveis
tambm esto ocorrendo em outro reas, devido, principalmente, ao advento de sistemas de
cruzamento e ATS. Exatamente o que os mercados do futuro ser semelhante ainda est longe de ser
certo.
Tipos de ordem
Encomendas tambm desempenham um papel importante na estrutura do mercado. Uma ordem
simplesmente uma instruo para comprar ou vender uma quantidade especfica de um determinado
ativo. Microestrutura mercado tende a diferenciar ordens tanto por sua liquidez efeito e por seus riscos
associados. Os dois principais tipos so os seguintes:
As ordens de mercado - Estas so instrues para o comrcio imediatamente ao melhor

preo disponvel. Por isso, eles exigem liquidez e risco de incerteza preo de execuo.
Ordens Limitadas - Estes tm um limite de preo embutido que no deve ser violado, uma
preo mximo de compra e um preo mnimo para as ordens de venda. Assim, ordens de
limite pode ajudar a fornecer liquidez, mas o risco de deixar de executar.
Note-se que os mercados tambm podem ser diferentes em termos de comportamento destes
tipos de ordem. Por exemplo, uma ordem de limite colocado com um traficante pode ser mantido
escondido at que as condies de mercado est certo, caso em que ele no fornece liquidez visvel.
Considerando que, um puro-driven fim mercado, tais uma ordem de limite vai imediatamente no livro de
ofertas central e visvel, desde que a carteira de pedidos suficientemente transparente.
Uma ampla variedade de condies pode tambm ser aplicada a cada pedido. Estes permitem o controle
sobre quando cada ordem se torna ativa, sua durao e se eles podem ser parcialmente preenchido. As
condies podem ainda ser definido que dirigir o fim de negociantes ou locais espec ficos.
Usando estas condies e incorporando comportamentos especiais adicionais tem locais
habilitados oferecer uma vasta gama de tipos de ordens. Por exemplo, as ordens de hbridos, tais como
market-to-limit ordens, na verdade, tem algumas das propriedades de ambas as ordens de mercado e
ordens de limite. Enquanto ordens condicionais permitem ordens para se tornar ativo, apenas uma
vez uma condio especfica verdade. Por exemplo, as ordens de despejos so ativados quando o preo de
mercado excede o seu limite de paragem interno. Ordens ocultas e iccberg tambm esto se tornando cada
vez mais importante, j que os investidores tentam alcanar o melhor preo para as suas ordens sem
revelar toda a liquidez associado.
Cada uma suporta mercado um conjunto diversificado de condies e tipos de ordem. No Captulo 4,
que deve cobrir estas em muito mais detalhe.
Protocolos de negociao
Os mercados devem fornecer um ambiente de negociao "equitativa e ordenada". Isto conseguido por
definio de regras de negociao ou protocolos adequados e, em seguida, aplic -las
rigorosamente. As regras covcr tudo, desde:
ordem de precedncia
requisitos para tamanhos comerciais
incrementos de preos
especificando como o mercado realmente abre e fecha
exigindo como ele reage a eventos ativos e todo o mercado
Assim, eles podem ter um efeito considervel sobre a eficincia da negociao num determinado
mercado.
36
mercado
Microestrutura
de
Ordem de precedncia: Essas regras especificam como executar ordens recebidas com as
ordens existentes ou cotaes de operadores. Geralmente, os mercados de dar mais prioridade aos
pedidos com o melhor pricc, com prioridade secundria com base no tempo de entrada do pedido.
Alternativamente, alguns do secundrio prioridade com base no tamanho do pedido.
Quantidades comerciais mnimas: Tambm conhecida como lote-tamanhos, esses limites podem
variar de uma nica a unidade um milhar ou mais. Os pequenos investidores preferem a flexibilidade de
lotes menores, de modo mercados pode usar as regras de tamanho de lote para ajudar a controlar o
mix de investidores institucionais e de varejo.
Incrementos de preos mnimos: Tambm conhecido como carrapato-tamanhos, esses limites
afetar a propagao entre os preos de compra e venda. Incrementos maiores aumentar a
propagao e assim torn-lo mais rentvel para fornecer liquidez (tanto para os revendedores e
para os usurios de ordens de limite). Mas se o carrapato tamanho muito pequeno, ento a
prioridade na ordem baseada no tempo pode se tornar sem sentido, como observado por Larry Harris
(1991). Cenrio um novo preo de mercado barato para pequenos carrapatos, por isso a tentao para o
passo em frente de outras ordens, a fim de manter a prioridade. Em os EUA, esta muitas vezes
referida como "pennying".
Procedimentos de abertura / fechamento: Os detalhes de como (e quando) o mercado aberto e
closcs, e que constitui a abertura e fechamento preos oficiais. Pesquisa microestrutura mostrou
que a descoberta de preo pode ser mais eficiente por ordens de lotes no peridica leiles de
chamada. Muitos tipos de mercados agora usar leiles de chamadas para abrir e / ou fechar o mercado.
Negociao paradas e disjuntores:
A interrupo da negociao pode ser chamado por razes
regulamentares, por exemplo, um pouco antes uma empresa faz um anncio que possa afetar
significativamente a sua estoque pricc. Alternativamente, tambm pode ser desencadeada por um grande
movimento pricc. Travar a negociao permite que o tempo de mercado para avaliar as novas
informaes, e pode reduzir o impacto quando a negociao for reiniciado. Alternativamente, a
negociao pode ser mudado temporariamente para um leilo de chamada especial para reduzir a
volatilidade de negociao. Eventos em todo o mercado disjuntores dizem respeito, eles so para se
proteger de venda em massa durante grandes declnios do mercado. Por exemplo, a NYSE tem
disjuntores fixados em limiares para 10, 20 e 30% do Dow Jones Industrial Average (DJIA). Se
estes forem atingidos, o mercado pode parar por 1 -2 horas ou at mesmo completamente Fechar.
Transparncia
Transparncia representa a quantidade de informa es de mercado que est disponvel antes e
depois umaOcorreu comrcio. Informao pr-negociao corresponde aos priccs e tamanhos de
citaes ou encomendas. Informao ps-negociao refere-se a detalhes de execuo comrcio
reais, ou seja, o tempo, tamanho e pricc.
Mercados orientados para as citaes tendem a ser menos transparentes do que os movidos a
ordem, uma vez que sempre apenas mostrar melhor oferta de compra e oferta de um corretor. A
natureza bilateral de meios de negociao baseado em citaes que ambas as partes geralmente sabem que
eles esto lidando. Mercados Multi-corretor melhorar visibilidade ligeiramente, tornando-a mais
fcil de comparar citaes de uma gama de criadores de mercado. Se os criadores de mercado fornecem
cotaes firmes em seguida, h tambm a possibilidade de annimo negociao.
Mercados em funo das ordens tendem a oferecer muito maior visibilidade. Certamente, o
mais transparente mercado um livro de ordens totalmente exibido, que mostra os proprietrios de cada
ordem e sem volume da ordem oculta, onde as negociaes so notificadas prontamente e
publicamente. Ainda assim, essa transparncia completa no atraente para todos os usurios. Em
particular, os comerciantes institucionais geralmente precisa reduzir o potencial impacto de grandes

encomendas, o que difcil, se cada um de seus pedidos clcarly
37
identificvel. Uma soluo comum fazer com que a carteira de encomendas annimo. Cada vez mais,
mercados tambm esto permitindo ordens ocultas, proporcionando controle comerciantes sobre a
visibilidade do seu volume total da ordem.
Espaos que se especializam em lidar com grandes encomendas de bloco, como o "dark pool"
ATS, tendem a ser opaca. Isso permite que os comerciantes para colocar grandes encomendas, sem
medo de sua sinalizao intenes a outros participantes do mercado. Obviamente, muito mais
difcil de descobrir o preo de mercado de um activo quando h poucos dados disponveis.
Portanto, estes opaco locais tendem a ser mais bem sucedido quando h tambm um mercado grande
e altamente visvel de que preos justos de mercado pode ser determinada. Assim, ATS, at agora,
visto a maioria de sucesso no mercado de aces dos EUA, embora eles arco rapidamente se
espalhando globalmente.
Em geral, a tendncia na maioria dos mercados e classes de ativos, parece que o aumento da
transparncia, mas com o anonimato. Na verdade, vrios mercados, que tinha inteiramente divulgados
identidades corretor, j voltou para a identificao voluntria ou completamente annimo negociao.
No entanto, o sucesso da ATS significa que h tambm continuar a ser um grande e crescente
nmero de mercados completamente opacos.
Aberto at tarde e fora do mercado de negociao

A globalizao do investimento e negociao significa que existe uma procura crescente de
acesso a 24x7 comrcio. Assim, a prestao de negociao after-hours e fora do mercado outra
chave diferenciador para os mercados.
Aberto at tarde negociao pode ser particularmente til para o comrcio transfronteirio,
ajudando a compensar as diferenas de fuso horrio. Grandes comerciantes bloco tamb m por
vezes partido das oportunidades do comrcio extra. Embora, pode ser necessria uma abordagem
diferente de negociao, uma vez que fora-de-horas de liquidez pode ser substancialmente inferior.
As alteraes de preos durante o after-hours trading tambm pode atuar como um indicador para
os prximos dias abertos.
Off-mercado de negociao assume duas formas principais, os mesmos ativos podem ser
negociados em uma variedade de locais no mesmo pas, alternativamente novos ativos pode ser
criada para permitir dupla listagem na mercados estrangeiros. Por exemplo, tendo o mercado de
aes dos Estados Unidos como um exemplo, os estoques podem ser listados em bolsas de valores,
como a NYSE e NASDAQ. As ligaes entre os locais de permitir o comrcio a maioria das aes da
NYSE nas outras bolsas, bem como em toda a uma gama de ECNs e ATS. o mesmo se aplica para as
aes listadas na NASDAQ. Para non-US recibos de depsito permitir que empresas suas aes a ser
efetivamente negociados em locais dos EUA.
Tendo tal uma ampla gama de possveis locais de execuo tem liderado o mercado de capitais dos EUA
para ser descrito como fragmentado. Hans Stoll (2001) fornece uma valiosa discusso das questes
entre a centralizao ea fragmentao do mercado. Essencialmente, beneficia de centraliza o dois
fatores, economias de escala e externalidades de rede. Ambos estes factores a oferecer mais
vantagem para o "first-mover"; hencc, principais mercados bem estabelecidos tendem a beneficiar
mais. Por exemplo, altos volumes de comrcio permitir um local de encontro para reduzir seu custo
mdio por operao devido a economias de scalc. Do mesmo modo, o volume de comrcio e nmero de
participantes afetam o probabilidade de negociao. Mais uma vez, isso faz com que mercados
estabelecidos mais atraente para os comerciantes desde eles oferecem uma maior probabilidade de
execuo bem-sucedida.
Por outro lado, os benefcios da fragmentao do mercado de uma srie de fatores intimamente
relacionados:
A transparncia do mercado
As mudanas tecnolgicas
A poltica de regulamentao
Como vimos na seo anterior, a transparncia do mercado permite locais (tais como ATS) para
garantir de forma confivel para coincidir com o principal mercado melhores preos. Sem isso, os
comerciantes devem
38Market
microestrutura
participar no mercado principal apenas para descobrir o preo. Da mesma forma, os avanos
tecnolgicos tornaram mais fcil para distribuir priccs e ordens entre locais. Muitos rgos reguladores
tambm esto exigindo transparncia, a fim de incentivar a concorrncia. Na
Mercados de aes dos EUA, regulao tem tambm incentivou mercados para unir, permitindo
outros locais para competir diretamente com os principais mercados. Assim, os comerciantes podem
participar com um alcance de locais de forma direta ou indireta.
Para capturar o fluxo de ordens de mercados mais estabelecidos os locais concorrentes muitas
vezes tm de oferecem funcionalidades adicionais, tais como o anonimato ou melhor manuseio
para as ordens de bloco. Alguns at oferecem incentivos, quer atravs da reduo de custos para
fornecedores de liquidez (dando descontos para as encomendas que fornecem liquidez) ou atravs de
pagamentos directos aos corretores para capturar pedido Como (que tem sido criticado desde o
pagamento no vai para o cliente).
Como Sloll (2001) aponta, desde que os mercados esto ligados, em seguida, as consequncias do
mercado A fragmentao pode ser relativamente menor. Um dos principais problemas que os
mercados esto fragmentados s realmente capaz de apoiar a prioridade preo. Embora, isso pode
ser quebrado quando uma grande ordem "caminha o livro "e negociada atravs de uma gama de
preos em um local. Secundria prioridades, tais como o tempo, no so totalmente com suporte em
vrios mercados ligados no presente. Nota que os algoritmos de negociao conduzido de liquidez e
de roteamento de ordens inteligente pode ser usado para lidar com isso.
A maioria dos mercados esto em um estado de fluxo constante; novas plataformas de negociao
continuam aparecendo enquanto feroz concorrncia resultou em muitos qualquer fuso ou falhando.
A nica certeza que mercados existentes ter que manter adaptando para lidar com essas mudanas.
Outras caractersticas importantes de design do mercado

Embora o mecanismo de comrcio e frequncia arco os principais determinantes do mercado
estrutura, outras caractersticas do mercado pode ainda ter um efeito marcante, a saber:
Meios de descoberta de preos: A maioria dos mercados tem um mecanismo de descoberta de
preo embutido. Para exemplo, Citao de um formador de mercado de duas vias ou a melhor compra
e de venda sobre um conduzido fim- mercado, que reflectem os melhores compra e venda preos
correntes. No entanto, alguns mercados no ter um mecanismo de preos dedicado; em vez disso, eles
tomam priccs de referncia a partir de outro mercado (geralmente a partir do mercado principal). Esta
abordagem tende a ser mais adequado para o bloco negociao.
Breaks intraday: Alguns mercados permanecem fechados hora do almoo, tal como a Hong
Kong, Cingapura e bolsas de valores de Tquio.
Automao: Um alto nvel de automao ajuda a reduzir a distino entre mercado makers e outros
comerciantes. Mercados menos automatizados ou manipulado manualmente oferecer atrasos, o que dar
concessionrias oportunidades para se tornar mais informado (cither de novas informaes, novo
ordens ou novos comrcios).
Segmentao: Um "one size fits all" docs abordagem geralmente no funcionam bem para todos os
ativos. Assim, muitos mercados empregam agora uma abordagem mais segmentada, utilizando uma
ordem-contnua mecanismo orientado para os ativos mais lquidos e um leilo de convite peridico
para o menos lquido.
Projeto de mercado est em constante evoluo, impulsionada pela concorrncia, regulao e
tecnologia. No futuro, outras caractersticas de projeto de mercado pode muito bem becomc mais
importante. Por exemplo, livros de pedidos complexos so capazes de lidar com ordens ligadas
entre os ativos; estes permitem derivado e at mesmo strategics de negociao multi-ativos a serem
adotadas.
2.4
O processo
1.
2.
3.
39

de negociao pode ser dividido em trs etapas principais:
Formao de preos
Preo descoberta Execuo / comrcio
Relatrios, limpando & assentamento
Em outras palavras, primeiro precisamos decidir sobre o preo que esto dispostos a negociar no
referido como formao de preos. Em segundo lugar, para um comrcio que ocorra, precisamos
encontrar uma contraparte que preparados para negociar com a gente a esse preo, tambm
denominado descoberta de preos ou a execuo do comrcio. Finalmente, os comrcios arco
relatados e os processos de compensao e liquidao lidar com a necessria fluxos de caixa e
transferncias de propriedade.
A maioria das pesquisas tem-se concentrado nas duas primeiras fases, tentando determinar as
relaes entre estrutura de mercado, volume de negociao, os preos e os custos de negociao.
Formao de preos
Os investidores tendem a ter opinies diferentes sobre o valor futuro de um ativo; em parte, isso
porque eles tm diferentes nveis de informao. Consequentemente, suas avaliaes alvo diversos
preos. Portanto, a formao de preos de um ativo geralmente baseada em condies de oferta
e demanda. isto tambm afetada pelo mecanismo fundamental de mercado, ou seja, citaoconduzido ou conduzido ordem. Pesquisadores microestrutura de mercado t m usado uma vasta gama
de modelos para investigar esta processo; Captulo 8 oferece uma anlise mais detalhada destes.
Mercados orientados para as citaes so um ponto de partida perfeito para anlise em formao de
preo desde a prpria natureza do formador de mercado citar preos. Modelos baseados em
informao assumem que alguns participantes tm uma vantagem de informaes concretas sobre os
outros. A oferta lance propagao representa o custo para que os criadores de mercado est o
preparados para negociar. Essencialment e, esse spread deve gerar retornos suficientes para cobrir
os seus custos e eventuais prejuzos de negociao com os comerciantes mais bem informadas.
Modelos baseados em inventrio derivar citao do dealer com base em seu inventrio (ou posio).
Isso s deve ser suficiente para atender a todas as ordens recebidas. Portanto, o mercado oferta lance
propagao do fabricante muitas vezes tende a aumentar medida que a sua posio se afasta
mais do seu inventrio ideal.
Para os mercados em funo das ordens, a formao de preos mais complexa, pois h muitos
mais participantes, cada um com a sua prpria opinio. Mercados em funo das ordens geralmente
so baseados em torno de umacarteira de pedidos do limite central, que contm toda a ordem ao vivo
para o ativo. A imagem mostrada na Figura 2-2 exibe uma tela de negociao carteira de pedidos tpico.
As encomendas so organizados por seu preo limite com os melhores preos no topo. A ordem de compra
superior tem o preo mais alto limite de compra, neste caso 336,00, enquanto o top ordem de venda
tem o menor limite de preo de venda, em 336,75.
Note-se que as melhores ofertas de compra e mostrado na Figura 2 -2 so, na verdade totais
agregados, projetado para mostrar rapidamente a quantidade disponvel em cada ponto de preo. A
coluna mais externo mostra o nmero de pedidos em cada total; ele tambm pode mostrar
quaisquer identificadores especficos proprietrio, tais como FIRM, CMPY. Assim, a 10.800
disponveis para vender em 337,25 realmente composto de dois pedidos separados. Figura 2-3
mostra uma viso alternativa deste livro fim, expandindo-o para ilustrar cada um dos pedidos
subjacentes (neste caso, S6 e S8) que compem esses totais.
Claramente, a transparncia da carteira de encomendas tem um efeito significativo sobre a
formao de preos. E se apenas o melhor lance e oferecem cotaes so exibidas, como sombreada
na Figura 2-3, em seguida, de forma eficaz o carteira de pedidos reduzida para ser como Citao
de duas vias de um formador de mercado. Isso adiciona um grau de incerteza uma vez que os operadores
econmicos no podem dizer o que os outros liquidez pode estar dispon vel. Este adicional risco
poderia conduzir a ordens sendo fixado o preo de forma mais agressiva do que o necessrio.
40
mercado
Microestrutura de
PFechar
Listados Companhia
LCPY
NP.B 25.100
Urato Oi
Truli: L j
Total de
Vol
GBX
CL0fKw52BP59
Occtw FT25
Sogm-ITC SET?
6 AT M 0 & 45
V I 7307
33fl 131 ATATAT
33f AT
337
Aberto
33H
335
VWAP
335V.
107.38
SETQ .c.l 52 ^
0
07
L- * t
Pr:
336
CurTt-nl
336
C u i t - j i l H Eu
33 *
Ciarwnt Ln
335
E. *. 33 .
COMP
RAR:,,,
Fonte: LSE (2006a) Reproduzido com permisso de Londres Slock Cmbio
PLC
Figura 2-2 A tela de negociao livro ordem tpica
Buys
td
B8
B1
B5
B7
B3
B4
B6
B2
Tempo
08:25:0
0
08:20:2
5
08:23:2
5
08:24:0
9
08:20:2
5
08:21:0
0
08:24:0
5
08:20:4
0
Taman
ho8000
15.000
1082
10.000
25.000
50.000
25.000
1000
Sells
Preo
336,0
334,0
333.5
332,0
329.0
325,0
324.5
300,0
Preo
336,75
337,0
337,25
337,25
340,0
345,0
350,0
365,0
420,0
Tamanho
2700
25.000
4000
6800
25.000
10.000
1000
7000
6000
Tempo Ide
08:25:0 ntid
S7
0
08:25:3
S9
0
08:23:0
S6
0
08:25:2
S8
5
S2
08:20:2
5
08:20:4
S3
2
08:21:5
S4
0
08:22:2
S5
0
08:20:0
SI
0
Figura 2-3 Uma representao simplificada de uma carteira de pedidos

Por outro lado, se todo o livro ordem visvel, ou mesmo apenas os melhores cinco ordens, os
comerciantes podem ver imediatamente a gama de preos e volumes disponveis. Ao utilizar o visvel
liquidez, eles podem ajustar suas avaliaes para determinar o seu prprio preo para o ativo.
Note-se que, por vezes, a melhor oferta e preo de oferta pode estar temporariamente o mesmo,
em que caso, o mercado dito ser "bloqueado". Se a oferta de melhor preo est abaixo da melhor
oferta de compra, denominado "cruzado". Estas situaes podem surgir em alguns mercados onde
os preos so baseados em vrios concessionrios, ou ter feeds de outros locais. Cada mercado ter
sua prpria maneira de lidar com isso, obter a carteira de encomendas de volta ao normal o mais
rpido possvel.
Preo descoberta Execuo / comrcio

Preo descoberta sinnimo de execuo de comrcio, que ocorre quando a oferta ea procura
requisitos atravessar. O preo real a que isso acontece determinado pelo mecanismo. Existem
trs tipos principais de mecanismo de descoberta:
41
A negociao bilateral
Leilo contnuo
Call auction
A negociao bilateral usado principalmente para negociao baseado em simulao e baseianegociao, enquanto que mercados em funo das ordens e hbridos adotar mecanismos com base
em leiles mais multilaterais. o principal diferena entre os dois tipos de leilo a frequncia. Ao
contrrio contnua leiles, leiles de chamadas com base permitem ordens para acumular por
algum tempo antes de o real descoberta (ou correspondente) ocorre.
Note-se que alguns mercados no tm um mecanismo de descoberta de preos independentes:
An leilo tem lugar, mas o preo de execuo derivado externamente (muitas vezes a partir do
mercado primrio). Como exemplo, vamos ver como uma correspondncia ponto mdio trabalha para
leiles contnuos.
Como o prprio nome sugere, o comrcio bilateral representa mecanismos de comrcio de um-paraum. Portanto, ele usado principalmente para negociao baseado em ofertas de negociao e de base,
embora alguns hbrido mercados tambm apoiar este mtodo.
Estados das citaes nos dois sentidos tanto os preos e as quantidades de um criador de mercado que
eles esto dispostos para negociao a. O preo de compra representa o que eles vo pagar para
comprar um ativo, enquanto a oferta o que eles vo vend-lo para. Como vimos na Figura 2-1,
descoberta de preo s ocorre se um cliente preparados para lidar com esses preos. Nesse caso,
eles podem, em seguida, "bater o lance" (vender) ou "tomar a oferta "(buy). Como alternativa,
eles podem tentar renegociar um novo preo, muitas vezes por um diferente quantidade, ou
simplesmente a p.
A natureza one-to-one de negociao bilateral significa que partido cach geralmente conhece a
identidade do outro. Isso permite que o formador de mercado para adequar a sua co tao com
base no cliente. Dentro particular, eles podem estimar o risco de seleo adversa e incorporar
isso em sua Citao. Note-se que alguma proteo dada aos clientes pela bidirecional citao,
uma vez que no fazer tm de divulgar imediatamente se so compradores ou vendedores, o que
poderia prejudicar a preo do formador de mercado.
Sistemas multi-negociante no alteram os fundamentos da um mecanismo de comrcio bilateral,
mas eles podem ajudar a acelerar. Como a Figura 2-4 mostra, por agregao das citaes de formador de
mercado
um cliente pode ver facilmente os preos e tamanhos disponveis sem ter de contat-los
individualmente. Para simplificar, cada corretor mostrada na uma linha separada, juntamente com
uma linha com sombra para as melhores cotaes de compra e venda. Embora muitos sistemas permitem
essa viso de ser resolvida por preo, de modo que ele se parece com uma carteira de encomendas.
Identidade
itao
BrokerC
BrokcrA
BrokerB
BrokerC
BrokerD
BrokerE
Lic
tamanho
... 700
500
1000
700
800
1000
Licitao
52,1
a
52,0
52,0
52,1
52,0
51,9
Ofert
53,4 ,
53,5
53,5
53,6
53,4
53,5
Oferta
tamanh
, o
900
800
1000
500
900
700
td
BrokerD
BrokerA
BrokerB
BrokerC
BrokerD
BrokerE
Figura 2-4 Um exemplo multi-negociante vista Citao
Formao de preos ainda feito pelos concessionrios, embora em um ambiente multi-dealer eles
muitas vezes ter de fornecer atualizaes contnuas. Isto d-nos uma idia melhor de seus preos,
mesmo sem ter que entrar em contato com os concessionrios, e assim dar o nosso interesse. Para os
mercados onde
42
Microstructurc mercado
elas so obrigados a fazer ofertas de preos firmes, tais como NASDAQ, podemos ento acertar
imediatamente ou levantar um oramento para o comrcio. Alguns mercados hbridos tambm suporta
tipos de pedidos spccial que permitem a clicnts ordens diretas para os criadores de mercado
especficos. Por exemplo, NASDAQ usado para fornecer uma ordem de no-responsabilidade
dirigido que poderia ser encaminhado para um criador de mercado especfico. Eles foram, em seguida,
deixada para choosc se acccpted a ordem. O formador de mercado tambm pode optar por aceitar parte
da ordem, tentar renegociar um acordo ou simplesmente recusar a ordem, tudo dentro de um limite de
tempo fixo (5s).
Para alguns sistemas multi-negociante, o arco cotaes de preos meramente indicativo, por isso,
deve clicar sobre um corretor para emitir um "pedido de cotao" (PDO). Este, ento, sinalizar o nosso
interesse para o formador de mercado, que, ento, dar uma citao, como mostrado na Figura 2-5.
Os preos
indicativo
s:
RFQ Revendedor para cliente plataforma

Licitao sizeBid
Oferta
Off tamanho
50052.053.5
1,000
Ua)
As solicitaes
do cliente
cotao firme
l. (b) Roteado para

2.
comerciante
cotao para cliente
RFQ Revendedor para cliente plataforma

Licitao sizeBid
Off tamanho 1000
53,4
--
Comerciante
responde com uma
empresa
Oferta
51,9
1000
3. cliente deve agora:

^ Hit / Elevador
Renegociar
Ir embora
Figura 2-5 Um exemplo pedido de cotao (RFQ) mecanismo

Note-se que a Figura 2-5 mostra uma citao de duas vias, mas muitos sistemas RFQ suportam
apenas um- citando maneira, de modo que o cliente tambm deve indicar se desejam comprar ou
vender o ativo.
Transmisso de cotaes atravs de "pedido de stream" (RFS) outra alternativa. Com RFS,
estamos na verdade solicitando um fluxo de atualizaes em vez de uma nica citao one-off, como
mostrado na Figura 2-6. Uma vez que cada nova atualizao uma cotao firme, podemos dccide
se a negociar com o comerciante por bater ou levantamento. Alternativamente, podemos optar por
esperar para ver se melhora para o pricc actualizaes subsequentes. Enquanto ainda no
exatamente o mesmo que negociao num livro de ordens contnua, esta uma abordagem muito mais
dinmica do comrcio baseado em RFQ, sincc tem o nus agora deslocado para o revendedor para
fornecer um fluxo contnuo de actualizao de preos firmes.
Normalmente, essas abordagens baseadas na solicitao so usados na renda fixa
(principalmente RFQ) e cambial (ambos RFQ e RFS) mercados.
Annimos mecanismos bilaterais tm Tambm foi introduzida, mais notavelmente de Liquidnct
servio de travessia. Requisitos para compras ou vende so inseridos de forma annima. Se o
sistema encontrar um fsforo potencial, em seguida, cria uma sesso de negociao entre as duas
partes. Cada contraparte pode ver um scorccard para o outro. Isso resume a sua histria de
anteriormente o sucesso das negociaes, permitindo-lhes para avaliar a validade de cada outro.
Eles podem ento negociar a quantidade, enquanto o preo muitas vezes definido pelo mercado
primrio, como os EUA Nacional Melhor de compra e venda (NBBO). Somente aps a execuo bemsucedida pode sua real identidades tornar-se conhecido.
43
I. (b) Roteado para

revendedor
Fluxo de
pedidos de
clientes
2.
Revendedor
crregos
citaes
frescas
para
cliente
RFS Revendedor para cliente plataforma

Tamanh
o Bid
1,500
I. (XX)
500
1000
Ofere
cer
53,2
53,3
53,3
53,4
Bid
51,8
51,8
51,9
52,0
52,1
Off
tama
1000
1500
1000
1000
Tem
po
10:01
10:02
10:03
10:04
10:05
3. Para cada novo cliente Citao deve decidir se vai bater / elevador ou ignorFigura 2-6 Um exemplo Pedido de Stream (RFS) mecanismo
Leilo contnuo
O mecanismo de leilo contnuo se aplica de forma consistente o correspondente governa cada
uma vez ordem adicionado, actualizada ou cancelada. Este um processo multilateral com muitos
diferente comerciantes toda a colocao e que altera ordens. Portanto, necessrio um sistema de
filas para assegurar que cada pedido processado, por sua vez, como mostrado na Figura 2-7.
Plataforma de leiles
2. Cada pedido / update / cancelamento
aplicado ao livro de ordens, por sua vez
Carteira de pedidos
BuysSells
Tempo
1. As novas
encomendas
Atualizaes e
Cancelamentos
08:20:25
08:24:09
TamanhoPricePrice
Tamanho 08:25:00 1,000100
101
1000
101
2000
5000
99
98
101
1000
2500
102
3000
4. Notificao Trade
1
3. As regras de harmonizao do comrcio so

aplicadas
Figura 2-7 Um exemplo mecanismo de leilo contnuo

Para cada pedido, as etapas a seguir so aplicadas:
44
mercado
Microestrutura
A instruo ordem adicionado ao livro de ordem interna
Regras de correspondncia comrcio so ento utilizados para ver se algum partidas

arco agora possvel
A carteira de encomendas atualizado para refletir quaisquer alteraes
Notificaes de execuo so enviados para qualquer matchcs resultantes
de
Em seguida, o cyclc simplesmente comea tudo de novo para a prxima instruo ordem na fila.
Em termos de correspondncia de comrcio real, regras estritamente definidas so aplicadas de forma
consistente. Normalmente, os mercados de dar a mxima prioridade s encomendas com base no
preo, mas uma variedade de abordagens utilizado para a prioridade secundria. Os dois mais
comuns so o tempo eo pr-rata, alguns mercados tambm dar prioridade primeira ordem em
um ponto de preo fixo, enquanto outros podem at mesmo dar prioridade a usurios especficos.
Preo / hora correspondncia comercial baseada comum na maioria dos mercados de renda
varivel. O mais alto preo ordens de compra e vende a preo mais baixo so recompensados com
as maiores probabilidades de execuo. Para encomendas ao mesmo preo, no momento em que
foram colocados ento usado para distinguir entre eles, favorecendo assim as ordens
anteriores.
Preo / correspondncia comercial pr-rata mais comum em mercados futuros. Mais uma
vez, o melhor preo comprar e vender ordens tm prioridade, mas a alocao entre as encomendas
ao mesmo ponto de preo feito sobre uma base pro-rata. Assim, cada ordem atribudo com base na
sua proporo do total volume de encomendas a esse preo. Assim, recompensando pedidos maiores,
em vez do que aqueles colocados anteriormente.
Por exemplo, vamos dar uma olhada em como uma ordem de mercado para comprar 1.000 EEE pode
ser manipulado para o ordenar livro mostrado na Figura 2-8. Adotando a / prioridade baseada no tempo
dos preos, podemos ver o lhat encomendas j esto dispostos em termos de preo e de cal. A ordem
de venda anterior SI leva prioridade sobre a S2 e S3 mesma faixa de preo eo S4 preos mais
elevados.
Buys
Sells
Tam
anh
1000
o
400
200
Identidade
Temp
08:20:25
08:21:09
08:20:04
Price
100
100
99
99
Tam
anh
o250
1000
800
Pre
o
101
101
102
Temp
o
08:21:25
08:22:05
08:19:09
Id
SI
S2
S3
S4
(a) Antes
Preo / timePrice / pro-rata
Sells
Pricc
101
vciI
IQI
Tamanh
o
7SO
\ JO
3SQ
ivi
101
Identidade
g1
Eu
cri
uc
1000
800
S3
S4
Sells
Preo
101
101
101
102
Tam
anho
375
125
500
800
Alloc
Ide
nti
SI
S2
S3
S4
375
125
500
(b)
Um1f0t2er
Figura 2-8 Um exemplo comprar ordem combinado com prioridades diferentes
Com base no tamanho da ordem de mercado de entrada, podemos ver que a ordem SI ser
preenchido completamente, como ser o prximo S2 ordem. Posteriormente, a fim S3 tem agora
tanto o preo como prioridade tempo para novas ordens de compra recebidas.
Em comparao, utilizando uma relao preo / pro-rata abordagem baseada a alocao (Alloc
marcado) com base no tamanho de pedido, uma vez que as ordens SI, S2 e S3 todos tm a mesma
prioridade preo. o propores alocados so com base no tamanho de cada ordem dividido pelo
montante total disponvel a esse preo. Assim fim S3 ser alocado (1000 / 2000) = 50% da ordem
de entrada. Ordem
45
SI ter (750 / 2000) = 37,5%, deixando a 12,5% restantes para a ordem S2. O resultado lquido aquele
todas as trs ordens de receber execuo parcial e permanecer no livro de ofertas pronto para a prxima
execuo. Os valores residuais so apresentados na Figura 2-8 (b), confirmando que esta
recompensas abordagem dimensionar quase tanto como o preo.
Alguns mercados contnuos no tem um mecanismo de descoberta de preos independentes. Em
vez disso, o preo de execuo derivado externamente (geralmente a partir do mercado
primrio). Frequentemente este o ponto mdio dos melhores preos de compra e venda externas.
Se as ordens de mercado so confirmadas, eles executam no ponto mdio, sempre que houver volume
suficiente disponvel no outro lado da carteira de encomendas. Ordens de limite s ir corresponder
quando o pricc ponto mdio melhor do que o seu limite. Assim, os preos limite indicados na
Figura 2-9, na verdade, referem-se a este ponto mdio.
Buys
Sells
Preo
Tempo Tamanho
Preo
08:25:00 1000
Tempo Identidade Bl
1,0003: 25: 00SI
101
5000
3,0003: 20: 25S2
99102
2500
1,5003: 24: 09S3
98102
Identidade
Tamanho
B2
B3
08:20:25
08:24:09
(a) antes, ponto mdio externo 100

Sells
Buys
Ide Tempo
ntid
B4- 08:25:00
B2 08:20:25
B3 08:24:09
Taman
1hopop
5000
2500
Preo
Preo
m99
98
m
102
102
Tamanho
] QQQ
3000
1500
Tempo Iden
03:25:00 tida
03:20:25 S2
03:24:09 S3
(b) aps o meio-ponto torna-se 101

Figura 2-9 Um ponto mdio exemplo jogo
Ligar um leilo contnuo normal, a ordem do mercado B1 simplesmente teria cruzado com ordem SI.
Mas incapaz de faz-lo porque a melhor oferta externa e oferta 99-101, que abaixo do limite
de ponto mdio de 101 para a ordem de SI. Assim que o ponto mdio externa se desloca para 101, B1
pode cruzar com a ordem SI desde o ponto mdio agora suficiente. Note-se que ambas as ordens
atingir o preo ponto mdio, to diferente uma ordem normal de mercado Bl no teve de pagar metade
do espalhar; porm, ele tem sacrificado imediatismo para esta melhoria de pre os. Este mecanismo
usados geralmente para suportar passagem contnua para as ordens de bloqueio de tamanho, da a
carteira de pedidos mostrado na Figura 2-9 seria completamente opaca.
Claramente, uma ampla variedade de mecanismos relacionados comerciais esto em uso contnuo. No
Captulo 8, vamos rever alguns deles em mais detalhes.
Call auction
Um leilo da chamada poder ocorrer to pouco quanto uma vez por dia ou to freqentemente quanto cada
10 a 15 minutos ao longo do dia de negociao. Essencialmente, o processo semelhante ao da
Figura 2-7, em que as ordens sejam enfileirados e aplicada carteira de encomendas do leilo.
Ainda assim, correspondncia comercial no instantnea; levada a cabo a um tempo de leilo set.
O objectivo assegurar que o volume mximo possvel de encomendas atravessada ao preo do leilo.
Assim, as encomendas se acumulam antes do leilo leva lugar, permitindo mais tempo para a
formao do preo. Isto pode ser particularmente til quando h mais incerteza sobre o que o
preo deve realmente ser. Na verdade, muitos mercados que usar leiles contnuos muitas vezes
optam por abrir e fechar o mercado com um leilo de chamada separada em um esforo para reduzir a
volatilidade pricc.
46
mercado
Microestrutura de
Antes da travessia comea, o local tambm pode publicar informaes sobre o total
desequilbrio entre as ordens de comprar e vender. Eles podem at oferecer um preo de leilo
indicativo para ajudar os comerciantes a decidir sobre os preos para as suas encomendas de leilo.
A travessia leilo comea por verificar que a carteira de encomendas atravessada; Em outras
palavras, quer o livro contm ordens de mercado (MO) ou existem ofertas de compra com preoslimite mais elevados que algumas das ordens de venda. Ele ir, em seguida, tentar determinar o
melhor preo para o leilo. Para a carteira de encomendas exemplo mostrado na Figura 2-10 (a), o melhor
preo do cruzamento de 104.
Buys
Sells
Tempo
Taman Preo Preo
ho
07:25:0
7000
MO
MO
07:20:20
3000
105
101
07:24:05
1000
104
102
07:20:29
2000
102
104
07:21:05
1000
101
105
0
(a) cruzamento
carteira de pedidos
Buys
Tempo
Tamanho PriccPrice
7: 20: 252,000
102
07:21:00
1000
101
Tamanho Tempo
2000
7: 25.00
3000
07:25:0
0
5000
07:20:2
5
1000
07:20:2
5
5000
07:24:0
9
Sells
105
Tamanho
5,0007: 24: 09
Tempo
(b) uma vez cruzamento

concluda
Figura 2-10 Um exemplo cruzamento leilo chamada
Note-se que este preo de leilo geralmente determinada de forma independente, embora para
alguns sistemas de passagem que pode realmente ser derivado de outro mercado. Alternativamente,
se uma nica melhor preo no pode ser encontrado, ento o preo ser baseado no um preo de
referncia; Geralmente, este o ltimo preo negociado (to perto de ontem noite para um leilo de
abertura ou da ltima operao para um fechamento leilo). Vamos cobrir os critrios especficos
para a determinao do preo de leilo com mais detalhes no Captulo 8.
Uma vez que um preo de leilo determinado, a carteira de pedidos ento processado para
combinar todas as ordens que executar dentro deste limite de preo. Estas linhas so sombreadas no
livro de exemplo mostrado na Figura 2-10 (a). Note-se que muitos locais de usar o tempo como uma
prioridade secundria, este recompensa a rpida entrada de ordens de leilo.
Tendo concludo o leilo, a carteira de pedidos ento atualizado para as ordens
correspondidas e notificaes comerciais so enviados para fora. Observe que, se este foi o leilo
de abertura para um contnuo mercado de casal leilo, em seguida, a Figura 2-10 (b) mostra a
carteira de encomendas como ser quando o mercado abre oficialmente na negociao em
contnuo. Alternativamente, se isso era para o closc ou um leilo chamada intraday / batch, em
seguida, as ordens ou ser cancelado ou esquerda para o prximo leilo travessia (embora isto
dependa do mercado).
Relatrios, compensao e liquidao

As etapas finais do mecanismo de comrcio esto relatando, compensao e liquidao. Uma
vez
umacomrcio tenha sido executado, confirmaes detalhadas do negcio devem ser
comunicadas ao associado contrapartes, as autoridades de mercado podem tamb m precisam ser
informados.
A prxima etapa do processo limpar, que basicamente uma etapa preparatria antes liquidao
real. Clearing envolve validar os detalhes da negociao e liquidao, bem como garantindo que o
comprador eo vendedor tm os activos necessrios / recursos para ser capaz de prosseguir.
Frequentemente,
47
um agente de compensao especfica ser mandatada para comrcios em locais regulamentados, tais como
intercmbios.
O processo de liquidao representa a troca efectiva de activos e fundos. Os detalhes para o
comprador eo vendedor arco matchcd; o pagamento feito na conta do comprador e do ativo de
propriedade reatribuda. Hoje em dia, a maioria dos ativos financeir os so desmaterializados,
assim que esta literalmente significa actualizao uma entrada de livro para refletir a mudana de
propriedade. No entanto, para alguns ativos, tais como commodities, ele ainda pode envolver uma
entrega fsica. Geralmente, este processo manipulados por depositrios ou custdios de segurana
dedicados, as instituies financeiras que se especializam
na custdia dos activos. Encarregados
tambm gerenciar qualquer juros ou dividendos associados pagamentos, e at mesmo lidar com
aes corporativas para as exploraes. Muitos depositrios de segurana e Encarregados
tornaram-se agora internacional, catering para uma ampla gama de mercados e permitindo o comrcio
transfronteirio.
O processo de compensao e de liquidao tornou-se cada vez mais automatizado para
acompanhar prego eletrnico. Straight-through-processing (STP) oferece a perspectiva de um
totalmente eletrnico negociao, compensao e liquidao via. Gradualmente, mais e mais
mercados arco migrar para apoiar compensao eletrnica e liquidao. Datas de liquidao
costumava ser geralmente de cinco dias teis aps a execuo real, denotado como T + 5. Isso
est mudando gradualmente para T + l ,e, finalmente, na direo de T + 0.
Cada vez mais, locais de execuo esto adotando uma abordagem contraparte central (CCP) para a
sua compensao e liquidao. Isto divide efetivamente cada negcio em duas partes; cada metade
ento transacionado contra o PCC. Assim, o Huyer realmente paga o PCC em troca para o ativo,
enquanto o vendedor deve entregar o ativo para o PCC em troca de pagamento. Isto ajuda a reduzir
risco de contraparte, bem como, sincc a contraparte central agora assume o risco de
inadimplncia. o CCP mecanismo tambm permite a negociao totalmente annimo, uma vez
que cada uma das partes s tero de lidar com o PCC. O comprador eo vendedor s precisa fornecer
garantias suficientes para covcr seus comrcios. Isto tambm significa compensao pode ser
compensada atravs de todas as negociaes de um participante para um de ativos, resultando em um
comrcio lquido nica ou com o PCC. Claramente, essa compensao significa muito menos
transferncias e assentamentos e isso pode levar a economias substanciais de custos. Ele tamb m
pode ajudar a reduzir os compromissos margem necessria (ou colaterais) necessrio para cobrir o
risco de crdito. Muitos Central contrapartes suportam margens atravs de ativos diferentes, por
isso a margem de uma posio de futuros pode ser reduzida pela uma participao correspondente no
activo subjacente. Isso pode ajudar a reduzir o custos de gesto do financiamento / posio.
Para obter mais informaes sobre os processos de compensao e liquidao, a reviso por
Marco Pagano e Jorge Padilla (2005) um bom ponto de partida.
2.5
Mensurao dos custos de transao e de anlise
Os custos de transao so a ltima rea-chave para a investigao microestrutura de mercado.

Eles so inevitvel, e so incorridos cada vez que um ativo comprado ou vendido. Os custos
podem ter umaefeito considervel sobre retornos de investimento e assim afetar a efici ncia do
mercado. Aumento de custos significar que os investidores devem buscar retornos mais elevados, e
assim que reduzir o nmero de potencial oportunidades comerciais. Por sua vez, isto significa que
os investidores podem deter posies para mais perodos, ajudando a reduzir os volumes de
negociao e assim diminuindo a liquidez global do mercado. Prego eletrnico tem ajudado
acesso aumento do mercado para uma gama mais ampla de participantes. Em assim fazendo, ele tem
melhorado a eficincia do mercado e levou a uma reduo geral nos custos de transaco.
Com cuidado medir e analisar os custos de transao, podemos tentar minimiz-los. Da a

compreenso de como e por que eles ocorrem tornou-se um fator chave para atingir retornos de
investimentos significativos. Claramente, a primeira fase medir com preciso os custos globais. Anlise
ps-negociao tambm se mostrou importante para anlise de desempenho, permitindo
48
mercado
Microestrutura
de
comparao de ambos os estilos de negociao e corretores individuais / comerciantes.

Outras pesquisas tm dividido os custos de transaco em componentes separados, tal como
impacto no mercado e risco temporal. Uma combinao de modelos tericos e anlise emprica tem
modelos de custos precisos permitidos para ser criado. Estes podem ser utilizados para anlise de prccomrcio estimativa o custo potencial, e por isso pode ser usado para escolher o mais adequado de
negociao estratgia.
Medio de custo
Medio de custo tem-se focado predominantemente sobre os spreads e priccs benchmark. Ambos
medidas arco fcil de calcular e pode dar idias significativas.
Usando os spreads
Spreads tm sido h muito tempo uma medida popular para a avaliao dos custos, em parte devido
simplicidade de sua determinao. Eles tambm tm sido utilizados como uma medida de mercado
global eficincia. Muitos estudos acadmicos tm comparao a mdia se espalha para diversos
tipos de mercado. Tabela 2-3 mostra os spreads-chave que so comumente usados:
Tipo
espalhar
efectiva
espalhar
MeasuresFrom:
Citado
Mercado qualidade
preo
Diferena entre melhor oferta de compra e oferta de
Custo de
Diferena entre o preo de comrcio assinado e

Citao ponto mdio quando a ordem foi recebida
Intermedirio de
comrcio lucros
Diferena entre o preo de comrcio assinado e

Citao ponto mdio 5 minutos aps o comrcio
execuo
Propaga
o
percebi
Tabela 2-3 Os diferentes tipos de barrar

Como j vimos, a oferta lance propagao pode ser atribuda a uma srie de fatores. Formadores de
mercado us-lo para compensar-se pelos custos fixos incorridos pelo comrcio, bem como para se
proteger contra o risco de seleo adversa. Da mesma forma, os spreads surgem em mercados
puramente em funo das ordens como uma funo da oferta e a procura disponveis.
A margem efectiva representa a diferena entre o preo de comrcio alcanado e o ponto
mdio entre o lance e oferta quando a ordem foi recebida pela primeira vez. Ele mede a real custar a
nossa ordem incorridos executando no mercado.
A propagao realizado compara a diferena entre a pricc comrcio e meados do preo de
cinco minutos depois. s vezes usado como uma medida dos lucros potenciais que podem ser feitas
por intermedirios comerciais, isto , os fabricantes de mercado, comerciantes, corretore s.
Nota que para comparar os spreads eficazes e realizados com o citado espalhar o custo diferenas
precisam para ser dobrada, uma vez que so ambos calculados utilizando o preo mdio.
Usando benchmarks
Benchmarks Preo so amplamente utilizados para monitorar o desempenho dos negcios. Eles
tambm tm tornar-se um factor determinante para avaliar os custos de transao. O desempenho
frequentemente medido em base Os pontos (bps), que so centsimos de um por cento.
Pode ser utilizada uma grande variedade de valores de referncia, que vo desde a abertura e fecho
de preos mdias, como a mdia ponderada do preo (VWAP). Um maneira de escolher entre eles
baseia-se em que podem ser determinados. Benchmarks ps-negociao no ser disponvel at aps
o fechamento do prego. Da mesma forma, benchmarks intraday que abrangem a totalidade
49
dia de negociao no ter um valor definitivo at o fim. No entanto, os valores provisrios podero
ser calculada ao longo do dia. Benchmarks pr-negociao esto disponveis antes da principal
trading sesso iniciada. Tabic 2-4 resume os diferentes benchmarks baseados nesta categorizao:
TypeName
Intraday
Post-Trade
Fechar
Futuro Fechar
Open-High-Low-Close (OHLC)
P re-Trade
Fechar Anterior
Abertura
Preo deciso
Preo
Arrival
Preo
Tabela 2-4 tipos de referncia

Classificando
Benchmarks ps-negociao so geralmente preos de fechamento. Mais comumente, o dia de
currcnt preo de fechamento (ou closc) tomada, embora tambm possam ser utilizados outros
preos futuros. Encerramento os preos tm sido por muito tempo uma referncia popular, em
especial porque so muitas vezes usado como um marco para a marcao para o mercado e para
ganhos e perdas (P & L) clculos.
Benchmarks intraday usar um preo mdio para refletir com mais preciso as condies de
mercado. Esta bccause mercados tendem a ser mais ativos ao prximo, portanto, o preo de
fechamento no vai ncccssarily refletir as condies reais ao longo do dia. Um dos primeiros
intraday populares benchmarks foi a mdia Abertura Alta Baixa Fechar (OHLC). Mdias mais
precisas ter Tambm foi adotado, como tick-by-tick preo e volume de dados de mercado tornou-se
mais amplamente disponvel. Por exemplo, o tempo de Preo Mdio Ponderado (TWAP) aplica-se
uma ponderao igual a todos os preos no comrcio do dia. Em alternativa, o Preo Mdio Ponderado
(VWAP) pesos cada preo de comrcio por sua dimenso correspondente, de modo que a mdia ir
reflectir mais os maiores comrcios. Esta capacidade de refletir com preciso as condies de
mercado intradia fez VWAP uma referncia extremamente popular.
Benchmarks pr-negociao arco tambm til, uma vez que ambos facilmente determinado arco e
prontamente disponvel. Como o uso de anlise de custos de transao tornou-se mais generalizado
dficit de implementao cada vez mais utilizado como medida de desempenho. Efetivamente, isso
representa a diferena entre o preo mdio alcanado em execuo, eo mercado preo quando a
deciso do investidor foi feita pela primeira vez (o preo de deciso). Benchmarks pr-negociao
corresponder bem ao preo de deciso, da a sua popularidade.
Analisando os componentes de custos de transao

Os custos de transao incorporar muito mais que apenas as comisses de corretagem e da oferta de
oferta espalhar. A tendncia do mercado a taxas de investigao un-pacote ajudou a torn-lo muito
mais fcil quantificar a transao real custa.
Os diferentes componentes de custo so comumente denominado como explcito ou
implcito. Overheads Da mesma forma, eles representam fixos ou uma quantidade varivel que ir
variar de acordo com o de ativos, a ordem, as condies do mercado e da estratgia de negociao.
Os custos explcitos arco claramente identificvel e facilmente mensurveis. Eles so comisses,
taxas e impostos. Muitas vezes, estes sero cotados com antecedncia de negociao em percentagem
do negociadas valor ou como pontos base. Podem ser reduzida, at certo ponto, com base na
negociao
Microestrutura de
50
mercado
entre o investidor e os corretores. As taxas oferecidas geralmente dependem do cliente de volumes

de negociao eo nvel de scrvicc eles exigem.
Os custos implcitos arco geralmente associada com o proccss negociao real, e so mais
difceis para quantificar, uma vez que so menos directamente observvel. Eles tendem a ser mais
varivel, mas frequentemente ter um maior impacto sobre o desempenho global. Na verdade, eles
arco muitas vezes representado como o parte oculta de um iceberg (9 / 10ths abaixo da superfcie).
Wayne Wagner e Mark Edwards (1993) props separar os custos de negociao implcitas em os
seguintes componentes:
Custo Timing (devido a evoluo dos preos e risco temporal)
Custo atraso
Impacto
Custo de oportunidade
Todos estes so preos relacionados e correspondem a decises que o investidor e comerciante deve
fazer, com base no conhecimento da ordem e as condies de mercado atuais. Figura 2-11 fornece
uma vista de estes custos com base na visibilidade relativa de cada componente. Note-se que o
tamanho de cada componente de custo ir variar com base no activo, o tamanho da ordem e estilo de
negociao assim Figura 2-11 no desenhada para qualquer escala particular.
uma
S pread
,
custo Custo
atraso
m Comisses
Comisses
lr Impostos
Mercado
impacto Preo
risco trending
sincronismo
\ Custo de oportunidade/
\
/
Diminuindo
visibilidade
Figura 2-11 Transao componentes de custo

Comeando de os componentes mais visveis, temos:
Comisses: este componente de custo mais bvio, o que representa o corretor de compensao
pela prestao do servio de negociao. Em particular, este dever abranger no s os seus custos
de capital e de trabalho.
Honorrios: Encargos podem ser cobradas pelos corretores de piso e de intercmbio, bem como
quaisquer custos associado com a compensao e liquidao. Note-se que as taxas so muitas vezes
rolou no geral taxa de comisso.
Impostos: Geralmente, os impostos arc um custo de investimento, aplicada a todos os lucros
realizados a partir de capitais ganhos. No entanto, alguns mercados tambm se aplicam direitos
adicionais de negociao. Por exemplo, a
U.K. mercado de aes se aplica um imposto de selo de 0,5% em aquisies de participaes
acionrias.
Custo Spread: o offer spread bid compensa os comerciantes para fornecer liquidez. O spread
51
geralmente reflete a liquidez de um ativo. H diferenas notveis em spreads mdios atravs os

mercados de capitais. Por exemplo, decimalisation no mercado de aces dos EUA resultou em
spreads mdios consideravelmente inferior Europa ou sia. Espalhe podem ser classificados como
um custo visvel, embora nem sempre to facilmente mensurvel como taxas ou comisses. Para as
execues individuais, obviamente fcil de medir, mas para comrcios que so divididas-se e
trabalharam ao longo do dia, devemos rastrear a propagao para cada ordem de criana.
Custo atraso: Isso reflete qualquer alterao de preo a partir de quando a deciso inicial de
investir feita e quando uma ordem enviada para execuo. Isso pode ser porque a deciso foi
tomada antes da abertura do mercado; Alternativamente, o tempo pode ser gasto identificar a melhor
forma para o comrcio ordem. Custo atraso pode ser uma parte substancial dos custos globais,
particularmente para ativos que so volteis ou cujo preo tendncia desfavorvel. Portanto, para
monitorar esse custo importante para os investidores para gravar o mercado mid-preo quando
tomada a deciso inicial e quando um pedido despachado.
Impacto no mercado: Isto representa quanto muito efeito a ordem tem no preo do ativo.
Encomendas maiores resultam em um impacto maior em comparao com os menores; No entanto, o
efeito diminui significativamente com a liquidez de ativos. Impacto no mercado consiste em ambos
um efeito temporrio e um uma permanente. O impacto no mercado reflicta o custo total incorrido
por exigindo imediao (quando combinado com o custo propagao). Considerando que a
permanente significa impacto o custo de informao de longo prazo do comrcio, com base em como
isso afeta a ativos ordem desequilbrio global de compra / venda.
Preo tendncia: Os preos dos activos pode, por vezes, apresentam tendncias amplamente
consistentes. Um ascendente tendncia implica que os custos iro aumentar quando for comprar um
ativo, enquanto as economias sero provisionados se venda, ao passo que o oposto verdade lor uma
tendncia descendente dos preos.
Cronometragem risco: Este custo reflete a incerteza, em particular para a volatilidade, tanto no
activo do preo e sua liquidez. Quanto mais voltil um ativo, ento o mais provvel o seu preo ir
mover ausente e assim aumentar os custos de transao. Da mesma forma, se a liquidez de repente cai,
em seguida, mercado custos de impacto ir crescer. Cronometragem risco pode ser considervel,
especialmente para os ativos volteis e para encomendas que tm um horizonte de negociao longa.
Custo de oportunidade: Encomendas nem sempre so totalmente concluda, talvez devido
negociao passiva ou condies de mercado desfavorveis. Esse custo representa a oportunidade
perdida, uma vez que o prximo preos dia pode mover-se ainda mais longe.
Claramente, h muito mais para os custos de transaco do que apenas os custos explcitos. No
Captulo 6, que ir cobrir esse tpico com mais detalhes usando exemplos trabalhados para fornecer
em profundidade anlise post-trade de ordens da amostra. Tambm vamos cobrir o campo cada vez
mais importante anlise dos custos de transao pr-negociao, que usada para comparar as
estratgias comerciais potenciais.
2.6
Resumo
Microestrutura de mercado concentra-se na processo de negociao real, analisando como

especfico projetos ou mecanismos de afectar tanto os preos observados e volumes negociados,
bem como ajudando para explicar os custos associados.
Microestrutura de
mercado
Liquidez representa o eost para converter um ativo em aess ou vice -versa. Os

mercados podem ser classificados em termos de dois mecanismos principais:
Mercados puramente orientada por citaes, onde os comerciantes devem transaccionar
com um representante (ou mercado fabricante), que cita preos a que vai comprar e vender
uma determinada quantidade.
Puramente mercados, onde os comerciantes participam igualmente, por meio de ordens fimdriven.
Estes so ento combinados sobre a carteira de encomendas usando um conjunto
coerente de regras.
Mercados cada vez mais so realmente hbridos dessas duas abordagens.
-
A negociao pode ser dividido em trs etapas principais:

Formao de preos
Preo descoberta Execuo /
comrcio Relatrios, limpando &
assentamento
Existem trs mtodos principais para a execuo do comrcio:

Comrcio bilateral, que uma negociao de um-para-um, muitas vezes com um formador de
mercado. Leiles contnuos, onde as regras correspondentes s o aplicadas cada vez que
uma ordem adicionado, actualizada ou cancelada para determinar se existe uma
execuo resultante.
Leiles de chamadas, onde os pedidos so autorizados a aecumulatc para um tempo definido
antes do regras correspondentes so aplicadas, e assim ajudando a reduzir a volatilidade
dos preos.
Os custos de transao so inevitveis, que so incorridos eaeh tempo um ativo comprado
ou vendido. Medio de custo tem-se focado predominantemente sobre os spreads e preos
de referncia. Custos pode ser hroken-se em duas classes principais:
Custos explcitos, como comisses, taxas e impostos, so claramente identificveis e
facilmente medido.
Custos implcitos, como o impacto no mercado e risco temporal, s o geralmente
associados com o processo de negociao real e so mais difceis de identificar e medir.
53
Captulo 3
Os mercados mundiais
Os investidores, comerciantes e sistemas de negociao so cada vez abrangendo vrios
mercados e classes de ativos. Por conseguinte, importante ter uma ligao terra de
base em todos os principais mercados mundiais.
3.1
Introduo
Mercados financeiros do mundo so vasto, tanto em termos de seu tamanho e da diversidade de

produtos que incorporam. Em termos gerais, ns pode dividi-los em vrios principal categorias, a
saber: o
Mercado de capitais
Os mercados cambiais
Mercados monetrios
Mercados de derivativos
Os mercados de capitais oferecem mdio e financiamento de longo prazo por meio de aes e
renda fixa ativos, enquanto o mercado de cmbio permite a transferncia de dinheiro entre as moedas.
Financiamentos de curto prazo fornecido nos mercados monetrios, que esto estreitamente ligadas
a ambos renda fixa e de cmbio. Os mercados de derivativos fornecer um meio de negociao
contratos financeiros, que por sua vez so baseados em activos subjacentes. Os underliers podem
incluir aes, ttulos, moedas, commodities ou mesmo outros derivados. Na verdade, tanto
negociao de commodities tratado atravs de derivados do mercado de commodities tem sido
eficaz subsumido no mercado de derivativos.
Cada mercado tem sua prpria identidade forte. Mesmo que muitos dos mesmos jogadores
(corretores e os investidores) esto envolvidos neles, eles ainda so muitas vezes tratados
separadamente. Em parte, isso devido s suas diferentes estruturas de mercado. Convencionalmente,
a negociao para aes e derivativos listados tem-se centrado em bolsas, enquanto que para muitas
das outras classes de ativos no mercado de balco (OTC) negociao tem predominado.
Nas sees seguintes, ns brevemente ir cobrir os principais tipos de classe de ativo e como eles
so negociadas. Ns poder ento considerar algumas das principais tendncias que esto afetando o
mundo principais mercados. Finalmente, para tentar colocar as coisas em contexto, vamos comparar
o mundo principal mercados em termos de suas dimenses globais, volumes de negociao ea
aceitao de eletrnica e negociao algortmica.
Nota que apndices AF fornecer avaliaes mais detalhadas de cada um dos principais mercados.
Para ainda mais anlise aprofundada dos relatrios compilados pela consultoria, como o Grupo Aite,
Celent, Greenwich Associates e do Grupo TABB so inestimveis.
54
mundiais
3.2
Mercados
Classes de ativos
Os ativos financeiros geralmente fornecer seus emitentes com um meio de financiar a si mesmos, e
investidores com uma oportunidade de ganhar renda. Por exemplo, representam slocks uma
participao no empresa lhat as emitiu, enquanto Assels renda fixa correspondem a empr stimos.
Cmbio uma transferncia de depsitos em dinheiro em moedas diferentes. Derivados oferecem uma
forma de negociao em Ihe preo futuro de ativos, proporcionando um meio de seguro e uma
oportunidade para especulao.
Capital prprio
Stocks permitir que as empresas se financiam por realmente fazendo a sua propriedade pblica;
share representa cach uma parte do valor inerente IHE empresa 's, ou a equidade. Este valor representa
quais ativos restantes da corporao valem uma vez todos os passivos foram deduzidos. Um nmero
finito de aces emitidas por empresas pblicas, embora eles tambm podem escolher emitir novas ou
comprar de volta alguns dos IHE aes oulstanding. As empresas tambm podem fazer pagamentos de
dividendos aos acionistas peridicas.
Aes so prospectivas investimentos, uma vez que representam uma poro de lolal da empresa
IHE capital prprio. Os investidores expeel valor Ihe de suas a es para aumentar ou dividendos lo
ser pago em ordem para os compensar o risco de falncia.
A determinao do justo valor para as aes no-trivial. Teoria do valor presente stales thai
IHE valor de um ativo corresponde ao uma soma descontada de seus pagamentos futuros. Isto pode ser
baseado no valor presente dos seus pagamentos futuros de dividendos. Por sua vez, isso depende de
ganhos fulure, que pode ser difcil prever lo. As empresas podem tambm optar lo reinvestir alguns
dos iheir renda em vez de aumentar os pagamentos de dividendos. Consequentemente, h
inmeros diferente mtodos de avaliao que podem ser aplicadas s empresas, cada lo tentando
resolver a gama de possibilidades.
Uma reviso detalhada de aces e dos mercados associados pode ser encontrada no Apndice A.
Renda fixa
Assels de renda fixa, como ttulos, permitem que ambos os governos e corporaes publicamente
dvida problema, por perodos de at 30 anos, ou at mesmo perpetuamente. O emitente obrigado a
pagar o titular uma quantidade especfica (o principal) em um dale conjunto no futuro (o dale maturidade).
Muitos nomes so dados a esses ativos, mas para os fins deste chaptcr, vamos apenas usar o
vnculo prazo. O emitente de um vnculo geralmente vai pagar inlercst (o cupom) lo o titular em uma dada
frequncia durante toda a vida do emprstimo, por exemplo, cada 6 meses. Alternativamente, cupo
zero ttulos no fazer tais pagamentos; em vez disso, seu preo descontado no montante
equivalente.
Essas dvidas podem ser emitidos por governos, agncias olhcr e pelas empresas. Eles podem
tambm ser emitidos com base em pools de emprstimos, o que a essncia de ttulos lastreados em
ativos. Do mesmo modo, ttulos lastreados em hipotecas so o equivalente de dvida imobiliria. O
efetivo taxa de juros, que o emissor deve pagar, depende do dale de contrato Ihe maturidade bem
como seu rating de crdito e IHE taxas de mercado atual. Bonds, por vezes, ter adicional
collaleralization ou proteo para reduzir o seu risco de crdito. Eles tambm podem ser em
differcnliated termos de sua antiguidade quando il trata de audi ncias falncia. Uma escritura
para cada contrato especifica quaisquer condies adicionais. Todos esses recursos significa lhat
ligaes so muito mais ativos sob medida do que as aes. Na verdade, existem mais de trs
milhes de obrigaes diferentes na IHE
Sozinho EUA, que duzentas vezes mais do que o nmero de aces disponveis globalmente. Essa
diversidade pode representar srios problemas de liquidez, uma vez que para muitos ativos que vai
ser difcil lo
55
encontrar profundidade suficiente para suportar um mercado contnua.

Em geral, os ttulos arco mais simples de preo do que as aes. Essencialmente, o preo justo de
uma ligao o valor presente de todos os seus pagamentos de juros e principal futuras. O presente valor
incorpora um desconto para a taxa de retorno do mercado, que por sua vez depende da caractersticas do
ttulo. O risco de incumprimento tem um impacto considervel sobre o preo dos ttulos, fatores
macroeconmicos, tais como as expectativas de inflao, tambm pode ter um efeito significativo.
Uma anlise mais detalhada dos ttulos e dos mercados associados pode ser encontrada no Apndice B.
Divisas
Cmbio (FX) representa a negociao de moedas, essencialmente atravs da transferncia de
propriedade de depsitos. Geralmente, o que primeiro pensar de cmbio estrangeiro o comrcio
local. Operaes cambiais vista travar o atual taxa de cmbio para liquidao em dinheiro,
geralmente dentro de dois dias. assim um dlar / iene japons comrcio consiste na venda de dlares
norte-americanos para outra contraparte em troca de uma quantidade especfica de ienes.
H tambm contratos de derivativos de cmbio, ou seja, forwards, opes e swaps. Forwards
cambiais (ou outrights) pode ser utilizado para organizar transferncias para meses ou mesmo anos
no futuro. Elas arco com base em contratos vinculativos com uma taxa para a frente, o que ser ento
utilizada para uma troca s uma data especfica no futuro. Esta taxa reflecte a taxa de cmbio futura
esperada, e assim por incorpora a volatilidade das duas moedas. Assim, eles oferecem um meio de
bloqueio em um- taxa de cmbio. Opes de FX so semelhantes, embora eles do ao comprador o
direito de comprar ou vender, e no uma obrigao. Um swap de cmbio um pouco mais
complexo, uma vez que consiste em duas pernas: uma transao vista FX padro associado a um
comrcio em frente FX simultnea. Inicialmente, o arco duas moedas trocadas, e quando os amadurece
definitivas, eles so trocados de volta novamente, taxa prc-agrecd. Eles arco muitas vezes usado
para muito intercmbio a mais longo prazo do que FX forwards (anos em vez de meses).
Preos taxas de cmbio pode ser bastante difcil, uma vez que eles so afetados por uma ampla
gama de fatores econmicos, tais como mudanas no crescimento econmico, inflao, taxas de juro ou
saldos oramento / comerciais. Modelos de determinao da taxa de cmbio tradicional baseada
unicamente em fatores macroeconmicos no conseguiram explicar e flutua es de previso das
taxas de cmbio. Modelos alternativos adotaram abordagens baseadas microstructurc de mercado
para analisar o fluxo de ordens com algum sucesso.
Uma avaliao mais detalhada do FX e dos mercados associados pode ser encontrada no Apndice C.
Mercados monetrios
Os mercados monetrios so essenciais para a prestao de financiamento de curto prazo para
bancos, instituies e corporaes. Isto pode variar de dia para o outro a cerca de um ms, embora
possa ser, por tanto quanto um ano. Ativos tpicos do mercado monetrio so de curto prazo da dvida,
depsitos, rcpos e do emprstimo de ttulos. Portanto, os mercados monetrios esto tambm estreitamente
ligada tanto incomc fixa e cmbio.
Engloba dvida de curto prazo uma gama de tipos, a partir de contratos tradicionais fixos para incomc
tradahle emprstimos / depsitos e papel comercial. Ttulos do governo, como o Tesouro EUA
contas, fornecer um investimento relativamente livre de risco, especialmente no curto prazo. Emprstimo
interbancrio tambm uma importante fonte de liquidez de curto prazo para os bancos, particularmente
durante a noite. Em os EUA, o que corresponde aos "fed funds" contas de dep sito mantidas com
a Federal Reserve, enquanto na Europa depsitos em eurodlares. H tambm arco mercados
secundrios para depsitos em dinheiro negociveis (ou comercializveis) e acccptanccs do banqueiro
(ou rascunhos dinheiro). O papel comercial negociado bem; isto representa notas promissrias sem
garantia emitidos por
56
mundiais
Mercados
empresas como uma alternativa (e chcaper) Os meios de financiamento. Embora o 2007 -09 crise
financeira e turbulncia no mercado resultante teve um impacto considervel sobre a curto prazo
mercados de dvida.
A repo o nome comum para um acordo de venda e recompra de aes. Essencialmente, este um
emprstimo garantido. O vendedor oferece ttulos em troca de dinheiro, mas eles tambm se
comprometem a recompr-los de volta no uma determinada data a um preo fixo. Na data de
vencimento acordada, o vendedor reembolsa o emprstimo de dinheiro junto com um pagamento de
juros, ao passo que os ttulos so devolvidos ao eles. Os juros pagos baseado em uma taxa repo
pr negociado, o que, muitas vezes, ser compensada a partir de um ponto de referncia, tais como a taxa de
fundos do Fed. Existem dois tipos principais de repo: repos especficas so para um segurana ccrtain.
Repos Gerais colaterais permitir que a garantia de ser fungvel de modo que qualquer segurana aceitvel
que respeite os requisitos estabelecidos podem ser utilizados. Esta flexibilidade reflectida em
uma taxa de juros mais baixa.
Valores Mobilirios (ou aes) de emprstimos como um repo sem o emprstimo; os ttulos so
simplesmente emprestado para uma taxa. Tal como acontece com acordos de recompra, o tipo de
emprstimo pode ser classificado em geral e especfica. Ofertas de emprstimo Gerais um ttulo que
equivalente a um acordo de recompra com garantia geral, por isso s precisa corresponder um conjunto de
critrios. Mais uma vez, as taxas para emprstimos dependem da escassez do de segurana, de modo
geral, os emprstimos custa significativamente menos.
Uma avaliao mais detalhada dos mercados de dinheiro pode ser encontrada no Apndice D.
Derivativos
Como seu nome sugere, contratos de derivativos so derivados de outros ativos, referido como o
activos subjacentes. Puramente derivativos financeiros foram criados na dcada de 1970. Estes
permitiram que os activos subjacentes se expandir para al m de commodities para incluir tambm
aes e estoque ndices, obrigaes, moedas ou mesmo outros derivados.
Os principais tipos de contrato de derivativos s o contratos a prazo e futuros, opes, swaps e
crditos derivados. Eles podem ser classificados como "cotada" (ou negociado em bolsa) ou
atravs da counter (OTC). Derivados referidos so contratos padronizados que podem ser
negociados muito parecido stocks; Normalmente, estes s o os contratos de futuros e opes.
Contratos OTC so feitos sob medida, para que eles pode representar mais contratos complexos ou
derivativos exticos.
Futuros e opes
Um contrato de futuros um acordo para comprar (ou vender) uma quantidade fixa de um determinado ativo
a um determinado preo em uma data especfica no futuro, por exemplo, um contrato para a aquisio de
5.000 alqueires de gros em Julho por US $ 3. Quando a data de vencimento rcachcd, o contrato
expirar ea transao deve em seguida, ser resolvido. Um contrato de futuros apenas uma frente com
termos padronizados (por exemplo, quantidades, preos, datas), que negociado em uma troca.
Os contratos de opo so semelhantes a prazo e futuros em lhat eles permitem um pricc de ser
atingido Trocar uma quantidade definida de um determinado activo numa data futura especfica. O pricc
liquidao chamado o pricc de exerccio da opo. O prmio representa o preo real pago por opo
Ihe contrato. Uma opo de compra callcd uma chamada, enquanto um contrato para vender uma
opo de venda. As opes podem tambm ser classificado como estilo europeu ou americano. Isto se
refere a quando eles podem realmente ser exercidas. Opes de estilo americano podem ser
exercidas a qualquer momento antes da data de expira o, Considerando que as opes de estilo
europeu s pode ser exercida no vencimento.
A principal diferena entre futuros (ou para a frente) e opes que o proprietrio de um opo
no est obrigado a negociar. Portanto, se o preo de mercado mais favorvel que eles podem
escolher no para exercer o seu contrato de opo (da o seu nome). Considerando que o criador
(escritor) da opo contrato obrigado a negociar, se o comprador desejar faz-lo. Por conseguinte,
embora possa haver uma abundncia de investidores que querem comprar lo chamadas ou coloca
muito menos pode ser preparado para vender
57
eles. Assim, corretores / negociantes especializados, muitas vezes desempenham um papel vital como
fornecedores de liquidez e criadores de mercado.
Preos estes derivados podem ser complexas. Eles so, obviamente, baseado no preo de sua
subjacente ativo / s. Por exemplo, um contrato de futuros reflete o valor futuro esperado do seu
underlier descontado para dar um valor presente. Outros fatores podem tambm precisam ser
considerados, tais como a taxa de juro e quaisquer custos adicionais relacionados com o
armazenamento ou transferncia (normalmente para contratos baseados em mercadorias), ou quaisquer
rendimentos potenciais (por exemplo, de dividendos).
Opes so mais complexas do que o preo de futuros, embora muitos modelos de precific ao
padro existem, tais como a equao de Black Scholcs ubqua criado por Fisher preto e Merlon
Scholcs (1973). Estes pode calcular o valor justo de uma opo com base em fatores tais como o preo de
exerccio do contrato, o preo de mercado do activo subjacente e da sua volatilidade, o tempo
que resta para expirao ea taxa de juros livre de risco.
Swaps
Um swap essencialmente um acordo entre duas contrapartes para a troca de fluxos de caixa. Estes podem
ser vinculados a taxas fixas / flutuantes de juros, moedas, ou at mesmo os pagamentos de
dividendos. Assim, eles oferecem um meio flexvel de fluxos de caixa controladores, que vai alguma do
caminho para explicando sua popularidade. O tipo mais comum de swap um simples Taxa de Juros
Swap (IRS). Um swap de taxa de juros de baunilha consiste em uma perna com base em uma taxa flutuante
de interesse enquanto o outro tem uma taxa fixa. Note-se que o principal (ou fictcia) quantidade no
realmente trocadas; apenas os pagamentos de juros associados s o trocados. Uma ampla gama de
outros swaps tambm podem ser negociadas. Por exemplo, swaps de base tm duas pernas baseado
em flutuante taxas. Os swaps de divisas permitir que as empresas de tomar empr stimos em moeda
onde eles podem obter a melhor taxa de juros, em seguida, converter isso em IHE moeda que eles
realmente precisam. Total de cmbio swaps de retorno pagamentos de juros para o retorno total de
um ativo ou cabaz de activos enquanto swaps de ativos representam a combinao de um swap de
taxa de juro com um vnculo de taxa fixa. H tambm muitos modelos para arco swaps de preos, mas eles
esto fora do mbito de SIGH livro.
Os derivativos de crdito
Os derivativos de crdito agir como garantias financeiras, que podem ser utilizados para fornecer
proteo contra uma variedade de eventos de crdito, mas mais tipicamente padro ou falncia. Um credit
default swaps (CDS) um contrato que transfere o risco de crdito para um valor nominal de dvida
emitida por uma entidade. O comprador ganha proteo contra o risco de crdito, enquanto o vendedor
pago regularmente prmios para a vigncia do contrato. E se um evento de crdito ocorre, em
seguida, o vendedor deve compensar o comprador eo contrato expira. O vencimento t pico para um
contrato de CDS de cinco anos. CDS ndices de expandir o escopo, cobrindo vrias entidades, muitas
vezes abrangendo mais do que uma centena de companhias separadas. Eles provaram ser incrivelmente
popular, uma vez que permitem aos investidores fazer comrcios macro muito mais amplas para risco de
crdito. Intercmbios lderes tambm comearam a oferecer futuros e opes baseados em CDS
subjacentes ndices. Mais uma vez, h muitos modelos para o apreamento de derivativos de
crdito, mas eles esto fora do mbito deste livro.
Uma anlise mais detalhada dos derivados e dos seus mercados pode ser encontrada no Apndice E.
Outras classes de ativos

Alguns tipos de ativo financeiro no se encaixam perfeitamente nas principais categorias. Mais
notavelmente depositrio recibos e fundos negociados em bolsa. Ambas as classes de ativos temos
visto um crescimento substancial em relao ao ltimos anos.
58
mundiais
Mercados
Depositary receipts (DRs) representam aes em uma empresa estrangeira. Eles fornecem uma
alternativa negociao cross-bordcr, bem como ser um importante meio de acesso ao principais
mercados financeiros para as empresas estrangeiras. DRs essencialmente atuar como proxies para
aces estrangeiras que podem ser comercializados localmente, seja em interc mbios, outros
locais de execuo ou OTC. Elas so emitidos por um banco ou corretora domstica contra o seu
prprio inventrio do estoque estrangeira. Qualquer dividendos arco geralmente pago na moeda local, e para
uma taxa o banco depositrio converter as receitas de volta para o estoque subjacente. Assim, em
muitos rcspccts, estes se comportam como aes domsticas. Embora a ganhar direitos de voto, o
DR deve ser parte de uma patrocinados programa, uma vez que o banco depositrio deve organizar
os votos por procurao. Os dois mais comuns tipos so American Depositary Receipts (ADRs) e
Global Depositary Receipts (GDRs). ADRs so negociadas OTC ou nas principais bolsas de
valores norte-americanas, enquanto GDRs permitir o comrcio em mais de um pas. Preos desses
ativos baseada no preo de mercado atual deste subjacente, ajustado pelas taxas de cmbio de mercado
atuais e quaisquer taxas associadas.
Exchange traded funds (ETFs) arco uma quota negociveis em um fundo de investimento. Sincc eles
representam cestas de bens, eles so um meio extremamente eficaz de ganhar exposi o a
sectores ou mercados inteiros, tanto como futuros sobre ndices. ETF so geralmente classificados
como um ou outro sendo ndice ou otimizada. Os fundos de ndice passivamente monitorar, ou
rcplicatc, um ndice especfico enquanto os fundos otimizados tentar bater o benchmark e assim
adotar tcnicas semelhantes s ativa investidores. Note que ETFs no esto restritas apenas s
aces; eles podem igualmente ser baseada crcatcd em carteiras de ttulos ou at mesmo
commodities. Em termos de avaliao, o valor patrimonial lquido (NAV) de um fundo essencialmente o
valor total de todos os activos do fundo, dividido pelo nmero de aes de emisso. Por causa de sua
transparncia inerente, o NAV facilmente calculado, embora para os fundos de participa o
diferenas ativos estrangeiros em fusos horrios e taxas de cmbio podem levar a discrepncias
entre o pricc mercado ea NAV.
Uma avaliao mais detalhada dos mercados para esses tipos de ativos pode ser encontrada no Apndice F.
3.3
No Captulo 2, ns cobrimos os mecanismos bsicos de negociao, especificamente quote-driven e

ordem- execuo conduzido. Inicialmente, a maioria dos mercados comeam com negociao
baseado em ofertas de preos. Por exemplo, imagine uma nova classe de ativo extico: Para
comear o mercado to especializada lhat pode haver apenas um nico comerciante preparado para
"fazer um mercado" para isso. Qualquer negociao invariavelmente um um- para-um proccss entre o
distribuidor e cada cliente (investidores), como se mostra na Figura 3 -1 (a).
Aos poucos, o nmero de investidores (ou potenciais clientes) vai aumentar e assim por mais
negociantes vai se envolver. Isso permite que os clientes para verificar os preos com vrios
concessionrios antes de decidir comrcio, como mostrado na Figura 3-1 (b). Trading ainda
bilateral e orientado para o oramento, mas pelo menos no mais escolha. Este tipo de estrutura
a base para muito do "over the counter" (OTC) negociao, que tem lugar para uma ampla gama de
ativos, provenientes de existncias de obrigaes e derivados.
Eventualmente, o mercado pode tornar-se to grande que no h negociao suficiente (e
participantes) para justificar locais de execuo especfica, conforme mostrado na Figura 3-1 (c).
Historicamente, as redes inter-negociante comeou como intercmbios organizados, enquanto
dealcr-to-clicnt comunicaes foram manipulados por corretores. Ao longo do tempo, estes t m
cada vez mais deslocada para plataformas de negociao electrnica base de tela base de
telefone e / ou.
Negociao para muitos de ativos do mundo agora baseado em estruturas de mercado

semelhantes a Figura 3-1 (c). Para os ativos altamente padronizados, tais como aes, a negociao
tem continuado a desenvolver em torno de intercmbios, enquanto que para os menos padronizados,
como ttulos ou derivativos complexos, grande parte da negociao realizada OTC ou atravs de
corretores intcr-dcalcr especializadas (IDBS).
59
Figura 3-1 Trs fases de desenvolvimento de mercado

Mesa 3-1 tenta fornecer um amplo resumo destas estruturas de mercado para o principal ativo
aulas, embora inevitavelmente l algumas excees isoladas. 1
Alternativa
-Inter-dealerDealer-to cliente
De ativos aula
Equities
Derivada (Listed)
Intercmbio
Multi corretor Single /, DMA
ECN / MTF, ATS
OTC / BID
Single / Multi
ECN, ATS
Outro (ADR, ETF)

Renda fixa Divisas
Mercados
corretor
monetrios
Derivado (OTC) OTC
OT C
Tabela 3-1 Estrutura do mercado pelas classes de activos

Sobre o ltimos anos, a segmentao rigorosa entre os mercados de concessionrios e clientes,
visvel na Figura 3-1, comeou a diluir-se. Locais de negociao alternativos (acessados por ambos os
concessionrios e os clientes) tornaram-se cada vez mais importante. Eles so as Redes de
Comunicaes Electrnicas (ECNs) ou sistemas de negociao multilateral (MTF) e "dark pool"
Alternativa Sistemas de negociao (ATS) que comearam a se espalhar em todos os mercados
do mundo. Estes complicar ainda mais a estrutura do mercado, at o ponto onde os clientes podem
at usar certos estabelecimentos para contornar os concessionrios completamente. Devemos
considerar o impacto dessas alternativas em mais alguns detalhes depois uma breve reviso da interdealer e negociante para o cliente mercados.
Mercados Inter-dealer
Um forte mercado inter-dealer vital para a liquidez. Caso contrrio, os concessionrios podem estar
menos dispostos a comrcio para alm do seu estoque atual. Tendo um mercado onde eles podem
facilmente trocar com outro concessionrios, permitem-lhes para controlar suas posies e assim
atender s exigncias dos clientes.
Por exemplo, algumas trocas fornecer plataformas de negociao de ttulos e acordos de recompra.
60
mundiais
Mercados
Muitos as diferenas entre os mercados inter-negociante do mundo so histricos. Negociao

baseado no Exchange foi originalmente baseado em leiles de viva voz, e assim que o mecanismo foi
baseada em ordem. Em comparao, o comrcio OTC muitas vezes bilateral e assim Citao-driven.
Contudo, o advento do comrcio eletrnico tem resultado em muitos dos intercmbios e intercorretores de negociante que se deslocam para plataformas baseadas em livros de encomendas
electrnicas. Na verdade, hoje em dia h so muito mais semelhanas entre os mercados internegociante.
Trocas
Trocas so provavelmente o local mais conhecido para negociao. Intercmbios mais antigos do
mundo principalmente data de volta aos sculos 17 ou 18, embora os intercmbios organizados pode
ser rastreada costas tanto quanto o sculo 13.
Negociao em bolsas realizado por seus membros, que esto lidando principalmente
especializada casas ou empresas corretor / revendedor. Historicamente, a regulamentao e os custos
de manuteno de um presena sobre o comrcio de pisos tm garantido que as trocas se manteve o
domnio dos concessionrios e corretores. Cada vez mais, porm, os corretores est oferecendo a
seus clientes acesso DMA para trocas. Da mesma forma, as associaes no esto limitados aos
concessionrios; to grandes investidores, que podem justificar a custo, pode ter acesso atravs da
compra de uma adeso. por isso que a segmentao do mercado no bastante como preto e
branco, tal como sugerido pela Figura 3-1 (c).
Como vimos na Tabela 3-1, a negociao baseada em troca geralmente adotado para os ativos
mais padronizados. Os maiores mercados so para aces e futuros cotados e opes, mas
intercmbios tambm so utilizados para o comrcio de renda fixa, mercado financeiro e outros tipos
de ativos. Tabela 3-2 d alguns exemplos para as vrias classes de ativos e regies.
De ativos classVenues
Equities
U.S .: New York Stock Exchange (NYSE), NASDA Q

Europa: London Stock Exchange (LSE), Euronext
sia: Tokyo Stock Exchange (TSE)
Futuros /
Opes
EUA: Chicago Mercantile Exchange (CME), Chicago Board of Trade (CBOT), Chicago
Board Options Exchange (CBOE)
Europa: Eurex, London International Futures Exchange (Liffe)
Dinheiro
Fixo
mercados
renda
De outros
Europa (dvida / repos): Eurex Obrigaes
Europa: LSE, BME trocas Espanhol, Eurex Bonds sia:

Coreia do cmbio
DRs, os ETFs: NYSE, LSE
Tabela 3-2 Exemplo trocas por classe de ativos

Tradicionalmente, bolsas do mundo tm sido centradas em leiles-viva voz com base em piso.
Alguns locais ainda apresentam esta; no entanto, ao longo dos ltimos anos, as carteiras de
encomendas eletrnico tornaram-se agora a norma para a maioria dos principais centros de comrcio.
Em termos de mecanismo de negociao real, eletrnico plataformas de negociao arco
'intercmbios em geral com base em central limitar as carteiras de encomendas, muitas vezes,
permitindo a negociao annima. Para os ativos lquidos, isto significa leiles contnuos, como vimos
no Captulo 2. leiles de chamada so usados para menos ativos lquidos, e so muitas vezes adotados
para a abertura e fechamento de perodos de reduzir a volatilidade. Convencionalmente, mercados de
aes tendem a adotar uma prioridade com base preo / timc para a sua correspondncia comercial,
enquanto listados bolsas de derivativos tm frequentemente usado a / abordagem pr-rata com base
preo. Dito isso, essas distines esto se tornando cada vez mais tnue. Por exemplo, nos EUA a
NYSE e os mercados de aes da NASDAQ tm ambos lanaram suas prprias opes de aes
dedicado
61
baseado em intercmbios uma prioridade preo / tempo.

As bolsas de valores tm geralmente centrada na troca domstica, em parte devido maior nvel de
regulamentao associada s aces. Ainda assim, ao longo dos ltimos anos tem desmutualizao
visto muitas das principais bolsas do mundo tornam-se empresas independentes. A fim de sobreviver
em mercados cada vez mais competitivos, tem havido onda ap s onda de mundial fuses e
consolidaes. Mais notavelmente, as fuses entre Nova Iorque o da Exchange (NYSE) e
Euronext, e NASDAQ OMX e, criaram dois maci a entidades concorrentes para ns e para o
volume Europeia. A concorrncia global provvel que continuar a aumentar nos prximos anos.
A concorrncia local tambm tem sido desencadeada por regulamentao. Em os EUA, a
Securities and Exchange Commission (SEC), introduziu Ordem NASDAQ manipulao de
regras em 1997, o que ajudou a impulsionar novas plataformas de execu o (o ECNs). 2007
viu Regulamento NMS, que foi introduzido para melhorar a concorr ncia; oferta proteo ordem
no Best Bid Nacional e Oferta (NBBO) para encomendas na grande US bolsas e redes de comrcio
eletrnico. Embora a concorrncia tem aumentado, a liquidez disponvel tem becomc mais
fragmentado. Da mesma forma, na Europa, os mercados de instrumentos financeiros (MiFID)
regulamentos introduzidos em 2007 procurou incentivar a concorr ncia (e regular) transaces
fora da bolsa na forma de sistemas de negociao multilateral (MTF), que arc muito semelhante ao
ECNs. Apesar de algum tempo atrs os EUA, os mercados europeus tambm esto comeando a
tornar-se fragmentada, como a competio leva liquidez longe do major intercmbios. Uma anlise
mais detalhada fornecida no Apndice A.
Em comparao, as trocas de derivados referidos tm enfrentado a concorrncia global para s
vezes. EUA e intercmbios europeus tm muitas vezes lanados contratos rivais para tentar agarrar
liquidez do outro. Informatizao tambm ajudou a transformar isso em praticamente um de 24 horas
mercado. O mercado de opes sobre aes dos EUA tem becomc um dos mais competitivos
lugares de mercado do mundo, onde as opes podem ser negociadas em qualquer um dos sete
bolsas de valores. Certamente, a opes de aes dos EUA mercado tem visto alguns dos mais
altos nveis de crescimento de qualquer dos mercados de derivados listados do mundo. Isso destaca os
benefcios da um comum mecanismo de compensao e ativos que so facilmente transferveis.
O comrcio em moeda-bascd tambm importante para outros ativos, particularmente ADRs e
ETFs. Eles no podem ter suas prprias trocas dedicados, mas eles contribuem fluxo consider vel
para bolsas de valores do mundo. De facto, em US levando a ETF tais como o arco SPDR
frequentemente os ativos mais negociados nos principais bolsas de valores. Ttulos de renda fixa
tambm so negociadas em alguns estoque e bolsas de derivativos listados.
Trocas arco de frente para o aumento da concorr ncia; No entanto, a segurana oferecida pelo
centralizada compensao e liquidao significa que outras classes de ativos, sem dvida,
continuar a considerar troca ou estruturas de mercado cxchangc semelhantes no futuro.
Redes corretor / lnter-dealer OTC

Para os ativos que so geralmente negociadas ao balco (OTC), as redes inter-dealer, muitas vezes
desenvolvidas em de forma menos centralizada do que os mercados base de troca. Em vez de ser baseado
em torno de locais fsicos, eles evoluram a partir de negociao por telefone entre comerciantes e
corretores inter-dealcr especializadas (IDBS). Ao longo do tempo, telefone (ou voz) com base
negociao foi aumentada por plataformas dedicadas eletrnicos de negociao, especialmente para
o ativos mais lquidos. Tabela 3-3 d alguns exemplos para as vrias classes de ativos e regies.
Uma gama de mecanismos usado para o comrcio inter-dealer. Muitas plataformas de comear por
agregando citaes dos concessionrios. Desde uma cotao firme efetivamente uma ordem de
limite, alguns evoluram para oferecer completo baseado em funcionalidade carteira de encomendas. Vrios
IDBS comearam mesmo a
62World
Mercados
De ativos classPlatforms
Renda fixa
EUA (Treasuries): ICAP BrokerTcc, BGC eSpeed

Europa: MTS
Estrangeiro intercmbio
Mercados
monetrios
EBS, Reuters
Dos EUA (dvida / repos): ICAP BrokerTcc, BGC eSpeed

Dos EUA (Fed funds): ICAP i-Feds
Europa (dvida / repos): MTS, Eurex Bonds, ICAP
Europa (Depsitos) e-MID
Swaps
ICAP i-Swap, CM E Swapstream, EuroMTS
Credit default swaps
Creditex RealTime, GFI CreditMatch, ICAP BrokerTec
Plataformas Tabela 3-3 Exemplo de negociao inter-negociante por classe de

ativos
incorporar isso com sua OTC liquidez baseada em voz para creatc sistemas de negociao
hbridos.
Em renda fixa, ttulos pblicos geralmente tm maior liquidez sincc eles tendem a ser mais
padronizado e muitas vezes tm a maior demanda. O melhor exemplo deste a
Mercado do Tesouro dos EUA. Corretores inter-negociante tais como 1CAP e BGC oferecem
telefone com base em e plataformas de negociao eletrnica para Treasuries, juntamente com uma
vasta gama de outros ativos de renda fixa. Na verdade, como Larry Tabb (2004) aponta, IDBS tm
efetivamente tomado a lugar de trocas para muitos ttulos dos EUA. Na Europa, uma proporo
considervel de ttulos do governo so negociados atravs da MTS (Mercato Telematico dei Titoli di
Stato) e Plataformas Euro MTS, que agregam citaes de todos os principais revendedores. A
concorrncia dos IDBS dedicados tem sido um pouco menos na Europa. Em parte, isso ocorre porque
primrio concessionrios tm sido muitas vezes atribudos com base em negociao em
plataformas locais. Ento, tem havido menos incentivo para os concessionrios a utilizar alternativas.
Dito isto, as agncias comearam a tesouraria reconhecer formalmente as alternativas, como
plataforma de governo europeu do BGC, de modo concorrncia neste espao pode muito bem
aumentar ao longo dos prximos anos.
Cmbio tambm tem um mercado inter-negociante eletrnico bem estabelecida. Reuters
introduzido pela primeira vez um servio de negociao baseada em monitor de volta em 1981. Ao
longo do tempo, este tem evoludo para dentro uma plataforma de negociao baseada em livro de
ordens hbrido. Ele foi acompanhado por EBS em 1993, que foi lanado por um consrcio de bancos,
e agora faz parte do 1CAP. Entre eles, estes dois plataformas de atender a grande parte do comrcio
inter-negociante no mercado FX.
No novidade que, os principais intervenientes no incomc fixa e FX tambm fornecem
plataformas para negociao do mercado monetrio. BrokerTec do ICAP e plataformas eSpeed do
BGC atender a dvida de curto prazo e acordos de recompra em os EUA, enquanto MTS e ICAP so
importantes para a dvida e repos Europeia. Para a noite mercado de fundos Fed, ICAP tambm
oferece a plataforma i-Feds. Na Europa e-MID oferece uma plataforma para os depsitos comerciais.
Derivados OTC so servidos tambm. Por exemplo, i-Swap de corretagem ICAP proporciona
uma plataforma de comrcio eletrnico de swap, assim como o Swapstream do CME. EuroMTS
lanou tambm um mercado de swap dedicado para negociao overnight swaps de taxas de juros
(EONIAs). Crdito default swaps esto comeando a ver as plataformas de negociao dedicados
tambm. Por exemplo, de Creditex Tempo real, CreditMatch do GFT e BrokerTec do ICAP atender a
todos CDSs.
Revendedor-a-cliente mercados
Tradicionalmente, fazendo a ponte entre os concessionrios e os clientes tem sido o domnio de
corretores. Hoje em dia (D2C) mercados negociante-a-cliente so representados por uma mistura
de negociao por telefone, solteira e multi-corretor / negociante de plataformas de comrcio
electrnico, desde hy uma gama de hrokers e fornecedores de terceiros. Quadro 3-4 mostra alguns
exemplos.
63
De ativos aula
Plataformas
Equities,
Listados futuros /
opes, DRs / ETFs
Corretor ou vendedor OMS s
Fixo renda
Tradeweb, Bloomberg BondTrader, Reuters RTFI, MarketAxess
Plataformas de banco, FXA1I, State Street FX Connect, Currenex
Dinheiro mercado
Tradeweb, Bloomberg BondTrader, State Street FX Conectar
Swaps
Tradeweb, Bloomberg SwapTrader, CM E SPRO
Credit default swaps
Tradeweb, MarketAxess
Tabela 3-4 Exemplo negociante para o cliente plataformas de negociao por

classe de ativos
O mecanismo para estas plataformas de negociao depende o mercado subjacente inter-dealer.
Com os mercados base de troca, eles so geralmente baseados em ordem. Enquanto em mercados de
balco, o Plataformas D2C baseado Citao-arco, e assim eles tendem a adotar o pedido de cotao
(RFQ) ou pedido de transmisso (RFS) mecanismos vimos no Captulo 2.
Relativamente s aces, futuros e opes listadas, certificados de depsito e ETFs, corretor e / ou
fornecedores Sistemas de Gesto de ordem (OMSs) so o esteio para a prestao de negociao
D2C. Estes oferta um conjunto de ferramentas adequadas para o manuseio pr e ps-negociao. O
corretor pode fornecer DMA bem. Eles tambm podem servir para OTC negociao desses
ativos.
Plataformas de renda fixa, tais como Tradeweb, BondTrader da Bloomberg e da Reuters RTFI
sistema de negociao, oferecem comrcio eletrnico via PDO. Ainda mais a concorrncia deveria
ter chegado na forma de LiquidityHub, que foi para oferecer aos clientes uma negociao baseada em
fluxo mecanismo para ttulos do governo, agregando a liquidez de um consrcio de mais de um
dzia de bancos. Infelizmente, a crise financeira de 2007-09 pr termo a este empreendimento.
No cmbio, os grandes bancos multinacionais fornecer sua prpria negociao cliente plataformas.
L so tambm importantes plataformas multi-broker, como FXA1I e State Street de FX Connect e
Currcnex. Geralmente, estes sistemas de todos, quer fornecer acesso via RFQ ou RFS. Currenex
realmente usa um mecanismo hbrido que tambm suporta pedidos de limite, embora h nenhuma
carteira de pedidos visvel.
Mais uma vez, as principais plataformas de renda fixa, tais como Tradeweb e Bloomberg, tambm
suportam negociao mercados monetrios. Da mesma forma, as plataformas de cmbio, tais
como FXA11 e Currenex, tm se expandido para incorporar dinheiro negociao no mercado.
Para derivados OTC, h uma mistura de plataformas individuais e multi-negociante. Negociao
Swap suportado por Tradeweb, SwapTrader da Bloomberg Reuters e harmonizao para as taxas
de juros. A Chicago Mercantile Exchange (CME) tambm est introduzindo SPRO, uma verso
revendedor para cliente de Swapstream. Os credit default swaps so suportados por MarketAxess e
Tradeweb.
Mercados alternativos
Plataformas de negociao alternativas tornaram-se mais e mais importante nos ltimos anos.
Muitos desses locais servem tanto a compra e venda de lado, para que eles efetivamente so
atravessadas pela segmentao rigorosa vimos volta na Figura 3-1. Assim, as estruturas do mercado
esto se tornando cada vez mais complexo, como podemos ver na Figura 3-2.
Corretores / negociantes tm comeou a fornecer acesso DMA para intercmbios e outros locais
de execuo (mostrado como a linha tracejada cinza). Os clientes tambm podem obter acesso direto a
muitos dos ECNs e ATS; para que eles no esto mais restritos s plataformas de comerciante para o
cliente.
Mercados
64
mundiais
Figura 3-2 interconexes de mercado para locais alternativos

De fato, alguns ATS so buy-side somente, ignorando completamente os corretores / negociantes.
Efetivamente, estes so redes de comrcio de cliente para cliente. Na seo 3.4 wc vai revisitar
este aumento da acessibilidade, mas primeiro vamos rever brevemente os diferentes tipos de local
de execuo alternativa.
ECNs / MTF
Redes de comunicaes electrnicas (ECNs) so provavelmente o mais conhecido fora de exchangc
plataformas de negociao. Eles comearam no mercado equidade EUA; no entanto, eles tm desde
ento se espalhou para muitos dos mercados do mundo. Tabela 3-5 d alguns exemplos.
De ativos classVenues
Equities
U.S .: Bloomberg Tradebook

Europa: Chi-X, Azul Turquesa
Hotspot FXi, LavaFX, Bloomberg Tradebook FX, FXAII
Accelor Dinheiro
Emprstimo de Ttulos: Secfinex
mercado
Tabela 3-5 Exemplo ECNs / MTF por classe de ativos

Em termos de seu mecanismo, ECNs so geralmente baseados em livros centrais ordem de limite,
com leiles contnuos que geralmente permitem a negociao annima. Ento, eles so muito
semelhantes aos intercmbios.
ECNs surgiu atravs de a deciso Citao introduzido em 1997 pela Securities and Exchange
Commission (SEC). Anteriormente, os concessionrios tinha sido capaz de usar inter-negociante
privado sistemas para negociao a preos melhores do que na NASDAQ; a nova deciso significava
que esses preos tambm devem estar disponveis ao pblico. Com efeito, este abriu uma janela para
os locais cxccution externos, e de repente uma srie de novos ECNs foram crcatcd. Pelo milnio, havia
sobre uma dzia de redes de comrcio eletrnico, todos competindo por participao de mercado em
aes americanas. Desde ento, a competio aumentou, mas tem havido um monte de consolidao.
De fato, um dos quatro originais ECNs fundada, nica Bloomberg Tradcbook permanece como tal.
Dois dos principais ECNs, morcegos e Direct Edge, tm cither becomc trocas por direito prprio ou
arco no processo de faz- assim.
65
Europa est comeando a ver o mesmo nvel de competio intensa vivida nos os EUA No
passado, os locais de execuo pan-europeus tiveram sucesso misturado; porm, alguns tm
floresceu, tal como Chi-X. A introduo dos Mercados de Instrumentos Financeiros (MiFID), em
2007, com o objetivo de incentivar a concorrncia entre plataformas de negociao, melhorar a
transparncia pr e ps-negociao e fazer cumprir "execuo nas melhores condies" requisitos. O
efeito imediato foi a criao de uma gama de novos espaos. Estes so classificados como
Lnternalisers sistemticas (SIS), para plataformas de um nico corretor, ou como multi -corretor
Multilateral Facilidades de negociao (MTF), como turquesa. Assim, as principais bolsas de
valores agora tem que para competir liquidez, embora isso tenha levou ao mercado cada vez mais
fragmentado.
ECNs tambm se estabeleceram no mercado FX, o primeiro foi Hotspot FXi. Baseado em torno
visvel, mas annimas, livros centrais ordem de limite, estes sistemas so alvo hedge funds, uma
parte em rpido crescimento do mercado. Hotspot foi acompanhado por Lava LavaFX de
negociao em 2006. FXA1I tambm ter lanado seu Accelor ECN, enquanto Bloomberg lanaram
Tradebook FX.
Mercados em funo das ordens centralizadas tambm esto comeando a aparecer para outras
classes de ativos, tais como emprstimo de ttulos e negociao OTC DR.
"Dark pool" ATS

Como seu apelido sugere, sistemas de negociao alternativos (ATS) fornecer fim-driven opaco
plataformas de negociao que ajudam para piscinas agregadas de liquidez. Eles provaram populares
porque eles permitem que comprar e / ou vender do lado comerciantes placc para grandes
encomendas sem que eles sejam vistos por outros participantes do mercado, e assim reduzir os custos
de impacto no mercado.
ATSs realmente cobrir bastante uma variada gama de tipos de mercado. Tabela 3-6 fornece um
resumo
destes. Como vimos no Captulo 2, os mercados podem ser classificados em termos de
saber se o comrcio correspondente est agendado ou contnua. ATS podem tambm ser
distinguidos em termos da sua travessia. Eles quer adotar um leilo padro ou uso negociado,
publicitados ou interna mecanismos de passagem. Evoluo do mercado constante significa
hbridos desses tipos que cruzam arco tambm em desenvolvimento.
Freqncia
Programado
Mecanismo de travessia
Leilo Leilo
cego
Contnuo
Anunciado
negociado
Interno
Tabela 3-6 ATS classificaes

A mecnica de descoberta de preos variam para cada tipo de ATS tambm. Alguns fazem
no incorporar seu prprio mecanismo; em vez disso, as ordens so correspondidos ao preo
ponto mdio tomadas a partir da o principal mercado, por exemplo, o NBBO EUA. Outros contm
funcionalidade carteira de pedidos cheia e, assim, determinar os seus prprios preos quando a
correspondncia.
Cruzes agendadas esto em efeito equivalente a leiles de chamadas annimas programados. Para
exemplo, para POSIT US aes do ITG oferece uma dzia intraday separado cruza juntos com dois
aps o encerramento. Cada cruz um leilo de chamada custa o ponto mdio da NBBO.
Cruzes cegos contnuos, tais como CBX da Instinet, oferecemos negociao num livro de ordens
eletrnico completamente opaco. Efetivamente, como negociao numa bolsa onde todas as ordens
so oculto. Alguns desses locais tambm oferecem "passar por" ordens que primeira tentativa de
combinar com o
66
mundiais
Mercados
liquidez disponvel dentro da ATS, antes de ser encaminhado para o seu destino previsto, mesmo que
seja uma troca primrio / regional, ECN ou outro ATS. Estes provaram ser uma importante fonte
adicional de liquidez.
Plataformas de cruzamento negociados constantemente procurar potencial notificadora matchcs
cada participante quando um encontrado. Isso, ento, lhes permite entrar em um bilateral annimo
negociao para tanto o tamanho e preo. Liquidnet provavelmente o exemplo mais conhecido,
emprega um scorecard (como os ratings da eBay) para refletir cada histria de sucesso usurios
cruzamentos.
Anunciado destaque sistemas de passagem quando a liquidez est presente, embora eles no do
tamanhos de distncia. Por exemplo, Pipeline mantm um bloco de bordo das unidades
populacionais, que Arc destaque em laranja quando a liquidez est presente. Gamas de preos bloco
esto disponveis como uma diretriz e no tamanhos so exibidos. Os usurios podem em seguida,
coloque pedidos firmes para executc com essa liquidez.
Prprias redes de passagem dos corretores geralmente adotam um mcchanism semelhante ao
contnuo plataformas cegos Crossing. Originalmente, estes eram apenas de passagem redes
internas, permitindo eles para salvar as taxas de execuo em bolsas. No entanto, eles se tornaram
rapidamente um fora considervel em termos de "dark pool" de liquidez.
Embora ATS comeou nos mercados de aes dos EUA, a maioria dos principais operadores esto
agora Tambm presente nos mercados europeus e asiticos. ATS tambm so estorninho para
aparecer para outras classes de ativos, Tabela 3-7 mostra alguns exemplos.
De ativos
aula
Estabelecimentos
ITG POSIT (Programado), CB Instinct X (Cegos), Liquidnet (de negociao),
Equities
Pipeline (Anunciado), Credit Suisse CrossFinder (Interno)
(Anunciado) Opes
lnstinet FX Cross (Programado), Flextrade MilanFX
EUA: Arcanjo ATS (Cegos), Ballista (Hybrid / negociao)
Tabela 3-7 Exemplo ATSs por classe de ativos

Para cambial, da Instinet FX Cross, uma joint venture com o Citigroup, fornece trs sesses de
passagem annimos um dia em 17 currcncies. Flextrade tambm oferecer MilanFX, uma contnua
local bloco-trading para FX. Da mesma forma, US listados opes tambm esto recebendo
deles prprio ATS: Pipeline fornece Arcanjo um leilo cego para as opes listadas, semelhante
Ballista oferta uma opo hyhrid ATS combinando leiles com negociaes eletrnicas. LiquidityPort
tem planos tambm anunciadas para oferecer uma plataforma eletrnica de negociao de bloco para
ambos os futuros e contratos de opes.
3.4
As tendncias globais do mercado
L so certamente diferenas entre os principais mercados do mundo; no entanto, h tambm arc

muitas semelhanas. Um foco em custos, tanto pelo buy e sell-lados, ea marcha do tecnologia
significa que os mercados para cada classe de ativos arco exibindo muitos dos mesmos tendncias,
ainda que a taxas diferentes. Notavelmente, muitos dos mercados esto vendo aumentos em:
Prego eletrnico
Transparncia
Acessibilidade
Prego eletrnico j generalizada; de fato, para muitos mercados agora a norma. Transparncia
tambm est a melhorar, tanto para informaes de pr e ps-negociao. A acessibilidade tem
67
tambm becomc uma questo fundamental como comerciantes buy-side procuram ter acesso aos mesmos
locais como a sua homlogos sell-side.
Correndo ao lado dessas tendncias uma aparentemente interminvel ciclo de centralizao e

fragmentao, como mostrado na Figura 3-3. Novos locais continuam aparecendo, atraindo fluxo
de pedidos e fragmentando a liquidez disponvel. Em seguida, dentro alguns anos, a consolidao
significa que o mercado comea a centralizar novamente.
Prego eletrnico
Negociao eletrnica agora comum para a maioria das classes de ativos, em especial para as
mais ativos padronizados. Um grande nmero de plataformas electrnicas existem, fornecendo interdealer e negociao dcalcr-to-clicnt para ambos os mercados base de troca e de balco.
A tecnologia tem reduzido substancialmente as barreiras entrada no mercado. Os novos
operadores, tais como as ECNs e ATSs tiveram um enorme impacto, sobretudo no mercado de aes dos
EUA. Captura de liquidez a partir de centros de mercado estabelecidas pode ser extremamente
difcil e caro. Ainda assim, o comrcio eletrnico tem se mostrado uma ferramenta poderosa para
alcanar isso. Por exemplo, no incio de 1997, o DTB (agora Eurex) tinha cerca de um quarto do mercado
com a sua Euro-Bund contrato de futuros. Uma nova plataforma eletrnica de negociao ajudou a
reconquistar mercado liderana da Liffe, at o final do ano a sua quota de mercado tinha atingido
90%.
A concorrncia tem forado os concessionrios e as trocas de mudana para plataformas
electrnicas, a fim de atingir redues de custos e aumentar a capacidade de volume de
negociao. No de troca mercados base, tem havido uma migrao considervel do cho base de a
negociao electrnico. Mesmo os preges mais bem-sucedidos, como a NYSE ea CME, tem agora abraou
totalmente eletrnico de negociao.
O advento do comrcio eletrnico tem tambm levou a mudanas irrevogveis nos mercados globais.
Mais notavelmente em termos de:
Velocidade / Latncia
Tamanho Ordem
O crescimento em volumes
Colocao de pedidos e execuo tempos agora so medidos em fraes de um segundo. Dentro
comparao, o antigo sistema de aces dos EUA inter-mercado (ITS) permitiu negociantes at
30 segundos. Ns arco atualmente no meio de uma corrida entre locais para fornecer as plataformas
mais rpidas. UMA
68
mundiais
Mercados
alguns anos atrs, uma latncia, ou atraso, de 300 milissegundos (10 3s) costumava ser perfeitamente
razovel. Hoje em dia, locais de ponta est direcionando latncias em microssegundos (10 6s).
Dentro luz desta, os servios de co-localizao esto se tornando cada vez mais popular. Estes
permitem mercado participantes para hospedar seus sistemas de negocia o informatizados nas
mesmas salas de mquinas como a local de execuo, minimizando, assim, os atrasos
relacionados transmisso.
Tamanhos mdios de ordem assistimos a mudanas considerveis tambm. Em alguns
mercados, como as opes dos EUA listadas FX e tamanhos de ordem est o efectivamente a
aumentar, a fim de lidar com os enormes aumentos na negocia o nestes mercados esto
experimentando. No entanto, o efeito a longo prazo de negociao eletrnica provavelmente
melhor ilustrado pelos mercados accionistas. Ao longo dos ltimos dez anos, houve um declnio
constante nos tamanhos mdio de pedidos em plataformas eletrnicas de negociao para equidades. Por
exemplo, no final de 1980 o tamanho mdio de pedido no NYSE era de quase 2.500 ao passo que
agora paira em torno de 300. Um declnio perceptvel ocorreu com a introduo de decimalisation em
2001, como mostra a Figura 3-4, com base em dados para os tamanhos mdios de comrcio do
US Government Accountability Office (GAO). Esta tend ncia torna-se auto- perpetuando
como os comerciantes adotar progressivamente corte ordem e estratgias de negociao
algortmica em a fim de minimizar o impacto no mercado. Um declnio similar est ocorrendo em
tamanhos de ordem para os mercados de futuros cotados em bolsa; na verdade ordens contratuais individuais
esto se tornando comuns.
1400
- --NYS E
1200
- * - NASDAQ
0)
N
<55 1000
0)
800
H
dj 600
o
>
2<D 400
<
200
0 i1999
2000
2001
Ano
200220032004
Fonte: GAO (2005) com base em dados da NYSE e NASDAQ
Figura 3-4 tamanhos mdio de negociao de aes dos EUA

Os volumes negociados tambm subiram rapidamente nos ltimos anos, em parte devido
facilidade de acesso e reduo de custos proporcionada pela negociao eletrnica. Muito disso
devido ao influxo de negociao de fundos de hedge. Embora as empresas de investimento em
todo o arco bordo adotando uma muito mais ampla gama de ativos, principalmente derivativos.
O rcio de ordens para as execues tambm mudou, com plataformas electrnicas ter de
COPC com um nvel muito mais elevado de ordem estgios, modificaes e que cancelamentos nunca.
Caixa de Pandora foi aberta. Os mercados v o continuar a evoluir, a fim de se adaptar ao
changcs que comrcio eletrnico traz. Negociao algortmica uma ferramenta essencial para
ajudar a lidar com estas mudanas.
69
Transparncia
Transparncia desempenha um papel importante na melhoria da qualidade de execuo. Isso
tambm um factor chave em refletir a acessibilidade dos mercados. Pr e informaes ps-negociao
vital para a eficaz negociao. Locais precisa fornecer dados em tempo til sobre o tamanho eo
preo de ordens / cotaes / comrcios, como bem como o tempo de execues. Historicamente,
orientada por citaes ou OTC Markets tenderam a ser muito menos transparentes do que os movidos
a ordem.
Transparncia ps-negociao est bem estabelecida para os mercados baseados em c mbio.
Mas igualmente melhorar para mercados de balco. Por exemplo, em os EUA, o Relatrio de
Comrcio e Compliance Iniciativa Engine (TRACE) determinou comunica o dos preos
comerciais para a dvida corporativa desde 2001. Isto pode muito bem se expandir para incluir
mercado primrio, agncia do governo e da dvida de a Federal National Mortgage Association
(Fannie Mae) e Federal Home Loan Mortgage Corporation (Freddie Mac). Na Europa, a DMIF tem
mandato de relatrios para comrcios de capital do mercado de balco. Isso tambm pode se
espalhar para abranger outras classes de ativos europeus, tais como obriga es e Derivativos de
balco.
Transparncia pr-negociao coloca mais problemas, uma vez que para os mercados OTC
apenas os corretores / intermedirios ' melhor oferta de compra e oferta esto disponveis.
Plataformas multi-corretor / mercados a melhorar esta ligeiramente tornando mais fcil para
descobrir e comparar citaes de uma gama de criadores de mercado. Dentro comparao, bolsas e
outros locais de execuo com base na carteira de encomendas electr nicas so capaz de muito
mais transparncia. Eles podem permitir que as cinco melhores ofertas de compra e ou mesmo a
livro inteiro para ser visualizado.
Por outro lado, tambm existe uma tendncia global para mais anonimato pr-negociao. Enquanto
transparncia importante ver os preos e liquidez disponveis atualmente, ela tambm pode causar
problemas para participantes que precisam trocar quantidades maiores. Risco representa a
informao de sinalizao que pode ser dado afastado por tais grandes encomendas. Anonimato prnegociao ajuda a reduzir o sinalizao de risco, como pode a adoo de diviso ordem ou
estratgias algortmicas. O anonimato geralmente oferecidos apenas por espaos em funo das
ordens e algumas plataformas multi-corretor. Isto porque os acordos do tipo prime-corretoras e
contrapartes centrais esto disponveis, que ajudam a reduzir o crdito e potencial risco de
liquidao. Assim, para a maioria de negociao OTC a nica Proteo do cliente ainda a de
duas vias cotao.
A justificao para estas tendncias aparentemente opostas em transparncia e anonimato fornecido
por Robert Schwartz e Michael Pagano (2005). Eles apontam que enquanto a transpar ncia
necessria para a descoberta de preo, a opacidade necessria para a descoberta de quantidade.
este explica a popularidade de "dark pool" ATS q ue permitem aos participantes trocar
anonimamente no tamanho. Ironicamente, alguns dos sucessos dos "dark pools" devido
transparncia das trocas primrios. Uma vez que, em geral, elas coincidam com base no tamanho,
usando preos descoberto a partir de a troca primria. Assim, dark pools foram at agora concentrada
em mercados onde os preos esto prontamente disponveis, tais como os mercados de aes. Eles
tambm esto comeando a ser introduzido para os mercados de cmbio e derivativos listados.
Negociao com base "dark pools" Poderia ser estabelecido para outras classes de activos, embora
com a carga adicional de descoberta de preo.
Acessibilidade
Tradicionalmente, os mercados para a maioria dos ativos ter sido dividido em dois, entre os
concessionrios e clientes, como vimos na seo 3.3. Negociao eletrnica borrou esses limites,
criando marketplaces muito mais abertos. Negocia o tela ajudou a diminuir o custo de acesso
rede inter-negociante: Uma vez que uma plataforma de comrcio eletrnico estabelecida, a
acessibilidade no mais sobre ser capaz de suportar uma presena fsica em um prego. De repente,
h muito menos diferena entre o buy-side e sell-side. O acesso remoto tambm fez com que
70
mundiais
Mercados
localizao e fusos horrios comear a becomc menos importante.

O advento dos fundos de hedge tem visto um esforo concertado por buy-side para ganhar acesso a
comrcio nas bolsas e redes de inter-negociante dedicados. Para as grandes empresas de
investimento, a custos de adeso para o intercmbio eletrnico pode ser til como um meio de
reduzir comisses corretor / revendedor. Alternativamente, muitos corretores t m alargado a sua
agncia base de negociao para suportar DMA, proporcionando clicnts com um baixo custo
significa o envio de ordens para o intercmbios. Mesmo alguns dos dedicados plataformas inter dcaler para ttulos e FX j comearam a fornecer acccss para fundos de hedge e outras empresas
de investimento.
Muitos novos locais, como ECNs e ATS, atender a concession rios e clientes, como mostra
na Figura 3-2. Corretores / intermedirios tambm comearam a agrupar-se para criar novos locais,
que esto competindo cabea-a-cabea com o intercmbio. Assim, a segmentao entre os
concessionrios e clientes est enfraquecendo, embora reconhea que est acontecendo muito mais
lento para o tradicionalmente Mercados de balco.
Figura 3-5 Potencial de mercado inter-conexes

Figura 3-5 tenta ilustrar esta estrutura de mercado mais fluido. Observe o prazo de execu o
local usado para representar toda a gama de intercmbios, ECNs, ATS e outras plataformas que
agora cobrir a lacuna entre os concessionrios e clientes.
Prova final de que a concorrncia melhorou a acessibilidade o estabelecimento de inter-clicnt
redes, como o buy-side nica ATS, que permitem comrcios muito maiores do que arco possvel
no mercado aberto. Isso ocorre porque os clientes arco negociando uns com os outros em uma opaca
local, de modo a sinalizao de risco menos de um problema. Antes disso, essas ordens teriam
sido manipulado por traficantes de negociao em bloco especializados no mercado "l em cima".
Por conseguinte, o advento do buy-side apenas "dark pools" melhorou a acessibilidade para essa
liquidez escondido.
Centralizao contra a fragmentao

Constante competio significa que os mercados muitas vezes aumentam e diminuem entre
centralizao e fragmentao, como vimos na Figura 3-3. Apesar de medir exatamente onde um
mercado mentiras entre esses dois extremos ainda mais um exerccio qualitativa do que uma
quantitativa.
A fragmentao faz descoberta de preo mais difcil, por isso difcil ter certeza se melhor
execuo tenha sido alcanado. Por outro lado, a falta de concorrncia no um monoplio tambm
pode levar a um aumento dos custos. Assim, o meio-termo susceptvel de proporcionar a soluo mais
justa. Embora, como a Figura 3-6 tenta mostrar, ainda no est claro exatamente o que deve
formar este lago.
71
OTC
Multi-corretor Mltiplo ???

plataformas
estabelecimentos
Trocas
Monopli
o
Por sua prpria natureza, a negociao com base OTC muito mais fragmentado do que base de
troca negociao. O mercado ideal provavelmente algum tipo de hbrido destes dois, capturando
a melhores caractersticas de ambos. Ele deve ser capaz de suportar tanto o principal e negociao
baseada em agncia, bem como permitindo que ambos execuo direta e negociao para os clientes.
Centralizao
Trading mais fcil, e geralmente mais barato, em mercados l quidos. Isto leva a um "efeito de
rede" o que significa locais com liquidez suficiente tendem a reter e at mesmo atrair novos fluxos
de comrcio. H sim uma tendncia natural para os mercados de centralizar, como a liquidez do mercado
tende a ser "pegajoso". Assim, o sucesso de grandes bolsas do mundo. Mesmo os mercados OTC so
centradas em torno uma srie de grandes corretores / negociantes que demonstraram que eles podem
fornecer suficiente liquidez.
Centralizao pode surgir de regulao. Por exemplo, em 1963, a SEC recomendado
reestruturao OTC negociao Slock; isso levou criao da NASDAQ. Na Europa foram usadas
regulamentos de concentrao (por Frana, Espanha e Itlia) para evitar significativo negociao
fora de bolsa, at a introduo de MiFTD. De fato, para muitos pases, o principal bolsa nacional
frequentemente lida com a maior parte da negociao de aes em empresas nacionais. Portanto, a
bolsa ainda muitas vezes visto como a personificao da centralizao.
A concorrncia tambm pode levar centralizao. Ao longo da ltima dez anos, o custo mdio
de negociao diminuiu substancialmente (exceto durante a crise financeira de 2007 -09). Reduzido
margens para corretores / negociantes significa que as redu es de custo de economia de escala
so vitais. Assim, consolidao tende a ocorrer; os corretores / negociantes bem sucedidos ficam
maiores eo resto quer tentar competir com inovaes e incentivos, ou mudar seu foco para outros
mercados. Inter- Key corretores de concessionrios, como ICAP e BGC, dominar a negociao
electrnica de US renda fixa. Enquanto na Europa as plataformas MTS e Euro MTS lidar com uma
proporo considervel de negociao de ttulos do governo. No mercado de cmbio, os dez
maiores bancos agora so responsveis por quase 80% da negociao. 2
Dcmutualization e concorrncia mundial levaram a uma onda de fuses e de troca alianas. Por
exemplo, a Euronext fuso com a NYSE, embora anteriormente tivesse havido Discusso de uma
ligao com o Deutsche Borse. Da mesma forma, NASDAQ OMX comprou o, apesar de terem sido
anteriormente centrada na London Stock Exchange (LSE). A LSE, por sua vez estava ocupado
planejamento uma aquisio da Borsa Italiana. Portanto, h agora duas entidades massivas concorrentes
para ns e para o volume Europeia, nomeadamente a NYSE Euronext ea NASDAQ OMX. Enquanto
em os mercados de derivativos, o CME e CBOT tamb m se uniram a fim de manter sua posio
global contra outras bolsas, como a Eurex e Liffe. A concorrncia global provvel continuar a
aumentar nos prximos anos, nomeadamente no que mais pan-europeu (e mesmo pan-asitica)
execuo locais de arco.
Note-se que a centralizao no se aplica apenas a locais de execuo, compensao e
liquidao
Conforme relatado no 2008 Kuromoney FX poll (Euromoney (2008)).
72
mundiais
Mercados
procedimentos devem ser considerados como bem. Tendo um nico depsito, tais como os EUA
Confiana Depository & Clearing Corporation (DTCC), faz a liquidao muito mais simples.
Centralizao tambm tem sido bem sucedida para FX, com base no sistema de liquidao CLS.
No entanto, esta uma questo mais complexa para os mercados de balco. A crise financeira de 2007-09
mostrou como vulnerveis poderiam ser. Ao longo dos prximos anos, provvel que a
regulamentao encarregar mais centralizao para estes. Racionalizar os processos de compensao e
liquidao poderia realizar economias de custo significativas e ajudar a melhorar a liquidez. Adotando
ccntral contrapartes reduz o risco de contraparte. Ainda assim, isso s vivel se o risco
facilmente quantificveis, caso contrrio as cmaras de compensao pode ser mais exposto.
Avaliao muito menos certo para ativos mais complexas e menos lquidos. Portanto, um grau de
padronizao poderia tambm ser necessria. Na verdade, este processo j comeou para o CDS,
com vrias trocas a criao de cmaras de compensao para eles. Se os mercados de balco ceder
presso para mudar, em seguida, sua liquidez pode muito bem melhorar. Estas medidas poderiam
conduzir a menores custos de transao. Clearing centralizada iria permitir aos participantes uma
maior flexibilidade na gesto das garantias, por compensao de suas exposies. Os acordos tipo
corretora Prime poderia ser estabelecida para ajudar controlar o risco de crdito. Todas estas
medidas so os precursores de anonimato prc-comrcio, e assim eles pode at mesmo levar a novas
plataformas de negociao eletrnica para ativos de balco.
Fragmentao
A fragmentao frequentemente referido com tons sinistros. Dito isto, uma parte importante
do cyclc da concorrncia. Muito pouco significaria que os mercados se tornam grandes monop lios,
sem oposio para ajudar a reduzir taxas. Por outro lado, o excesso de fragmentao e ns ter um freefor-all que faria at mesmo os mercados de balco parecem centralizados.
Regulamento tambm pode incentivar a fragmentao, procurando reduzir os custos com o
aumento da concorrncia. Por exemplo, a SEC ' s citaes 1997 NASDAQ deciso ajudou a lanar a
ECN como um concorrente. Pelo milnio, havia mais de um dzia de negociao ECNs aces norteamericanas. Da mesma forma, 2007 viu a introduo do MiFID na Europa, levando criao de ECN- likc
MTF e Internaliscrs sistemtica. Na verdade, locais de execuo pan-europeus esto comeando a
florescer, competindo diretamente com as principais bolsas de valores. Ainda assim, a Europa
inerentemente mais fragmentado do que os EUA desde ainda no existem regulamentos para uma
escala europeia Melhor Venda e de Oferta (ebbo) ou requisitos de roteamento de ordens estilo
Regulamento NMS. Compensao e soluo tambm mais complicada na Europa.
Para atrair liquidez, novos operadores no mercado, obviamente, precisa oferecer algo especial. Para
ECNs, foi o livro de ordens electr nico ea possibilidade de negociao em um preo melhor do
que o principais mercados. ATSs oferecem a capacidade de anonymous atravessar grandes
encomendas com um impacto mnimo. Sobrevivncia continuou significa reter essa liquidez e
atrair mais. Conseqentemente, inovao nem sempre suficiente, pricc incentivos tambm
podem ser necessrios. Por exemplo, BATS capturada uma parte significativa do volume NASDAQ,
oferecendo uma srie de descontos pricc.
A fragmentao tambm est afetando outras classes de ativos, como cmbio. ICAP ' s EBS
Reuters e ainda dominam o mercado intcr-dealcr. No entanto, os ltimos anos viram competio fresco
de ECNs como Hotspot FXi, LavaFX, Bloomberg Tradebook FX e Accclor. "Dark pool" ATS, tais
como MilanFX, tambm comearam a aparecer.
Os mercados de derivativos listados so afetados tambm. Como a maioria desses contratos
no arc transferveis (ou fungvel) entre locais, a fragmentao significa que vrios locais que
oferecem contratos semelhantes para a mesma subjacente. Muitas vezes esta compet io tem sido
global, tais como entre a CME, Eurex e Liffe. No entanto, a concorr ncia local tambm chegou,
particularmente em os EUA com locais como a NYSE Liffe US bem como a troca de liquidez
eletrnico (ELX). Uma exceo importante o mercado de opes de aes dos EUA, que tem
um comum
73
limpar mcchanism. Isto pode ser seguido de volta s mudanas na regulao do mercado (em
1994) garantindo que estes poderiam ser negociados em qualquer um dos centros do mercado e
no concentrada em locais especficos. Negociao de opes de aes dos EUA agora
espalhado entre mais de metade umadzia de locais. Tendo em conta que este mercado tem visto
alguns dos mais altos nveis de crescimento de qualquer dos derivativos listados do mundo parece
ter sido um sucesso.
Espaos tambm esto comeando a atender a diversas classes de ativos, levando a inter mercado fragmentao. Por exemplo, tanto NYSE e NASDAQ tm se expandido em opes de
aes. NYSE tambm renovou o seu mercado de t tulos corporativos. Inicialmente, estes
podem apenas ser adicional locais concorrentes nos diversos mercados de ativos. Apesar de, no
futuro strategics multi-ativos podem comear a ligar as vrias classes de activos mais de perto.
Mais uma vez, docs de fragmentao no s se aplica a locais de execuo, apuramento e
procedimentos de resoluo tambm deve ser considerada. Na Europa, existe uma gama de
depositrios para aces; Assim, o preo de uma aco no necessariamente o nico fator, uma vez que
cada um destes depositrios cobrar diferentes taxas.
Tendo fragmentao elogiado por aumento da concorrncia, importante notar que no arc
tambm custos associados. Ao reduzir a liquidez em qualquer local, aumenta a complexidade de
negociao. Isto difcil de quantificar com preciso a cabina pode ser significativo. Apesar disso,
sistemas de negociao informatizados tornaram mais fcil para lidar com liquidez fragmentado.
Ordem encaminhamento tende a se concentrar em combinar o melhor preo. Algoritmos de
negociao pode oferecer ainda mais abordagens sofisticadas: rastreamento tanto liquidez vis vel e
escondido em vrios locais e aproveitando as oportunidades dentro uma fraco de um segundo. Como
os sistemas de negociao hecomc mais sofisticado, os efeitos da fragmentao do mercado pode ser
sensivelmente reduzido.
Repetindo ciclos
Ondas de fragmentao arco geralmente seguidos por perodos de centralizao (ou
consolidao), como a Figura 3-3 tentou mostrar. Note-se que os perodos envolvidos geralmente
abranger anos, ou at mesmo decadcs.
O "efeito de rede" significa que h uma fora centralizadora forte por liquidez para centralizar em
torno estabeleceu centros de mercado. Novos operadores no mercado deve oferecer inova o
significativa, ou incentivos de custos, para atrair liquidez longe desses centros. Essa concorrncia
muitas vezes fragmenta o mercado. No entanto, os centros de maior sucesso vai continuar a
crescer, consolidando a sua posio atravs da aquisio ou fuso com outros locais. Assim, a
centralizao comea a se firmar novamente, at o prximo ciclo.
O mercado de aes dos EUA provavelmente o melhor exemplo dessas ondas de centralizao
e fragmentao. Limpar perodos marcador para centralizao so a fundao da grande
intercmbios, da NYSE em 1792 com o "acordo de Buttonwood" e NASDAQ em 1973. Embora
fragmentao pode estar ligado ao oramento 1997 deciso que levou mais de uma dzia ECNs,
todos competindo por participao de mercado. At o milnio, o mercado de aes dos EUA foi
claramente fragmentada. Seguindo isto, uma srie de fuses e consolidaes ocorreram, balanando de
volta centralizao. Muitas das aquisies foram pelas principais bolsas de valores, ajudando a
consolidar a sua quota de mercado. De repente, nica um punhado de ECNs independentes
permaneceu. Alm disso, dois dos principais ECNs restantes, morcegos e Direct Edge, t m quer
tornar-se intercmbio em seu prprio direito ou esto em processo de faz-lo.
Outra onda de novos operadores no mercado chegou ao mercado de a es dos EUA desde a
milnio, ou seja, o "dark pool" ATS. Existem hoje cerca de 40 locais onde as a es podem ser
negociadas. Claramente, os ATS tornaram a situa o mais complexa, e aumentaram
fragmentao. Por outro lado, eles esto a jogar um papel fundamental na tomada de liquidez
adicional acessvel. Ordens que pode foram previamente negociados no mercado "l em cima", so agora
74
mundiais
Mercados
acessvel em ATS, dando outros participantes a oportunidade de negociar em tamanho. O ciclo

tambm est mostrando alguns sinais de comear de novo, como fuses e consolidaes comearam
entre alguns dos ATS e outros locais.
provvel que veremos esses ciclos repetidos nas outras classes de ativos importantes. Para
exemplo, o milnio viu uma inundao de plataformas de negociao de ttulos eletrnicos em os EUA
fixo mercado de renda. Na verdade, mais de 80 foram criados, mas uma onda de consolidao
apenas uma deixou punhado. Ento, podemos dizer que esta poro do mercado mais
centralizado do que era. No entanto, isso ainda um mercado fragmentado desde uma quantidade
considervel de negociao de ttulos realizada OTC.
Note que no h garantias de que o ciclo de consolida o e fragmentao manter sempre um
equilbrio estvel. Ao longo dos ltimos anos, desmutualizao mudou a dinmica entre corretor /
negociantes e intercmbios. Muitos corretores / negociantes de ter comprado aes em bolsas de
valores regionais, ECNs e ATS. Eles comearam mesmo directamente concorrentes com as trocas, em
oposio a apenas pressionando por redues de taxas. Ao lanar seu plataformas ATS prprios, eles
podem lidar com seu prprio fluxo de ordens internalizadas. Isto tambm economiza-los do
pagamento de taxas para as Bolsas / ECNs e lhes permite oferecer melhoria de pre os para a sua
clientes enquanto ainda capturar parte da oferta lance propaga o. A rentabilidade de tais
operaes significa que eles so menos propensos a consolidar ou desaparecer. Enquanto isso,
muitos intercmbios tm passou de organizaes mutualistas para se tornar empresas pblicas. De
repente, as trocas so agora a competir com seus donos histricos, como Larry Harris aponta em
um artigo para Securities Industry News (SIN) (2006a). Se eles no obter o equilbrio certo, a
liquidez ser mudar para locais alternativos. Este eould tornar-se um problema real desde os
intercmbios primrio ainda fornecer grande parte da descoberta de preos para esses mercados.
3.5
Comparao global do mercado
At agora, ns cobrimos as vrias classes de activos e visto como eles so negociados. Isso tambm
importante tentar ver estes mercados no contexto. Uma maneira de fazer isso compar-los em
termos da sua dimenso global ou valor. Mdia de volume de negcios dirios tambm dar uma idia de
sua importncia relativa. Finalmente, vamos olhar para algumas estimativas para os seus n veis de
adoo de eletrnica e trading algortmico.
Tamanho nico
A dvida global est dividido entre capital prprio, dvida de renda fixa, os ativos dos bancos
comerciais (depsitos / emprstimos) e derivados. Em 2006, a dvida global, foi de cerca de $
208 trilho, de acordo com a Indstria Valores Mobilirios e Mercados Financeiro Association
(SIFMA).
Figura 3-7 apresenta a composio da dvida por estas quatro classes de ativos durante o
ltimo poucos anos. A capitalizao de empresas pblicas do mundo mercado responde por 26%
desse total, enquanto que outros 32% de ttulos emitidos por empresas, governos e os seus
agncias. No entanto, a maioria, 36%, da dvida so efectivamente prestados pelos bancos
comerciais. Os derivativos so baseados em activos subjacentes separadas, pelo que a sua
contribuio real ligeiramente mais complexa medida. Vrios contratos de derivados podem
abranger o mesmo subjacente ativo fsico. Portanto, os valores nocionais de derivativos no so
comparveis a outros ativos classes. Com base em dados do inqurito trienal 2007 BIS (2007c)
derivativos de balco, o
valor nocional total em dvida para todos os derivados realmente $ 613000000000000.
75
i 2002 D2004 ^ 2006
Os mercados de
aes
Renda fixa (dvida)

ttulo s e m c irc ula o
Pro ib i o c o me rc ia l
kd e a t i v o s s
Derivados do
mercado
va lo r
capitaliza o
Fonte: SIFMA (2007a) 3
Figura 3-7 valores de mercado globais

A fim de quantificar o tamanho de dbito est relacionado com derivados uma medida alternativa
frequentemente utilizado, nomeadamente o seu valor de mercado bruto. Isto corresponde ao custo
de substituio todos abrir os contratos de derivados, com base em preos de mercado correntes. O
SIFMA (2007a) mercado bruta valor estimado para todos os derivados (negociado em bolsa e de balco)
$ 12000000000000; Assim, eles s contribuem para 6% do dbito mostrado na Figura 3-7.
Volume mdio dirio

Em geral, as aes negociadas arco com muito mais freqncia do que as obrigaes; Da mesma
forma, listados (troca negociados) derivados tm volumes de negcios muito maiores do que os
contratos OTC. Embora isso no faz ter em conta o valor efectivo de cada comrcio. Por exemplo, o
valor mdio para a equidade comrcios geralmente muito menor do que para ttulos.
Figura 3-8 mostra estimativas dos mdios volumes de negcios dirios, em milhares de milhes
de dlares norte-americanos, para cada uma das principais classes de ativos. Claramente,
negociados (ET) derivativos de cmbio dominar o mercados mundiais, em termos de volume de
negcios. Da mesma forma, embora os nveis de negociao de renda fixa pode ser inferior
relativamente s aces, o valor real comercializado uma ordem de magnitude maior. Alm disso,
observe o mercado de cmbio, que, como um mercado baseado cash-flow no aparece como um
categoria separada na Figura 3-7.
Outra maneira de ver esses dados dividi-la por regio, conforme mostrado na Figura 3-9. A
aes, renda fixa e cmbio negociados mercados de derivados todos seguem uma tendncia
semelhante. A maioria do volume ocorre nas Amricas, principalmente os EUA, enquanto que o
nvel de negociao em a EMEA (Europa, Oriente Mdio e frica) quase a metade tanto quanto, e
por sua vez, comercial na sia de cerca de metade dos nveis da EMEA. As duas notveis
excees a esta tendncia so cmbio e derivativos de balco em que a Europa tem de longe o
volume de negociao mais elevados.
Com base em dados do Fundo Monetrio Inlernalional, o Banco de Pagamentos Internacionais, Standard and Poor de, MSCI-
Barra ea Federalion Mundial de Bolsas.
76
mundiais
Mercados
12004
2006/7
. 7000
OT
6173
| 6000
3
</>
5000
<D
> 4000
O
E
3000
d 2000
a)
O)
e<Dn
<
1,20Q
1,35 2
1,00
0
631^
167 278
Equities
Fixo
renda
FX
OTC derivs
Derivs ET
Fonte: Aces WF E (2007a), FX / Derivativcs BIS (2007b), Autores de renda fixa que utilizam as suas pr prias
estimativas SIFMA (2007a, 2008) 5
Figura 3-8 volume de negcios mdio dirio nos mercados globais

Americas
IEMEA
01 sia
4,00 0
3687
c 3,50 0
o
g 3,00 0
c
>
< 2,500
D
c 2,00 0
1, 50 0
CT) '
5
<
1 .ooo
899
j
.1286
50 0
14 3
584
m m 236
86 49
Eq uit ie s
Corrigido incom e
FX
OT Cderi vs
Derivs ET
Fonte: Aces WF E (2007a), SIFMA renda fixa (2007a), FX / derivs BIS (2007b)
Figura 3-9 volume dirio Regional nos mercados globais

Alm disso, o nvel de negociao de FX na sia visivelmente maior do que nas Amricas.
Nota para os fins da presente carta outrights e swaps cambiais so classificados como derivados OTC
Com base em dados do Federal Reserve Bank de Nova York, Municipal Securities Rulemaking Board, NASD TR ACE,
Asian Bonds linha, Reino Unido Escri t rio de Gest o da Dvida, e os bancos centrais locais.
5
77
Adoo de equipamentos electrnicos e de negociao algortmica

Negociao eletrnica agora comum para a maioria das classes de ativos, em especial para as
mais ativos padronizados. Figura 3-10 mostra estimativas do Aite Group (2008) consultoria para
os nveis de adoo nas principais classes de ativos.
100%
90 %
80%
70%
60%
50 %
40 %
30 %
20 %
10%
0%
2001 2002 200 3 2004 200 5 2006 2007 2008 2009 201 0
Fonte: Aile Grupo (2008) Reproduzida
com a permisso de Aile Grupo
Figura 3-10 Estimativas para a adopo do comrcio electrnico nas principais classes de
ativos
Os mercados de aes ainda lideram cmbio e renda fixa por uma margem substancial, com
cerca de 80% de adoo. Se a corrente aumenta continuar poderamos esperar estrangeira intercmbio
para alcanar este nvel de cerca de 2009-10. Renda fixa pode ser alguns anos de atraso esta. No
entanto, mais difcil de ver uma mudana por atacado ocorrendo em alguns dos mercados de balco.
O crescimento do comrcio electrnico para futuros, opes e FX tem sido ainda mais rpida
do que a observada nos mercados accionistas. Isto possivelmente devido reutilizao de
tecnologia existente e uma curva de aprendizado mais rpido, beneficiando da experincia do passado. As
condies de mercado so tambm uma vital fator. De fato, a proporo de negociao eletrnica
mergulhou ligeiramente em muitos mercados em 2008 devido volatilidade macia da crise
financeira. Apesar de, no mdio e longo prazo a nveis de adopo do comrcio electrnico deve
ficar praticamente em curso.
Mercados do mundo continuar a evoluir, a fim de se adaptar s mudanas que comrcio
eletrnico traz. Negociao algortmica cada vez mais utilizado pelos participantes do mercado,
a fim de lidar com essas mudanas. Figura 3-11 traa o Grupo Aite (2008) estima para a captao
de negociao algortmica, principalmente para os EUA uma vez, algortmica comrcio tem seu
mais forte domnio sobre o mercado de renda varivel, seguido de perto por futuros listados,
enquanto renda fixa fica para trs. Ainda assim, em 2010, de negociao algortmica poderia muito
bem ser a manipulao considerveis volumes de negociao em todas as principais classes de ativos.
No geral, o mercado de aes ainda algum caminho frente de qualquer dos outros mercados,
em termos dos nveis de electrnica e algortmica negociao. Embora se olharmos para trs a Figura
3-8, a enormes volumes de negcios para FX e derivados negociados em bolsa destacar a
importncia da progressos realizados nestes mercados. O mercado de derivados OTC representa
tambm um considervel oportunidade, embora a natureza sob medida de muitos dos contratos
significa que esta , de longe, o mais complexo mercado de resolver. Portanto, provvel que para
o progresso futuro previsvel vai continuar a centrar-se na troca de derivativos negociados e FX,
enquanto a consolidao do esforos feitos em aes e renda fixa.
78
mundiais
Mercados
60%
50%
Equities
40%
.F utur es
30%
Opes
20%
Renda fixa
10%
0%
2004
2005
Fonte: Aite Grupo (2008)
20062007
2008
20092010
Reproduzido com permisso do Aite Group
Figura 3-11 Estimativas para a adoo de negociao algortmica nas principais classes de
ativos
Da mesma forma, olhando para trs em Figura 3-9, podemos ver que, em termos de volume de
negcios para capturar os EUA, de longe a maior oportunidade para a eletrnica e trading
algortmica cxchange- derivativos negociados, seguido de renda fixa. Enquanto para a Europa e
sia a mais importante mercados so derivativos cambiais e negociados em bolsa.
Futuro investimento em eletrnica e trading algortmica provavelmente vai continuar a
divergir em ambas as classes de ativos e regies. Isso vai depender de uma mistura de fatores, a
saber, mercado condies, a demanda de instituies e investidores, e os tamanhos relativos de
cada mercado.
3.6
Resumo
A formao bsica em mercados mundiais importante como investidores, comerciantes e plataformas

cada vez mais tem que lidar com a globalizao e uma gama de diferentes classes de activos.
H ainda arco enormes diferenas entre muitos dos mercados do mun do, mas um aumento
da foco em custos (tanto pelo buy e sell-lados) e o ritmo da mudana tecnolgica significa que
muitos deles esto exibindo tendncias semelhantes, embora em ritmos diferentes:
Negociao eletrnica generalizada, para muitos mercados agora a norma.
Transparncia crescente, tanto para as informaes de pr e ps-negociao.
Cruzando para encomendas bloco est se deslocando para eletrnico "dark pool" ATS.
A acessibilidade a melhoria para o buy-side.
Contrapartes centrais de compensao e liquidao so cada vez mais generalizada.
Contra a estas tendncias uma aparentemente interminvel ciclo de centralizao e fragmentao.

Centralizao ocorre bccause mais fcil para os locais estabelecidos para manter a
liquidez.
A fragmentao devido concorrncia de novos operadores no mercado ajuda a
prevenir monoplios. Isso aumenta a complexidade decis es de negociao, embora,
-
como sistemas de negociao se tornam mais sofisticados tais problemas podem ser
reduzidos significativamente.
79
Comrcio eletrnico est levando a mudanas irrevogveis nos mercados globais, em

especial:
Aumento de velocidade de negociao
Enorme crescimento no volume de negcios
Decrscimo a longo prazo nos tamanhos pedidos
Negociao algortmica est sendo cada vez mais utilizado pelos participantes do mercado,
a fim de fazer face com mercados de hoje. Equities ainda esto na vanguarda, mas em 2010, ele
poderia muito bem ser manipulao de volumes de negociao considerveis em todas as
principais classes de ativos.
Com base em seus volumes de negcios dirios, os mercados de cmbio e troca-tradcd

derivados ficar oportunidades como importantes para a negociao algortmica e DMA. Nveis
de electrnica negociao tambm esto aumentando gradualmente para renda fixa e os
mercados monetrios. A OTC mercado de derivados representa tambm uma oportunidade
considervel, embora este de longe o mercado mais complexo de abordar.
Parte II
Estratgias de negociao algortmica e
de DMA
Esta a parte principal do livro; ele detalha as especificidades da negocia o

algortmica e DMA, comeando com ordens, o bloco de construo bsico para
todos strategics negociao.
Captulo 4 abrange a vasta gama de diferentes tipos e condies da ordem, que esto
disponveis nos mercados do mundo, juntamente com exemplos.
Captulo 5 analisa os diferentes tipos de algoritmo de negociao, de impacto e a
estratgias mais oportunistas custo-driven. Grficos so utilizados para mostrar
os padres de negociao e destacar as diferenas (e semelhanas) entre o vrios
algoritmos.
Captulo 6 concentra-se na anlise dos custos de transao. Um exemplo o comrcio
usado para decompor os custos de transao em seus principais componentes.
Captulo 7 considera como a estratgia de negociao ideal pode ser encontrado
avaliar ordens em termos de sua relativa dificuldade. Este , ento, aplicado a a
seleco de algoritmos de negociao.
Esperemos que, no final destes quatro cap tulos voc deve ter
um bem
compreenso dos princpios da negociao algortmica e DMA, em conjunto com
a forma como eles podem ser aplicados para conseguir "melhor execuo".
83
Captulo 4
Encomendas
Ordens so o fundamentalbuilding bloco para qualquer negociao
4.1
estratgia.
Introduo
Encomendas representam instrues de execuo. Eles permitem que os investidores e os

comerciantes se comunicar os seus requisitos, tanto do tipo de ordem escolhida, bem como com uma
gama adicional de condies e orientaes. Este captulo se concentra sobre os mecanismos bsicos
destes vrios pedidos tipos e condies.
o dois tipos de ordem principais arco ordens de mercado e ordens de limite. Em termos de proviso
de liquidez, estes so opostos completos. As ordens de mercado exigem liquidez; elas requerem
negociao imediata com o melhor preo disponvel. Considerando ordens limite prover liquidez,
eles agem como ordens permanentes com limites inerente de preos, que no deve ser violada (um
preo mximo para compra e um preo mnimo para vende).
As condies que podem ser aplicadas a cada fim permitir que o comerciante para controlar muitas
caractersticas da execuo, por exemplo:
Tanto como e quando ele se torna ativo
Seu tempo de vida / durao
Se ele pode ser parcialmente preenchido
Se ele deve ser encaminhado para outros locais ou ligados a outras ordens
Uma ampla gama de estilos de negociao pode ser alcanado apenas atravs da combinao destas
condies wilh limite e ordens de mercado. De fato, muitos locais passaram a apoiar uma ainda mais
ampla espectro de encomendas, todos essencialmente derivada de ordens bsicas de mercado e limite.
Esses incluem:
Ordens hbridas, tais como market-to-limit
Ordens condicionais, tais como paradas e stops mveis
Oculto e ordens iceberg
Ordens de liberalidade, tais como ordens atreladas
Ordens roteadas, como ordens de pass-through

Novos tipos de ordens arco continua a evoluir. Alguns locais oferecem mesmo ordens que se
comportam como algoritmos, tais como alvo o VWAP ou participando de uma porcentagem do jogo
do mercado volume. De fato, a linha entre eles e algoritmos de negociao cada vez mais turva.
Tipos de ordens dinmicas arco muito semelhante ao algoritmos de negociao, uma vez que eles
tanto alteram Sediada em condies de mercado. Uma maneira de diferenciar entre os dois que
dinmica encomendas em geral se concentrar apenas em uma varivel especfica, muitas vezes o
pricc mercado atual (por exemplo, parar
84
Encomen
das
ordens, ordens de atrelar). Considerando negociao algoritmos basear suas decises em uma
variedade de condies, a partir do volume volatilidade. Para efeitos do presente texto, que
adopta este de classificao, assim como estratgias de negociao e participao VWAP volume
ser discutida no Captulo 5. Vamos tambm discutir como as ordens so realmente usados para
implementar algoritmos e estratgias de negociao no Captulo 9.
Os exemplos neste captulo so amplamente baseado em exemplos das principais bolsas de
valores. Alguns locais, nomeadamente a Bolsa de Londres (LSE) (2006) e da Chicago
Mercantile Exchange (CME) (2006), oferecem excelentes materiais com exemplos detalhados
para a sua ordem tipos. Por isso, sempre vale a pena conferir para tal documentao. Outro guia
til para o vrios tipos de ordens (1999) livro "Negociao e Trocas" de Larry Harris.
Finalmente, antes de comear a cobrir os diferentes tipos e condies da ordem em mais detalhes,
interessante notar alguns dos principais pressupostos subjacentes nos exemplos deste captulo. Em
primeiro lugar, eles so todos baseados em torno de livros de encomendas. Fundamentalmente, toda a
negociao envolve livros de encomendas, se uma transao de OTC por telefone ou eletrnico de
negociao via DMA, RFQ ou um algoritmo de negociao. A nica diferena real que, para
mercados orientados para as citaes do livro de ofertas completamente privado e pertence ao
criador de mercado, ao passo que para os mercados em funo das ordens do carteira de pedidos
geralmente centralizado e muito mais transparente. Em segundo lugar, os exemplos geralmente
atender a perodos de negociao em contnuo, embora alguns dos mais distintos so destacadas
para os leiles de chamadas. Isto simplesmente porque para a maioria desses tipos de ordens de
negociao em contnuo o perodo mais relevante. Tambm por convenincia, que geralmente
assumem que uma execuo ser ocorrer quando colocar uma ordem que corresponde. Ohviously,
em mercados reais centenas de os participantes podem ser emitir ordens ao mesmo tempo por isso,
independentemente de a combinar nossos encomendas s vezes ser batido a ele. Por ltimo, os
exemplos geralmente assumem que o mercado adota uma prioridade preo / tempo, embora para
alguns casos, o efeito de diferentes prioridades igualmente destaque.
Ento, vamos comear por rever o mecanismo de ordens de mercado e limite em mais detalhes.
4.2
As ordens de mercado
A ordem de mercado uma instruo para negociar uma quantidade determinada pelo melhor preo
possvel. O foco sobre a realizao do fim, sem limite de preo especfico, de modo que o risco principal
o incerta do preo de execuo final.
As ordens de mercado exigem liquidez, uma ordem de mercado buy ir tentar executar ao preo da
oferta, enquanto uma ordem de venda ir tentar executar pelo preo de compra. O custo imediata disto
metade do offer spread lance. Podemos ver isso usando a carteira de encomendas de exemplo mostrado
na Figura 4-1.
Buys
Id
Bl
B2
B3
Temp
o
08:20:20
08:24:00
Tam
anho
1500
900
Sells
Pre
o
99
98
Pre
o
102
102
Tamanho Temp
1000
o
800
08:20:2
5
1200
08:24:0
9
Id
SI
S2
S3
Figura 4-1 Um livro de ordens exemplo

Uma ordem de mercado para comprar 1.000 ABC pode cruzar com ordem de venda (SI) alcanar um
preo de 101. Devemos ento ele capaz de fechar imediatamente a essa posio com uma ordem
equivalente a vender, que cruza com a ordem de compra (Bl) a 100. Assim, o custo global de tanto
nosso mercado ordens tem sido (101 - 100), que igual ao spread, ou metade da propagao em cada
sentido.
Para encomendas que so maiores do que o melhor lance ou oferta tamanho atual, a maioria dos
locais permitem mercado
85
ordens para "andar do livro". Se eles no podem preencher completamente a partir do nvel superior
da carteira de encomendas, que em seguida, avanar mais profundamente no livro (aumentando o
preo para compra ou decrescente para vende) at que a ordem completada. Se a ordem ainda no
pode ser concluda alguns locais vontade cancelar que, como a LSE, enquanto outros podem deixar a
ordem do mercado residual na ordem livro, por exemplo, Euronext.
Assim, o preo de execuo alcanado depende tanto da liquidez e do mercado atual tamanho da
ordem de mercado. Por exemplo, se emitirmos uma ordem de mercado para comprar 2.000 ABC, o
carteira de pedidos na Figura 4-2 (a) mostra que isso pode, potencialmente, cruzar com a ordens de
venda e SI S2. Receber preenchimentos de 1000 em 101 desde o pedido S1, e de 1.000 a 102 a
partir de S2 d um preo mdio de execuo de 101,5. A carteira de encomendas resultante (b)
mostra que a ordem SI tem sido concludo e S2 agora tem apenas 500 em oferta (o buy side
mantm-se inalterado e por isso omitido).
Taman
ho
1000
800
1500
Sells
Sells
Buys
Preo
100
99
98
Preo
101
102
104
106
Tamanh
o
1000
1500
2000
3000
(a) antes
Tempo
: 25: 00
: 20: 25
: 19:09
: 15:00
Id
ent
ida
S2
S3
S4
Preo
.EU
4-
VI
03
102
104
. I 106
Tamanho
Tempo Identidade IQI
1 non ft -? * vOO
Eu, \ 7 \ 7 \ J
tTTC ^ W
VTT
-hOQO
500
2000
3000
08:20:25
08:20:25
08:19:09
08:15:00
S3
S2
S3
S4
(b) depois
Figura 4-2 efeito de O uma ordem de mercado no livro de ordens
Neste exemplo, bem como de pagar metade da propagao existe um custo adicional que
corresponde ao salto de pricc 101-102, resultando em um preo mdio de execuo mais elevado. Este
custo adicional representa o impacto da nossa ordem de mercado. dependente tanto do tamanho
da ordem e as condies atuais do mercado, particularmente a liquidez. Por exemplo, se o exemplo
tivesse sido por uma ordem de 5000, podemos ver a partir da Figura 4-2 (a) que seria exigir cruzamento
com ordens SI a S4, resultando em um preo mdio de execuo de 103. Consequentemente,
muitas vezes tm grandes encomendas um impacto maior mercado do que as menores.
As condies de mercado tambm podem mudar rapidamente. Novamente usando o exemplo a
partir da Figura 4-2 deix assumir o proprietrio da ordem S2 subitamente cancelado pouco antes
da nossa ordem mercado para comprar 2.000 bater a carteira de encomendas. Nesse caso, a nossa
ordem de mercado tm agora de cruzar com a ordem S3, o preenchimento de 1.000 em 104 eleva o
preo mdio de execuo de 102,5.
s vezes ordens de mercado pode realmente conseguir preos melhores do que o esperado.
Este preo melhoria poderia ser porque a ordem do mercado executada contra uma ordem oculta,
tal como um ordem iceberg, de modo um pricc melhor pode ser possvel que o livro ordem sugere. Ns
cobriremos estes tipos de ordem mais tarde neste captulo.
Sem limite de preo, o desempenho de ordens de mercado claramente dependente das
condies atuais do mercado. Da mesma forma, grandes ordens de mercado pode ter impacto
significativo no mercado, por isso, pode valer a pena dividir tais ordens em menores. Se o
desempenho mais importante do que a velocidade (e de segurana) de execuo, em seguida, uma
ordem de limite pode ser uma escolha melhor.
4.3
Ordens Limitadas
A ordem de limite uma instruo para comprar ou vender uma determinada quantidade a um preo
especificado ou melhor. UMA comprar ordem de limite deve executar igual ou inferior a este limite de
preo, enquanto que uma ordem de venda deve executar a ou acima isto.
Ordens de limite vai tentar preencher o mximo de ordem como eles podem, sem quebrar o pricc
86
Encomen
das
limite. Se no h ordens que correspondem a um pricc aceitvel, ento a ordem deixado no local
em a carteira de pedidos at expirar ou for cancelado. Se a ordem for executada parcialmente ent o
qualquer quantidade residual permanecer no livro de ofertas. Isso ajuda a fornecer liquidez desde
outras os comerciantes podem sec estamos dispostos a negociar por um determinado pricc e
quantidade.
Esta persistncia faz ordens limite bastante verstil. Eles podem ser utilizados com um
agressivo preo limite, caso em que eles agem como uma ordem de mercado exigindo liquidez. O preo
firme limite d proteo adicional preo em comparao com uma ordem no mercado, embora exista o
risco de deixando de executar. Alternativamente, pedidos de limite pode ser emitido com limites
mais passivos, tais como ao tentar capturar ganhos de tendncias de preos futuros ou reverses,
como mostrado na Figura 4-3.
Figura 4- 3 ordens de limite destinados a ganhar com a evoluo futura dos preos
Por exemplo, colocando uma ordem de limite para vender a 93,5, no tempo t, quando o ltimo pricc
negociadas foi de 93 ns estamos esperando que o preo no cair subitamente, caso contrrio, a nossa
ordem expira no executada. Alternativamente, poderamos coloc- uma ordem de compra com um
limite de 92, apenas no caso de o reverte de preos, como mostrado na via (a). Observe que, mesmo
se o preo atinge o nosso limite existe ainda sem garantia de execuo, uma vez que outras ordens
podem ter prioridade sobre a nossa.
Vamos considerar um exemplo mais detalhado: Se ns emitir uma ordem de limite de compra para
1.000 no ABC 100, como mostrado na Figura 4-4, no h nenhuma ordem que pode ser imediatamente
crosscd com este.
Buys
Tempo
Tam
Ide
anho
Bl
ntid 08:25:00
500
B2
B3
08:20:25
08:24:09
(a) antes
1500
2000
Sells
Preo
100
99
98
Preo
101
102
102
Tamanho
1000
800
1500
Buys
Identid
Bl
ade
B4
B2
B3
Tempo
08:25:00
08:28:00
08:20:25
08:24:09
Taman
ho
500
1000
1500
2000
Preo
100
100
99
98
(b) depois
Figura 4-4 O efeito da uma ordem de limite na carteira de pedidos
Assim, o nosso fim deixado sobre a carteira de encomendas como B4. Observe a sua posi o,
ele colocado aps a ordem Bl uma vez que tem menos prioridade tempo, mas colocado frente do
fim B2 becausc tem prioridade pricc. Assim, qualquer ofertas de venda que se cruzam em um preo de
100 ir primeiro combinar com ordem Bl , Em seguida, com B4 (correspondente a menos com base pro-rata
usado).
Para ver como ordens de limite diferem de ordens de mercado permite fazer um comrcio semelhante
ao exemplo em Figura 4-2, utilizando em vez uma ordem de limite para comprar 2.000 ABC na atual
melhor oferta (ou seja, 101).
87
este mostrado na Figura 4-5.
Identidade
C o mp r a r s
Tempo
Tamanho
Bl
08:25:01
1000
B2
8: 20: 02800
1500
B38: 24: 09
Preo
100
99
98
Preo
101
102
104
Pricc
101
100
99
98
Pre
o
102
104
V e nd
er s
Tamanho
1000
1500
2000
Tempo
03:25:00
01:20:25
03:19:09
Identidade
SI
S2
S3
(a) b e f o r e
Id
B4
Bl
B2
B3
C o mp r a r s
Taman
Temp
ho
o
1000
08:25:01
1000
08:20:02
800
08:24:09
1500
Ve nde r s
Tamanh
Temp
o
o
]1500
QQQ
03:20:25
2000
03:19:09
Id
S4S2
S3
(b) depois
Figura 4-5 A ordem de limite parcialmente executada
Ns podemos ver a partir deste fim de que SI pode ser imediatamente cruzado com nossa ordem de
compra. No entanto, no podemos cruzar com S2 ordem de venda porque o seu preo de 102 breaks
nosso limite condio. O restante 1000 ser deixado no livro de ordens como uma compra na 101,
mostrado como fim B4. Devido a prioridade preo, a nossa ordem colocada no topo do livro de
ordens, resultando em mudana a propagao de 101-102, 100-101-se.
Se o proprietrio de ordem SI subitamente cancelado pouco antes da nossa ordem bater a carteira
de encomendas, em seguida, desde no podemos cruzar com a ordem S2 toda a 2000 teria sido
deixado na carteira de pedidos como fim B4 para comprar pelo 101.
Em comparao com a ordem de mercado, temos sacrificado execuo completa para garantir a
nossa pricc, assim, em vez de encher 2000 em 101,5 temos conseguido 1000, exatamente 101. Embora
se tivssemos mudado nossa pricc limite a ser 102, poderamos ter matchcd com a ordem de venda S2,
dando o mesmo preo mdio como a ordem de mercado.
Assim, o risco principal, com ordens de limite esta falta de certeza execuo. O mercado pode
pricc Nunca chegar ao nosso limite ou mesmo se isso acontecer, ele pode ainda no ser executado,
porque outras ordens podem tm prioridade tempo. Isso enfatiza a precisa fazer uma escolha
cuidadosa entre a requisitos para imediatismo e preo.
Limite de preo
Vendvel
Buys
Melhor
Oferta
Buys
Identidade
Tempo
Tamanho
BI ^ 08:25:01
, 000Preo
, 10 0
B2
08:20:02
800
99
B3
08:24:09
1500
98
104
2000
08:19:09 S3
1021.500
08:20:25 S2
Td Eu^ 1000 '**' 8:25: 00
SI "
Preo
Tamanho Tempo
Identidade
Sells
Melhor
oferta
Vendvel Sells
Limite de
preo
Figura 4-6 Visualizando a carteira de encomendas em termos de preo

o preo limite tambm um importante meio de classificao de pedidos de limite, uma vez que
reflecte a sua
88
Encomend
as
probabilidade de execuo imediata. Figura 4-6 tenta mostrar esta torcendo a carteira de pedidos a
partir da Figura 4-5 (a) para alinhar todas as ordens atravs do aumento de preo limite. Ordens de
limite com o
maior probabilidade de execuo so frequentemente denominado ordens
comercializveis, uma vez que os seus preos-limite so tais que eles podem potencialmente atravessar
imediatamente com uma ordem do outro lado do livro. Conseqentemente, uma ordem de compra
comercializvel tem um limite igual a ou maior do que a actual melhor oferta preo, enquanto que
uma ordem de venda comercial tem um limite pricc maior do que ou igual ao melhor preo de compra.
Encomendas que so colocados "no mercado" correspondem s compras com um limite da melhor
oferta ou Sells com um limite ao melhor oferta. Os comerciantes que colocaram essas ordens so disse
a ser tomada o mercado. Enquanto as ordens de limite mais passivamente preos so denominados
"por trs do mercado". Seus preos significa que eles so susceptveis de permanecer na carteira de
encomendas como em p ordens de limite at que o melhor lance ou oferta preo se move mais perto
deles.
4.4
Instrues de ordem opcionais
Instrues de ordem so condies que servem para os vrios requisitos para uma vasta gama de
estilos de negociao. Como podemos ver no resumo na tabela 4-1, eles permitem o controle sobre
como e quando os pedidos se tornam ativos, como eles so preenchidos e pode at mesmo especificar
onde (ou a quem) eles so enviados para.
Tipo
Durao
Leilo / Cruzamento
Pre
enc
her
Instrues de exemplo
Bom para o dia, bom 'at data, Boa' at cancelar, depois de boa
data / hora
sesso,, Next-leilo on-aberto no fimImmediate-ou-canccl, Encha-ou-matar, Tudo-ou-nada,
Mnimo volume, deve -ser-cheia
Preferencing
Preferenced, Directed
Routing
piscando
Fazer-no-route,-roteamento Dirigido, varreduras lnter -mercado,
Vinculao
Um cancela-outro, um-gatilhos-other
Variado
Identidade, Vendas a descoberto, os lotes impares, Settlement
Tabela 4-1 Ordem condies de instrues

Nos seguintes sub-sees, veremos como cada um destes tipos de instruo podem ser usava.
Instrues de durao
De um modo geral, as ordens so consideradas para ser vlida desde a sua criao at que estejam
completamente levou 111 ou cancelado, ou se chega ao fim do dia de negociao em curso. Estes so
conhecidos como ordens dia ou "bom para o dia "(GFD) ordens.
As instrues especficas pode ser utilizada para alterar esta durao, tais como:
"Boa 'til data "(GTD):
"good 'Til cancelar" (GTC)
"bom depois de data / hora" (GAT)

Como os nomes sugerem, uma ordem "boa" at data "permanecer ativo at o final da negociao
na data indicada. Alguns locais ainda apoiar variantes, tais como "bom esta semana" (GTW) e "Boa
este ms "(GTM).
A "boa 'Til cancelar" instruo significa o fim associado deve permanecer ativo at que o
89
utilizador cancela especificamente que, ou at que o instrumento expira. Algumas trocas tambm
oferecem uma"good 'til validade" tipo para esses instrumentos, por exemplo, futuros.
A instruo "bem depois da hora / data" um pouco menos comum. Claramente, isto permite
que controle sobre quando o fim realmente se torna ativo. Esta instruo mais frequentemente
usado para sistemas de corretagem, onde os clientes podem optar por espalhar encomendas ao longo
do dia, ao invs de ordens de cmbio. A maioria dos algoritmos de negociao apoiar
comportamento semelhante usando iniciar um parmetro de tempo.
/ Passagem das instrues de sesso em leilo

Instrues Leilo / sesso so usados para marcar uma ordem para a participao em um leilo
especfico, ou cither negociao no abrir, fechar ou intraday. Eles tambm podem ser utilizados para os
cruzamentos intraday, que algumas trocas comearam a introduzir para competir com redes externas
de passagem e ATS.
Como encomendas normais de mercado, ordens de mercado de leil es so destinados a
maximizar o probabilidade de execuo, sincc no leilo correspondentes eles sempre tero
prioridade preo. Considerando ordens limite leilo s ser executado se o preo do leilo igual
ou melhor do que o seu limite de preo, como vimos no Captulo 2.
On-aberto ordens podem ser apresentados durante o perodo de pr-aberto para participao no
leilo de abertura. Se o volume de correspondncia suficiente, em seguida, mercado-on-abertas
(MOO) ordens ir executar ao preo do leilo. Para todas as ordens no preenchidas MOO, alguns
locais de convert-los para uma ordem de limite no pricc leilo, enquanto outros simplesmente cancel-las.
Considerando limitar-on-aberto (LOO) ordens somente ser executado se houver volume suficiente e o
preo do leilo igual a ou melhor do que o seu limite de preo.
No fim-encomendas podem ser apresentados durante o perodo de pr-close. Market-on-close
(MOC) encomendas executar no preo de fechamento, dado volume de harmonizao suficiente.
Qualquer vagos
ordens sero canceladas. Novamente limitar-on-close (LOC) ordens s
preenchimento dada suficiente volume de correspondncia e um preo de leilo igual ou melhor do
que o seu limite especfico.
Espaos com leiles intradirios geralmente suportam um leilo ou intraday um "prximo
leilo" escreva. Este capaz de rolar para o leilo vlida seguinte, se essa uma intraday, abrir ou
fechar. Uma abordagem semelhante frequentemente adoptada para travessias dirias ou "ponto mdio"
partidas.
Alm das instrues de sesso, NASDAQ tambm fornece "desequilbrio-only" abertura e
fechando ordens. Estes destinam-se a permitir que os provedores de liquidez para adicionar ordens
para compensar o existentes on-aberto e em close-ordens, sem acrescentar ao desequilbrio global.
Preencha instrues
Tradicionalmente, enchem instrues foram usadas para tentar minimizar os custos de
compensao e liquidao para comrcios. Mas eles esto agora mais comumente usado como parte
de liquidez em busca strategics. Instrues de como immediatc-ou-cancelar permitir ordens de exigir
liquidez sem sair uma pegada bvio sobre a carteira de encomendas.
Tabela 4-2 resume o leque de instrues de preenchimento que esto disponveis, a maioria dos
mercados apoio um subconjunto destes.
Imediata-ou-cancelar
Esta instruo significa qualquer parcela da ordem que no possa executar imediatamente contra
as ordens existentes sero cancelados. Qualquer limite de preo ser aplicada, por isso vai
executar tanto da quantidade necessria como disponvel dentro do limite especificado. Isto pode
resultar no enchimento apenas parcialmente a ordem.
90
Encomen
das
Execuo parcial
permitido
Instruo
Parte no executada
adicionado ao reservar?
Expira
Imediata mente depois
Imed iata -o u-ca nce la r
sim
No
Encha-or-kill
Nligar
apresentao
Immed ia le ly
depo is
apresentao
Tudo -o u-na da
Nligar
M n i mo vo lu me
Sim Sim
MUSL-bc-fillcd
No
Fim do dia
Fim do dia
N / UMA
Ap resentao Afler
Tabela 4-2 Ordem tipos de instrues de preenchimento

Imediato ou cancelar (COI) instrues de ordem tambm so por vezes referido como executar e
eliminar, preencha e matar, bom primeira vista, o acesso imediato a liquidez e aceitar encomendas,
atravs uma gama de locais de execuo. Tal variedade de padres de nomenclatura claramente
confuso; sempre vale a pena verificar com cuidado a documentao para confirmar o
comportamento exato. Nota que, para alguns locais imediatos pode realmente corresponder a heing
dentro de um determinado perodo de tempo (at alguns segundos); por isso, novamente, vital para
verificar as especificaes.
Como exemplo, se emitir uma ordem limite IOC para comprar 1.500 ABC na 101, wc pode sec de a
carteira de pedidos na Figura 4-7 que esta pode cruzar imediatamente com as ordens de venda SI e S2.
Ordem S3 tem o preo de 102 por isso no mais do despacho pode ser preenchido dentro do limite
pricc. Por isso a nossa ordem de compra est agora imediatamente cancelada, embora 500
continua por preencher. Banheiro obtiveram 1000 ABC na 101 e deixou nenhuma ordem residual
no livro.
Buys
Tama
nho
1000
800
2500
Sells
Sells
Preo
dem
99
ais
98
(a) antes
Preo
101
101
102
Taman
ho
400
600
1200
Tem
:po
20:
: 00
22:
: 25
24:
09
Identid
ade
SI
S2
S3
PriceSize
101
.
+ 64102
/|QQ
660
1200
Tempo
20/8: 00
s|
08:22:25
08:24:09
S3
S3
(b) depois
Figura 4-7 O efeito de uma ordem do COI sobre a carteira de encomendas
Encomendas usando este tipo de instruo tambm foram chamadas de "Acccss Liquidez
Imediata", qual um nome adequado, uma vez que exatamente o que tem feito. A instruo do COI
marcas uma garra fim liquidez disponvel; ao contrrio de uma ordem de mercado, tambm mantm
nosso pricc limite. Assim, a instruo do COI frequentemente utilizado por algoritmos quando
sondagem para liquidez.
Oferece uma rea da NYSE uma toro nova no conceito de imediato ordens-ou-canccl. Deles
"AGORA" meios de instruo fim que, se uma ordem no podem ser executadas de imediato, em
seguida, ele ser encaminhado para um provedor de liquidez dedicada.
Encha-or-kill
A instruo fill-or-kill (FOK) garante que a ordem seja executada imediatamente na ntegra ou no em
todos. Com efeito, uma instruo COI combinada com 100% de concluso requisito. Algum limite
pricc leva prcccdcncc, por isso, se ele no pode preencher a ordem dentro do dado limitar, em seguida,
ele ir cancel-lo. Esta instruo tambm por vezes referido como um completo
91
de volume (CV) ordem. Note-se que alguns locais usam o termo fill-e-kill, mas, como sempre,
importante verificar sua documentao, pois isso pode realmente se referem a um imediato-oucomportamento estilo caneel.
Figura 4-8 mostra um exemplo FOK ordem de limite para comprar 1.000 ABC em 101. Mais
uma vez, ns podemos ver a partir do livro de ordens em que esta pode cruzar imediatamente isso
com a ordem de venda SI. Tambm Observe que, assim como do COI ordens, a instruo de
preenchimento ou-kill faz uma ordem no-persistente, por isso, se algum conseguiu atravessar
com ordem de venda SI primeiro, em seguida, o nosso pedido seria cancelado, j que no
podemos cruzar com a ordem S2 por causa de seu preo.
Sells
C o mp r
V e nd e r s
aTaman
r s
ho
1000
1200
2000
Preo
101
102
102
Preo
100
99
98
Taman
ho
1000
900
1800
Tempo
08:25:00
08:20:25
08:24:00
Identida
de
SI
S2
S3
m
102
102
Preo
SizeTime
Identidade
-HGO0
08:25:00
S49008: 20: 25
S2
1800
08:24:00 S3
(b) depois
(a) antes
Figura 4-8 O efeito de uma ordem de FOK na carteira de pedidos
Tudo-ou-nada
Os tudo-ou-nada (AON) impe instruo um requisito de concluso de 100% em uma ordem. Ao
contrrio da instruo de preenchimento ou-kill no h nenhuma exigncia para imediatismo, por
isso tudo-ou-nada ordens podem persistir durante algum tempo. Isso pode representar um problema
para sistemas baseados em volume de encomendas, uma vez que o ativo pode muito bem acabar
negociando abaixo do preo de uma oferta de compra AON, ou acima do um preo de venda do
AON, particularmente se a ordem do AON grande. Assim, as ordens so dadas AON umamenor
prioridade para a execuo, e so muitas vezes tratadas por armazenando-os em uma condicional
separado Livro de Ofertas. Essa complexidade adicional significa que muitos dos mercados, uma vez
que todas as instrues suportadas-ou-nada, como a NYSE, Euronext e da ASX, passaram a usando
COI ou preencher-ou-matar ordens em vez.
Mnimo volume
Isto tambm por vezes referido como um preenchimento mnimo ou instruo quantidade mnima
aceitvel. A-volume mnimo garante que a ordem s ir corresponder se a quantidade for suficiente.
Como vimos com AON ordens, essa restrio pode significar que o volume mnimo ordens so
deixados para trs pelo mercado. Assim, alguns mercados, como Euronext, cancelar a ordem, se
no puder preencher imediatamente para a quantidade mnima.
Restries mnimo de volume tambm so suportados para os leiles de chamadas em
alguns mercados, para exemplo, NASDAQ. Figura 4-9 mostra um leilo de chamada simplificada
para ABC ativo onde vrios das ordens de venda tm instrues de quantidade mnima.
Sells
Buys
Tempo
07:25:0
0
Taman
ho
15.000
Preo
MO
Preo
MO
MO
MO
MO
MO
107
Taman
ho
3000
5000
9000
13.000
5000
7000
Notas
Min 1000
Min 1000
Min 5000
Identi
dade
SI
S2
S3
S4
Nsight
1500
2500
4500
6500
Alloc
2100
3500
0
9400
Figura 4-9 Um leilo exemplo chamada com instrues mnimos de volume
92
Encomen
das
A coluna "Peso" mostra como as dota es poderia ter sido atribudo. Note que vender ordem
S3 tem uma restrio de volume mnimo de 5000. Isso mais do que o atribudo ponderao de 4500,
assim que a ordem S3 excludo da travessia. Consequentemente, as dotaes realmente vemos no
"Alloc" arco coluna bem diferente, j que o 4500 redistribudo entre as outras ordens de venda.
Observe que, neste exemplo, tamanhos de lote de 100 arco aplicado para que haja um residual de
200. Quando a atribuio de eventuais montantes residuais alguns leiles favorecer ordens com o
menor mnimo quantidade, portanto, neste caso a dotao para a ordem S4 aumentado para
9.400.
Deve ser-cheiaAo contrrio de alguns dos outros instrues de preenchimento, a incapacidade de executar
plenamente no realmente uma opo para deve-ser-cheia (MBF) ordens. De fato, na Euronext
eles usaram para disparar uma interrupo de volatilidade, uma parada sbita intraday seguido por um
leilo de chamada, se eles no foram preenchidos.
Ordens Hoje em dia deve-ser-cheia so geralmente associados com a negociao de cumprir
expirando de futuros ou contratos de opo. A sesso de negociao separada estabelecida no dia
antes do vencimento, assim, para opes esta frequentemente a terceira quinta-feira de cada ms. Os
comerciantes podem colocar ordens para compensar suas posies expirando. Por exemplo, um
escritor opo descoberto por um in- the-money chamada deve comprar o activo subjacente em
prontido para o seu exerccio no dia seguinte. MBF ordens arco efetivamente tratadas como
ordens de mercado, embora eles sejam isentos de qualquer curto regulamentos venda. Eles, ento,
ser atravessado como parte do leilo de abertura da manh seguinte. Algumas trocas publicar um
desequilbrio MBF para garantir fornecedores de liquidez lugar encomendas suficientes para as
ordens MBF para ser concludo.
Preferencing e dirigido instrues

Ordem Preferencing e instrues dirigidas permitir sua negociao bilateral, uma vez que as
ordens diretas para um corretor ou revendedor especfico. Uma controvrsia com ambas as ordens
dirigidas e preferenced o fato de que eles ignorar quaisquer regras de prioridade de execuo. Ento, outras
ordens que podem ter prioridade tempo vai perder para o formador de mercado dirigido.
Ordens preferenced priorizar um formador de mercado especfico; geralmente, eles arco manipulados
juntamente com o fluxo de ordem normal. Em alguns locais, como a NASDAQ, preferenced
ordens comportar mais como uma ordem de preenchimento ou-kill dirigida, uma vez que eles arco
cancelada se o formador de mercado escolhido no citar com o melhor preo.
Dirigido ordens so encaminhadas para um formador de mercado especificado ou distribuidor que
pode aceitar ou rejeitar eles. Tanto no Securities Exchange International (ISE) e Op es de Boston
Cmbio (BOX), criadores de mercado podem oferecer melhoria pricc para encomendas dirigidas.
O ISE tem umadedicado mecanismo de melhoria de preos, o que um leilo de onc-sccond
especial.
Note que NASDAQ utilizado para oferecer encomendas dirigidas atravs SelcctNct, mas se
aposentou este em 2005. Dirigida ordens no-responsabilidade permitiu que o market maker cinco
segundos para aceitar, parcialmente aceitar, recusar ou emiss o uma contra-oferta para a ordem.
Agora, quando se refere a NASDAQ dircctcd encomendas em termos de instrues de roteamento
para locais especficos.
Instrues de roteiro
Modalidades de execuo, muitas vezes servidos instrues de roteamento adicionais para ordens.
Assim, fornecendo um servio de gateway que permite que os pedidos sejam encaminhados para outros
locais, bem como manuse-los localmente.
No mercado de aes dos EUA, a introduo do Regulamento-NMS fez roteamento instrues
ainda mais importante. Em particular, a regra de proteo Ordem significa que os corretores e
locais so agora responsveis por proteger ordens para garantir que alcanar o melhor preo.
93
Ento, se uma ordem pode "-atravs do comrcio" o melhor preo disponvel em outro local, o local de
acolhimento deve rejeitar o pedido ou envi-lo para o local onde ele pode conseguir o belter preo.
No entanto, como roteamento de ordens automatizadas nem sempre apropriado, especialmente
para os comerciantes ou os sistemas que esto simultaneamente em execuo atravs de uma
variedade de locais. Portanto, instrues como do-not-route e varredura inter-mercado permitir um
melhor controle sobre o roteamento de ordens. Claramente, quando o uso de tais instrues torna-se
o sistema do comerciante ou do responsabilidade para garantir que ainda est a cumprir com o
Regulamento-NMS.
Na seco 4.5, vamos cobrir alguns tipos de ordens adicionais que servem para ainda mais complexa
estratgias de roteamento.
No-route
Esta instruo garante que o local de execuo ir lidar com o fim localmente e no rota
-lo para
outro local. Eles tambm so referidos como instrues do-no-navio na NYSE e ps- ordens de nopreferenee na NYSE Area.
Em termos de regulao do NMS, isso significa que, se um pedido feito pelo um local, mas uma
melhor preo est disponvel em outros lugares, ento ele deve ser rejeitado. Dentro todos os outros
aspectos, as ordens com este se comportam de instrues como normal.
Dirigido roteamento-Roteamento Dirigido fornece um destino associado para que a ordem deve ser encaminhado para.
Efetivamente, o local de acolhimento atua como uma porta de entrada para encaminhar essas ordens
para o seu escolhido destino. A vantagem desta abordagem que as ordens podem ser encaminhadas
para locais para os quais no temos uma associao, embora o local de acolhimento vai cobrar taxas de
encaminhamento para tais ordens.
Varreduras Inter-mercado
Nos termos do Regulamento-NMS, sinalizando uma ordem como uma varredura inter -mercado
permite que o fim de varrer, ou a p para baixo, a carteira de encomendas em um nico local. Isso
significa que o corretor / operador deve assegurar que a proteco da ordem e melhores condies de
execuo sejam atendidas. Assim, um mercado inter- ordem de varredura ser geralmente parte de
um grupo de pedidos, emitido em simultneo, a uma gama de locais de execuo (da o nome).
Por exemplo, vamos considerar o livro de ordens mercado consolidado para o ABC ativo mostrado
na Figura 4-10. Para simplificar, o mercado tem apenas dois locais, troca Exch -1 e REC-1.
Sells
Buys
Venue
ECNExch-1
ECN-I
Exch-1
ECN-I
Tam
anh
1500
1000
700
1200
Preo
50.00
50,00
49.99
49.99
49.98
Pre
o
50,01
50,02
50,02
50.03
Tamanh
o 1500
500
1200
800
2200
Venue
ExchECN-1
Exch-1
ECN-1
Exch-1
Figura 4-10 Um livro de ordens exemplo mercado consolidado

Poderamos mandar uma ordem de compra para 3000 em 50,03 para a troca e deix-lo decidir se
alguma da ordem precisa ser encaminhadas para locais alternativos. Alternativamente, se n s
tambm temos acesso a ECN-1, poderamos economizar nas taxas de roteamento, enviando uma
compra para 2000 em 50,02 para Exeh-1 e uma compra de 1000 em 50,02 para REC-1.
Se usarmos ordens padro para isso, cada local ser aplicada a sua prpria lgica para garantir que
todas as correspondncias fazer no "o comrcio atravs de" melhores preos em outros locais. Por
exemplo, vamos supor que o carteira de encomendas para Exch-1 parece com a Figura 4-11 (a). Nosso
fim de comprar 2.000 pode imediatamente
94
Encomen
das
Exch-1
Preo
Sells
Exch-1
Tamanho Identidade
50,01
500
SI
50,01
1000
S2
50,02
500
S3
50,02
700
S4
(uma) antes
Preo
50 pi
./\J. vy Eu
50 Qii
7TV77T7T
50,02
50,02700
Sells
Tamanho
sop
Exch-1 Sells
Identidade
ci
Preo
<0 ni
Tamanho Identidade
5Q0
ci
50 QI
1OOP
Z7T7X7
UT
JU. U Eu
EU V W
C7c
TTXTTXJL
500
S3
S4
estouro
co
50 Q9
Jv77T7E
tr w CT T
Eu,V_7V/V/
5QQ
Z7 \ 7 \ J
50,02700
CO
TTC
e um
UJ
S4
(b) Taxas de cmbio roteamento (c) sweep lnter-market
Figura 4-11 Exemplo de execuo para uma varredura inter-mercado

cruzar com ordens SI e S2, uma vez que tem o preo de 50,01, que o melhor pricc disponvel
atravs todos os locais de mercado. Para o restante montante, no h mais pedidos no troca no nvel de
preo.
Antes de harmonizao em um novo nvel de preos, a troca deve verificar se todas as ordens na
50,01 so cotados em outros locais. Baseado no livro de ordens consolidado a troca seria
necessrio para encaminhar os restantes 500 a ECN-1. Assim, o livro lor ordem resultante Exch-1
mostrado na Figura 4-11 (b).
Dado que sabemos que j encaminhado um pedido separado para ECN-1, no o fazemos claramente
quer a troca para tentar rota parte de nossa fim de ECN-1. Em vez disso, ns s queremos varrer o
livro em Exch-1 para todos os 2.000. Portanto, temos de sinalizar o nosso fim de Exch-1 como uma
varredura inter-mercado. Consequentemente, deixaro de procurar a rota da ordem e apenas llll contra
ordens de SI S3, como mostrado na Figura 4-11 (c).
Usando uma varredura inter-mercado, temos melhor controle sobre exatamente como e onde o
nosso as ordens so colocadas, algo que se torna vital quando os sistemas est o funcionando
diferentes ordens simultaneamente em muitos locais. Ele tamb m nos permite guardar quaisquer
encargos adicionais de roteamento que podem ser aplicadas locais.
Piscando
Como seu nome sugere, as ordens flash so exibidas no local de origem por um instante antes quer ser
encaminhado para outro destino. Os timeseales envolvidas so muitas vezes cerca de 25-30
milissegundos, embora algumas variantes pode durar at metade um segundo.
No mercado de aes dos EUA, a regra de proteo de ordem regulamento-NMS significa
encomendas devem ser encaminhados para o local exibindo o melhor preo de compra, embora as
cargas de roteamento pode ser aplicado. Tambm pode haver taxas para tirar liquidez do local de
destino. Ento o inteno de ordens de flash era oferecer os comerciantes o potencial para alcan ar
o melhor preo do mercado, neste caso, o melhor lance e oferta (NBBO), nacional sem ter que pagar
quaisquer custos adicionais. Da mesma forma, para locais de execuo, que proporcionam a
oportunidade para atender aos pedidos localmente em vez de encaminhando-as para um
concorrente.
Este foi vivel porque cada local oferece os seus prprios dados de mercado fced / s alm para o
sistema de cotao nacional. Durante o perodo de flash, os participantes do mercado com o direito
feeds de dados podia ver e, potencialmente, o comrcio com essas ordens, antes de serem
encaminhadas ou canceladas. Isso fez com que eles controverso, com muita c onversa de criar um
"two-tiered" mercado; apesar do fato de que as plataformas que oferecem ordens de flash fez o seu
feeds de dados facilmente disponvel. Na verdade, muitos dos locais acionrios dos EUA j
retiraram o seu Ordens de disperso.
Em parte, esta controvrsia simplesmente reflete o ritmo de mudana da tecnologia: O antigo
internacional sistema de mercado (ITS), que foi substitudo pela regra de proteo do fim, permitiu
um de 30 segundos janela de tempo para um fim de ser executado. S o tempo vai dizer se ordens
Hash tornar-se
95
mais amplamente aceitos (aces lor ou quaisquer outras classes de ativos).
Vinculao Instrues
Instrues de enlace fornecem um meio de introduo de dependncias entre as ordens.
Um one-caneels-outra instruo (OCO) pode ser usado para fazer duas ordens mutuamente
exclusivas, muitas vezes isso usado para fechar fora de posio. Por exemplo, a partir de qualquer
capitalizar ganhos em uma posio longa poderamos colocar uma ordem de venda a um preo
elevado. Se o mercado se move contra ns, faz sentido tambm tm uma ordem de parada separada a
um preo inferior. Claramente, ns no queremos que ambas as ordens para executar desde que este
no s achatar a nossa posio, mas poderia na verdade revert-la, levando a uma posio curta. Ao
vincular os dois vende com um OCO instruo, ns EAN garantir que se qualquer uma das ordens de
venda executa, em seguida, a outra vontade imediatamente ser cancelado. Note-se que se uma das
ordens OCO cancelada dos outros restos afectada.
A One-gatilhos-outra instruo (OTO) liga uma ordem suplementar que s ser criado sobre a
execuo bem-sucedida da ordem principal. Por exemplo, uma ordem de compra bem sucedida
poderia gerar automaticamente uma ordem de paragem como proteo contra eventuais perdas. A
ordem secundrio contingente na ordem principal, e por isso algumas vezes referido como um fimse feito. Observe que, se a ordem primria cancelada em seguida, a ordem secundria tambm ele
cancelou; No entanto, este docs ligao no funcionar no sentido inverso.
Alguns locais ainda permitem que as ordens sejam agrupados. Por exemplo, a plataforma de
negociao SAXESS suporta tanto ordens ligados e combinados. Ordens ligadas efetivamente fornecer
uma "OR" lgica, assim, para um determinado montante que EAN comprar ativos ABC, DEF ou
XYZ. Como um preenchimentos de ordem para um ativo, todas as outras ordens de reduzir seus
tamanhos proporcionalmente. Ordens de combinao fornecer "AND" lgica de ligao tanto os
preos e tamanhos para duas ordens distintas, de forma eficaz permitindo o comrcio do spread.
Vamos passar por esses tipos de ordem do contingente em mais detalhes na seo 4.5.
Instrues Diversos
At agora, temos focado nas instrues que so comumente adotadas na maioria dos locais de
execuo. H tambm opes mais especializadas, que tendem a ser mais local especfico. Como
sempre, vale a pena verificar cuidadosamente a documentao de cada local para ver exatamente o
que instrues adicionais so suportados. Alguns dos mais variado comum instrues so:
Dados de identificao: Muitos locais oferecem anonimato por padro Embora alguns outros
ainda permitem identificadores annimos para ser usado, por exemplo, utilizando o identificador
TAMANHO na NASDAQ.
Curtas-venda: Esse sinalizador deve ser definida para os mercados que impem normas de vendas
curtas. Isto usado para fazer cumprir negociao tiek-sensitivc, ou seja, vendendo apenas em um
uptiek ou mesmo carrapato.
Fraes: Alguns locais incorporar negociao de fraes em conjunto com a negociao
normal mecanismo. Esta instruo permite rodada ordens de lote a ser correspondido com fraes.
Instrues de liquidao:
Geralmente, instrues de liquidao no-padro requerem
negociao, e dependendo das condies de vir a incorrer em taxas de corretagem mais elevadas ou
no pode mesmo ser possvel. No entanto, algumas instrues no-padro razoavelmente comuns so
suportados, tais como resoluo de moeda estrangeira. A liquidao financeira a alternativa mais
comum para equidades. Isto frequentemente usado para conseguir liquidao no mesmo dia, em
vez de T + L ou T + 3. Normalmente, a liquidao financeira necessrio para se tornar o acionista
de registro antes
96
Encomen
das
dividendos, as questes de direitos ou splits Slock, como Larry Harris (1999) ressalta. Claramente,
no entanto, este benefcio vai atrair os custos adicionais, para compensar o provedor.
4,5
Outros tipos de ordens
Alm do mercado padro e tipos de ordens limite, no arco uma vasta gama de outras ordens
disponveis nos vrios locais de execuo. Quadro 4-3 sumaria estes, classificada pela funo:
Tipos de ordem
Aula
StandardMarket,
Limite
Hbrido
M ercado-to-1 i mi t, M wi arket- th-proteco
Condicional
Pare, trailing stop, Contingente, Assinale
sensvel Oculto
Oculto, Iceberg / Reserva
Discricionrio
No-realizada, Discricionrio,
Pegged Encaminhadas Pass-through, Routing

estratgiaCruzamento
Uncommitted, negociao, Alertado
ORDER-contingentLinked-allernalives, contingente,
Implcita
Tabela 4-3 Ordem classificaes de tipo

O hbrido, tipos de ordens condicionais, escondidos e discricionrios so comuns em muitos
estabelecimentos. Regulao ea proliferao de novos locais significa que tipos de ordens roteadas
tambm esto se tornando mais comum. O sucesso de "dark pools" tambm levou muitas trocas de
oferecer encomendas de passagem mais especializados, a fim de competir. Finalmente,
encomendar ordens contingentes estamos menos comuns e tendem a ser razoavelmente especfica
local. Nas sees seguintes, vamos passar por cada classe, por sua vez, examinando os tipos de ordens
associados em mais detalhes.
Tipos de ordem hbridos

Em muitos aspectos, as ofertas ao mercado ou ofertas limitadas representam diferentes extremos do
espectro. As ordens de mercado oferecem imediatismo mas no pode garantir a preo de execuo,
enquanto as ordens limitadas controle de preo de oferta mas a sua execuo incerto. Ordens
hbridos usam uma variedade de mecanismos para tentar oferecer o melhor dos dois pedidos de limite
e de mercado.
Mercado-a-limite de encomendas
Mercado-a-limite de encomendas so, na verdade um hbrido: a ordem de mercado com um limite de
preo implcito forte. Quando a ordem chega em primeiro lugar, ele se comporta como uma ordem de
mercado, buscando liquidez ao melhor preo disponvel, que ento se torna o seu limite de preo.
Ao contrrio de uma ordem de mercado tradilional, no vai simplesmente varrer o gancho fim, ao
invs, se no houver liquidez suficiente disponvel ao melhor preo ele ir converter em uma ordem
permanente limite para a quantidade residual.
Por exemplo, se emitir uma ordem de market-to-limite para comprar 2.000 ABC, como mostrado
na Figura 4-12, o ordem inicial do mercado cruzar imediatamente com a ordem de SI. Este preo
agora torna-se limite de preo da ordem; portanto, incapaz de cruzar com a ordem S2. Assim, um
preenchimento parcial de 1000 na 101 alcanado ea ordem agora se converte em uma ordem de
limite a esta ltima preo executado, como mostrado na Figura 4-12 (c) como fim B4.
97
Sells
Buys
Iden Tempo
Tamanho
tida 08:25:10
Bl
1200
B2
08:20: J5
800
B3
8: 24: 102,100
Preo
100
99
98
Preo
101
102
103
Tamanho
1000
1500
700
Sells
Tempo
08:25:0
0
08:20:2
5
08:24:0
9
Identi
dade
SI
S2
S3
Preo
40J102
103
Tamanh Identi
1 opop dade
S41500
S2
700
S3
(b) cruzes MO
(a) antes
BuysSells
Id
B4
Bl
B2
B3
Temp
o
08:25:10
08:20:15
08:24:10
Tam
anho
1000
1200
800
2100
Pricc
muit
o100
99
98
Preo
+ 04102
103
Taman
ho
] QQQ
1500
700
Temp
o J:
25:
00
J: 20:
25
05:24:0
9
Id
S4S2
S3
(c) depois
Figura 4-12 O efeito de um mercado para limitar a ordem do livro de ofertas
certo que, uma ordem de limite comercializvel ao preo de 101 teria alcanado a mesma coisa. Mas
e se o proprietrio de ordem SI subitamente cancelou sua ordem pouco antes de nosso mercado para
limitar a ordem foi processada?
Usando uma ordem de limite comercializvel na 101 que no seria suficiente para corresponder com a
ordem S2, e assim permanecem na ntegra no livro de ofertas. Por outro lado, uma ordem de mercado
teria executado com ambas as ordens S2 S3 e completando com um preo mdio de 102,25. Em
comparao, o nosso limite market-to- ordem teria cruzado com ordem S2 resultando em execuo em
1500 102 e deixando o 500 como residual uma ordem de limite para comprar a 102.
Assim, o mercado-a-limite ordens oferecer um meio termo entre as encomendas e mercado ordens
de preenchimento comercializveis. Seu comportamento inicial ordem de mercado significa que
eles oferecem mais certeza de execuo do que uma ordem de limite negocivel, mas um pouco menos
certeza do pricc execuo.
Market-com-protectionorders
A ordem de mercado-com-proteo oferece o imediatismo de uma ordem de mercado, juntamente com o
proteo de um limite de preo embutido. Efetivamente, uma extenso da ordem de mercado-alimite com um preo limite mais longe a partir da ltima pricc execuo.
Por exemplo, vamos questo uma ordem de mercado-com-proteo para comprar 3.500 ABC como
mostrado na Figura 4-13. Vamos assumir o limite de preo equivale a 103, por isso a nossa ordem
de mercado pode cruzar com ordens SI, S2 e S3. Desde fim S4 custa 104 no somos capazes de cruzar e
assim o residual 500 deixado sobre a carteira de encomendas como ordem de limite B1 com um
preo limite de 103.
Market-com-proteco ordens de ajudar a garantir que a execuo no alcanado a qualquer
custo. Devido a um limite razovel proteo est definido, eles atacam uma certeza de equilbrio hetween
execuo e certeza de preo.
Nota para o CME todas as ordens de mercado so realmente implementadas como mercado-comproteco encomendas. O limite de preo calculado para ordens de compra, adicionando pontos de
proteo pr-definidos para a melhor oferta, enquanto que para vende eles s o subtrados da melhor
oferta. Os pontos de proteo so iguais a metade do "intervalo no-bust" do ativo.
O intervalo no-bust um limite destinado a proieel participantes do mercado, dentro deste intervalo de ordens no podem ser
canceladas.
98
Encomen
das
Buys
Temp
Iden
tida o
de
08:20:25
08:21:00
08:22:00
08:14:00
Sells
Tam
anho
900
2000
1500
800
Pre
o
100
99
99
98
Tamanho
1000
1500
500
1000
1300
Pre
o
102
103
104
105
Sells
Temp
o
03:09:25
03:14:09
03:16:00
03:13:00
Id
SI
S2
S3
S4
S5
(a) antes
(c)
0
08:20:2
5
08:21:0
0
depois
| QQQ
4-500
500
1000
1300
Id
S42S
3S
S4
S5
(b) cruzes MO
Buys
Ide Temp
ntid o
ade 08:28:0
08:25:0
Tamanh
o
Pre
o
402
403
104
105
Sells
Tam
anh
1000
900
2000
Pre
o
100
100
99
Tam
anho
1300
Pre
o
105
104
Tempo
03:16:0
03:13:00
Id
en
S5
tid
Figura 4-13 O efeito de uma ordem de mercado-com-proteo na carteira de pedidos
Tipos de ordens condicionais

Ordens condicionais basear a sua validade em uma condio conjunto, muitas vezes o pricc
mercado. Somente quando a condio for atendida ser que vai resultar em uma ordem real que est sendo
colocado. Assim, e pra ordens conlingent nica becomc ativa quando um preo limite violado.
Trailing stop ordens so semelhantes, embora utilizem um limiar dinmica. Finalmente, liek-scnsilivc
ordens de base sua validade, comparando o melhor pricc atual com a ltima pricc negociados.
Pare de encomendas
As ordens so contingentes em uma ativao (ou parar) preo. Uma vez que o preo de mercado
atinge ou passa este ponto, eles so transformados em ordens activas do mercado. Na negocia o
em contnuo, o pricc sendo rastreado geralmente o ltimo preo negociado, 2enquanto em um
leilo geralmente o preo de equilbrio. A ativao ocorre para compras quando o preo de
mercado atinge o preo stop ou move acima, enquanto que para vende-lo quando os hits de
preos de mercado ou movimentos abaixo da parada.
Preo
(b)
Pare desencadeada
ltimo preo ;
Eu Potencial ganho
-(uma )
Tempo
Figura 4-14 Um exemplo sell ordem de paragem
Em algumas bolsas, por exemplo, o CME, o preo stop rastreia a oferta de mercado e oferecer, bem como o ltimo pricc
negociados.
99
As paradas so s vezes tambm referida como ordens de stop-loss. Desde que vende (compra)
so geralmente utilizado como uma rede de segurana para proteger os lucros, fechando fora longa
(curta) deveria posies o movimento do mercado contra ns, como podemos ver na Figura 4-14. Assim,
por exemplo, vamos supor umaposio longa foi iniciado em 92; uma vez que o preo chega a 93 uma
ordem de venda stop colocado (em 93) como proteco. Se a tendncia dos preos reverte no tempo t,
conforme mostrado na via (a), ento a parada ser ser desencadeada. Alternativamente, se o pricc
continua a tendncia favorvel (b) a paragem permanecer inactiva.
Note-se que a ordem de mercado gerado por uma parada no d garantias sobre a pricc alcanado.
Isto importante uma vez que a prpria natureza do pra significa que eles s so activados
quando o preo de mercado se torna desfavorvel. Eles oferecem o menor de dois males; um preo
pobre pode ser conseguida, mas se o mercado no reverter, a alternativa ainda pior.
Ordens de limite de paragem de substituir a ordem de mercado com uma ordem de limite. O preo
de parada ativa o ordem, enquanto que o preo limite controla a ordem desencadeada. Embora este
oferece algum preo proteco, controlando o preo da ordem desencadeada, tambm introduz um
risco de no cxecutc. Infelizmente, as condies do mercado de fast muitas vezes aumentar este
risco.
O tipo de ordem mercado-com-proteo atua como uma casa de recuperao entre as encomendas e
mercado um ordens de limite. As ordens com proteco usar este tipo fim de aumentar a probabilidade de
execuo apesar de ainda ter um limite para algum controle de preos. O preo limite baseia-se na preo
stop eo limite de proteo indicado. No entanto, ainda fundamentalmente um limite ordem,
portanto, se as mudanas de preos so graves o suficiente para violar o limite de proteo, em
seguida, a posio permanecer exposta.
Portanto, se fechar fora do uma posio uma obrigao, ento no h escolha real que no seja por
uso uma ordem de paragem pura. Ele tambm pode valer a pena considerar outros meios de cobertura do
posio, tal como com opes e futuros.
Enquanto ordens de stop arco uma ferramenta til, eles tambm podem ter um impacto considervel
no mercado, em especial quando o mercado est no seu mais vulnerveis. Aps a activao, todas as
ordens de stop tendem a acelerar a tendncia que eles pricc disparado. Por exemplo, uma ordem stop
de venda tentar vender quando j houve uma queda significativa no preo. Esta queda mais
provavelmente devido a um desequilbrio entre o volume livro de ordens de compra e venda. A ordem
de paragem efectivamente procura de liquidez, quando ele j diminuiu. Se ele consegue
executar, em seguida, o desequilbrio ser ainda maior.
direita de ordens de stop

A ordem de paragem usa um preo de paragem absoluta, enquanto que para uma ordem stop mvel a pricc
paragem seguinte (ou estacas) movimentos favorveis no preo de mercado. Um arrastando compensar ou
especificado como
i1
Preo
Pare
desencadeada
Preo trancando
Te
mpo
Figura 4-15 O preo trancando comportamento dos uma ordem trailing stop
100
Encomen
das
uma quantidade efectiva ou s vezes como uma variao percentual. Para uma ordem de venda, como o
preo de mercado sobe o preo stop mvel ir subir por uma quantidade similar. No entanto, quando o preo
de mercado cai o preo paragem no changc, como mostrado na Figura 4-15. Uma vez que os preos
de mercado becomcs menos favorvel, o preo stop permanece fixo at que o preo de mercado
efectivamente rcachcs a parada e aciona-lo. A ordem, em seguida, se comporta exatamente como uma
ordem de parada ou uma ordem de limite de paragem. este pricc mecanismo de travamento permite
lucros a ser locked-in sem ter que tentar prever o melhor preo nvel para definir a parada no.
Contingentes / ordens se tocaramContingente, ou se-tocado, as ordens so efetivamente o oposto de paradas. Para c mbio de
moeda estrangeira, s vezes so chamados ordens de entrada, uma vez que so geralmente usados
para estabelecer posies.
Tal como acontece com paragens, existem dois tipos principais, um mercado de fim-se touchcd e um
limite se-tocado. Note que um limite se tocou-fim similar a uma ordem de limite de p, exceto que est
escondido da carteira de pedidos at activado.
Sua operao extremamente semelhante ao pra; ambos permanecem escondidos at que o
mercado pricc move-se suficientemente para ativ-los, aps o que eles criam uma ordem
correspondente. Mas o lgica de ativao o inverso do que para paragens. assim uma compra setouchcd ordem acionado quando o preo de mercado atinge o preo-alvo ou se move abaixo, enquanto que
uma venda desencadeada quando o mercado pricc atinge o alvo ou se move acima.
Alguns locais ainda permitem que as ordens que so contingentes sobre o preo de se tocou- um
completamente activo diferente, tal como um ndice de aes.
Assinale ordens sensveis

Instrues tick-scnsitive introduzir uma condio de validade com base no ltimo pricc negociados. Se
o preo actual o mesmo que o da ltima operao referido como um carrapato zero, acima, um
carrapato-se e abaixo est um downtick. (Nota de zero carrapatos podem ainda ser classificada como zero
se e downticks comparando com o ltimo preo de comrcio diferente).
Assim, uma ordem de compra downtick s pode ser atravessada em um downtick ou zero downtick
pricc. Da mesma forma, a vender at fim tick s pode ser atravessada em um carrapato para cima ou para
um pequeno aumento zero. Larry Harris (1999) aponta que carrapatos ordens sens veis so
essencialmente limitar ordens com ajustando dinamicamente os preos-limite. Assinale ordens
sensveis empregar um pricc semelhante trancando mecanismo para batentes de arrasto; uma ordem
downtick ir aumentar o seu preo limite dinmico somente quando os aumentos de preos, enquanto uma
ordem uptick s ir diminuir seu limite quando o preo cai.
Tick ordens sensveis no tm impacto imediato no mercado. A dependncia carrapato significa
que imediatismo sacrificado a fim de obter um preo um carrapato melhor. Harris observa que eles
so, portanto, mais til quando o tamanho do carrapato grande. Na verdade, o decimalisation dos
mercados de aes dos EUA, em 2000, na verdade reduziu o apelo de depend ncia carrapato, uma
vez que significava que, para a maioria das aes do tamanho tick diminuiu de uma semicolcheia
para apenas 1 centavo.
Assinale ordens dependentes existem principalmente por causa da regulao, em parte para tentar
conter o descendente impulso pricc devido s ordens de stop escondidos sendo acionado.
Consequentemente, alguns locais de impor uma regra que as vendas a descoberto deve estar em um
pequeno aumento. Em outras palavras, uma venda a descoberto s permitida quando o preo atual est
acima do ltimo preo negociado.
Tipos de ordens ocultas
Mercados eficientes precisa para satisfazer as necessidades de uma gama de usurios. Embora a
transparncia permite que os comerciantes para ver facilmente a oferta ea procura disponveis, apresenta
problemas para grandes encomendas. Muitos mercados e locais de fornecer tipos de ordens ocultas
que permitem aos operadores trabalhar ordens maiores sem atrair ateno indevida. Isso garante
que a liquidez permanece disponvel no
101
local de execuo, em vez de mudar para uma piscina alternativa de liquidez ou cruzar rede.
H alguns anos, as ordens completamente escondidas tinham sido todos, mas gradualmente
eliminados. Ordens ocultas foram visualizadas para aumentar a incerteza de execuo, e assim
afectar a qualidade do preo formao. Eles tambm foram pensados para actuar como um
desincentivo para a colocao de ordens de limite, possivelmente levando a um aumento dos spreads.
Transparncia foi visto como sendo mais importante, e assim por locais, como a Euronext eo ASX,
ligado prestao de ordens iceberg vez. Estes oferta um compromisso razovel, uma vez que uma
poro da ordem ainda visvel. Ainda, o sucesso de ATS locais de fornecimento de "dark pools" de
liquidez tem levou a resurgencc na popularidade de ordens ocultas. Na verdade trocas, tais como
NASDAQ, AMEX e rea de NYSE, so agora a introduo de ordens ocultas, a fim de manter
sua liquidez e para competir com o ATS.
Ordens ocultas
Ordens ocultas, no revelados ou no exibido permitir que os comerciantes a participar sem dar
afastado sua posio. Por exemplo, a Figura 4-16 (a) mostra a carteira de encomendas antes uma
ordem de mercado para comprar 1.000 ABC chega. Depois disso, podemos ver que a carteira de
encomendas no mudou tanto como poderamos esperar. A partir dos relatrios comerciais
subsequentes, podemos ver que em 1000 encheu 101, mas no livro de ofertas s podemos ver ordem
SI cheio e havia nenhum novo entrante ordens, ento onde que os outros 500 vem?
Buys
Identidade
08:25:00
08:20:25
08:24:09
08:24:20
Sells
Tempo Tamanho
1000 Tamanho
100 Tempo
101
900
99
102
1400
98
102
102
2000
97
(a) antes de
Preo
Preo
Identidade
500
08:20:0
0
1000
08:22:2
5
08:24:0
800
9
1500
08:25:0
0
Sells
Preo
SI
S2
S3
S4
Tamanho Identidade
101
IVIJUU
102
102
102
sonSUCTL
1000
800
1,500S4
S2
S3
(b) depois
Figura 4-16 A ordem oculta?

No pode ser escondida volume disponvel no 101, ou pode ter sido consumido. o nica
maneira de saber para ver o resultado da prxima ordem de compra. Da a popularidade de
"liquidez ping "usando COI ordens. Ao emitir uma ordem limite IOC para comprar 1.000 a 101
ns pode tentar atravessar com quaisquer ordens ocultas. Dito isto, os outros participantes so
susceptveis de ter a mesma idia, por isso uma questo de rapidez de resposta.
Uma considerao importante ao usar ordens ocultas que eles normalmente so dadas menor
prioridade do que as ordens visveis. Caso contrrio, todos iriam simplesmente usar ordens
ocultas, tornando- muito mais difcil de determinar o preo de mercado.
Como as ordens ocultas se tornar mais popular l novamente ser sem dvida novas variaes.
Para exemplo, a bolsa de Londres est pensando em apoiar os tamanhos mnimos de pedidos, que
deve oferecer alguma proteo contra pequenas encomendas em busca de liquidez.
Iceberg ordens / reserva

Como o prprio nome sugere, uma ordem iceberg dispe de um pequeno pico visvel e um
significativamente volume oculto maior. O tamanho de pico (ou monitor) configurvel, embora
alguns locais estipular um mnimo, muitas vezes uma percentagem do tamanho do mercado normal
(NMS). O visvel parte do pedido indistinguvel de qualquer outra ordem de limite. Cada vez que
esta exibido ordem totalmente executado splits sistema de negociao do venue uma nova ordem
a partir do volume oculto, at que toda a ordem iceberg est concluda. Portanto, cada ordem tem
exibido prioridade tempo normal dentro da carteira de encomendas, enquanto o volume oculto
apenas tem prioridade preo.
102
Encomen
das
Iceberg ordens so tambm chamados de ordens de reserva ou ordens de gotejamento.

Por exemplo, se olharmos para a Figura 4-17 (a), ns podemos vender sec fim SI para 1000 em
101. Este realmente o tamanho de exibio da ordem HI iceberg que tem um outro volume oculto
9.000. Obviamente, o volume oculto no realmente visvel na carteira de pedidos , mas apenas
para estes Exemplos la mostrados (em cinza claro) para enfatizar que ela slill tem prioridade de
preos da ordem livro. Assim, a ordem S3 no vai conseguir atravessar com quaisquer outras
encomendas at o nosso volume escondido HI est esgotado.
Buys
Sells
Tamanho PricePricc
Tempo Identidade
1,000100
900
1500
101
101
99
98
101
102
Sells
Tamanho
1000
1000
9000
1500
08:20:00
08:21:25
Preo
SI
S2
X: 10:09 HI
08:24:09
S3
ini
Eu noo
101
500
500
101
8,000
TTXT
.W
.
Tamanho Tempo
1
. [102
1500
Identidade
9-QQ-oo
ci
IJTXTTTVTV
ITT
08:21:25
08:21:25
S3
S2
X: 10:09 HI
08:24:09
S3
(a) antes
(b)
de
depois
Figura 4-17 cruzamento com a parte de exibio de uma ordem iceberg
Quando
uma ordem de mercado para comprar 1.500 ABC bate a carteira de encomendas:
Ordem de exibio do nosso iceberg SI imediatamente cruza com ele para 1000
Next, o restante preenchido por 500 parcialmente cruzamento com ordem S2.
Desde a nossa ordem de apresentao complcled, uma nova ordem dividida do
oculto quantidade como sell S4.
Continuando com este exemplo uma segunda ordem de mercado lo comprar outro 2.200 ABC,
mostrado na Figura 4-18.
Buys
Tama
nho
1000
900
1500
Sells
Preo
100
99
98
Preo
101
101
Taman
ho
500
1000
1018.000
Sells
Tempo
08:21:25
08:27:00
Identida
de
S2
S4
X:
1500
08:24:09
.W
.401.
10:09 HI
102
Preo
00
-hOOO
1Q |
TvTT
70 Q
Euv \ /
o . T Q . n nc
u.i.O.U JOJ
1017,0008: 10: 09
S3
0,102
(a) antes
Tamanho Tempo
Identidade
08:21:25
S2
08:27:00 S4
1500
08:24:09
111
S3
(b) depois
Figura 4-18 Outro cruzamento com a ordem iceberg
Assim, podemos ver que:
Os restantes 500 a fim de S2 executada imediatamente.
A partir de 1000 a fim de nosso iceberg S4 tambm est cheia.
Um novo S5 para que outros 1.000 dividido de nosso volume de H1 escondido.
Os restantes 700 da ordem de mercado preenchido a partir do fim recm-criado

S5 que tem prioridade sobre o preo ordem S3.
O mecanismo exatamente o mesmo se tivermos vrias ordens iceberg em a carteira de
pedidos. Para exemplo, vamos considerar o livro ordem mostrada na Figura 4-19 que possui duas
ordens iceberg.
103
(a) antes
(b) depois
Figura 4-19 cruzamento com vrias ordens iceberg
O primeiro iceberg est a ser apresentado vender ordem SI com um HI volume oculto de 6000,
enquanto a segunda possui um maior volume oculto de 9000, mas tambm utiliza um maior tamanho
de exibio de 1.500 para sua ordem S3. Assim, quando uma ordem de mercado para comprar 3.200
chega:
A primeira ordem do iceberg SI ser completamente preenchido.
Como vai ficar ordem de limite S2.
Ordem de exibio do segundo iceberg S3 tambm est cheio, deixando 200

restante no fim mercado.
As novas encomendas S5 e S6 ser ento dividido para cada iceberg.
o ltimo 200 da ordem de mercado sero cruzados com o primeiro iceberg do recmordem diviso S5, j que este iceberg tem prioridade tempo.
Isto tambm destaca a importncia do tamanho de exibio do iceberg. Mesmo que o
segundo icebergue H2 tem prioridade menor tempo, cada vez que ele divide uma nova ordem para
1500, por isso vai encher mais rpido do que Hl.
Estes exemplos tm tudo mostrado como o volume escondido na carteira de pedidos participa o
mcchanism correspondente ordem. Isto a principal diferena entre as ordens nativas de cmbio
com base iceberg e um mecanismo de fim-slicing externo, onde reside Desconto escondidos fora da
carteira de encomendas. Mecanismos externos so dependentes de recebimento de execuo
confirmaes lo mostrar que a ordem anterior foi concluda, s ento vai ser uma nova ordem
criado. Isso pode ocorrer algum tempo alterar a travessia carteira de pedidos terminou,
portanto, uma externa mecanismo no ser capaz de responder a tempo. Assim, a fim de preencher a
ordem do mercado a carteira de pedidos em vez disso, cruzar com outras ordens de limite de p,
como o S4 na figura 4-19. Isto significa que as abordagens fim-de corte pode levar mais tempo
para executar do que iceberg nativa encomendas. No entanto, ele tambm lhes pe rmite ter mais
espao para a melhoria de preos; vamos passar por isso com mais detalhes no Captulo 9.
Tipos de ordem discricionria

Tradicionalmente, os tipos de ordem de liberalidade proporcionou o comerciante mais liberdade
na forma como uma ordem particular deve ser trabalhado, uma vez que o especialista. Este talvez
melhor tipificado pelos No- instruo held que basicamente d ao comerciante blanche carte.
Informtico resultou em a evoluo de mais hased em regras abordagens, tais como ordens de
atrelados e discricionrias. Estes oferecem passos mais quantificveis, em comparao com o
bastante vago "fazer o melhor voc pode".
No-realizada encomendas
A fim de no-realizada d total liberdade para o comerciante sobre como a ordem trabalhado.
104
Encomen
das
Geralmente, estes so utilizados para comerciantes de assoalho uma vez que em mercados
menos transparentes que ter melhor conhecimento das condies de mercado. A qualidade da
execuo depende deles escolher a melhor poca para o comrcio.
Ordens discricionrias
A ordem discricionria uma ordem de limite com um preo limite ligeiramente mais flexvel. O
limite que
apresentado no livro de ordens pode ser aumentado de um montante suplementar
quando as condies so apropriados. Para uma ordem de compra, o limite de preo real , na
verdade, o preo-limite acrescido esta montante discricionrio, enquanto para a vend-lo o preo
limite menos o discricionria. A verdade limite levado em conta somente quando uma ordem de
correspondncia vem dentro do intervalo discricionrio. Portanto, a ordem pode ser executada a
qualquer preo entre o limite exibido eo limite de verdade. Note-se que quaisquer ordens visveis
ainda ter prioridade sobre a ordem discricionria.
Por exemplo, vamos emitir uma ordem de limite de compra para a ABC, com um limite de
100 e uma gama discricionrio de 1, como mostrado pela compra B1 na Figura 4-20 (a).
Identidade
Temp
B1
08:25:0
08:20:05
08:24:00
C o mp r a r s
Taman
ho
1000
800
1200
Preo
100
99
98
Priee
102
103
104
Pre
om
100
99
98
Priee
4G4
102
103
104
V e nd
er
1000
2000
900
Tempo Iden
05:25:00 tida
SI
05:20:25 S2
05:24:09
(uma ) antes
C o mp r a r s
td
m
Bt ^
(b)
Tempo
08:25:0
08:29:0
0
08:20:0
5
08:24:0
0
depois
Tama
nho
5Q
Iff 500
800
1200
V e nd e r s
Temp
Taman
ho
o
- 51000
0 0
03:25:0
0
2000
03:20:2
5
900
03:24:0
9
Id
S4
SI
S2
S3
Figura 4-20 O efeito de uma ordem discricionria do livro de ofertas

Inicialmente, no h nenhuma ordem que imediatamente pode ser cruzado, de modo a fim B1
simplesmente repousa sobre a Transaes com um preo limite visvel de 100. Quando ordem de
venda S4 adicionada a um preo de 101, este agora dentro de nossa gama discricionrio. Assim,
podemos igualar isso. O restante para 500 ordem B1 permanece na carteira de encomendas, ainda
com um limite visvel de 100.
Alguns locais, como a NASDAQ e NYSE Area, apoiar uma quantidade mnima, bem como, de
modo que a ordem discricionria s vai esticar o seu limite de preo para encomendas superiores a
este tamanho.
Ordens atrelado
Ordens atrelada fornecer um limite de preo dinmico; portanto, eles podem ajudar a reduzir o
inerente risco miss-precificao de p ordens de limite. Limite de preo de uma ordem indexada
pode rastrear o melhor oferta, oferta ou mesmo meados de preo, aplicao de uma quantidade
adicional de deslocamento. Por exemplo, a Figura 4-21 espetculos a trajetria de um rastrear o
melhor preo de compra ordem de limite atrelado. Um limite de preo firme maio ainda ser aplicado o
que impedir a ordem atrelar alm desse limite.
Por exemplo, vamos questo uma ordem de limite de compra para o ABC de atrelar a melhor
proposta com um compensar de 1. Inicialmente, a nossa ordem B2 ser placcd com um limite de 99,
um de distncia do atual melhor oferta de compra, como mostrado na Figura 4-22 (a). Quando um
novo B4 fim junta-se ao livro, a melhor proposta movimentos at 101, por isso, em resposta a nossa
ordem atualizado com um novo limite de 100 para manter o ritmo
105
Figura 4-21 atrelar o melhor preo de compra

Buys
Sells
Buys
Tam
anh
1000
1500
Identidade
Pre
Tempo
Tamanho
o
BgfQoT ' 103
F B 2 r l Preo
8] 2 5 l 2 5 MO o o J 1000
104
08:24:09
800
98
B3
Identidade
Tamanho
B4
08:27:00
B1
08:20:00
* B3
(a) antes de
0,500
1000
Preo
I01 _
100
800 ~
98
(b) propagao
Narrows
Sells
Buys
Tempo
Preo
500
101
1000
100
, '8: 27: 25 3Ll, 200,1 Kf t Afl
""8: 24: 09800
98
Identidade
Tamanho
08:27:00
B4
08:20:00
B1
B3
"08:24:09
Tempo
Preo
102
103
104
Tamanho
900
1000
1500
Tempo
S: 28: 00
S: 25: 00
03:20:25
Identidade
(c) depois
Figura 4-22 O efeito de uma ordem indexada sobre a carteira de encomendas
com a melhor proposta.
Quanto aos pedidos discricionrios, alguns locais, como a NYSE, suporte uma quantidade
mnima, por isso pegging que no desencadeada por pequenas encomendas. Instinet at mesmo
ofertas atreladas tipos de ordens que pode tem um tamanho de exibio associada, assim como
uma ordem iceberg.
Ordens de escala
Estes pode ser usado para a camada ordens criana durante todo o livro de ordens em uma variedade
de nveis de preos.
Sells
Buys
Iden Tempo
Tamanho
tida 08:25:00
900
B5
1500
B2
08:20:25
B4
8: 24: 092,000
1200
Bi
08:20:25
8: 24: 00700
B3
Preo
100
99
98
97
97
Preo
101
101
102
t02
103
Tamanho
1000
800
1200
2000
1000
Tempo
08:24:2
0
08:25:0
0
08:24:2
5
08:24:2
0
08:24:2
0
Ide
ntid
S3
S5
S4
'S2
Si
Figura 4-23 Um conjunto exemplo de ordens de escala
106
Encomen
das
Por exemplo, podemos especificar uma ordem de venda para 4000 ABC, em escala com 25% a
101, 50% a 102 e 25 a 103%, como mostrado na Figura 4-23. Como alternativa, ele pode definir
valores especificados para os vrios nveis de preo. Dentro um mercado em rpida evoluo, esta
abordagem tem a vantagem de que nossos pedidos j esto no lugar, e assim receber prioridade tempo.
Mas se o preo mantm tendncia favoravelmente, melhores preos pode ser alcanada pela
espera. Ns vai revisitar essas tticas estratificao no Captulo 9.
Tipos de ordem roteados

Tipos de ordens roteadas esto se tornando mais e mais comum; eles podem ser um meio
importante de buscar liquidez adicional nos mercados cada vez mais fragmentadas de hoje.
Como j vimos, h instrues de ordem que comedor para roteamento, permitindo que as ordens
devem ser enviados para locais especficos ou para ficar em um nico local. A progresso natural
estratgias de roteamento de ordens cada vez mais complexas, levando a "roteamento de ordens
inteligente". O mais simples dos quais representado por ordens de passagem. Estes permitem
liquidez a ser acessado a partir de dois locais. Tambm h uma srie de estratgias que permitam
roteamento e para trs entre locais, e at mesmo participar de sesses especiais, como o leilo de
abertura. Como estes continuam a evoluir, a linha entre eles e algoritmos de negociao cada
vez mais turva.
Pass-through encomendas
Ordens como seu nome sugere, pass-through permitem que um fim de pass-through, inicialmente, o
hospedagem local no caminho para o seu destino final, muitas vezes, a principal bolsa.
Efetivamente, eles agem como duas ordens sequenciais, uma ordem IOC no local de acolhimento
inicial seguido por uma ordem para o resto enviado para o local de destino.
Isso permite que um fim de consumir a liquidez da carteira de encomendas hospedado antes
do encaminhamento qualquer residual para o destino escolhido. Em comparao, uma ordem de
limite padro que varre o carteira de pedidos s vai deixar qualquer restante como uma ordem
permanente. Por conseguinte, eles so tipicamente fornecida pelo cruzamento de redes ou locais
que procuram atrair liquidez adicional.
Por exemplo, vamos considerar um fim de vender 1.500 de ABC ativo em 100. Figura 4-24
mostra os livros de encomendas, tanto para o REC (REC-1) e ao intercmbio primrio (Exch-1).
ECN-1
(a) antes
ECN-1
(b) depois
Figura 4-24 Um exemplo pass-through fim
Podemos ver a partir da Figura 4-24 (a) de que existem 500 disponvel em ECN-1. Assim, ns
podemos
A l g o r i t h m i c Tradin g & D M A
107
edio uma passagem de ordem, que vai tentar atravessar com a liquidez disponvel no ECN-1 antes
do encaminhamento para a troca primrio, Exch-1. Ter consumido a liquidez disponvel em
100, o nosso pedido vai agora tornar-se uma ordem de limite S4 p no Exch-1.
Embora a Figura 4-24 mostra um exemplo de roteamento entre dois livros de encomendas
visveis, faz no dar um grande salto da imaginao para substituir ECN-1 com um "dark pool" ATS.
Quando colocando o nosso vender ordem j no podemos ver o que a liquidez est disponvel, mas
sabemos que vai tentar atravessar antes do encaminhamento para a troca primrio, Exch-1. Isto
bastante uma forma conveniente da disponibilizao de liquidez adicional para o ATS.
Normalmente, ATS tm-se esforado para ter fluir corretores rota de varejo atravs dessa forma
desde h menos chance de informaes vazamento.
Ordens de estratgia de rotaOrdens de roteamento de estratgia estender o conceito simples de ordens de passagem para
permitir que instrues de roteamento mais complexos. Estes podem permitir que as ordens para
participar de leiles, ou ser encaminhados para locais adicionais antes de chegarem ao seu destino
final. Por exemplo, a Tabela 4-4 mostra alguns dos strategics roteamento oferecidos pela
NASDAQ.
Nome
Estratgia
Rota para todas as cita es prote gid as por apenas
ta ma nho de exib io
ES FR
EG O
P
Postar qualquer residual em NASDA Q
DOTI
AME X Va rre r N ASD A Q para o NBB O ou
Varrer N ASD A Q para o NBB O ou melhor

Rota qua lq ue r res id ua l para NYS E ou
melhor Rota para Re g NM S locais
SKI P
protegidos Postar qualquer residual em

NASDA Q
Varrer N ASD A Q para o NBB O ou melhor
SCA N
STG Y
Rota para loca is de exec uo

alte rnativos Postar qualquer residual em
NASDA Q
Como SCA N
Residual vontade rota se NASDA Q subsequentemente bloqueado ou cruzados
Fonte: NASDAQ (2008a)
Estratgias de roteamento Tabela 4-4 Exemplo NASDAQ

A estratgia MOPP aproveita liquidez visvel em outros locais, por roteamento a acccss o
Regulamento NMS (Reg NMS) protegido citaes para seu tamanho exibido. Qualquer montante
residual ento publicado na carteira de pedidos NASDAQ.
Em comparao, a estratgia DOTI primeiro varre o livro de ordens NASDAQ, tentando bater ou
combinar o melhor nacional oferta e procura (NBBO). Em seguida, ele encaminha a qualquer
quantidade residual sobre a quer NYSE ou AMEX. Note-se que uma vez que o fim chegue ao seu
destino final, continuar l at ele completamente preenchida ou cancelada.
A estratgia SKIP estende a abordagem DOTI por ser capaz de encaminhar o residual para
qualquer dos locais que oferecem citaes protegidas Reg NMS. Aps esse encaminhamento, a
estratgia SKIP finalmente posta qualquer restante na NASDAQ.
A estratgia leva SCAN uma abordagem semelhante para SKIP, em primeiro lugar, em seguida,
varrendo NASDAQ encaminhamento do residual. o lista de possveis destinos para o residual
ainda maior do que para SKIP, uma vez que tambm inclui uma variedade de locais alternativos. A
estratgia baseia-se em STGY regras semelhantes para leitura; embora, ele vai redirecionar a
ordem residual se a ordem NASDAQ livro posteriormente torna-se bloqueado ou cruzados.
108
Encomen
das
Mais estratgias tambm so baseados em estes. Por exemplo, se comporta de forma

semelhante ao DOTM STGY; embora requeira ordens para ser no-atribuvel e aceita on-aberto e
ao fechar pedidos.
Outros locais tm suas prprias strategics roteamento de ordens especficas, mas os exemplos
acima do uma idia do que comumente oferecido. Sem dvida, outras estratgias inovadoras ir
desenvolver ao longo Tempo.
Cruzando tipos de ordem

Muitos locais j oferecem ordens que permitam aos operadores de informar fora cruzes gancho
ordem. Novo tipos de ordem de arco tambm a ser introduzida para permitir a passagem
realmente tomar em placc a carteira de pedidos. Estes tornaram-se cada vez mais importante como
locais para competir "dark pool" liquidez. Um resumo NICC dos tipos de ordens e fluxos fornecida
por Gabriel Butler (2007) reviso das redes de passagem. Ele classifica os tipos de ordens
disponveis como:
Encomendas, encomendas firmes comprometidos dispon veis para execuo

imediata
Encomendas no confirmadas, que requerem confirmao antes da execuo
Encomendas negociadas
Pass-through pedidos, encaminhados em seu caminho para outro local

Como vimos nos captulos 2 e 3, as redes de passagem variam muito em seus mecanismos reais.
Estes tipos no so suportados por cada local; no entanto, eles cncompass mais das vrias tipos de
mecanismo que esto disponveis.
Ordens comprometidos so essencialmente ordens de mercado ou apenas limite -padro.
Encomendas no confirmadas so semelhantes s indicaes de interesse (IDI), enquanto
encomendas negociadas fornecer um bilateral mecanismo de comrcio. Como j vimos, passthrough ordens de agir como um meio de disponibilizao de liquidez adicional para o
cruzamento. Nota uma indicao de interesse (IOI) um no- interesse em comprar (ou vender)
um ativo de ligao. Estes podem ser enviados entre (ele buy-side e scll-SIDC para descobrir
contrapartes interessadas.
H um tipo de ordem adicional vale a pena mencionar, que a ordem alertado. Espa os
podem tambm utilizar indicaes para anunciar a disponibilidade de liquidez. Alguns at
mesmo fornecer tipos de ordens separadas, permitindo que os comerciantes e os investidores a
escolher se desejam usar esta mecanismo.
Encomendas no confirmadas
Encomendas no confirmadas arco semelhante ao indicaes de interesse (IDI), combinada
com um mecanismo o que lhes permite converter em pedidos firmes. Eles so tambm por vezes
referido como ordens condicionais, como sobre a oferta.
Encomendas no confirmadas podem cruzar uns com os outros ou com pedidos firmes. Se um
potencial transversal descobriram, o proprietrio ser enviada uma notificao, em que ponto eles
podem ento se dccide para convert-los em um pedido firme. Isso permite que os investidores /
comerciantes para deixar uma ordem no confirmada na rede de cruzamento, enquanto eles tentar
trabalhar da mesma ordem em outros locais, sabendo que no ir gelificar quaisquer preenchimentos
inesperados.
Alguns locais tambm permitem parmetros de sensibilidade adicionais, que podem ser
utilizados para especificar limites pricc / volume discricionrias em que podemos estar
preparados para o comrcio. Esses so incorporada a lgica de correspondncia, por isso, quando
a notificao for recebida por um parceiro em potencial uma negociao estruturada pode levar placc.
Quando ordens firmes esto a ser combinados com aqueles no confirmadas, importante tambm
proporcionar alguma proteco para o proprietrio de o pedido firme. Para garantir a equidade, e
prevenir comrcio predatrio, um tamanho razoavelmente grande pedido mnimo muitas vezes
necessria para no confirmada encomendas. APOSTAS tambm usa seu mecanismo de scorecard
para garantir que ambos os participantes tm um
109
taxa succcss suficiente de cruzamentos anteriores. Caso contrrio, os comerciantes predatrias

poderia simplesmente "ping" de liquidez atravs de ordens no confirmadas.
Encomendas negociadas
Ordens so negociados utilizado por locais para fornecer um ambiente de negociao estruturado.
Essencialmente, eles fornecem um mecanismo de comrcio bilateral, como vimos no Captulo 2.
Cada contraparte tem uma idia do preo e tamanho que eles esto preparados para o comrcio em,
ento eles devem simplesmente alterar estas at que ambos chegar a um acordo. Como alternativa, eles
podem simplesmente ir embora sincc no h nenhuma obrigao para o comrcio.
Uma das coisas interessantes sobre cruzando redes que a negociao annimo. Ambos os
participantes podem ser investidores, ou um pode ser um provedor de liquidez. Uma soluo
comum para permitir aos participantes para ser capaz de medir cach outro, proporcionando-lhes um
scorecard que mostra a taxa de sucesso histrico de suas passagens anteriores.
Ordens alertaram
Estas ordens utilizao de indicaes, ou alertas, para tentar melhorar a probabilidade de
execuo pela radiodifuso uma mensagem que notifica outros participantes de interesse do mercado
em um determinado ativo. Isto particularmente importante para "dark pool" redes de passagem, onde
a carteira de encomendas completamente invisvel.
Por exemplo, o ATS Millennium tem um tipo de opt-in Alm disso fim que aciona um alerta
para seus Parceiros de Liquidez (PLP). Estes representam uma mistura de instituies de buySIDC, outra "dark pool "ATS e motores de corretor de internalizao. Note-se que este processo
inteiramente automatizado, assim os alertas no arco visvel para os comerciantes. Os PLPs devem,
portanto, usar sistemas automatizados para responder a quaisquer alertas, detalhando sua liquidez
disponvel para Millennium, que, em seguida, olha para nenhuma partida. E se uma correspondncia
for encontrada, o PLP correspondente deve ento responder com um pedido firme.
O ISE tambm fornece uma ordem anunciado, que ele chama uma Solicitao de interesse.
este ativa um mecanismo de negociao do bloco que notifica os membros da troca do smbolo ticker
do ativo. Eles podem ento inserir respostas que detalham o preo e tamanho em que esto dispostos a
negociar com uma ordem de bloqueio. No final deste perodo (10 segundos), todas as ordens que o
arco priccd melhor do que o preo de execuo bloco ser executado. A prioridade dada
primeiro a ordens por a troca, em seguida, as respostas membros e ordens de no-clientes.
Tipos de ordem de ordem do contingente

As encomendas podem ser facilmente ligados entre si, como vimos atravs de instrues de
ligao. Locais muitas vezes us-los para permitir que as ordens para cancelar ou at mesmo
acionar uma outra ordem. Ordens fim-contingentes estender este conceito, permitindo ordens
para ajustar seu preo e / ou tamanho, com base em outras encomendas. Dentro no caso de
ordens vinculadas-alternativa, eles ajustar o seu tamanho com base em quanto o outras ordens
alternativas tm preenchido. Ordens contingentes e implcitas variar seu preo e tamanho com
base nas melhores cotaes de mercado e um spread pr-determinado. Ordens contingentes tambm
impor uma dependncia de execuo para ter certeza de que eles arco totalmente executado.
Encomendas-Linked alternativos
Este tipo de ordem relativamente incomum permite uma lista de pedidos alternativos para ser
ligada de modo a que se uma ordem recebe preenchimentos, em seguida, as outras ordens ser
reduzido de um montante equivalente. Efetivamente, ele permite a negociao simultnea de
activos ABC ou DEF ou HIJ, de modo que este tipo de ordem por vezes referido como
estando ligados ou "OR" ordens. Obviamente, um dos principais precaues ao manusear tais
ordens garantir que vrias das ordens no agrupados simultaneamente, preencher,
potencialmente causando um excesso de preenchimento.
IJO
Encomen
das
Por exemplo, na Figura 4-25 (a) uma amostra conjunto de ordens vinculadas mostrado.
Quando recebemos uma encher de 500 para o nosso buy KLM temos efetivamente 50%
completaram o nosso pedido.
De ativos
Lad
Comprar
Comprar
Comprar
Comprar
oKLM
NOP
QRS
TUV
(a) antes
de
Original
Tamanho
1000
3000
800
2000
Exlanl
tamanho
1000
3000
800
2000
Existe
nte
tamanho
500
1500
400
1000
(b) depois
Preen
chida
s 0
0
0
0
Preenchidas
500
0
0
0
Figura 4-25 Um conjunto exemplo de ordens alternativas ligadas

Assim, a ordem existente tamanhos para as outras ordens so ligados todos reduzidos a 50%,
quanto pudermos ver na Figura 4-25 (b). A plataforma SAXESS, usado por algumas das bolsas
nrdicas, podem ligao at 8 ordens desta forma.
Ordens contingentes
Alguns locais permitir relacionar ainda mais dinmica entre as ordens abrangendo vrios ativos.
Tais ordens contingentes garantir que uma partida s possvel quando todos os outros dependentes
encomendas podem tambm ele correspondeu. Normalmente, essa fu ncionalidade oferecida
por bolsas de futuros de negociao propagao de apoio, em que as posies longas e curtas
simultneas so negociadas a tenta lucro de as diferenas de preos entre os dois ativos. Tambm
podem ser empregues para cobrir, em vrias etapas de negociao derivados estratgias mais
complexas.
Por exemplo, na Figura 4-26 (a) podemos ver os livros de encomendas de bens JKL e XYZ.
Vamos assumir que deseja comprar o spread, e assim comprar 1.000 JKL, enquanto a venda de
1.000 XYZ, mas apenas quando atinge a propagao -0.2. Assim ns poderamos placc uma ordem
combinado para comprar e vender JKL 1000 1000 XYZ com um spread de -0,2.
Actualmente, o spread realmente -0,5, uma vez que a melhor oferta de compra para JKL
50,8 ea melhor hid de XYZ 50,3. Portanto, temos de utilizar de forma mais passiva priccd ordens de
limite e esperar que o propagao a se estreitar, como podemos ver na Figura 4-26 (b). Em termos
de preos, o nosso B4 ordem de compra dependente do vender ordem S4, e vice-versa. O preo
do B4 baseada na melhor oferta para XYZ eo spread, ou seja, (50,3 - -0.2) = 50,5.
JKL
Buys
Identi
dade
Bl
B2
B3
Tempo
08:24:00
08:22:25
08:23:09
Sells
Tam
anho
1000
800
1200
Preo
50,6
50,6
50,5
XYZ
Buys
Tamanho PricePrice
Tempo Identidade
1000
50,3
50,5
1000
600
50,3
50,6
1200
1500
50,2
50,6
700
Preo
50,8
50,9
50,9
Buys
Tamanho Identida
de
1500
Bl
900
B2
2000
B3
B4
Tempo
08:24:00
08:22:25
08:23:09
08:26:00
Sells
Tam
anho
1000
800
1200
1000
Preo
50,6
50,6
50,5
50,5
Sells
__
Tamanho
08:25:4
0
08:21:0
5
08:22:4
9
SI
S2
S3
.
.
.
.
Preo
50,5
50,6
50,6
50,6
Tamanho Tempo
Identidade
1000
1200
700
1000
SI
S2
S3
S4
08:25:40
08:21:05
08:22:49
08:26:00
(a) antes
de
(b) depois
Figura 4-26 Um exemplo par de encomendas combinadas
111
Do mesmo modo, o nosso ordem vender S4 baseado na oferta de melhor preo para JKL, ou seja,
(50,8 + -0,2) =
50.6. Se um de nossos pedidos compensada, em seguida, a outra ordem ir mudar imediatamente
seu preo em ordem para garantir que ele est cheio. Ento, se B4 pode ser preenchido em seguida,
pedir S4 ir re-preo simultaneamente a 50,3, a fim de completar.
Claramente, nossos pedidos precisam atualizar para ajustar aos novos preos de mercado e
tamanhos para garantir o propagao requerida seja mantida. Se houver volume insuficiente
disponvel para um dos ativos em seguida, o tamanho da outra ordem deve ser reduzida por uma
quantidade correspondente. Por exemplo, se a fim de comprar 1.000 XYZ a 50,3 foi subitamente
cancelada precisaramos changc o tamanho para nossos pedidos. Para um tratamento mais sofisticado
de tais ordens de spread, poderamos usar pares de algoritmos de negociao, que discutiremos em
mais detalhes no Captulo 5.
Ordens implcitas
Como vimos na seo anterior, uma maneira de lidar com pedidos combinados usar o actual
preos de mercado e a propagao desejada para implicar o seu preo atual e tamanho. Portanto,
bens ordens so ajustados dinamicamente para garantir que eles manter-se em linha com a
propagao requerida.
Ordens implcitas representam a prxima evoluo dessa abordagem. Negociao Spread
to comum para futuros que muitos locais lhes permitem ser negociados como ordens de
autnomos. assim podemos comprar um spread JUN-setembro, assim como ns possa comprar ou
vender os futuros junho ou setembro contratos. Isso geralmente tratado por ter livros de pedidos
separados dedicados para espalhar negociao
ou manuseamento Strategics complexos. No
entanto, ao longo do ltimos anos mais e mais locais comearam a vincular os seus livros de
encomendas normais com esses livros complexos. Isto permitiu a criao de ordens implcitas, que
so capazes de abranger ambos os tipos de livro de ofertas. Um diferencial implcito pode ser
derivada a partir da combinao de ordens definitivas para diferentes contratos, enquanto ordens
implcitas podem ser derivados a partir da combinao de ordens de propagao e as ordens
definitivas.
A importncia de tal negociao implcitas nos mercados de futuros destaque em um bom
pedao por John em branco (2007): Em mercados relativamente novos, como o NYMEX de
energia, at 44,6% da comrcios so alcanados atravs de negociao implcita. Mesmo em
mercados maduros, como o CME Eurodlares, em torno de 16% da negociao atribuvel s
ordens implcitas (11,5% da volume). Consequentemente, as ordens implcitas so uma
importante fonte de liquidez adicional.
Figura 4-27 mostra um exemplo de como um implcito na ordem criada. Por simplicidade
nica as ordens que criam a ordem implcita so mostrados, ou seja, a compra para os futuros de
Junho contrato (Bl) eo vender ordem para o futuro setembro equivalente (SI). Assim, podemos
vender um contrato de futuros de junho, no 96,5 e comprar um futuro de Setembro, para 96,0, em
outras palavras, podemos vender o spread para (96,5-96,0) = 0,5. Isto implica que h uma oferta de
0,5 disponvel para comprar o espalhar. O tamanho determinado por qualquer ordem menor
(entre ordens Bl e SI) e assim 10. Como podemos seg na Figura 4-27, estas duas ordens resultar na
ordem implcita 11.
J futuro da ONU
Id
Bl
Tamanho
Bid 10
Licit
ao
Ofert
a
Oferta
Tamanho
Ofere
Oferta
96.50
SE P futuro
Identi
dade
Tamanho
Bid
Licit
ao
td
Tamanho
Bid
Lici
ta
cer
96.00
JUN-SE P
Ofert
a
Tama
nho
Oferta
Tamanho
Iden
tida
de
Id
en
tid
Iden
tida
II
10
0.50
Figura 4-27 criando uma implcita a fim
112
Encomen
das
Por outro lado, uma ordem de venda para o contrato de junho vai combinar com uma ordem de
compra para o Setembro futuro para criar um JUN-setembro preo de oferta propagao e tamanho.
Da mesma forma, ao desconstruir uma ordem de propagao firme em seus constituintes
podemos criar uma implcita OUT ordem. Por exemplo, na Figura 4-28 podemos ver S2, um pedido
firme para vender o Setem- Dezembro, distribudos em 0,6. Ao combinar isso com a empresa
compra ordem B1 para o contrato de Setembro, ns ean implicam o preo de um futuro de Dezembro.
Em outras palavras, deve haver uma ordem de compra equivalente para o futuro de dezembro no
(95,7-0,6) = 95,1, mostrado como a ordem implcita 12.
Id
Bl
Tamanho
Bid 10
Licit
Oferta
Oferta
Tamanho
Iden
tida
de
Oferta
Oferta
Tamanho
td
Ofere
Oferta
ao
95.70
DE Cfuturo
Id
ent
12
Identidade
Tamanho
Bid
tentati
95,10
95,10
Tamanh
o Bid
Licita
o
cer
Tama
0,60
nho 5
Id
S2
Figura 4-28 Criao de uma ordem implcita OUT

Note tambm que h j uma oferta (B2) a esse preo. Quando combinando comrcios, a maioria
estabelecimentos dar prioridade s ordens reais, qualquer residual ento combinado com o
implcito encomendas.
Ordens implcitas tambm podem ser combinados com os pedidos reais para criar a segunda
gerao ordens implcitas. Assim, os pedidos implcitas II e 12 podem por sua vez ser utilizado para
criar outro implcita se espalha ou ordens.
Spreads de borboleta tambm pode ser usado para criar ordens implcitas. Estes so
efectivamente pares de propagao comrcios. Por exemplo, a venda da borboleta JUNsetembro-DEC significa venda um JUN-setembro propagao e de compra um SEP-DEC. Com
efeito, isso resulta na compra de dois contratos de setembro e vender tanto um Junho e um dezembro
um. Novamente, no um livro de ordem separada dedicada para lidar com esses spreads de
borboleta, que por sua vez pode ser combinado com ordens padro para criar ordens mais
implcitas. Embora complexo, este claramente uma forma eficaz forma de aumentar liquidez na
carteira de encomendas principal.
4.6
R e sum o
Ordens so o alicerce fundamental para qualquer estratgia de negociao.

Encomendas representam instrues de execuo. Existem dois tipos principais:
As ordens de mercado comprar ou vender uma determinada quantidade com o melhor preo
possvel. Eles se concentram em completando a ordem sem limite de preo especfico, e
assim exigir liquidez.
Ordens Limitadas comprar ou vender uma determinada quantidade a um preo especificado
ou melhor. O preo limite deve no forem respeitados, mesmo correndo o risco de no
conseguir executar. Eles persistem at executada ou cancelada e assim fornecer liquidez.
-
113
A gama de condies opcionais permitem o controle sobre fatores, tais como:

Como e quando a ordem se torna ativo.
Seu tempo de vida / durao.
Se ele pode ser parcialmente preenchido.
Participao em sesses / cruzamento de leilo.
Se ela deve ser dirigida a locais especficos ou at mesmo criadores de mercado.
Ligao com outras ordens.
Fatores diversos, tais como lotes mpares e liquidao de utilizar.
Tipos de ordem mais especializados (derivados do n vel de mercado e ordens de limite)

oferecem:
Ordens hbridas, tais como market-to-limite, que tentar oferecer o melhor de ambos limite
e ordens de mercado.
Ordens condicionais, como paradas, que baseiam sua validade em uma condio set.
Somente quando o estado for cumprida ser que vai resultar em uma ordem real que est
sendo colocado.
Ordens ocultas tentar reduzir a sinalizao de risco para grandes encomendas.
Ordens de liberalidade oferecer tratamento mais dinmico dos preos-limite.
Ordens roteadas permitem lgica de roteamento mais complexo do que possvel atravs
de condies.
Ordens de ordem do contingente, que oferecem relaes que ligam mais complexos.
Novos tipos de ordens continuam a evoluir. Alguns locais oferecem mesmo ordens que se
comportam algoritmos similares, tais como a concentrao o VWAP ou participar de uma
percentagem fixa do volume do mercado. Na verdade, a linha entre eles e algoritmos de
negociao cada vez cada vez mais tnue.
115
Captulo 5
Viso geral do algoritmo
Tradingalgorithmsare
forexecution, cada
whetherit
5.1
matchingthe
predefinedsetsof
targetinga
VWAPor
regras
specificgoal,
busca de liquidez.
Introduo
Um algoritmo basicamente um conjunto de instrues para realizar uma determinada tarefa. Portanto,
uma algoritmo de negociao simplesmente define as etapas necessrias para cxecute um pedido em
uma maneira especfica. Corretores / vendedores fornecem uma srie de algoritmos de negociao, cada
um com objetivos distintos. Alguns se esforam para igualar ou bater um ponto de referncia especfico,
ou tentar minimizar os custos globais de transao, enquanto outros procuram negociar mais oportunista.
Para atingir esses objetivos, algumas abordagens rigidamente a uma determinada escala de negociao,
enquanto outros so mais dinmicos, a adaptao constante mudana das condies de mercado.
Embora as regras individuais podem ser bastante simp les, a grande variedade de diferente
eventos e possibilidades que devem ser atendidos para algoritmos m dios pode rapidamente
tornar-se bastante complexo. Uma maneira comum de resolver essa complexidade tem sido a de dividir o
problema em duas partes. Por exemplo, Vladimir Kazakov (2003) decompe negociao VWAP para a
determinao do estratgia de negociao ideal e, em seguida, percebendo isso com execu o
ideal. A estratgia concentra-se na agenda de negociao e de referncia, enquanto que a
execuo se concentra em escolhendo ordens apropriadas para esta achicve. Da mesma forma,
Robert Kissell e Roberto Malamut (2005) propem quebrar negociao algortmica para baixo em
decises macro e micro nvel. Novamente, a nvel macro faz escolhas estratgicas, com base nos
objectivos globais. O micro nvel considera mais detalhes tticos, tais como as especificidades do
envio do pedido.
Como exemplo, vamos dar uma ordem simples de compra de 6.000 ABC activo durante a prxima hora
e time-cortar sua execuo para que ns trocamos cada 1.000 dez minutos. Podemos representar esta
tarefa com alguns pscudo-CODC:
para timer = 1-6
Quantidade = 1000
comrcio
(quantidade) do
sono (10 minutos)
Este CODC no vai ganhar nenhum prmio, mas destaca que estamos a seguir especfico horrio
de negociao at que a ordem completada. Obviamente, ns podemos fazer o algoritmo de
negociao mais sofisticada, incorporando dados histricos ou condies de mercado ao vivo. Por
exemplo, a quantidade pode basear-se no melhor lance ou oferta tamanho em vez de apenas
configur-lo para 1000.
Viso
116
algoritmo
geral
do
Exatamente como ns comrcio uma deciso separada, para a qual a funo trad e ()
simplesmente age como um espao reservado. Uma variedade de abordagens podem ser adotadas, de
modo a funo trad e () poderia:
sempre colocar ordens de mercado
sempre colocar ordens de limite
dinamicamente escolher o tipo de ordem ideal com base nas condi es de mercado
Ao separar a lgica de execuo do padro de negociao desta forma, podemos criar
umaconjunto comum de funes, que referirei como tticas de execuo. Estas arco, em seguida,
disponvel para todos os algoritmos de negociao, e podem ser utilizados indiferentemente. Isto
torna muito mais mais fcil de personalizar nossas estratgias de negociao. Por exemplo,
podemos usar como padro para uma mais passiva estilo de execuo, mas, em seguida, mudar
para usar um mais agressivo quando chegarmos atrs alvo ou quando as condies se tornam mais
favorvel.
Ento, algoritmos de negociao acordo com o quadro geral, eles se concentram principalmente
sobre a melhor forma de acabar com a ordem de execuo. No nvel micro so os mecanismos reais
para a ordem gerenciando submisso. Vamos cobrir tais tticas de execuo em mais detalhes
no Captulo 9.
5.2
Algoritmos Categoriza o
Embora no arc uma grande variedade de algoritmos de negociao l fora, se retirar a

personalizaes, ns pode comear a ver um pequeno conjunto de estratgias centrais que so
habitualmente fornecidas pela maioria dos corretores / vendedores.
Uma maneira de classificar estes algoritmos baseado nos parmetros de referncia que eles
usam. Para exemplo, o valor de referncia para o dfice de implementao de algoritmos
predeterminado, enquanto para VWAP dinmica, e Market-on-Closc procura compatibilizar
um futuro pricc fechamento.
Outra forma de classificar os algoritmos baseado em seus mecanismos fundamentais. Ian
Domowitz e Henry Yegerman (2005a) descrevem estes como um contnuo, que varia de
estratgias no estruturados, como algoritmos seeking liquidez, para abordagens altamente
estruturadas, tal como um algoritmo VWAP. Jian Yang e Brett Jiu (2006) ir para alargar esta
abordagem por dividindo esse contnuo em trs categorias principais, a saber:
-Driven programao
Matricial
Oportunista
Algoritmos puramente orientado a programao segue uma trajetria de negociao estritamente
definido, geralmente criado estaticamente a partir de dados histricos. Por exemplo, perfis de
volume histricas tm muitas vezes fui usado para implementar algoritmos VWAP; eles representam
o volume histrico intra-dia mdias. Estes perfis podem, em seguida, ser utilizado co mo um
modelo de como a ordem deve ser dividido ao longo do tempo.
s a outra extremidade do espectro, algoritmos oportunistas so completamente dinmica. Eles
reagem s condies de mercado favorveis, o comrcio de forma mais agressiva a vantagem lago
deles. Ento, como as condies tornam-se menos favorvel, que o comrcio de forma mais passiva, se
em tudo. Conseqentemente, algoritmos de procura de liquidez so um bom ajuste para esta
categoria.
Algoritmos de avaliao representam o meio termo entre esses dois extremos. Muitas vezes,
eles combinam aspectos de cada abordagem. Na verdade, Yang e Jiu (2006) sugerem que na
macro nvel eles podem se comportar de uma forma mais orientada para o calendrio, enquanto ao
nvel micro eles se concentrar em equilibrar o trade-off entre custo e risco. Algoritmos de segmentao
dficit de implementao so bom ajuste para a categoria de avaliao.

Este estilo mecanicista da classificao se concentra mais em co mo os algoritmos so
implementadas,
117
enquanto que um comerciante ou investidor faz as suas decises com base em objetivos ou metas
estabelecidas. Para melhor reflectir estes podemos adotar um esquema ligeiramente modificada
usando trs tipos principais, a saber:
Orientada para o impacto
Custo-driven
Oportunista
Mesa 5-1 mostra alguns algoritmos de negociao comuns agrupados uso dessas categorias. Isso
tambm mostra alguns dos fatores especficos que algoritmos de negociao so mais afetadas
pela, ou arco sensvel a.
BenchmarkSensitivity
Volume
Perce nta ge m de Vo lu m e
Impacto
Mnimo
Custodriven
Oportunis ta
impacto
I mp le me nta o
Adap tativo
Dficit
Mercado On
Fec ha r
Preo
Preo
Em linha
Liquidez
Rcio /
Orientada por liq uide z
Espalhar
Par / Espalhar comrcio
oo
Dficit
Preo
/
Risco
Volume
Vo lu me M d io Po nd e ra do Preo
Orientada para o impacto
Price
Tim e Mdia Ponderada Preo
Determinar
Tempo
Algoritmos
Pr-
foco
Dinmico
Tipo
Chave
oo
oo
oo
frequentemente
os vezes
Classificao Tabela 5-1 Algoritmo
Algoritmos orientada para o impacto visam minimizar o impacto global do mercado. Em

outras palavras, eles tentar reduzir a negociao tem efeito sobre o preo do ativo. Portanto, grandes
encomendas, muitas vezes, ser dividida em muito menores, trocando-os ao longo de um perodo mais
longo. Este o melhor tipificado pelo Algoritmo VWAP.
Algoritmos custo-driven tentar reduzir os custos globais de negociao. Portanto, eles precisam
tomar em conta o impacto no mercado, risco temporal, e at mesmo fatores como tendncias de
preos. Implementao dficit , portanto, uma importante referncia de desempenho para estes.
Consequentemente, tal becomc o nome do algoritmo-driven custo mais utilizada.
Algoritmos oportunistas, como com Yang e Jiu (2006), aproveitar sempre que o as
condies de mercado forem favorveis. Ento, esses algoritmos so ger almente preo ou de
liquidez driven ou envolver par / negociao spread.
Claramente, Tabela 5-1 no uma lista definitiva de cada algoritmo de negociao possvel. Para
ver uma resumo dos algoritmos cada corretor oferece tanto o Grupo A-Team (2009) e
Avanado Negociao 1publicar diretrios, que so prontamente disponveis. Ainda assim,
Tabela 5-1 cobre a maior parte do
Diretrios avanadas de negociao esto disponveis no www.advancedtrading.com/directories
118
algoritmo
Viso
geral
do
tipos diferentes de funcionalidades bsicas. De um modo geral, os algoritmos podem ser mais
exticos construdo usando um (ou mais) destas Strategics ncleo como a base. Por exemplo, o par
negociao pode agir como o ncleo para alguma negociao classe de mltiplos ativos, que
cobrir em mais detalhe no Captulo 13.
Note que este captulo focuscs sobre algoritmos de negociao que pode ser utilizados pelas
instituies e investidores. Ns abrangem igualmente alguns dos potenciais strategics arbitragem no
Captulo 13. No entanto, em geral, os algoritmos que so predominantemente utilizados para a
tomada de mercado ou de alta negociao freqncia / Arc arbitragem estatstica para alm do
mbito deste livro.
Antes de passar por cada uma destas classes de algoritmo com mais detalhes, Os seguintes
seo descreve algumas caractersticas que o arco comum Todos os algoritmos.
5.3
Caractersticas comuns dos algoritmos
Negociao algortmica est evoluindo em de forma semelhante ao comrcio electrnico.

Inicialmente, cada corretor ofereceu solues independentes, adotando um estilo prprio de
nomear e controles. Gradualmente, estes comearam a tornar-se mais padronizados como eles
foram integrados Sistemas de Gesto de Execuo (EMS) e Sistemas de Gesto de Pedidos
(OMS). este permite aos investidores e comerciantes para alternar entre fornecedores com mais
facilidade. Contudo, a evoluo constante de novos algoritmos e necessidade crescente de
personalizao significa que haver ser um ciclo contnuo de inovao e consolidao.
Apesar de seus objetivos diferentes, h ainda uma quantidade significativa de comunalidade
entre algoritmos de negociao. Em particular, este pode ser visto pelos seus parmetros, que so os
seus equivalentes das instrues opcionais que vimos para as encomendas.
Parmetros de algoritmo
Algoritmos de negociao pode ser controlada por uma gama de parmetros. Estes proporcionam o
algoritmos com limites ou linhas de orientao; elas pode ser algoritmo especfico ou genrico.
Parmetros especficos pode ser usado para especificar o quanto um algoritmo VWAP pode
desviar-se a partir da o perfil de volume histrico, ou a participao necessria para um por cento do
volume algoritmo.
Os parmetros genricos representam detalhes comuns, como quando comear e parar e se
reforar um limite de preo etc. A lista a seguir resume a maioria dos parmetros que so comumente
suportado, embora possam ser utilizados vrios nomes:
Incio / Fim dos Tempos: Algoritmos geralmente aceitam de incio especfica e tempos do fim,
em vez de condies tais como "bom para o dia". Alguns algoritmos, principalmente os
baseados nos custos, possa derivar seus prprios horizontes comerciais ideais, embora o incio e
trmino ainda deve atuar como limites rgidos. Certos algoritmos podem exigir um montante mnimo
de tempo para negociar, ento ordens com demasiado curto um horizonte pode ser rejeitada. Note-se
que quando os tempos de incio ou final do arco indefinido, defaults arco normalmente aplicado:
Para o tempo final, o padro normalmente o closc mercado, enquanto o a hora de incio ser
agora (ou no mercado aberto). Alm disso, lembre-se que quando se utiliza vezes importante
verificar que eles so transmitidos e interpretados corretamente, especialmente para estrangeiros
fusos horrios. Para os algoritmos que suportam negociao multi-dia, os bccomcs data final
igualmente importante.
Durao: Alguns fornecedores podem realmente abrir mo de tempos do fim, em vez de usar
uma durao parmetro.
Deve-ser-cheia: De um modo geral, os algoritmos de negociao apontar para a execuo
completa, excluindo a
119
outros mais oportunistas. As condies de mercado podem significar que esta meta no pode ser
sempre conseguida. Conseqentemente, parmetro um deve-ser-cheia ir garantir que o algoritmo
comercializa qualquer
quantidades residuais. Muitas vezes isso invocar terminar lgica
especializada, que tem um grande abordagem agressiva para garantir a concluso. Isso pode afetar
o custo / desempenho global.
Estilo de execuo: Normalmente, isso representa negociao passivo, agressivo ou neutro.
Agressividade em funo do tamanho e preo, assim que um algoritmo agressivo, muitas vezes,
executar mais rapidamente, mas a um custo mais elevado do que um impacto passiva.
Preo limite: Um limite de preo rgido oferece proteo de preos da mesma forma que faria para
uma ordem de limite.
Isto particularmente til para algoritmos que no tm uma sensibilidade inerente ao preo.
Limite de volume (mximo): Isto impede um algoritmo de negociar mais de um determinado por
cento do volume real de mercado. Se esta estiver a ser utilizado para prevenir o risco de sinalizao,
que pode ser melhor a utilizao de um impacto mnimo ou um algoritmo-driven liquidez.
Limite de volume (mnimo): Cuidado deve ser tomado ao impor nveis mnimos de
negociao, uma vez que poderia ter um efeito substancial nos custos de impacto no mercado.
Limite de volume (criana): Alguns algoritmos pode at mesmo apoiar limites sobre o tamanho
de qualquer criana ordens que so divididas off, ou at mesmo o nmero de pedidos que pode
ser existentes em qualquer momento. Mais uma vez, Se esta estiver a ser utilizado para reduzir o
risco de sinalizao pode ser melhor para mudar para um mnimo impacto ou um algoritmo-driven
liquidez.
Leiles: Esta bandeira pode ser usado para especificar se o pedido pode participar de
abertura, encerramento e quaisquer leiles intraday. Pode at haver parmetros para afirmar isso
como uma porcentagem do tamanho do pedido.
Como algoritmos desenvolver, h ser sem dvida novos parmetros comuns, mas a lista acima d
uma idia de seu alcance. Nas sees seguintes, cada uma das diferentes classes de algoritmo
sero analisadas com mais profundidade, bem como detalhando quaisquer parmetros especficos.
Para consistncia, ns geralmente usam a mesma ordem da amostra, para comprar 10 mil de um
razoavelmente ABC ativo lquido, para cada algoritmo. 2Esta abordagem deve tornar mais fcil
para comparar os algoritmos de negociao.
5.4
Algoritmos orientada para o impacto
Algoritmos orientada para o impacto evoluiu de estratgias simples ordem de corte. Ao dividir
maior ordens em ordens crianas menores, eles tentar reduzir a negociao tem efeito sobre o preo
do ativo, e assim minimizar os custos globais de impacto mercado.
Os algoritmos baseados preo mdio, ou seja, TWAP e VWAP, representam a primeira
gerao de algoritmos orientada para o impacto. Embora destinado a minimizar os custos de
impacto, a sua foco principal seus respectivos benchmarks. Estes so predominantemente
baseado no calendrio algoritmos, e para que eles costumam acompanhar trajetrias estaticamente
criados com pouca ou nenhuma sensibilidade a condies como preo ou volume. Seu objetivo
executar totalmente a ordem dentro do prazo estabelecido, independentemente das condies de
mercado.
A progresso natural destas abordagens estticas tem sido a adoo de mtodos mais
dinmicos. Isto tambm deu origem a uma mudana gradual no sentido mais oportunista
Obviamente, os volumes de negociao so significanlly diferente entre as classes de activos. Assim, um tamanho
total de 10.000 ordem pequeno para a maioria das aces, mas muito grande para alguns futuros ou ttulos. No entanto,
os princpios LHE mesmas aplicveis independentemente.
120
algoritmo
Viso
geral
do
negociao. Pereentage-de volume (POV) algoritmos so baseados no volume real do mercado

em vez de confiar em horrios estaticamente criados. Estes tm ainda mais evoludo para um
mnimo algoritmos de impacto, que levam uma abordagem mais furtiva, apontando para o impacto
no mercado zero.

The Time Preo Mdio Ponderado (TWAP) benchmark um preo mdio, o que reflecte
como preo de mercado do ativo mudou ao longo do tempo. Portanto, al goritmos de negociao
que tentativa de igualar este valor de referncia so geralmente baseados em uma programao
baseada em tempo uniforme. Elas no so afetadas por quaisquer outros factores, tais como o preo
de mercado ou volume. Algoritmos TWAP arco da extenso natural das primeiras abordagens
baseadas seccionar tempo.
Mecanismo bsica
A verso mais simples TWAP um algoritmo baseia-se em corte tempo. Figura 5-1 mostra dois tais
ordens, cada compra de 10.000 ABC ativos. Ordem 1 emite ordens de criana para cada 500
perodo de quinze minutos para 5 horas, enquanto que 2 fim comrcios dobrar que mais de metade
do tempo.
Orderl
tamanho
e u o r d e n o 2tamanho
Ps m Mercado volume
Preo
Figura 5-1 Duas ordens exemplo TWAP

Claramente, tanto padres de negociao so extremamente uniforme, e independente de ambos
mercado volume e preo. Sem surpresa, os grficos rale concluso idealizadas para ambos
ordens arco linhas rectas, como mostrado na Figura 5-2.
A negociao de tais uma forma previsvel pode conduzir a um risco considervel de sinalizao.
Na verdade, a nica coisa que os outros participantes do mercado no sabem o tamanho total da
ordem. Ainda que outros participantes no "jogo" esta estratgia que pode ainda sofrem de m
qualidade devido execuo sua rgida aderncia ao calendrio, em especial quando se tornam
desfavorveis ou priccs a liquidez disponvel repente cai.
Em alternativa, ns pode utilizar a natureza linear da concluso perfil alvo para adoptar uma mais
abordagem de negociao flexvel. A qualquer momento, podemos determinar a quantidade
alvo a ordem deveria ter conseguido apenas olhando-se o valor correspondente na taxa de
concluso
121
grfico. Por exemplo, um TWAP 2 horas deve ter 25% da ordem executada depois de meia hora.
Ento, ao invs de seguir o rigoroso padro slieing vez que poderia adotar uma abordagem um
pouco mais aleatria. Por constantemente comparando o nosso progresso com a quantidade alvo ideal,
ns pode ento ver quo longe (ou frente de) o cronograma somos. Assim, agora podemos variar a
freqncia eo tamanho da negociao, enquanto ainda seguindo o mesmo perfil de concluso prevista.
este nos permite negociar com um padro muito menos bvio negociao.
100%
80%
60%
40%
20%
0%
- - O r d e m Eu
fSf
- # - Ordem 2
Figura 5-2 Taxa de concluso para a amostra TWAP encomendas

Por exemplo, a figura 5-3 mostra uma ordem TWAP randomizados para comprar 10.000 ABC:
VolumePrice
Ordem Randomizado tamanho
Mercado mm volume
Preo
Figura 5-3 A ordem TWAP mais randomizados

As ordens so divididos aleatoriamente criana durante o dia, com alguns perodos nem a
emisso de uma ordem. Tabela 5-2 mostra como as quantidades negociadas para cada perodo de
15 minutc
Viso gera l do
122
algoritmo
comparar com as metas idealizadas. s vezes, a negociao est aqum das quantidades tericas,
embora tambm pode obter um pouco antes do previsto, por exemplo, s 8:15 e 09:45.
este pode ser visto mais claramente na comparao dos grficos de taxa de concluso, como
ilustrado na Figura 5-4. Evidentemente, a ordem randomizados ainda controla a taxa linear de
concluso alvo bastante de perto, o que lhe d uma boa chance de igualar o benchmark TWAP.
Hor
08: 0 0
08: 1 5
08: 3 0
08: 4 5
09: 0 0
0 9: 5 t
09: 3 0
09: 4 5
rio de
30 0
40 0
15 0
20 0
30 0
400
20 0
45 0
Toiat
30 0
70 0
85 0
105 0
135 0
175 0
195 0
240 0
Alvo lolal
29 0
57 0
86 0
114 0
143 0
171 0
200 0
229 0
Diferena
10
t3 0
-para
-9 0
-8 0
40
-5 0
HO
Tabela 5-2 O padro de negociao para uma ordem TWAP mais randomizados
Randomis e d
S t a nda r d
Figura 5-4 taxa de concluso do uma ordem TWAP randomizados

Esta abordagem ligeiramente randomizados tambm permite maior flexibilidade na
estratgia de negociao, embora possa aumentar o risco de perder a referncia TWAP.
Tambm permite uma mais abordagem dinmica, por exemplo, podemos ajustar a
agressividade ordem com base em como muito frente ou atrs de ns cronograma arco.
Conseqentemente, uma estratgia de colocao de ordem mais passiva possvel, permitindo
algum grau de melhora de preos. Alm disso, esta abordagem permite ignorar as condies de
mercado desfavorveis (pequenas melhores tamanhos lance / oferta, com grandes saltos de
preos), ou mesmo esprios que podem corresponder s tentativas de jogos. Dito isso, essas
melhorias significa que ns ARC agora a tentar bater o benchmark TWAP ao invs de fsforo
isto.
Variaes comuns
Algumas verses pode permitir que um factor adicional a ser aplicado escala de negociao,
o qual inclina-lo e assim tornando-se o comrcio, quer de forma mais agressiva ou mais passivamente,
como mostrado na Figura 5-5. A postura mais agressiva vai emitir mais encomendas no incio,
ajudando a reduzir o risco temporal, enquanto uma abordagem mais passiva deve resultar em menores
custos de impacto no mercado.
Um algoritmo de preo TWAP adaptativa pode at ajustar sua programao dinamicamente com
base em o preo de mercado (embora, sem dvida, o que torna um algoritmo de linha de preos
simples).
123
0.00 %
Figura 5-5 As taxas de concluso para um TWAP "inclinado"
Parmetros especiais:
Rastreamento: Algumas variantes podem ter parmetros personalizados que permitem o
controle sobre quo perto eles rastrear o perfil de concluso prevista. Isso pode ser apenas um
interruptor on / off ou limites reais para quo longe ela pode ir em frente (ou atrs) agenda (como
cither uma porcentagem ou possivelmente um dinheiro valor). Isso poderia at ser inferida a partir
de um parmetro de estilo de execuo.
Intervalo de frequncia: Algumas verses podem permitir que o controle sobre a freqncia
com que comercializa e se ele usa randomisations para variar os intervalos.

O VWAP (volume preo mdio ponderado) de referncia para um determinado perodo de tempo
o valor total negociado dividida pela quantidade total negociado. Como referncia, ele tornou-se
rapidamente sincc onipresente d- um reflexo justo das condies de mercado durante todo o dia e
simples de calcular. este levou a algoritmos que acompanhou o ndice de referncia VWAP
tornando-se extremamente popular.
Mecanismo bsica
Como o prprio nome sugere, VWAP uma mdia ponderada por volume, corresponde ao total
volume de negcios dividido pelo volume total. Dada n comrcios em um dia, cada um com um
preo especfico pn e tamanho vn ns pode expressar o VWAP diariamente como:
VWAP = -4
2> .
n
Assim, grandes comrcios ter mais impacto sobre o preo de referncia do que os pequenos.
Considerando que a aproximao TWAP foi simplesmente uma questo de negociao
regularmente durante todo o dia, para ns VWAP Tambm ser necessrio negociar nas propores
corretas. No entanto, uma vez que estes so baseado no volume de negcios do dia no sabemos de
antemo que estas propores Deve ser.
Uma soluo comum para este problema tem sido a utilizao de perfis de volume histricos. Esses
so
124
algoritmo
Viso gera l do
mdias de volume negociado histrico para intervalos de tempo fixos durante todo o dia. Se o dia
dividido em jperodos, em seguida, o VWAP diria pode ser expresso como:
VWAP ^ UjPJ
j
onde Uj a porcentagem do volume dirio negociado e pj o preo mdio de cada perodo.
Robert Kissell Morton e Glantz (2003) mostram que o horrio de negociao ideal para cumprirem
os padres estabelecidos VWAP pode basear-se esta percentagem. Em outras palavras, o alvo
quantidade Xj para cada perodo j:
Xj = L
jx
(5-1 )
Onde x o tamanho total da ordem. Assim, podemos usar esta equao para predeterminar o nosso
padro de negociao ideal. Esta abordagem tem sido a base para a maioria dos algoritmos VWAP.
Nota que assume claramente que o volume de negcios do dia segue um padro semelhante ao
histrico perfil. Devido a o perfil histrico baseado em dados suficientes essa uma suposio
razovel para muitos ativos lquidos. No Captulo 10, vamos discutir perfis de volume histricos em
mais detalhes.
Continuando com nosso exemplo para comprar 10.000 ABC, Figura 5-6 mostra uma amostra
diria Padro de negociao VWAP. Aviso prvio que neste exemplo, a negociao dependente
do histrico perfil de volume. isto no afetado pelo volume real de mercado ou por ehanges preos.
VolumePrice
Ordem tamanho
Histrico volume
Preo
Figura 5-6 Um exemplo ordem VWAP

Para ver como o padro de negociao foi determinada, Tabela 5-3 mostra o volume histrico
perfil para cada perodo de quinze minutos, em conjunto com o tamanho do alvo baseados nele. Por
exemplo, 8:00 - 8:15 o perfil histrico de volume mostra um volume mdio de 2600, de um total de
49.780. Isso corresponde a 5,2%, portanto, usando a equao 5-1 e dado que ns arc negociao para
o dia inteiro, em seguida, nosso tamanho de destino para este perodo de 520.
125
08:00
08:15
08:30
08:45
09:00
09:15
09:30
09:45
2600
2560
2700
2800
2500
2080
1560
960
640
% De dia
5.2
10,4
15,8
21,4
26,4
30,6
33,7
35,7
37,0
Targel
520
510
540
560
500
420
310
190
130
a: 15
10:30
10:45
11:00
ll: t 5
11:30
11:45
00:00
00:15
400
440
360
280
400
480
400
520
320
40,7
41,7
42,5
43,6
44,2
Tempo
Hisl
Tempo
Hisl Volm
10:00
37,8
38,7
39,4
39,9
80
90
70
60
80
100
80
100
60
Tempo
00:30
00:45
13:00
13:15
13:30
13:45
14:00
14:15
14:30
Hist Volm
480
480
640
800
960
1040
960
1120
1280
% De dia
45,2
46,1
47,4
49,0
50,9
53,0
55,0
57,2
59,8
Targel
100
100
130
160
190
210
190
220
260
14:45
15:00
15:15
15:30
15:45
16:00
16:15
16:30
Hisl Volm
1400
1920
2200
2400
2600
2800
3000
3700
% De dia
62,6
66,5
70,9
75,7
80,9
86,5
92,6
100.0
Targel
280
390
440
480
520
560
600
740
% De dia
Alvo
Tempo
Tabela de dados de perfil 5-3 de volume para um exemplo ordem VWAP

Durante todo o dia, o algoritmo de negociao, em seguida, s precisa colocar encomendas
suficientes em cada intervalo para manter-se com este perfil de execuo de destino. Assumindo
que isto conseguido, a resultante grfico de percentual de concluso mostrada na Figura 5-7.
% concludo
Figura 5-7 Percentagem de concluso para um exemplo ordem VWAP

Algoritmos VWAP modernas incorporam frequentemente lgica complexa para determinar se
eles maio chegar frente de sua programao, ea melhor forma de recuperar o atraso se eles esto
atrs de seu alvo. No geral, seu desempenho baseada em quo bem eles rastreiam o alvo, mas
tambm sobre a forma como eles prevem volume do mercado. Portanto, a forma como os perfis de
volume histricos so compilados tambm pode ter um efeito marcante. Nota para os mercados
fragmentados dados agregados podem ser utilizados.
Em termos gerais, para este exemplo, os volumes histricos e reais do mercado so
126
algoritmo
Viso
geral
do
razoavelmente semelhante, por isso, nosso padro de negociao deve ser uma aproximao justa
para o dia do VWAP (sem levar em conta o impacto no mercado e outros tais custos de derrapagem).
Obviamente, se o volume de mercado significativamente diferente para o perfil histrico do volume,
em seguida, o desempenho pode muito bem sofrer.
Outra forma de visualizar isso o grupo de volume de mercado do dia por seu preo. Para
exemplo, utilizando os mesmos dados do nosso exemplo comrcio para comprar 10.000 ABC,
Tabela 5-4 mostra o mercado total (e histrico) volumes agrupados pelo preo mdio para cada
hora do dia de negociao. A partir disso, pode calcular um VWAP aproximado para todo o dia de
negociao,
VWAP = Valor Total / Quantidade = 332360/60300 = 5,5118
Em vez de utilizar os volumes de mercado reais, tambm podemos calcular um VWAP terica
baseado puramente sobre os volumes do perfil histrico. Isto d um VWAPhisI = 274400 / 49780
= 5,5123. Assim, neste exemplo, o nosso perfil histrico de volume de fato um aceitvel caber,
usando-o para guiar nossos resultados padres de negociao em um preo mdio no prazo de um
ponto base o VWAP diria.
Preo
Mkt
Volm
Hist
Volm
Ideal
Trade
Hist
Com
rcio
5.49
5,495
5.5
5,505
5.51
5,515
5.52
5,525
600
2000
4700
14200
11300
8600
11600
7300
60300
480
1360
3280
10780
10000
7660
9720
6500
49780
100
330
780
2350
1870
1430
1920
1210
10000
100
270
660
2170
2010
1540
1950
1310
10000
Tabela 5-4 do mercado e volumes histricos de exemplo comrcio
Variaes comuns
A dependncia em dados histricos significa que os algoritmos VWAP podem ser vulnerveis
a sbita mudanas no volume de negociao ou de liquidez. Estes podem causar desvios
considerveis de VWAP. Portanto, algumas verses tambm podem monitorar as con dies de
mercado atuais. Efetivamente, isso torna um hbrido entre um algoritmo VWAP esttica ea
abordagem participao no volume mais dinmico.
Algumas variantes podem oferecer uma abordagem mais adaptativa que acompanha preos no
curto prazo e as tendncias de volume e ajusta dinamicamente seu perfil de execuo de destino
em conformidade. Embora, essas personalizaes significa que eles so no verdade algoritmos
VWAP mais.
Rastreamento: Alguns algoritmos VWAP permitir o controle sobre quo perto eles rastreiam
o alvo Perfil completo. Normalmente, esta atravs de parmetros personalizados ou apenas
inferida a partir de uma execuo parmetro de estilo.
Hora de incio tempo / Final: Estes podem ser especificados para negociar o VWAP para um
intervalo especfico; caso contrrio, a maioria dos algoritmos sero padro para negociao
durante todo o dia.
Trending / Inclinao: Geralmente, VWAP uma referncia aceitvel para o comrcio no
sentido de se no tm uma viso especfica sobre o preo do ativo. Mas, se esperamos o preo a
tendncia ao longo do dia, ento isso poderia vir a ser uma opo cara. Algumas verses podem
fornecer parmetros aquele deixar que o perfil cxccution alvo ser inclinado para tanto o incio ou o
fim do dia. UMA
127
exemplo mais detalhado dado na Kissel! e Glantz (2003). Note-se que tambm pode valer a
pena considerando um algoritmo alternativo em tais casos.
Por cento de Volume (POV)

Por cento do volume (POV) algoritmos de "ir junto" com o volume de mercado; portanto, eles
so tambm chamados de linha de volume, participao, volume de destino ou seguir algoritmos.
Idealmente, o resultado lquido deve ser que se um milho de aes da XYZ comrcio em um dia,
em seguida, um POV algoritmo de rastreamento uma taxa de participao de 20% deveria ter
executado 200.000 desses.
Mecanismo bsica
Ao contrrio dos algoritmos, como TWAP e VWAP, onde um horrio de negociao pode ser
predeterminado, para algoritmos POV o horrio de negociao determinado dinamicamente. o
algoritmo tentativas para participar no mercado a uma determinada taxa, em proporo com o
mercado volume. Por exemplo, a Figura 5-8 mostra a nossa ordem de exemplo para comprar
10.000 ABC usando um POV algoritmo com uma taxa de participao de 20%. Observe que no h
nenhuma relao entre o padro de negociao eo preo de mercado. Como a Tabela 5-5 mostra, o
tamanho comercial alvo impulsionado apenas pelo volume de mercado observado.
Volume
Preo
Ordem tamanho
mm
Mercado volume
Preo
Figura 5-8 Um exemplo fim POV
Tempo
08:00
08:15
08:30
08:45
09:00
09:15
09:30
09:45
mkl Volm
3100
3000
3200
3600
2800
2000
1600
1200
Alvo
620
600
640
720
560
400
320
240
..
Tabela 5-5 dados de volume de mercado para o fim exemplo POV

Alm disso, observe que a ordem completa por quatro horas. O algoritmo POV conclui assim que
o volume de mercado permite, ou a seu tempo final especificado (o que ocorrer primeiro). A
porcentagem
128
algoritmo
Viso
geral
do
Perfil completo mostrado na Figura 5-9. Em comparao, uma ordem VWAP ir espalhar-se para
fora para tomar o tempo disponvel. Em termos gerais, no entanto, o padro de negociao POV ainda
parece bastante semelhante ao exemplo ordem VWAP vimos na Figura 5 -6. Isto porque o fim
representa cerca de um quinto do volume histrico do dia, e do histrico e de mercado perfis de
volume so bastante semelhantes. Portanto, a ordem VWAP exemplo da Figura 5 -6 quase
umaproxy para a participao de 20%.
- - % Concludo
Figura 5-9 Percentagem de concluso para um exemplo fim POV

importante notar que, apesar de algoritmos POV so dinmicos, eles ainda no podem prever
volume do mercado. Eles reagem a comrcios notificados para se manter em linha com o
volume observado. Para instncia, Tabela 5-6 mostra uma repartio mais pormenorizada das
operaes de mercado para o nosso exemplo fim, para o 8: 15-8: 30 intervalo de tempo, com nossas
execues em destaque.
Tempo
08:16:02
08:19:24
08:23:09
08:25:15
08:27:06
08:28:26
08:29:21
preo
TradeTarget
tamanho
5.56
5.56
5.57
5.55
5.56
5.56
5.56
500
1000
200
400
300
400
200
Accum.
Quantidade mercado
posilion
volume
500
100
1500
300
1700
340
2100
420
2400
480
2800
560
3000
600
atrs
100
300
340
20
80
160
0
Tabela 5-6 A repartio das operaes de mercado para o exemplo fim POV
Como vimos na Tabela 5-5, para este perodo, o volume de mercado de 3.000, dos quais
gostaramos de ser 600. Por isso, ao 08:23, quando 1.700 de ABC j negociados gostaramos de ter
visto 20% desse valor, ou 340. No entanto, em vez de responder a cada in divduo que ns
comrcio ean Os pontos de disparo estabelecidas, por exemplo, ns alcanamos s 08:25, preenchendo
um pedido para 400. Note-se que uma vez que estamos reagindo ao volume de executado, o clculo
nossos tamanhos reais de ordem precisamos ajustar nossa taxa de participao ligeiramente para
explicar nossa prpria negociao. Isto porque quando veja 1000 foi executado, se ns, em
seguida, negociar outros 200, mudamos o volume global, e portanto, este no vai ser realmente
20% de participao mais:
129
Taxa de participao = 200 / (200 + 1000) = 16,667%

Portanto, podemos aproximar o tamanho do comrcio exigida usando o fator de ajuste 1 / (1-p),
onde p a nossa taxa de participao. No caso da nossa ordem exemplo, ns realmente precisamos 1 /
(1-0,2) = 25% de cada observada novo comrcio (excluindo os nossos prprios comrcios). Por
exemplo, quando um comercial de 1000 foi executado, a diviso de um fim para uma outra criana d
250:
Taxa de participao = 250 / (250 + 1000) = 20%
Isso destaca uma preocupao comum sobre algoritmos POV: Se vrios esto competindo por um
ativos ilquidos, eles poderiam comear a dirigir-se mutuamente sobre, como dois licitantes no
leilo desesperada para comprar o ltimo lote. Potencialmente, isso poderia levar a impacto
significativo no mercado. Para tentar proteger a partir de tais situaes limites de preo firma
pode ser aplicado s ordens de POV, uma vez que o algoritmo em si no tem a sensibilidade ao
preo inhuilt. Isto ir, pelo menos, controlar o preo de execuo, embora poder bem levar ao fim
deixando de executar plenamente.
Outra considerao a forma como o algoritmo de POV realmente responde ao volume
registado. E se simplesmente divide uma nova ordem criana cada vez que h um comrcio, em
seguida, o padro de negociao resultante quase to previsvel como simples corte ordem, como
Tom Middleton (2005) destaca. Para evitar tal sinalizao risco que pode acompanhar o volume de
destino e do comrcio mais periodicamente, como fazemos no exemplo mostrado na Tabela 5-6.
Negociao desta forma permite-nos para variar a colocao de ordem, e ajustar a agressividade de
nossas tticas de execuo com base em como estamos atrasados.
De igual modo, embora seja baseado em dados de tempo real, o POV pode ainda ser um
reactivo abordagem. Ondas repentinas de volume so difceis de prever isso mesmo que o
algoritmo foi mantendo frente da taxa de participao alvo, um forte aumento no volume ir
inevitavelmente coloc -lo atrs alvo. Se o aumento deveu-se algumas grandes transaces, pode
muito bem ser tarde demais para participar. Assim, a maioria dos algoritmos POV usar uma
variedade de salvaguardas para prevenir-se de perseguir picos de volume, como comparar o
tamanho comercial alvo com o volume atualmente disponvel no livro de ofertas. Algumas
verses podem permitir que o controle sobre o mercado clculos de volume, tanto para ex cluir
cpias de bloco ou para definir um tamanho comercial mximo admissvel. Mercados fragmentados
tambm complicar as coisas, uma vez que h arco vrios volumes para acompanhar.
Tal como acontece com algoritmos VWAP, o desempenho de algoritmos POV depende da
tcnicas que empregam para rastrear seus alvos. Deve ser lembrado que um dos a chave
objetivos minimizar o impacto global do mercado. Na prtica, algoritmos POV pode muito
bem levar em conta outros factores, tais como liquidez, para ajudar a determinar a melhor forma
eles devem negociar.
Variaes comuns
Alguns algoritmos POV pode incorporar previso para tentar antecipar melhor o prximo volume
de negociao. Geralmente, tais abordagens so baseados em uma mistura de perfis de volume
histrico, volume observado atual e anlises quantitativas.
Preo verses de algoritmos adaptativos POV tambm esto comeando a aparecer. Estes
ajustar a taxa de participao com base em como o preo de mercado atual se compara a um
ponto de referncia. Alguns variantes pode at se adaptar s mudanas de preos relativos de
outros ativos, como o sector ou ndices de mercado ou mesmo ETFs.
Programas de recompra de Empresa em os EUA costumam usar a disposi o de "porto
seguro" concedido pela da SEC Regra 10h-18, que protege contra os emitentes responsabilidade
por manipulao de mercado. Isso exige de tempo, preo e volume condies estritas, destinadas a
minimizar o impacto no mercado
de recompras. Alguns corretores / vendedores fornecem
dedicados algoritmos de recompra de aes corporativas que aderir a estes requisitos. Muitas
vezes, estes so, de facto, com base em algoritmos POV modificados. Um
130
algoritmo
Viso
geral
do
das principais mudanas adicionar uma condio de preo que garanta o algoritmo no emitir
ordens que acabam fazendo com o mercado, de modo que eles fazem no permitir que as suas
ordens criana a ser mais do que priccd a ltimo negcio ou o melhor lance atual.
Taxa de participao: Claramente, esse percentual o parmetro chave para algoritmos POV.
Rastreamento: Alguns algoritmos POV permitir o controle sobre quo perto eles rastreiam o
alvo taxa de participao. Pode at ele possvel dictatc como muito frente e atrs ele pode ficar,
ento wc pode permitir-lhe muita margem de manobra para estar frente, mas quase nenhum que
deve ficar para trs. Efetivamente, isso becomcs um mecanismo de inclinao para a taxa de
participao-alvo. Tambm para as variantes que permitem um ajuste mais dinmico da taxa de
participao no ter de ser parmetros adicionais, o que nos permite especificar o que o valor de
referncia e exatamente como o taxa de participao deve mudar em relao a esta.
Desconto filtros: Estes ajudam a evitar que o algoritmo desnecessariamente perseguindo
volume. Alguns verses permitem operaes de blocos a serem excludos; alternativamente, os
limites de tamanho mximo comerciais pode ser ajustado. Em os EUA, alguns vendedores ainda
permitem o controle sobre se o volume est sendo monitorado a partir da troca ou primrio um
total de volume composto por todos os locais de execuo comuns.
Hora de incio: Nota que os algoritmos POV nica controlar o volume do mercado, enquanto eles
esto activc, eles no vai tentar recuperar o atraso com volume negociado desde o aberto.
Fim do tempo: Desde algoritmos POV so movidos por volume de mercado e no por uma
agenda, seu tempo final real varivel. O tempo final apenas atua como um limite firme, embora no
garantir que a ordem ser concludo at ento. Por outro lado, se os picos de volume de mercado em
seguida, a ordem poderia concluir mais cedo do que o esperado.
Deve-ser-cheia: Como vimos para o tempo final, a natureza varivel do POV significa que a
necessidade wc sinalizador se 100% de concluso necessria. Isso permite que o algoritmo para
alterar seu estilo de negociao quando ele est correndo contra o tempo.
Preo limite: Algoritmos POV tem nenhuma dependncia preo intrnseco; portanto, um
preo firme limite pode ser utilizado. Observe que, embora algoritmos POV normalmente rastrear
todo o volume de negociao quando um limite de preo aplicado deve ignorar todos os comrcios
que o arco fora do alcance deste limite. Caso contrrio, todas as vezes que o preo se move para
trs, dentro do limite ele ir se comportar como se no tivesse fui um aumento sbito de volume.
Estilo de execuo: Alguns algoritmos POV pode apoiar um parmetro de execuo-stylc, que
permite fine-tuning do seu comportamento comercial. Uma abordagem mais passiva pode ser usado
para tentar alcanar a melhoria de preos, enquanto um estilo agressivo ir acompanhar a taxa de
participao mais de perto. Essencialmente, esta uma outra forma de o parmetro de rastreamento.
Esta escolha pode tambm ser ditada pela liquidez do ativo, por exemplo, para ativos ilquidos
comercial mais agressiva pode ser necessrio para evitar ficar atrs suas metas.
Impacto mnimo
Algoritmos de mnimo impacto representam a prxima progresso lgica do VWAP e POV
algoritmos. Ao invs de procurar rastrear um benchmark orientado para o mercado que eles se
concentrar exclusivamente na minimizando o impacto no mercado.
131
Sinalizao de risco uma considerao importante para estes algoritmos. Isto representa as
perdas potenciais devido a informaes que os nossos rels padro de negociao para o outro
mercado participantes. dependente tanto nosso tamanho e ordem de liquidez do ativo. Assim, os
algoritmos se concentrar em aproveitar as facilidades oferecidas pelo programa "dark pool" ATS
e corretor de interno cruzando redes, bem como a utilizao de tipos de ordens ocultas para
reduzir este risco.
Mecanismo bsica
A verso mais simples um algoritmo impacto mnimo rotear todo o fim de um "dark pool "ATS e
apenas deix-lo l. Embora as taxas de acerto reais sobre alguns ATS pode ele bastante baixos, muitos
algoritmos tambm podem funcionar uma pequena poro do fim de assegurar um separadamente
razovel nvel de execuo. Por exemplo, poderamos deixar 80% na ATS e negociar o restante
usando um VWAP passiva ou algoritmo POV, ou mesmo um orientado a liquidez um.
Alternativamente, algumas variantes podem ajustar dinamicamente a tamanho total disponvel em
cada ATS Tempo o algoritmo decide se separar de outra ordem criana. Note que para ATS, que
suportam ordens condicionais ou IOIs, uma indicao poderia ser deixado para toda a ordem
enquanto em ordens criana paralelas poderia ser trabalhado nos mercados. Portanto, o padro de
comrcio global muito dependente preenchimentos da ATS. Hcnce, isso muito mais varivel
do que alguns dos outros algoritmos j vimos, assim Figura 5-10 apenas uma possibilidade:
Volume
Preo
Ordem tamanho
milmetro
Mercado volume
Preo
Figura 5-10 Um exemplo ordem impacto mnimo

Os preenchimentos considerveis em Figura 5-10 correspondem aos cruzamentos bem
sucedidos na ATS, que so geralmente feito na preo mdio para o mercado principal. Os restantes
correspondem a preenchimentos negociao no mercado principal e outros locais.
No geral, o grfico de taxa de concluso para este exemplo parece bastante semelhantes aos
de VWAP e POV algoritmos, como a Figura 5-11 shows. Note-se que para este exemplo
80% do ordem foi preenchido a partir da ATS. Se esses preenchimentos no tivesse ocorrido, o
algoritmo teria de fazer-se, tanto quanto possvel sobre os outros locais enquanto ainda tentando
minimizar os custos de impacto. Assim, possvel que a ordem s teria parcialmente concluda.
132
algoritmo
Viso
geral
do
% Concluda
Figura 5-11 taxa de concluso para o fim impacto mnimo da amostra
Variaes comuns
Algumas verses podem incorporar modelos para estimar a probabilidade de ser preenchido em
a ATS, usando isso para determinar o quanto da ordem deve ser deixado l. Da mesma forma,
modelos de custo impacto pode ser utilizado para prever o potencial de custo global, que pode
ento ser utilizado como um alvo de referncia. Em muitos aspectos, h um monte de cruzamento
entre esses algoritmos e Essa dos mais queridos baseados nos custos, que analisaremos na prxima
seo. Da mesma forma, o abordagens baseadas-stealth usada para reduzir o impacto significa que
eles compartilham um monte de a mesma lgica que a algoritmos orientado a liquidez, o que
veremos em mais detalhe na seco 5.6.
Visibilidade: Quanto de a ordem pode realmente ser exibida em locais de execuo. No
visibilidade implica a ordem apenas trabalhou em "dark pool" ATS enquanto baixas garante
visibilidade tipos de ordem que s ocultos ou do COI ordens so usados em outros locais.
Deve-ser-cheia: O algoritmo de impacto mnimo focado apenas na reduo de custo a este
o risco de no conseguir executar integralmente, muito parecido com uma ordem de limite. Se h uma
exigncia para totalmente preencher a ordem, ele pode ser mais conveniente utilizar um algoritmo de
custo-hascd vez.
5.5
Al gorit mos custo -dri ven
Algoritmos custo-driven procuram reduzir os custos globais de transao. Como vimos no

Captulo 2, estes so muito mais do que apenas as comisses e spreads. Custos implcitos tais
como impacto no mercado e risco temporal arco importantes componentes do custo total.
J vimos que o impacto no mercado pode ser minimizada pela diviso a negociao sobre um
longo perodo de tempo. No entanto, isso expe ordens para um risco muito maior de calagem,
particularmente para os ativos volteis. Por isso, os algoritmos de custo-driven precisa de algum
modo rcducc temporizao risco como bem. Figura 5-12 destaca esses requisitos diferentes
traando como os vrios custos Muda com o tempo. Claramente, o tempo tem um efeito oposto
sobre o impacto no mercado e risco temporal.
133
Figura 5-12 custos estratgia de negociao

A fim de minimizar os custos globais de transaco que precisamos atacar de alguma forma um
equilbrio impacto no mercado e entre a exposio global ao risco de temporizao. Como vimos
no Captulo 1 deste, o que Kissell e Glantz (2003) referem como o dilema do trader: Compravenda de forma demasiado agressiva pode resultar em impacto considervel no mercado, enquanto
negociao incorre muito passivamente cronometrando risco. Dentro a fim de encontrar o equilbrio
certo, devemos tambm ter em conta o investidor de nvel de urgncia, ou a averso ao risco.
Algoritmos conduzido a custos iniciais evoluiu de os movidos a impacto por fatores
incorporando tais como risco temporal. Cada vez mais, porm, algoritmos drivcn custo foram
construdas a partir de zero usando modelos de mercado complcx para estimar os potenciais
custos de transao e assim por determinar a estratgia de negociao ideal para cada ordem.
Dficit de implementao representa um algoritmo puramente custo-drivcn. Procura minimizar
o dficit entre o preo mdio do comrcio e da referncia atribudo, que deve rcflect preo a deciso
do investidor.
Algoritmos adaptativos dfice so apenas derivados mais oportunistas do dficit de
implementao. Em geral, eles so mais sensveis ao preo, embo ra variantes orientado a
liquidez arco tambm comeando a aparecer.
Markct-on-close algoritmos de se esforar para bater uma referncia indeterminada, ou seja,
o preo de fechamento futuro. Ao contrrio TWAP ou VWAP onde a mdia evolui ao longo do
dia, mais difcil de prever onde o preo de fechamento vai ser realmente. Novamente, o objetivo
chave para esta algoritmo encontrar um balancc entre o custo de impacto e risco temporal. Com
efeito, a reverter dficit de implementao: Em vez de determinar um tempo final ideal,
precisamos calcular o tempo de partida ideal.
Nas sees seguintes, ns vai ver como cada uma delas lida com nossa ordem exemplo.

Implementao dfice representa a diferena entre o preo pelo qual o inve stidor decide ao
comrcio e ao preo mdio de execuo que realmente alcanado. Sua deciso atos de preos
como referncia, embora muitas vezes isso no especificado por isso em vez do preo mdio quando
a ordem atinge o corretor usado como um padro.
134
algoritmo
Viso
geral
do
Mecanismo bsica
o objectivo de algoritmos dfice implementao alcanar uma execuo mdia que pricc minimiza
o dficit quando comparado com o preo de deciso. Como vimos na Figura 5 -12, a chave
para conseguir isso encontrar o justo equilbrio entre o impacto de mercado e sincronismo risco.
Muitas vezes, isto significa que os algoritmos tendem a ter apenas enquanto for necessrio para
impedir impacto significativo no mercado.
Desde atingir esta meta mais complicado, existe uma variedade muito mais em como corretores
/ vendedores enfrentar dficit de implementao em comparao com algoritmos mais simples.
Como Middleton (2005) relata, alguns destes algoritmos so essencialmente verses do
reforada VWAP ou POV algoritmos. Estes utilizar modelos de custos para determinar um
horizonte ideal de negociao, que aqui incorporada como seja um modelo determinado tempo do
fim ou uma taxa de participao optimizada. Verses modernas tm sido muitas vezes construda
de baixo para cima, de reagir mais oportunista para preo e liquidez.
Para simplificar, vamos focar em exemplos baseados em um horizonte de negociao ideal.
Estes pode ser dividida em duas abordagens principais; um baseado em horrios comerciais
criados estaticamente enquanto que os outros adota um mecanismo mais dinmico reagindo ao
volume do mercado.
O primeiro passo realmente determinar o horizonte comercial id eal, que deve levar em
conta para fatores como o tamanho do pedido eo tempo disponvel para negociao. Ele tambm
deve incorporar informaes especficas de activos, como sua liquidez e volatilidade. Alm disso,
tambm deve levar wc conta de urgncia do investidor, ou a averso ao risco. Modelos
quantitativos ser ento utilizada para leva todos esses fatores e derivar o horizonte comercial ideal.
Geralmente, um horizonte comrcio mais curto devido a:
Os ativos com alta volatilidade, tambm aqueles com baixa lance offer spreads
Averso ao risco elevado
Tamanho menor ordem, to impacto menor potencial

Ns cobrir os efeitos desses fatores em mais detalhes no Captulo 7. Para efeitos desta seco,
vamos supor que o nosso ABC exemplo ativo lquido com uma volatilidade moderada resultando
em um tempo final de 14:30 ideal para uma ordem para comprar 10.000.
Tendo calculado o horizonte comrcio nosso exemplo verso esttica, ento, determinar o
horrio de negociao, enquanto a dinmica um vai determinar a participao mais adequada
taxa. Desde a sua referncia predeterminado, ambas as abordagens tendem a favorecer mais
em negociao o incio de uma ordem, enquanto o preo mais prximo do valor de referncia,
como Tracy Preto e Owain Auto (2005) nota. Conseqentemente, um factor de inclinao podem
ser utilizados para tentar deslocar o comrcio para o comeando, com o objetivo de reduzir o risco
de tempo sem causar impacto excessivo mercado.
Vamos comear primeiro com a verso esttica. Em termos gerais, este semelhante ao
um VWAP inclinado algoritmo. Figura 5-13 mostra o padro de negociao resultante de uma
ordem de exemplo comprar 10.000 ABC.
O perfil histrico de volume usada com fim do tempo ideal para determinar a base perfil de
negociao. Para o nosso exemplo, as informaes de volume histrico 8:00 -14:30 usado para
gerar novas percentagens alvo para esta janela de tempo. Estes so mostrados para cada intervalo
na Tabela 5-7, rotulado como "% de janela". Com menos intervalos, essas metas so todos mais
elevado, por isso, enquanto para o VWAP dia inteiro o intervalo 08:45 - 09:00 foi responsvel
por 5,8% do o volume total histrico, agora responde por 9,4%.
Next, um factor de inclinao aplicada para aumentar ainda mais a negociao no incio da
ordem. Pela simplicidade, usaremos um factor que varia de 1,3 at 0,7 e diminui em cada 0,1 horas.
135
VolumePrice
Ordem tamanho
wh k histrico volume
C Z Mercado J volume
Preo
Figura 5-13 Um exemplo a ordem determinada estaticamente
Tempo
Hist Volm
08:00
08:15
08:30
08:45
09:00
09:15
09:30
09:45
10:00
2600
2560
2700
2800
2500
2080
1560
960
640
3.2
2.2
% De janela
8,7
8.6
9.1
9.4
8.4
7. 0
5.2
Tilt
1.3
1.3
1.3
1.3
1.2
1.2
1.2
1.2
1.1
Alvo Volm
1140
1120
1180
1220
1010
840
630
390
240
Tempo
10:15
10:30
10:45
11:00
11:15
11:30
11:45
00:00
00:15
320
Hisl Volm
400
440
360
280
400
480
400
520
% De janela
1.3
1,5
1.2
0,9
1.3
1.6
1.3
1.7
1.1
Tilt
I,
+
150
1.1
1.1
0,9
0,9
160
130
90
130
160
130
160
100
Alvo Volm
Tabela extrato cronograma 5-7 de Negociao de um dficit de implementao

esttica
Embora simplista, ainda d um perfil de negociao razovel, como se pode ver na Figura 5-13,
terminando frente do fim do tempo ideal. Negociao mais agressivo, especialmente para
a primeira hora, e ento gradualmente caudas fora como os volumes de mercado diminuir em torno de
meio-dia.
Para uma abordagem mais dinmica, o padro de negociao pode ser baseada na participao em
linha com o volume do mercado, como wc viu por algoritmos POV. Na verdade, um algoritmo dficit
de implementao usando um mecanismo dinmico pode ser comparado a um algoritmo POV
inclinado. Figura 5-14 mostra um exemplo o padro de negociao gerados por um mecanismo
dinmico. Usando a extremidade tempo de 14:30 o perfil histrico volume sugere que normalmente
em torno de 30 mil foi negociado pelo ento. Dado o tamanho da nossa ordem de 10.000, o que
implica uma taxa de participao optimizada de 33,33%.
Mais uma vez, podemos aplicar um factor de inclinao simplificada para este, comeando com +
3% e por uma diminuio por cento a cada hora. Tabela 5-8 mostra algumas das metas
resultantes. A taxa de participao-alvo
tambm mostrado na Figura 5-15.
Viso geral do
136
algoritmo
Volume
Preo
Ordem tamanho
milmetro
Mercado volume
Preo
Figura 5-14 Um exemplo a ordem determinada de forma dinmica
08:00
08:15
08:30
08:45
09:00
09:15
09:30
09:45
10:00
3100
3000
3200
3600
2800
2000
1600
1200
800
% Particip
36
36
36
36
35
35
35
35
34
Alvo Volm
1130
1090
1160
1310
990
710
570
420
270
Tim
eMkl Volm
Tempo
10:15
10:30
10:45
31:00
11:15
11:30
11:45
00:00
00:15
Mkt Volm
600
800
600
400
800
600
500
800
400
% Particip
34
34
34
33
33
33
33
32
32
Alvo Volm
210
270
210
130
270
200
170
260
130
Tabela extrato cronograma 5-8 de Negociao de um dficit de implementao

dinmica
Nota que as elevadas taxas de participao arco escolhidos para tentar ampliar o efeito visual para
esta exemplo. Na realidade, as taxas mais baixas pode muitas vezes ser utilizado; de outra
forma, poderia haver considervel sinalizao risco e impacto no mercado. Espalhando a ordem
entre os vrios locais tambm Socorro.
Como o perfil histrico um relativamente bom ajuste para o mercado o exemplo do ativo de
volume, tanto a esttica e abordagens dinmicas dar padres comerciais semelhantes, como pode ser
visto pela semelhana entre Figura 5-13 e Figura 5-14. No entanto, a verso dinmico mais
adaptvel s mudanas nas condies de mercado, e como podemos ver na figura 5-15 termina
anterior. Este foi bccausc o volume real de mercado foi maior do que a estim ativa do perfil de
volume histrico.
certo que estes exemplos usam mcchanisms inclinao simplistas. Ainda assim, ambos
do aproximaes razoveis de como a implementao de algoritmos dfice trabalho. Moderno
verses podem empregar lgica muito mais complexa; incorporando fatores como o ativo de
volatilidade ou propagao e averso ao risco do investidor.
137
% concludo esttica
% concludo dinmica
Participa o alvo dinmico
0%
cP
.<
<?>, T . <
Figura 5-15 Porcentagem para a concluso ordens

Para lidar wilh mudanas nas condies de mercado, o horizonte de negociao podem ser re dinamicamente otimizado se restries especficas, tais como um preo limite, arco atingido, como
Middleton (2005a) sugere. A qualidade do modelo de custos tambm um factor determinante
para o desempenho de uma determinada verso. No Captulo 10, que abrange os modelos de custos em
mais detalhes.
Muitos a gerao mais recente do dficit de implementao (IS) algoritmos foram projetados a
partir do zero, construdo em torno de modelos de mercado intrincados, que pode ser usado
para prever custos de transao. Alguns pode ser baseada em taxas de actividade ptimas, embora
estes sejam constantemente ajustado com base nas condies de mercado e estimativas de custos.
Outras verses alcanar a estratgia de negociao ideal, monitorando constantemente as
condies de mercado, e realizando anlise detalhada de custos antes de cada pedid o feito,
como Niall Mclntyre (2006) sugere. Estas verses mais avanadas lidar muito melhor com
condies inesperadas. 3No entanto, em condies gerais seus padres comerciais resultante
provavelmente ainda ser razoavelmente semelhante ao da Figura 5-14.
Variaes comuns
Adaptao s condies de mercado, como liquidez ou preo tornou -se um foco importante para
muitos algoritmos. Preo de implementao adaptativa algoritmos dfice tem becomc
suficientemente importante que a sub-seco seguinte dedicado a eles. algoritmos que tm
acesso "dark pools" de liquidez tambm esto disponveis.
Volatilidade outro fator chave para algoritmos . Algumas verses realmente ajustar a
alteraes da volatilidade dos preos a curto prazo; quando a volatilidade cai, eles pode dar ao luxo
de negociar de forma mais passiva. Outras variantes tambm podem usar estimativas alternativas para
a volatilidade. Por exemplo, Algoritmo Assistente de Instinet utiliza a volatilidade implcita
nos mercados de opes, um calibre mais accuratc da volatilidade intraday.
Preo de referncia: Isso permite que o investidor para especificar seu preo de deciso; caso
contrrio, este geralmente o padro o preo da chegada (ponto mdio) quando a ordem foi
recebida.
3
No captulo 10, vamos ver como previses de curto prazo podem ser feitas para as condies de mercado, tais como preo e
volume.
Viso geral do
138
algoritmo
Averso a risco: Isto representa nvel de um investidor de urgncia. A averso de alto risco
sugere que a posio mais sujeitos ao risco de preo, de modo que o algoritmo vai usar um
horizonte de tempo mais curto, adotando tticas mais agressivas de execuo. Algumas verses s
podem suportar passivo, agressivo ou neutro, enquanto outros pode permitir uma mais fina grained
definio (digamos, de 1- 10).
Estilo de execuo: Essencialmente, este substitudo pela averso ao risco, embora para
algumas variantes ele pode realmente proporcionam o cenrio de averso ao risco.
Fim do tempo: Isto age como um prazo absoluto. Embora, como vimos, muitos algoritmos
arco accionado por determinao de um horizonte de negociao ptima. Note que importante
verificar com anlise pr-negociao / modelos que o tempo final especificado No, na
verdade, antes que o tempo ideal, caso contrrio, o desempenho pode sofrer.
Preos-limite: Estes so suportados, mas importante notar que a quebra aplicao
algoritmos so otimizados para trabalhar para a sua referncia, que o preo da chegada.
Limites de volume: A fim de minimizar o risco de tempo, algoritmos muitas vezes comeam
por negociao bastante agressivamente. Seus modelos internos esto tentando equilibrar
impacto potencial de mercado contra esta risco. Colocar demasiado rigorosas um limite de
volume pode realmente afetar o desempenho do algoritmo. Se o limite de volume est a ser usado
para reduzir o risco de sinalizao depois de um impacto mnimo ou algoritmo orientado a liquidez
pode ser uma escolha melhor.
Dficit Adaptive (COMO)

Dficit Adaptive representa uma nova subclasse de algoritmos derivado de execuo dficit. O
moniker adaptativo refere-se adio de um comportamento adaptativo; predominantemente
Isto uma reao priee mercado. Efetivamente, isto significa adaptativa preo dfice algoritmos
comportar mais oportunista.
Um esquema de nomes til para preos algoritmos adaptativos foi sugerido por Robert Kisscll,
Andrew Freyre-Sanders e Carl Carrie (2005). Esta baseia-se no conceito de preo 'moneyness
", tomada de opes de nomenclatura.
Eu
PIM
-Eu
4
fV<l>r8f
Fonte: Kissell e Malamut (2005b) Reproduzida
Pb
PbHrel
com a permisso de investidor institucional
Figura 5-16 Comparao de taxas de negociao de adaptao preo
139
Figura 5-16 ilustra esse traando a taxa de negociao alvo versus o preo de mercado de um
exemplo comprar ordem. Um agressivo in-the-money (AIM) comercializa estratgia mais
agressiva com preos favorveis e menos quando se tornam adverso. Para uma ordem de compra,
favorvel condies correspondem a quando o priee mercado cair abaixo do valor de referncia,
com o oposto para uma venda. Assim, na Figura 5-16 sua taxa de negociao s aumenta quando o
priee mercado cai significativamente abaixo do valor de referncia priee (Pb). Considerando um
passivo em-the-money (PIM) ttica o contrrio, torna-se mais passiva quando os preos so
favorveis. Assim, na figura 5-16 sua taxa de negociao s aumenta quando o preo sobe
significativamente acima do benchmark.
Nota a estratgia alvo mostrado na Figura 5-16 semelhante a um algoritmo de preos de-linha,
desde faz no representam risco temporal, vamos cobrir esta mais na seo 5.6.
Outra maneira de olhar para estratgias adaptativas de preos baseada em co mo eles lidam
com as tendncias globais de preos. Uma estratgia AIM assume que as tendncias so de
curta durao e reverter em breve, enquanto que uma abordagem PIM conta com a persistente
tendncia. Assim, a negociao de AIM ir imediatamente tentar tirar vantagem de quaisquer preos
favorveis, e espero que os preos desfavorveis reverter. Por outro lado, a negociao PIM ir reagir
agressivamente para conter quaisquer perdas potenciais do tendncia desfavorvel, mas vai ser
passivo durante tendncias favorveis, na esperana de conseguir uma maior melhoria priee.
Mecanismo bsica
Essencialmente, este ainda um algoritmo de dfice de implementao, de modo que o
comportamento bsico vai seguir uma abordagem IS. Mas, alm disso, o algoritmo se adapta
dinamicamente s condies de mercado. Efetivamente, isso como tendo uma funo da
inclinao que se ajusta, em tempo real com base na condies atuais de mercado.
Inicialmente, um objectivo de base para a participao de volume pode ser determinado, com base
na Estima horizonte comrcio ideal. Durante a troca, a parte de adaptao depois usado para
modificar esta taxa. Os resultados para um exemplo para o comrcio comprar 10.000 ABC usando
tanto AIM e PIM abordagens mostrado na Figura 5-17.
Preo
Volume
4500
i 5,53
4000
3500
3000
2500
2000
1500
1000
500
Eu AIM fim tamanho
r ~~~ IPIM ordem tamanho
Volume do mercado
Figura 5-17 Exemplo ordens dfice adaptativas preo
140
algoritmo
Viso
geral
do
Com uma estratgia de AIM, uma tendncia preo favorvel resultar em participao adicional.
Algumas variantes podem igualmente solicitar uma inclinao para incentivar a negociao mais
cedo. Para este exemplo, a participao de linha de base foi definido como 30%, com a primeira
hora aumentado para 35%. A curto prazo indicador de impulso foi usado para variar presente em
at 10%, dependendo o preo ea estratgia de negociao. Novamente, essas taxas de
participao arco escolhido para ampliar a diferena entre as duas abordagens para este
exemplo. Na realidade, estes muitas vezes seria menor eo ajuste provavelmente dependeria de
volatilidade do ativo. O efeito que isso tem sobre o alvo taxa de participao mostrado na
Figura 5-18. evidente que, como o preo torna-se crescentemente favorvel, a partir de cerca
de 10:00, o AIM capitaliza isso aumentando a sua taxa de participao, enquanto a estratgia PIM
faz o oposto. Ento, 11:00-00:00 quando o preo comea a subir novamente, acontece o inverso.
Finalmente, como ambas as ordens atingir a concluso As taxas de participao cauda em direo
zero.
- - AI M
- -PIM
Preo
Figura 5-18 alvo adaptaes da taxa de participao

As taxas globais de concluso pode ser visto na Figura 5 -19. Para este exemplo, o preo de
mercado mostrou mais significa reverter comportamento ao invs de uma tendncia consistente.
Portanto, o agressiva abordagem in-the-money beneficiaram deste, completando antes o passivo
in-the- estratgia dinheiro. Se tivesse sido esse uma ordem de venda que teria visto o oposto.
Em geral, Kisscll, Frcyre-Sanders e Carrie (2005) constatou que a estratgia AIM alcana
melhores preos, mas pelo um risco ligeiramente maior. A estratgia PIM mais rpido para reduzir
as perdas curto para Conquistamos um risco ligeiramente inferior, mas pode atingir preos mais
pobres do que AIM.
Variaes comuns
Assim como esses algoritmos reagir ao preo de mercado, ns tambm poderia adicionar
comportamento que reage de mudanas na profundidade livro de ordens ou medidas globais de
liquidez. Cada vez mais, eles tambm so acesso liquidez de "dark pool" ATS.
Em geral, os algoritmos adaptativos dfice ter os mesmos parmetros que execuo dficit.
Obviamente, h uma adio chave:
Tipo de adaptao: Ou agressivo em-the-money (AIM) ou passiva in-the-money (PIM).
141
- -AIM %com pl et o
PIM % completo
Figura concluso 19/05 por cento para as ordens de dfice adaptativas preo
Note que ao contrrio de preos algoritmos embutidos h geralmente no muito lor disposio
parmetros para controlar cxactly quanto ele reage a movimentos reais de pre os. Isto porque
fundamentalmente, que se baseia num algoritmo dfice aplicao. Mesmo que ela se adapta ao
preos de mercado, a taxa de negociao ideal ainda em funo do seu impacto no mercado com
balanceamento risco temporal.
Mercado Close (MC)

O pricc closc frequentemente utilizado para marcao a mercado, e clculo do valor
patrimonial lquido e retorno dirio / ganhos e perdas. Assim, muitas instituies ainda esto
interessados no preo prximo quanto um ponto de referncia. No entanto, a negociao no final pode
ser caro. David Cushing e Ananth Madhavan (2001) encontraram os preos so mais sensveis
ordem flui no fim. Eles tambm observaram reverses de preos alteram dias com desequilbrios
significativos de leiles. Enquanto leiles de chamada tem ajudou a reduzir a volatilidade do final
de dia, o prmio de liquidez ainda pode ser considervel em torno do closc.
Mecanismo bsica
Claramente, a principal questo para um fim algoritmo mercado o fato de que o valor de referncia
desconhecido at o final do dia de negociao. Ao contrrio de VWAP ou TWAP no uma
mdia com base na negociao dias, portanto, no pode simplesmente cortar a ordem em pores em
uma tentativa de combinar com o benchmark. Se comearmos a negociao muito cedo, poderamos
estar expostos a um substancial quantidade de temporizao risco, devido variabilidade do preo
de fechamento. Considerando negociao tarde demais Maio causc impacto significativo no
mercado.
Muitos algoritmos closc mercado determinar um horizonte de negociao ideal usando
quantitativa modelos, que incorporam estimativas de volatilidade de um ativo, e volume de
negcios. Ento, assim como algoritmos dfice implementao determinar um mercado ideal
tempo do fim algoritmos perto pode calcular uma hora de incio ideal, como Middleton (2005)
ressalta. Figura 5-20 mostra o padro de negociao resultante para o nosso prximo fim exemplo
mercado.
Supondo uma taxa de participao-alvo de 30%, por isso, precisamos de 33.333 ABC para o comrcio.
Trabalhando para trs o nosso modelo histrico modificado mostra que para atender a essa exigncia
que deve iniciar a negociao s 11:45, como podemos ver na Figura 5-20.
]42
algoritmo
Viso geral do
Volume
Preo
4500
5.53
4000
5.52
3500
3000
5.51
2500
5.5
2000
1500
5.49
1000
5.48
500
5.47
Ordem tamanho
w * Mercado volume
Preo
Figura 5-20 Um exemplo mercado prximo fim

Desde fechar ordens de mercado so muitas vezes apresentados durante o horrio de negociao
esta tambm nos permite ver como o volume de mercado de hoje realmente se compara com o perfil
histrico volume. Para exemplo, a partir de nossos dados de exemplo os volumes de mercado de
abertura aparecer a ele em torno de 15% mais do que os valores histricos. Supondo que essa
tendncia continua podemos ajustar o nosso volume histrico perfil em conformidade.
Neste exemplo simples, ajustando o volume com perfil histrico 15% d uma boa preo para os
volumes de mercado reais. Ao direcionar uma taxa de participao de 30% da nossa ordem
confortavelmente completa, como mostrado na Figura 5 -21.
100%
80%
60%
40 %
20%
r> J? . <> ". <$> J? <> J> J? J?

<> "<> <> > * \ \ O\ n
^
v v
- % completo
Figura 5-21 por cento para concluso um fim ordem de mercado

Na realidade, seria preciso monitorar constantemente o volume de mercado e ajustar a taxa de
participao em conformidade. Neste exemplo, a tendncia dos preos a nosso favor assim l no
143
necessidade real para inclinar a taxa de participao. Claramente, isso no vai ser sempre o caso por
isso precisamos estimar regularmente o impacto da evoluo dos preos de mercado correntes e
ajustar a nossa participao em conformidade. Na prtica, isto semelhante ao que um passivo themoney in-dfice adaptativo algoritmo faria.
Variaes comuns
Alguns algoritmos esto agora a ser denominado algoritmos de preos partida. Estes fornecem
uma mais mcchanism gcncric que vai trocar a qualquer momento final, em vez de apenas o
fechamento do mercado. Por exemplo, se queremos garantir uma posio alcanada por meio-dia
poderamos definir o tempo final de acordo e deixar o algoritmo para encontrar a hora de incio ideal.
Em geral, os algoritmos de fechamento do mercado ter parmetros semelhantes aos dfice de
implementao, Embora haja algumas diferenas bvias arc:
Averso a risco: A averso ao risco elevado, significa que o comrcio est mais sujeito ao risco de preo
e por isso deve ser negociadas de forma mais rpida. Ainda assim, em termos de um fim algoritmo
mercado, isso geralmente significa um tempo de incio ideal para mais perto do fechamento do
mercado. Portanto, se no houver preo genuna risco de um ativo pode fazer mais sentido usar um
dfice algoritmo em vez de um mercado um perto.
Fim do tempo: Como observado nas variaes comuns, algumas verses permitem o controle sobre a
extremidade tempo, dando uma abordagem muito mais flexvel.
Participao de leilo: Tambm pode haver parmetros para especificar o valor mnimo e / ou
tamanho mximo permitido fim de participar no fim do leilo.
5.6
Algoritmos oportunistas
Algoritmos oportunistas evoluram a partir de uma gama de estratgias de negociao. Todos eles
aproveitar as condies favorveis do mercado, se este se baseia em pricc, liquidez ou outro fator.
Pricc algoritmos embutidos arco essencialmente baseado em uma estrat gia de impacto-drivcn
subjacente, como VWAP ou POV. O que eles acrescentar a sensibilidade ao preo, o que lhes
permite modificar seu estilo de negociao com base em se o preo de mercado atual favorvel ou
no. assim um foco em impacto no mercado, deu lugar a uma abordagem mais oportunista.
Da mesma forma, os algoritmos-driven de liquidez so uma evoluo do mais simples de
roteamento de ordens baseado em regras estratgias. A negociao conduzida pela liquidez
disponvel, embora o custo tambm um factor. Enquanto par de negociao eficaz uma
estratgia market neutral, por isso o risco menos de um conccrn. Em vez disso, o fator-chave quando
a propagao ou a razo entre os ativos favorvel.
Note-se que para cada um destes algoritmos de preo ainda um factor importante. Pontos de
referncia alvo fornecer uma linha de base que lhes permita avaliar se as condies do mercado so
favorveis ou no. Uma vez que eles so to dinmico, algoritmos oportunistas tendem a ser muito mais de
perto alinhado com suas tticas de execuo subjacentes do que outros algoritmos, como veremos no
captulo
9. Nas sees a seguir, examinaremos cada um dos algoritmos de oportunistas, de alguma forma mais
aprofundada.
144
algoritmo
Viso
geral
do
Preo inline (PI)

Um algoritmo embutido preo adapta a sua negociao para o preo de mercado de uma forma semelhante a
como POV algoritmos para ajustar o volume do mercado. Um preo de referncia definido e
negociao ento alterada com base em como o preo de mercado se compara a isso. Observe que,
se nenhuma referncia especificado, ento o preo mdio quando a ordem chega geralmente
usado em seu lugar. Claramente, um preo favorvel para uma ordem de compra, o preo de mercado
inferior ao valor de referncia, com o oposto para vende.
Para descrever o seu mecanismo de preo de adaptao, vamos reutilizar o preo 'moneyness'
nomeando esquema de Kissel], Freyre-Sanders e Carrie (2005). Ento, como vimos para
Adaptive Shortfall algoritmos, agressivo in-the-money estratgias (AIM) o comrcio de forma
mais agressiva com preos favorveis, enquanto passiva in-the-money (PIM) tticas se
comportam da maneira oposta. Note-se que, geralmente, quando as pessoas se referem ao pre o
algoritmos embutidos eles significam uma abordagem AIM, mas cada vez mais existem verses
que oferecem ambos os tipos.
Mecanismo bsica
Um algoritmo de linha de preo constitudo por um mecanismo de troca de base combinado com o preo
funcionalidade de adaptao. Assim, poderia ser baseado em um algoritmo VWAP esttico ou um
mais dinmica de abordagem por cento de volume. A adapta o do preo real pode controlar
diretamente o diferena entre o preo de mercado eo valor de refer ncia, ou pode at mesmo
incluir outras factores como a fora.
Figura 5-22 mostra um algoritmo de linha de preos simples, baseado em um por cento subjacente
estratgia de volume. A adaptao preo um ajuste simples para a taxa de participao com base na
diferena entre o preo de mercado eo valor de referncia.
Volume
4500
Preo
5.53
4000
3500
3000
<, NF
>\/v
5.51
2500
2000
1500
iI
1Eu
SEu
5.49
1000
500
0 in * i.ij-ju-ju.Brat t-mayibifc1 -n n ii . ir i . j b f c i i i i m i i n uuJU-JLLJLmUJuuI.

<S> <> s> / > .<$>/>.<.<>.<$>
UMA Ordem I M tamanho II PIM
f> . <
. <
<>
o r d e m sizemm
f | 5.47
/ >. < <>
Mercado
volume
Preo
Figura 5-22 Exemplo ordens embutidas preo

O preo revertendo favorece concluso antecipada pela abordagem AIM. Podemos ver como o
mudanas de preos afetam a taxa de participao mais claramente na Figura 5-23. Como o preo
torna-se cada vez mais favorvel, em torno de 10:00, o AIM aumenta a sua taxa de participao,
enquanto a estratgia PIM faz o contrrio.
145
5.5 4
60 %
5.5 2
5.5 0
5.4 S
5.4 2
5.40
- UMA EuM
- P EuM
Preo
Alteraes da taxa de participao Figura 5-23 Alvo com preo

Estas continuam a oscilar em linha com a evoluo dos preos. Finalmente, como a estratgia
AIM atinge concluso, as suas caudas taxa de participao fora de nada. A Figura 5-24 mostra
como este affccts as taxas globais de concluso.
jAAay
- -AIM % Complet e -
PIM % completo
Figura concluso 24/05 por cento para as ordens em linha exemplo de pre os
Tal como acontece com os outros algoritmos, variantes modernas ser diferente em termos de eles
como eles responder a estar por trs de seu alvo, e se permitem ir em frente do alvo.
Variaes comuns
Algumas verses podem at permitir a adaptao preo a ser baseado no preo de outros
activos, setores, ndices de mercado ou at mesmo ETFs.
Tipo de adaptao: Ou agressivo em-the-money (AIM) ou passiva in-the-money (PIM).
Preo de referncia: Se a referncia est relacionada a um outro activo, ndice ou ETF, em seguida,
detalhes tambm ter de ser fornecida para este para permitir que o algoritmo para fazer um preo em
tempo real
146
algoritmo
Viso
geral
do
subscrio para isso.

Taxa de participao: Para baseado em algoritmos um mecanismo do tipo POV dinmico, ser
necessria uma taxa de participao de referncia.
Ajuste de participao: Este especificidades quanto para alterar a taxa de participa o em para
umadado movimento de preos, por exemplo, 5% de cada US $ 0,50. Nota algumas verses pode
permitir que estes sejam assimtrica, v.g. + 5% para os preos favorveis, mas apenas 2% para os
desfavorveis.
Os nveis de preos: Estes especificar o tamanho dos movi mentos de preos para os ajustes de
participao, por exemplo, cada US $ 0,50 ou at mesmo a cada 20 pontos base (bps). Mais uma
vez, algumas variantes podem permitir que estes sejam definidas separadamente para condi es
favorveis e adversas.

De liquidez representa a facilidade de negociao um ativo especfico, por isso tem um efeito
considervel sobre os custos globais de transao. Ativos de alta liquidez tendem a ser negociadas em
maior volume, e tantas vezes ter spreads menores e mais profundidade disponvel. Considerando que,
para ativos ilquidos, a atividade muito menor, o spread superior e livro de ordens pode ter pouca
profundidade visvel. Assim, encontrar liquidez um importante meio de reduo de custos, em
especial para ativos ilquidos.
Originalmente, a negociao baseada em liquidez significava simplesmente a tomada de
decises com base na profundidade livro de ordens disponveis, ao invs de apenas a melhor oferta
de compra e oferta. Em mercados fragmentados de hoje liquidez de busca tornou-se mais
complicado. Por exemplo, o mercado accionista EUA tem d zias de possveis locais de
execuo, com o nmero continua a aumentar. Em tal ambiente, visualizando os becomcs
liquidez disponvel no-trivial. E se uma estratgia de negociao concentra-se em apenas um
local de execuo, h um perigo que ele vai perder oportunidades no outros locais e, assim, alcanar
um preo de execuo mais pobres. Assim, para os mercados fragmentados agregao de liquidez tornou-se
uma ferramenta importante. Essencialmente, assim como sistemas multi-corretor reunidas cotaes de
operadores, nos reunimos dados do livro de ordem, tanto quanto possvel de cada local e agregar estas em
uma carteira de pedidos virtual. A Figura 5-25 mostra um exemplo que rene as ordens a partir da troca
primria (Exch-1) e vrias redes de passagem electrnicos (ECNs) e "dark pool" de sistemas
alternativos de negociao (ATS).
Agregao de liquidez pode ser to simples como soma das ordens disponveis em cada ponto
de preo atravs todos os diferentes locais. Para os ativos, tais como futuros ou opes, isso tambm pode
significar respondendo por liquidez "implcita" de estratgias de spread mais complexos. No
entanto, como ns serra no Captulo 4, locais esto adotando cada vez mais tipos de ordens
implcitas para fazer tais liquidez mais facilmente disponvel. Ainda assim, existem algumas
complicaes, tais como taxas e latcncics. Locais tm as suas prprias estruturas de custos, de modo
que o algoritmo precisa considerar isso quando comparar preos. Latncia tambm um
problema, uma vez que qualquer intervalo de tempo entre nossos pedidos sendo enviados e
processado de reduzir significativamente a probabilidade de execuo.
Dado que a execuo no garantida, tambm importante para lidar com probabilidade de
execuo ao escolher entre os diferentes locais. Observe que na Figura 5 -25 o campo tem tempo
foram substitudos por uma porcentagem. Isto representa a probabilidade global de execuo para esse
volume. Por fim El , No ECN-I, estimamos uma chance de 70% de cruzamento com esta ordem se agora
despachou uma ordem para vender a 100. Esta percentagem baseada em uma srie de fatores, incluindo
a probabilidade de cancelamento, latncia e resultados histricos.
Liquidez oculto outra considerao importante. Para ordens ocultas (sombreada na Figura 525), a probabilidade baseada principalmente na probabilidade de o volume no ser escondido a
esse preo. Assim, em ATS-1 corresponde a ordem H3 uma probabilidade de 15% que esta "dark pool"
147
ATS tem um escondido ordem de compra para pelo menos 1.000 ABC em 100. Estes todos so ento
agregados em uma carteira de pedidos virtual, onde a prioridade baseada em preo, ento a probabilidade
(em vez de tempo). Claramente, ao fazer pedidos, ser dada preferncia a locais com o melhor preo e maior
probabilidade de execuo.
Encontrar volume oculto um caso de rastrear continuamente comrcios relatados e combinando
estes para o estado carteira de encomendas. Quando as negocia es so notificadas com um preo
melhor do que a carteira de encomendas sugere, este pode ser devido a liquidez escondido. Por
exemplo, a Figura 5-26 mostra a carteira de pedidos visvel antes e depois comrcios para 2000
ABC a 100 so relatados.
Com
p r a r Tam
Iden
s
anho
tida 08:25:00
B3
1000
B4
08:25:25
500
Bt
08:20:25
2000
B2
08:24:09
1500
(a) antes
V e nd e
Preo
100
100
99
98
Preo
101
102
r
800
1500
C o mp r a r s
Identid
ade
B4
B5
B1
Tempo
8 2 5 00
Tamanho Preo
1QQ
1000
| QQ
08:25:25
50 0
; 08:26:05 j C Mwol. ifclOO .
08:20:25
2000
99
(b) depois
Figura 5-26 livro Encomendar antes e depois de relatrios comerciais para Abc
As ordens de compra B3 e B4 representam apenas 1.500 do com rcio; assim que a menos
uma nova ordem chegou de repente, 500 foi potencialmente cheio de uma ordem oculta. Alm disso, a
nova ordem pode B5 ser o tamanho de exibio para uma ordem iceberg, ou pode ser apenas uma nova
ordem de limite autnomo. Somente rastreando o livro de ordens sobre um longo perodo de tempo que
podemos comear a estimar que possibilidade mais provvel. Com mais dados histricos, podemos at
comear a prever o que o tamanho oculto pode ser, portanto, dando o tipo de estimativas vimos na
Figura 5-25.
Ento, usando dados histricos e monitorando de perto a carteira de pedidos, podemos criar
modelos para a estimativa de liquidez escondido. Podemos, ent o, adaptar a nossa estratgia de
posicionamento para tentar tirar partido desta. Normalmente, isso com imediato-ou-cancelar ou
encher-ou-matar pedidos de limite, por isso no h ordens permanentes so deixados no livro limite.
s vezes, isso conhecido como ping para
Viso
148
algoritmo
geral
do
liquidez, bem como um sinal de radar ou sonar. Ns vamos entrar em mecnica de ordem escondida
colocao e busca em mais detalhe nos Captulos 8 e 9.
A ltima considerao principal para algoritmos baseados em liquidez est sinalizando risco.
Para ilquidos ativos, mesmo uma pequena ordem pode resultar no preo abandonando como outros
comerciantes tentam segunda acho que os nossos requisitos. Para contrariar esta situa o, podemos
adotar uma estratgia similar de uso immcdiate- ou-canccl estilo (COI) ordens. Ento, quando a
liquidez se torna disponvel uma ordem agressivo usado para cruzar com ele, por vezes referido
como sniping. A fim de deixar a melhor pricc inalteradas, algumas estratgias s pode tomar uma
poro do tamanho disponveis. Alternativamente, escondido encomendas podem ser utilizados, tanto
ordens iceberg ou ordens discricionrias, embora estas deixaro umadeterminado tamanho de
exibio do livro de ofertas. Mais uma vez, vamos abordar isso com mais detalhes no Cap tulo 9.
Mecanismo bsica
A liquidez est intimamente relacionada com profundidade de mercado e pre o. Portanto, um
algoritmo de procura de liquidez vai reagir mais forte quando h uma abundncia de profundidade do
mercado e da pricc favorvel. Esta razoavelmente semelhante agressiva de negociao emthe-money estilo vimos para linha de preo e algoritmos adaptativos em dfice.
Em vez de fazer o algoritmo de reagir ao volume negociado, criaremos uma profundidade de
mercado medida que reflecte o volume disponvel no um ponto pricc favorvel. A Figura 5-27 mostra
um fim exemplo para comprar 10.000 ABC com um algoritmo de procura de liquidez usando essa
mtrica.
Ordem tamanho
Mercado mm volume
Mercado EZZt profundidade
Preo
Figura 5-27 Um exemplo de liquidez a fim seeking

Portanto, quando o preo e profundidade do mercado so favorveis, os comrcios algoritmo
agressivamente a consumir liquidez, como pode ser visto pelos picos de participa o mostrados
na Figura 5-28. Um dos benefcios de mercados fragmentados que um nvel mais elevado de
participao pode ser conseguida por difuso da execuo atravs de uma grande variedade de locais.
Observe que este exemplo mostra uma abordagem puramente orientada por liquidez, de modo que
quando o mercado condies so desfavorveis-lo, ento no o comrcio de todo. Por conseguinte,
a participao cai para zero vrias vezes no meio do dia como a liquidez desce para nveis baixos.
tambm zero quando
149
100%
5.54
5.52
80%
5.50
5.48
5.46
5.44
5.4 2
5.4 0
&b, A
"CK .tS-
i <\ aEu$- ' .N

t, - *'
N1"' J&
N *'
?> UMA*y'
- -% O volume de f
Figura 5-28 taxa de participao-alvo para uma ordem de busca de liquidez

o pricc torna-se desfavorvel, tal como para o fim. No entanto, isto poderia ser evitado atravs cenrio
um perdedor limite de preo de referncia ou de destino. Outras verses podem simplesmente reduzir a sua
participao quando o preo se torna desfavorvel, bem como um algoritmo de linha de preo.
Um efeito colateral desta abordagem puramente oportunista que, neste exemplo, a ordem faz no
totalmente completa, como mostrado na Figura 5-29. Neste caso, foi devido ao preo tornando-se
desfavorvel, sincc existe liquidez suficiente. Na prtica, os corretores podem muito bem
oferecer verses que suportam um nvel bsico de participao ou-finish-se lgica para ajudar a garantir a
ordem executa plenamente.
100%
80 %
0%
Figura 5-29 por cento para concluso uma ordem de busca de liquidez
Embora algoritmos seeking liquidez pode ser usado para qualquer ativo, eles foram
originalmente destina-se a ativos mais ilquidos e mercados fragmentados. O exemplo na Figura 527 era de um ativo razoavelmente lquido. Em comparao, a Figura 5-30 mostra um exemplo a fim de
comprar 10.000 NOP, um ativo muito menos lquido. Mais uma vez, podemos ver um padro similar de
comparativamente negociao agressivo, logo que o preo e a profundidade so favorveis. Com
ativos ilquidos, sinalizao de risco uma preocupao ainda mais importante e mais da liquidez
est escondido. Conseqentemente,
150
algoritmo
Viso
geral
Volume
do
Preo
Ordem tamanho
milmetro
Mercado volume
Mercado cm profundidade
Preo
Figura 5-30 Uma ordem de procura de liquidez para um ativo mais ilquidos
tticas, tais como busca e sniping usando ordens tipo COI becomc importante, como veremos no
Captulo 9. Alm disso, observe que estes exemplos do apenas um sabor de como este problema pode
ser enfrentado. Tal como acontece com dfice de execuo, a complexidade de busca com sucesso liquidez
significa que h muita variedade na forma como atingir seus objetivos.
Variaes comuns
Algoritmos-driven de liquidez so frequentemente utilizados em mercados fragmentados. Os
clientes podem querer seu ordens para participar apenas em locais especficos, como apenas
algumas "dark pool" ATS. Dentro Alm disso, eles podem (ou no) querem que seus pedidos para
ser includo no fluxo de internalizao do corretor. Corretores / vendedores, muitas vezes vers es
sob medida para as necessidades especficas de cada cliente.
Visibilidade: Isso especifica quanto da ordem pode realmente ser exibida em execu o
estabelecimentos. Baixa visibilidade implica tipos de ordem oculta ou do COI ordens devem ser
utilizados, alternativamente isso pode significar que a ordem s trabalhado em "dark pool" ATS.
Maior visibilidade pode ser costumava deixar ordens expostas, tentando incentivar negociao para
ativos ilquidos.
Preo de referncia: Isto pode ser usado para dccide se o preo favorvel suficiente para garante
participao.
Par de negociao
Par negociao envolve a compra de um ativo, enquanto vendendo simultan eamente outro. Portanto,
este uma estratgia market neutral; os riscos de cada activo deve cobrir ou compensar cach outro. este faz
com que a negociao menos afetadas por movimentos de todo o mercado, desde que os pre os
dos ativos so suficientemente correlacionados. A situao ideal que o ativo que compramos
aumentos de preo, enquanto aquele que vendeu quedas. Embora tanto tempo como o resultado
de um lado do comrcio supera qualquer perda, por outro lado, ainda devemos sair na frente. Os
resultados podem em seguida ser bloqueado em
151
trocando o par reverso para achatar nossas posies. Note-se que as escalas de tempo envolvido aqui
poderia ser qualquer coisa de minutos a dias, semanas, meses ou mesmo mais tempo.
Existem dois tipos principais de par negociao, ou seja, arbitragem estatstica e de risco (ou
fuso) arbitragem. Arbitragem estatstica baseia-se em avaliaes de ativos relativos enquanto
arbitragem de risco mais especfico patrimnio, gira em torno da probabilidade de uma fuso
acontecendo. Um comum abordagem para a arbitragem estatstica baseia-se na expectativa de
reverso mdia. Isso pressupe que a propagao ou a razo para os preos dos dois ativos
altamente correlacionados geralmente oscilam em torno de sua mdia.
Espalhar
Como a Figura 5-31 mostra, quando o spread desvia significativamente da mdia significa este
umaoportunidade de negociao. Um sinal de entrada do comrcio tpico ocorre quando esperamos que o
spread para voltar mdia; Neste caso, a banda baseada em dois desvios padro acima e abaixo do
significar. Se a propagao continua dessa forma, podemos sair da posio em relao mdia.
Ligar Por outro lado, se no conseguir reverter e continua a divergir, em seguida, estamos a registar
prejuzos. este pode ser porque os activos no so to correlacionados como pensvamos, ou a
relao entre eles podem ter mudado fundamentalmente.
Os mtodos quantitativos para identificar pares de arbitragem estat stica esto fora do escopo
deste gancho, desde negociao algortmica entra em ao uma vez que os pares j foram encontrados.
Para os interessados neste tema o livro 'Pairs Negociao: Mtodos Quantitativos e Anlise "por
Ganapathy Vidyamurthy (2004) est um bom lugar para comear.
Mecanismo bsica
Algoritmos par de negociao para se concentrar em negociao um ponto de referncia prdctermined, que o cither espalhar entre dois ativos ou a razo de seus preos.
O exemplo mais simples de um comrcio par baseado no spread entre dois preos dos ativos.
Quando a diferena de preos entre os dois ativos supera um limite especificado, o comrcio
ativado. Isso pode basear-se nos preos mdios, ou o preo de compra para o ativo a ser comprado eo
preo de oferta para o ativo a ser vendido, ou mesmo todas as combinaes possveis.
Por exemplo, vamos supor que as informaes histricas mostrou ativos XYZ e EFG ser altamente
correlacionados, seguindo a tendncia que vimos na Figura 5-31. Algum tempo aps o tempo T,
esperamos que o duas bandas de desvio padro a ser violado e a propagao ea razo para comear a
regressar ao seu meios histricos, esta violao ser o nosso gatilho. Figura 5-32 mostra os preos
intraday, difundir e razo. Note-se que a propagao mostrado na Figura 5-32 um valor absoluto,
apenas o mid preo da XYZ menos o preo mdio de EFG.
152
algoritmo
Viso geral do
XYZ preo
- - Preo EFG
- St- * "
Figura 5-32 Pair propagao e razo para a XYZ e EFG

Com base em dados histricos, o spread gatilho de 0,24 (mdia menos dois desvios-padro).
Ento, vamos colocar um comrcio par para comprar e vender XYZ 10.000 12.000 EFG, com um spread
inferior a ou igual a 0,24. Isto mostrado na Figura 5-33.
Note-se que a relao entre as quantidades para o nosso comrcio 1,2; esta por vezes referido
como o relao de execuo. Para este exemplo, foi definida com base no r cio preo actual, mas
nenhum valor razovel pode ser usado.
tamanho de ordem XYZ

Volume do mercado XYZ
mm
Tamanho de ordem EFG

Alvo
EFG volume de
Mercado
Espalhar
Figura 5-33 Um par de comrcio baseado exemplo propagao
153
Inicialmente, a propagao continua a aumentar (a comrcio par separado pode j estar a tomar
vantagem deste (XYZ vendendo e comprando EFG)). No entanto, logo depois do meio-dia a
propagao cruza a banda dois desvios-padro, presumivelmente em seu caminho de volta em
direo ao histrico significar. Assim, o comrcio par inicia a execuo. Embora, observe o blip
em torno 15:00 quando o spread aumenta temporariamente novamente, fazendo com que o
comrcio par para fazer uma pausa.
Uma forma alternativa de especificar o comrcio usar uma relao preo como o gatilho. Baseado
novamente em dados histricos vamos definir o gatilho proporo que 1.2. A Figura 5-34 mostra um
exemplo de ordem comprar 10.000 XYZ e vender EFG quando a proporo inferior a ou igual a 1.2.
Eu ordem XYZ tamanho

M Ordem H H EFG tamanho
Mercado mercado i XYZ volume
ti
Alvo
EFG volume de
- Relao
Figura 5-34 Um par de comrcio baseado rcio exemplo

Desta vez, o rcio mergulha no ponto 1.2 s 12:30 e apenas permanece em ou do presente para
o resto do dia, para que no haja interrupo do algoritmo. Outra diferena que esta ordem da
razo dinheiro equilibrada, de modo nenhum rcio de execuo usado. Em vez disso, cada perna
do comrcio par equilibrada em termos de seu valor, Tabela 5-9 mostra isso mais claramente.
Note-se que, geralmente, mais comum para especificar de caixa equilibrado comrcios em termos
de valor, ou seja, compra $ 500.000 e XYZ vender EFG. Como o prprio nome sugere, a ordem
equilibrado dinheiro mantm o comrcio mais mercado neutro que o no-equilbrio.
Para ambos estes exemplos, temos mantido a negocia o de cada ativo intimamente ligados. Na
prtica, esta restrio pode ser solta, de modo que cada ativo pode ser negociado um pouco mais
autonomamente. Claramente, importante para o algoritmo para incorporar a liquidez de cada de
ativos, uma vez que no poderia ser uma diferena substancial entre os dois. Em tais casos, o algoritmo
vai precisar fazer a negociao mais dependente do activo menos lquido.
Variaes comuns
Pares de arbitragem de risco geralmente pode usar a mesma abordagem que os arbitragem
estatstica. o estratgia de negociao de vender as aes da empresa de licitao e comprar
aqueles da meta empresa. Se a fuso acontecer, a posio pode, ento, ser desenrolado. O lucro
a partir do diferena de spreads; geralmente o spread mais amplo antes da fuso, em
seguida, aperta como o
154
algoritmo
Viso geral do
Baseado propagao comrcio

XYZEFG
Tempo TradeValueTradeValue
00:30
00:45
13:00
13:15
13:30
13:45
14:00
14:15
14:30
14:45
15:00
15:15
15:30
15:45
16:00
16:15
16:30
Totais
180
230
260
350
470
530
470
440
530
530
0
0
850
880
930
930
1140
8720
260
340
380
510
680
770
680
630
770
780
0
0
1250
1280
1370
1370
1690
12760
-220
-280
-310
-420
-560
-640
-560
-530
-640
-640
0
0
-1020
-1060
-1120
-1120
-1350
-10.470
-270
-340
-380
-520
-690
-800
-690
-660
-800
-790
0
0
-1250
-1320
-1390
-1390
-1670
-12.990
Dinheiro equilibrado rcio comrcio

XYZEFG
TradeValueTradeValue
180
240
270
350
480
540
480
460
540
530
700
880
850
900
940
940
720
10000
260
350
390
510
690
780
690
660
790
780
1040
1300
1250
1310
1380
1390
1070
14660
-220
-280
-320
-420
-560
-630
-560
-530
-630
-630
-840
-1050
-1020
-1060
-1120
-1120
-860
-11.850
-270
-340
-400
-520
-690
-790
-690
-660
-790
-780
-1050
-1300
-1250
-1320
-1390
-1390
-1070
-14.700
Tabela 5-9 Comparao dos valores de execuo para comrcios exemplo par
negcio atinge concluso.
Algumas verses podem tambm apoiar um ajustamento de caixa, que pode ser aplicado antes que a
relao, ou propagao calculado.
Propagao / Proporo: Claramente, esta atua como o ponto de referncia para a relao. Note
que frequentemente necessrio especificar a forma como ela se baseia, portanto, se se trata de
um spread AB ou a razo A / B, ou BA ou B / A. Isto pode ser uma verificao de sanidade til para
garantir a meta definida corretamente.
Identificador de ordem: Pode ser que cada uma das pernas do par tem de ser enviada separadamente,
nos quais caso algum tipo de identificador comum necessrio para ligar as duas ordens de perna.
Legging: Isso permite controle sobre como autonomamente cada perna podem ser negocia das.
Um valor pequeno vai restringir o comrcio, mas tambm ir nos proteger da exposio ao risco pricc.
Limite de volume: Nestes exemplos, a taxa de participao foi limitada a 25%. Algumas variantes
podem permitir que as restries de volume especficos para cada lado do par de comrcio.
5.7
Outros algoritmos de negociao
At agora, todos os algoritmos que consideramos so relativamente genricos, dentro da razo que podiam
ser aplicado a qualquer classe de ativos. Ainda assim, existem tamb m alguns algoritmos baseados no
original propriedades de certas classes de activos. Por exemplo, j vimos como alguns corretores
/ vendedores fornecem algoritmos para manipula o de programas de recompra das empresas
(Regra da SEC I Ob-18) para aces dos EUA, com base em algoritmos POV modificados.
Como negociao algortmica continua a se expandir fora dos mercados de aces, deve tratar
155
os problemas comerciais comuns encontrados em cada novo mercado. No ser, sem dvida, mais
especializaes de classe de ativos no futuro. Em ltima instncia, estes podem ainda aproveitar o
natureza fungvel de alguns destes ativos. Por exemplo, um algorit mo pode selecionar o vnculo
ideal para o comrcio com base em seu rendimento at o vencimento, ou uma opo com base em
fatores de risco especficos.
No curto prazo algumas das reas em whieh maior desenvolvimento mais provvel so:
Negociao multi-tramo
Volatilidade de negociao baseado
Segmentao novos benchmarks
Algoritmos frequentemente imitar estratgias de negociao existentes. Para obrigaes e

derivados, isso significa estratgias de negociao multi-tramo, como halteres, borboletas ou
condores. Os drivers fundamentais Tambm pode variar entre diferentes classes de activos. A
maioria dos algoritmos que temos visto at agora tm focado em fatores como preo, volume ou de
liquidez; mas outros factores tambm podem ser importante. Por exemplo, os derivativos so
affeeted pelo preo de seus ativos subjacentes, como bem como as taxas de juros, e estimativas de
volatilidade. Mudanas de preos pode ocorrer mesmo quando no faz no parecem ser uma mudana
significativa nos nveis de liquidez, a oferta ea procura. Negociao algoritmos deve levar isso em
aceount se eles so para manter a melhor execuo. Portanto, algoritmos podem precisar de ser
completamente repensado para negociao alguns desses ativos. Conseqentemente, algumas
opes algoritmos podem ser conduzidos por nveis de volatilidade implcita em vez de preo. Da
mesma forma, novos padres, como o GWAP (gamma preo mdio ponderado) pode ser mais
adequado.
Multi-perna
Estratgias de negociao para os ttulos, futuros e opes, muitas vezes envolvem mltiplas
pernas. Cada perna representa uma ordem para um ativo especfico. Estes podem ser to simples como
um comrcio propagao de duas vias, embora possam ter trs ou quatro pernas ou ser ainda mais
complexa. No entanto complexo que sejam, estes ainda so geralmente comrcios de valor relativo,
procurando tirar partido das diferenas na precificao entre ativos. No geral, eles vo tempo o
atualmente sob valorizado ativo / s, esperando que no futuro os preos vo reequilibrar a compensao
nos um lucro. Essencialmente, eles so muito o mesmo como pares (ou spread) de negociao, embora
eles podem consistir de cestas (ou carteiras) de comrcios.
Por exemplo, a Tabela 5-10 mostra algumas estratgias exemplo de negociao para ttulos.
Embora estes exemplos tm 2-3 ps cada, podemos v-los simplesmente em termos de as compras
globais e vende.
Tipo
Rolls cupom, On / Off the-run
Nova edio
Lado B (vende)
Atual edio
Longo prazo
Maturidade curta
Barbell
Borboleta
Lado A (compra)
(Bullet-barra)
Longo prazo
Maturidade
curta
Maturidade Intermediate
5-10 estratgias baseadas em ttulos Multi-perna de mesa

Posies de obrigaes podero ser rolados quando novos problemas ocorrem com os
investidores podem decidir trocar (ou rolo) seus investimentos neles. Em que facilidade eles podem
precisar para comprar a nova edio e vender a sua posio currcnt. Os investidores tambm podem
adotar uma estratgia barbell, atravs da compra tanto de curto prazo e de longo prazo ttulos.
Alternativamente, eles podem tomar um ponto de vista sobre as taxas de juros com base no
Viso
156
algoritmo
geral
do
curva de juros. Por exemplo, a estratgia de borboleta mostrado na Tabela 5-10 est estruturado para
tomar vantagem de um futuro aumento da curvatura. Se as taxas de ttulos de vencimento intermedirio
subir, o preo de nossos ttulos intermedirios cair dando nossa posio curta um lucro. Por outro
lado, se a curva de rendimento expectcd para achatar as posies opostas podem ser tomadas.
Para futuros, troca spread to bem estabelecida que a maioria das trocas de apoiar carteiras de
encomendas dedicados apenas para spreads. Dentro De certa forma, os spreads so quase tratados como
ativos em seu prprio direito. Tabela 5-11 mostra alguns dos tipos de estratgia com vrias etapas que
podem ser utilizados com contratos de futuros.
Tipo
Um lado (compra) Lado B
Espalhar (touro) contrato Perto
JAN09Deferred por exemplo
Propagao da borboleta (grandes) Perto contrato, por
exemplo, Jan09
Por exemplo, contrato diferidos
May09 Condor propagao (grandes) Perto contrato, por
exemplo, Jan09
Por exemplo, contrato diferidos
JUL09
(vende)
p o r e x e m p l o . Contrato
Mar09
Prximo contrato (x2), por exemplo,
Mar09
Prximos dois contratos por exemplo
Mar09,
May09
Estratgias baseadas em futuros Tabela 5-11 multi-tramo

Comrcios de disperso pode ser, tal como o exemplo na Tabela 5-11 com base no calendrio.
Eles tambm podem ser negociadas entre os contratos para diferentes underliers, ou at mesmo
contratos de outros locais. UMAtouro propagao tenta tirar vantagem de aumentar os preos para o
prximo contrato em um mercado tipicamente de alta. Spreads de borboleta so essencialmente dois os
spreads calendrio combinado, a negociao espalhar entre spreads. No exemplo dado, um touro
propagao JAN-MAR combinado com um MAR-PODE bear spread. A estrat gia vai se
beneficiar se o spread entre estas alarga ou becomcs mais positiva. Um condor uma extenso
dessa abordagem com um hody mais amplo. A partir da o exemplo na Tabela 5-11 ns agora vender dois
contratos datados diferentes. Mais uma vez esta estratgia benefcios se o spread se amplia; Por
outro lado, para um curto condor das posies ser revertida e ele iria ganhar com o estreitamento
spread. Mais exemplos de negociao de futuros propagao pode ser encontrado em uma viso
agradvel pela CME (2006a).
Opes adicionar graus extras de complexidade, uma vez que pode comprar ou vender ambos os
calls e puts. Dentro Adicionalmente, cada contrato tem um preo de exerccio especfico e maturidade.
Algumas estratgias so exemplos mostrado na Tabela 5-12.
Os spreads opo tambm pode ser baseada em greve (vertical), bem como os spreads calend rio.
Para exemplo, a borboleta e estratgias de atendimento condor longas apresentados na Tabela 512 so baseados em chamadas todos com o mesmo termo, mas diferentes preos de exerccio. A
recompensa para estes exemplos dependente do preo do activo subjacente ficar em torno do pre o
de exerccio mdio. One- estratgias unilaterais tambm so possveis desde que ns podemos
comprar a colocar ao invs de arriscar a escrever uma chamada. Ento o exemplo longo do straddle vai se
beneficiar se uma mudana de preo marcado ocorre (em qualquer direo), essencialmente lucrar com
volatilidade. A benefcios estrangular uma maneira semelhante, embora isto para priccs fora de um
intervalo definido desde o put ea chamada tm diferentes priccs greve. Opes estratgias poderia
facilmente preencher um livro em seu prprio direito. (1994) livro de Sheldon Natenberg 'Opo
volatilidade e preos "fornece uma avaliao mais detalhada destes strategics negociao.
Em termos de execuo destas estratgias multi-tramo, poderamos abordar separadamente cada
perna. Ainda, isso pode nos expor a riscos legging considervel. Por exemplo, poderamos acabar
com a desejada posio longa, mas apenas metade dos curtas-alvo. Por conseguinte, as pernas e
ligando negoci-los simultaneamente muitas vezes uma opo mais segura. Em alguns casos isso
pode ser to simples como usando os tipos de ordens ligadas vimos no Captulo 4.
157
Lado B (vende)
Lado A (compra)
Call (xl) a maior greve por exemplo
Call (xl), por exemplo, Agosto
Agosto 55
50 (xl)
Coloque
(xl) a maior greve
Put
Call (x2) a maior greve
Call (xl)
propagao
Call (xl) no vencimento mais tarde, por
Call (xl), por exemplo. Mar 50
Calendrio
exemplo,
propagao
Call (xl) aJulho
maior50greve
Put (xl)
Colarinho
Call
(xl)
a
menor
greve,
por
exemplo,
Setembro
50
Borboleta
Call (x2), por exemplo, Setembro 55
Call (xl) a maior greve por exemplo Setembro 60
chamada (long)
Call (xl) a menor greve, por exemplo,
Call (xl) a menor greve, por exemplo,
Condor (long) ligar
Agosto 50 Chamada (xl) a maior greve
Agosto 45
por exemplo Agosto 55
Ligue para (x 1) a maior greve por
exemplo Agosto 60
Call (xl)
Pernalta (grandes)
Coloque (xl) a mesma greve
Call (xl)
Strangle (grandes)
Coloque (x 1) a menor greve
Tipo
Ligar spread
(touro)
Coloque
propagao
(urso)
Chamada relao
Tabela 5-12 opes baseadas em Multi-perna estratgias

Alternativamente, um algoritmo dcdicatcd poderia oferecer um tratamento mais sofisticado, variando a
legging com base em tanto risco e as condies de mercado atuais. Estes negociao multi-perna
Exemplos tambm podem ser vistos como carteira comrcios um ou dois lados. No captulo 12,
que deve abordar algumas dessas consideraes mais detalhadamente quando consideramos carteira
de negociao.
Negociao com vrias etapas tambm podem ser divididos entre as classes de activos. No
captulo 13, vamos rever alguns dos estas estratgias, incluindo tanto de hedge (beta, delta, gama e
durao) e arbitragem (dividendo, ADR, ndices, futuros e opes).
Impulsionado pela volatilidade

Os algoritmos que examinamos at agora tm sido geralmente impulsionada por condies de
mercado para o ativo requerido, se este o preo, volume ou de liquidez. Contudo, os derivados
so contratos baseados em um activo subjacente, de modo que os moviment os de preos no arco
subjacente um importante fator. Alguns corretores / vendedores comearam a lago isso em conta,
oferecendo algoritmos que pode efetivamente peg ao preo subjacente.
Os preos das opes de contratos geralmente so gerados por modelos, que podem ser
baseadas em frmulas de preos, como o (1973) modelo de Black Scholes. Por exemplo, o preo de
uma opo de compra
(C) pode ser definida como em funo do preo do activo subjacente (5) e a cal esquerda para caducidade
(7):
C (S, T) = Sn (d]) -ke ~rTN (d2)
(5-2)
Onde K o preo de exerccio da opo Ihe, r o interesse e rale N () o padro normal, funo de
distribuio cumulativa. A factores d] e D2 so definidos por:
ii=
MSIK) Hr + sl2) T
2 d = d Eu_umaJ
CT-jt
Onde um a volatilidade do preo do ativo. Assim, o preo da opo depende do assel subjacente, sua
maturidade e juros estertores cal lo. Note que este o seu preo terico, ou valor justo. Assim
como wilh qualquer outro tipo de Assel, o preo de mercado ser um pouco diferente a partir deste.
Essas diferenas refletem os pontos de vista (e invent rios) do outro mercado
158
algoritmo
Viso
geral
do
participantes (dealers). Tendo em conta que o tempo para as taxas de maturidade e de juros s o
praticamente fixo, isso deixa volatilidade como a varivel principal. Assim, uma forma alternativa de
ver estes preo diferenas trat-los como diferentes estimativas para a volatilidade do activo
subjacente. De invertendo a lgica de preos, podemos, portanto, determinar volatilidades
implcitas base destes preos de mercado. Por exemplo, a Figura 5-35 mostra uma carteira de
pedidos com setembro de 09 opes de compra de ativos com a EFG um preo de exerccio de 50. O
preo atual do EFG de 47.
Buys
Sells
Tamanho Preo
Preo
Sells
Tamanho Tempo
Identidade
50
3,78
3.93
3.98
4.03
10
25
20
09:02:00
09:02:05
09:02:19
SI
S2
S3
(a) Preos
Implcita Vol.Size
[d_
25,00%
10
25,25 %
25
20
25,50%
Tempo
09:02:0
0
09:02:0
5
09:02:1
9
SI
S2
S3
(b) Presena humana vols
Figura 5-35 A carteira de pedidos opo amostra juntamente com vista para as volatilidades
implcitas
A Figura 5-35 (b) mostra como os priccs mercado foram convertidos de volta sua
implcita volatilidades. Agora vamos considerar a situa o quase uma hora mais tarde.
Buys
Sells
Tamanho PricePrice
Tempo Identidade
20
3.95
4.09
4.20
4.23
(uma) Preos
Sells
Tamanho
15
5
30
09:51:00
09:51:45
09:52:19
Implcita Vol.
S4
S5
S6
24,50%
25,10%
25,25%
Tamanho Tempo
Identidade
15
09:51:0
0
5
09:51:4
5
30
09:52:1
9
S4
S5
S6
(b) Presena humana vols
Figura 5-36 Um instantneo depois do livro de ordens a partir da Figura 5-35

O preo da EFG subiu para 47,5, hcncc os preos de opo de compra tambm aumentaram.
Embora, com base na volatilidade impl cita, podemos ver que fim S4 agora realmente tem um
ligeiramente valor inferior. Com efeito, esta ordem pode ser visto como sendo "mais barato" em termos
de volatilidade. Ns pode explicar este ligando essa volatilidade para o clculo opo pricc
juntamente com o preo subjacente original da 47. Isto d uma opo um preo de 3,84, o que
consideravelmente menos do que qualquer um dos preos disponveis uma hora antes na Figura 5-35.
Ao comparar os preos das opes importante lembrar que eles arco sendo conduzido por
uma srie de fatores. Consequentemente, os comerciantes podem preferir basear as suas decises sobre a
volatilidade implcita em vez de apenas o preo atual. Por sua vez, corretores e vendedores so
estorninho de oferecer negociao algoritmos que adotam uma abordagem semelhante, eficazmente
dirigir a partir de um algoritmo modificado livro de ordens, como mostrado na Figura 5-35 (b).
Esta abordagem tambm pode ser estendido para os spreads de opes de negociao.
Efetivamente, isso semelhante para o que discutimos para negociao par e multi-tramo algoritmos,
apenas substituindo preos com volatilidades implcitas. Note-se que um pouco mais complicado do
que uma simples negociao par uma vez que outros factores de risco, tais como a deteriora o do
tempo tambm tero de ser tomadas em considerao.
Basear as decises de negociao sobre a volatilidade tambm torna possvel a considerar
negociao diferentes contratos. Tendo em conta que pode haver centenas (ou milhares) de
contratos de umaativo especfico, cada um deles ter muito menor liquidez. Ao v-las em termos
de sua volatilidade implcita, podemos potencialmente cumprir os nossos requisitos com outros
contratos. Para exemplo, no exemplo anterior poderamos ter tambm negociados alguns contratos
de agosto, ou algum
159
Algorithmie Negociao E DMA
com outro preo de exerccio. Dito isto, esta abordagem pode adicionar mais complicaes, uma vez que
diferentes tipos de contratos pode trazer a exposi o a outros riscos. Portanto, se um portflio de
opes contratos est sendo gerado, importante considerar os fatores de risco (ou "gregos") para
fazer Certifique-se de que no existem surpresas em termos de exposio ao risco.
Como algoritmos de expandir ainda mais nos mercados de derivativos, incorporando estes factores
de risco em algoritmos de negociao provvel que se torne uma exigncia muito mais comum. No
Captulo 3 J vamos brevemente rever a forma como alguns fatores de risco (como delta e gamma)
poder ser coberto.
Gamma Preo Mdio Ponderado (GWAP)

Dficit de implementao tornou-se onipresente nos mercados de aces, embora haja ainda um
grande contingente de comerciantes e investidores que tambm rastreiam benchmarks como VWAP. Ainda
assim, no necessariamente VWAP uma referncia universal, especialmente para mercados
fragmentados ou ativos ilquidos. O Gamma Preo Mdio Ponderado (GWAP) uma referncia
alternativa descrito por Scott Larison (2008). Ele projetado para lidar com algumas das deficincias
do VWAP para os mercados de opes: Um nico ativo pode ter milhares de contratos de opes
relacionadas, de modo a liquidez de qualquer uma contrato ser geralmente significativamente inferior
ao do activo subjacente. Como Larison assinala, esta actividade de trading mais baixa torna
benchmarks como VWAP menos significativo para as op es. Uma complicao adicional o
facto de complexo multi-perna estratgias representam um volume considervel nos mercados de opes.
Assim, os preos tambm pode ser influenciado por aqueles de outros contratos. Assim, o valor de
referncia GWAP tambm leva em conta o VWAP do activo subjacente. Pode ser representado
como:
Gwap (call) = P + [A '* Aroc] L
wap
(put) = P [A '* Aroc}
Onde P o preo da opo, A ' o delta ajustado e xroc a taxa de mudana de preos. Dentro por
sua vez, a taxa de mudana de preos (Xroc) Baseia-se na VWAP do activo subjacente:
^ roc ~ SVWAP -sq
5 onde 0 o preo de referncia do activo subjacente, por exemplo, o preo de chegada ou o
fechamento anterior, e SVWAP a mdia VWAP para o intervalo especificado.
O delta um dos "gregos"; uma medida que representa o risco em termos de movimentos de preos
pelo activo subjacente. 4Um delta de 1,0 significa que para cada aumento (queda) de US $ 1, na activo
subjacente preo da opo tambm subir (queda) por $ 1. Por outro lado, um delta negativo
significa que os movimentos de preos da opo na direo oposta. No clculo GWAP, o delta
ajustado (A ') baseado em delta tcita da opo (A) e gama (y) a partir de quando o
ordem foi inscrito:
Um W) = U M A +(^ * R )
UMA' ( p W )= A - a ^ * Y)
Gamma uma segunda medida de risco derivado. Ele quantifica o quanto o delta vai mudar quando os
movimentos de preos do ativo subjacente em uma unidade, por exemplo $ 1. Por exemplo, vamos
considerar umaopo de compra preo de US $ 6 com um delta de 0,5 e uma gama de 0,1. Quando o
preo do activo subjacente aumenta em US $ 1, o delta significa a opo de compra aumentar para
US $ 6,5, enquanto que a sua vontade delta aumentar para 0,6 por causa da gama. Vamos cobrir
ambos com mais detalhes no Captulo 13 na reviso das estratgias delta e gama de cobertura.
Larison (2008) continua a dar um exemplo de como o GWAP pode ser calculada. Sediada
O delta para uma chamada aclually N (d), a partir da equao 5-2.
160
algoritmo
Viso geral do
sobre isso, vamos supor que o ABC activo subjacente comea com um preo de referncia (S0) de
45,0 $. Durante todo o dia 9:30 - 16:00, consegue um VWAP de $ 46,00. O preo de uma opo de
compra 09 de setembro com uma greve de 50 comea em US $ 2,15, com um delta implcita de 38% e uma
gama de 4%.
Por conseguinte, a taxa de mudana de preo:
xroc = 46,0 - 45,0 = 1,0.
O ajustado delta:
UMA' = 38% + (1,0 * 4%) = 42%. Dando
um GWAP para o nosso apelo opo:
G wap = $ 2,15 + [38% * 1,0] = $ 2.53.
Consequentemente, a henchmark alvo baseia-se o preo se move no activo subjacente em
vez do que os do mercado de opes.
A CBOE uma parceria com a Pipeline para fornecer uma passagem de referncia com base na
GWAP. Se esta for bem sucedida bem podemos come ar a ver algoritmos opo tentando
rastrear o GWAP em tempo real.
Como algoritmos de continuar a se espalhar para mais mercados bem podemos ver outros novos
benchmarks sendo adotado.
5.8
Resumo
Um algoritmo de negociao simplesmente um conjunto de instrues utilizadas para executar uma

ordem.
Algoritmos de negociao podem ser classificados em trs grupos principais hased no

objectivos a atingir. Estes so-impacto conduzido, custo-driven ou oportunista.
Algoritmos orientada para o impacto procurar minimizar os custos globais impacto no

mercado, geralmente por dividir grandes encomendas em ordens crianas menores.
TWAP (tempo mdio ponderado pricc) muitas vezes impulsionada por uma
programao hased-tempo.
VWAP (volume preo mdio ponderado), muitas vezes usa volumes hist ricos como
um guia.
Por cento do volume (POV) algoritmos de "ir junto" com o volume do mercado.
Algoritmos impacto mnimo usar ATS e "dark pools" para reduzir o risco de sinaliza o.
Algoritmos custo-driven visam reduzir os custos globais de negocia o.
Dficit de implementao (IS) procura alcanar um equilbrio entre custo e risco.
Algoritmos adaptativos dfice estender esta, adaptando-se a pricc mercado (ou de
liquidez).
Markct-on-close algoritmos direcionar o preo de fechamento futuro.
Algoritmos oportunistas se esforar para tirar o melhor partido das condies favorveis do
mercado.
Preo algoritmos embutidos so variantes priee-sensveis de algoritmos orientada para o
impacto.
Algoritmos-driven de liquidez so uma evoluo do mais simples de roteamento de
ordens baseado em regras.
Par de negociao uma estratgia neutra mercado impulsionado por uma expanso favorvel ou
proporo.
A maioria destes algoritmos ir funcionar em classes de activos. Ainda assim, as
caractersticas nicas de algumas classes de activos significa que tambm podem ser
necessrios completamente novos tipos. Por exemplo:
Negociao com vrias etapas para ttulos e derivados
Algoritmos impulsionado por fatores como taxas de juros ou volatilidade
Manipulao de bens fungveis, ento negociao baseada em especificao, em vez de
activos explcitos Segmentao novos benchmarks mais adequados
161
Captulo 6
Custos de transao
Os custos de transao pode ter um efeito significativo sobre o retorno dos
investimentos. Portanto, importante para ambos medida e analis-los se
"melhor execuo" para ser alcanado.
6.1
Introduo
Cada vez que um ativo comprado ou vendido custos de transao incorridos. Em termos
econmicos, Robert Kissel I (2006) descreve-os como os custos pagos pelos compradores, mas no
recebeu por parte dos vendedores. Eles podem ter um efeito considervel sobre retornos de investimento,
por exemplo, Ed Nicoll (2004) custos de transao total estimado anual de aproximadamente $
120.000.000.000 para o 12000000000000 $
EUA mercado de aes. Isto baseado em custos por fim que variam de 20 pontos base (bps) at
200 (ou 2%) do valor. A ampla gama , em parte devido s diferentes caractersticas de cada activo e
da ordem, mas tambm devido s diferentes formas os custos de transao possam ser atribudas.
Uma das maneiras mais comuns para examinar os custos de transac o foi comparar o
desempenho real de uma carteira com o seu equivalente "papel". A carteira de trabalho simplesmente
um Portflio Virtual negociadas a preos de referncia, mas sem levar em conta todos os custos.
Figura 6-1 Comparando o desempenho de um portflio

A diferena de desempenho entre uma carteira e seu "papel" terico equivalente
162
Custos de transao
foi denominado o "dfice implementao" por Andre Perold (1988), como mostrado na Figura 6-1.
Alternativamente, esta muitas vezes referida como "deslizamento".
Um exemplo especfico do impacto dos custos de transao dada por David Leinweber (2002) para os
retornos de um fundo com base na carteira Value Line. A Linha de Investimento Valor Inqurito um
boletim semanal de anlise de aes focusscd sobre os EUA entre 1979 e 1991 a carteira de papel atingiu
uma rentabilidade anualizada de 26,2%, enquanto que o fundo real, na verdade, gesto de 16,1%.
Grande parte dessa diferena directamente atribuvel a custos de transao, o sincc fundo fez
as mesmas rotas como recomendado no boletim. 1
Apesar de os custos de transao arco inevitvel, que pode ser minimizado. Por conseguinte, a
fim de maximizar o retorno de investimento importante para medir com preciso os custos de
transao e analis-los para compreender como e por que eles ocorrem.
6.2
Os proces investimento s
Os custos de transao cobrem todo o processo de investimento. Eles podem ser rastreados a
partir do inicial deciso de comprar / vender um ativo por meio s ordens reais e execues que
alcanam isto.
; Buy-side
Analist
a
(Compra
r/
vender
idias ')
Portfolio Manager
(Optimizao,
controlo de risco)
Trader Interno
(Pre-trade seleo
anlise broker)
Encomendas
Relatrios
Sistema de
negociao
algortmica ou
DMA (Execuo)
atuao
monitorao
> Vendedor N
(Anlise, monitoramento
elabora
o de
relatrios)
Comercia
nte
(Execuo)
Mercado (local de execuo)
Figura 6-2 O processo de investimento

1
Leinweber observa que parte da carncia foi aplicada devido a atrasos antes negocia o, garantindo que o fundo no
fez front-executar os assinantes do boletim de notcias.
163
Figura 6-2 mostra uma viso simplificada do processo, abrangendo tanto a tradicional negociao
corretor bem como algortmica / Execuo DMA: A fonte inicial de cada ordem encontra-se o buy-side,
com um investimento comprar ou vender idia. O impacto potencial da carteira de investimentos , em
seguida, modelado pelo gestor da carteira, que ir utilizar tcnicas de otimizao e anlise de risco
para
determinar o conjunto de posies de destino. Um comerciante interno deve, em seguida,
identificar a melhor maneira de negociar esses pedidos. 2Isto conseguido atravs da estimativa
do custo potencial da operao, bem como considerando o desempenho histrico corretor. Tendo
decidido sobre os meios mais adequados para de negociao, as ordens so ento encaminhados
para execuo. Mais comumente, isso vai significar o envio de los para uma instituio de sell-side, a
partir de onde eles sero enviados para o mercado. Isto pode ser conseguida atravs um vendedor /
comerciante ou por um processo de negociao algortmica / DMA. 3Finalmente, as execues de que o
mercado vai completar a ordem e relatrios comerciais ser enviado de volta para o buy-side.
Uma forma alternativa de ver este processo a de considerar todo o ciclo de investimento, como
realado por Ananth Madhavan (2002). Ao invs de focar sobre os indivduos envolvidos, ele
enfatiza a natureza cclica do processo de investimento, mostrado na Figura 6-3. Comrcio execuo
impulsionada pela estratgia de investimento, mas tambm d um feedback importante, que podem
afetar as decises de investimento futuras.
Estratgia de Investimento
Pesquisa Fundamental
o
foli
o
Otimizao
Backtestin
tipo
Ttmxact ion Custo

(Anlise
Anlise de Desempenho
Fonte: Madhavan (2002b) Reproduzida
com a permisso de ITG Inc. e Investidores lnstilutional
Figura 6- 3 O ciclo de investimento

Claramente, a anlise dos custos de transao uma parte importante do processo de
investimento:
Anlise pr-negociao conccntrates em estimar os custos potenciais da transa o.

Por isso, um contributo essencial para a escolha da estratgia de negociao e pode ter um
efeito substancial sobre a execuo global (e assim o investimento) de desempenho.
Anlise de liquidez tambm pode ser usado para identificar as melhores estrat gias e
locais para negociao.
Anlise ps-negociao se concentra no desempenho de execuo e medio de

custos de transao. essencial para a compreenso da eficcia tanto do idias de
investimento e sua implementao. Por sua vez, este desempenho uma
2
Note-se que alguns destes diferentes funes podem ser adoptada a mesma pessoa, dependendo do tamanho da
organizao.
3
Os vendedores arco cada vez mais vendas / comerciantes, capazes de rotear ordens diretamente para algoritmos de
negociao.
Custos de transao
164
considerao importante quando novos strategics investimento arco formulado. Para

exemplo, uma oportunidade de investimento no valor de 30 pontos base pode n o
valer a pena
seguindo-se, se os custos de transao anteriores para ordens
semelhantes foram em torno este nvel.
Historicamente, a maior parte das primeiras pesquisas sobre os custos de transa o centrada na
anlise post-trade. Apesar de, durante os ltimos anos anlise prc-comrcio tem bccomc cada vez
mais importante. Em particular, negociao algortmica muitas vezes dependente de modelos prtradc a fim de alcanar mais custo execuo eficiente.
A fim de comparar os vrios componentes de custos de transao, ao longo deste captulo vamos
usar o seguinte exemplo de comrcio.
Exemplo 6-1 : A deciso de comprar 50 mil de ativo XYZ, a sua mid-preo e nossas execues so
tudo mostrado na Figura 6-4.
tdtotit
t3
Tempo
Figura 6- 4A trama do preo de negociao e execues para a ordem no Exemplo 6-1

Como wc pode ver na Figura 6-4, a deciso de investimento para comprar XYZ feita quando o
pricc em p d, Que coincide com o dia anterior s preo de fechamento de 90. Depois anlise, uma
ordem para comprar 50 mil despachado para um corretor em tempo para, que (para simplicidade)
preenchido por trs ordens de criana separadas. Os pedidos criana exccute em tempos t |, t 2e t3.
O primeiro duas execues so para 10.000 a um preo mdio de 91,15 seguido por 20.000 em 92,5,
e so razoavelmente perto do melhor preo do mercado nesses momentos. A terceira ordem, de 15.000,
causou mais impacto e assim alcanado um preo mais pobres de 93,8. Note-se que estes exemplos de
execues arco apenas destinados a ajudar a destacar os vrios tipos de custos de transao; eles no ARC
ligado a qualquer tipo especfico de estratgia de negociao ou algoritmo.
Imediatamente a partir da Figura 6-4 wc pode sec duas fases distintas, o per odo prccomrcio e da execuo real. O perodo de pr-negociao dura de t ^ para a quando a ordem para
dispatchcd umacorretor, enquanto a fase de execuo vai de para a concluso do pedido, ou neste
facilidade, o
165
closc dia desde que a ordem no for totalmente executado. A tend ncia dos preos forte
tambm bvio, a aumentar progressivamente, desde a abertura em 90,5 para finalmente
fechando em 93,0.
As sees a seguir fornecem uma descrio mais detalhada de ambos anlise comrcio pr e ps,
juntamente com uma anlise detalhada de como os custos de transaco so formados, usando Neste
exemplo comrcio. Para ainda cobertura mais detalhada da anlise dos custos de transao bem a
pena referindo-se a 'Optimal Negociao Strategics' por Robert Morton Kissell e Glantz (2003).
6.3
Anlise pr-negociao
Anlise pr-lradc importante para assegurar que conseguido o melhor execuo. Estes analytics
ajud investidores ou comerciantes tomar decises informadas sobre a melhor forma de executar
uma determinada ordem.
A maioria dos corretores / vendedores fornecem uma quantidade considervel de informao geral de
referncia. Isso pode ser to simples como o pas associado e moeda, ou pode ser mais ativo
especfica. Por exemplo, para as aces que possam fornecer informaes fundamentais, como o
capitalizao de mercado e as vrias propores de investimento (por exemplo, preo de ganhos (P /
E), preo a livro (P / B)), juntamente com todos os dados do setor e ndices relevantes. Da mesma
forma, para os ttulos, eles podem fornecer rendimento do ttulo e durao, bem como detalhes de
sua classificao de crdito, tamanho do problema e qualquer termos e condies relevantes.
Tabela 6-1 descreve os dados que a chave para a seleo estratgia de negociao.
Essencialmente, este consiste em priccs, medidas de liquidez e de dados para an lise de risco e
estimativas de custos.
TypeData
Preos de
Os p re os de me rc ad o, inte rva los Pre o, Te nd nc ias /
Liq uidez
mo me ntu mPe rc e nta ge m d e AD V , E perfil Volum, a
Risco
estabilidade de Negociao Volatilidade, Beta, a exposi o de
As estimativas
de custo
Risco
Marke t impacto, risco Timin g
Tabela 6-1 Um resumo das anlises de dados de chave pr-negociao

As estimativas de risco de liquidez e de destacar a dificuldade esperada da negocia o. O
custo estimativas dar uma indicao razovel do que pode ser alcanado. Isto particularmente
importante para a negociao algortmica, pois nos d uma idia de como a ordem adequado para
umadeterminada estratgia. Estimativas de risco proibitivo ou custo significa que vale a pena discutir
a ordem diretamente com um corretor ou comerciante desde a execuo manual pode ser a melhor opo.
No Captulo 7, veremos como podemos usar essas estimativas de custo e risco para tentar selecionar o ideal
de negociao para estratgia uma ordem especfica.
Dados de preos
Uma ampla gama de dados de preos til para anlise pr-negociao. A actual oferta de mercado e oferta
preos, ou um instantneo recente, agir como uma linha de base para o que podemos alcanar. A ltima
negociados preo tambm til, especialmente para ativos ilquidos, uma vez que este pode ser
significativamente diferente das cotaes atuais. A oferta lance propagao fornece uma
estimativa para o custo de imediatismo. Spreads mdios histricos nos permitem avaliar se o spread
atual incomum.
Gamas de preos, como a diferena entre os preos mximos e mnimos de hoje, dar um
indicao da volatilidade do preo atual. Da mesma forma, benchmarks como preo de abertura de
hoje ou closc de ontem noite tambm so teis. Tendncias pode ser refletida por dirias, semanais
ou mensais, mesmo variaes percentuais.
Custos Transaclion
166
Os dados de liquidez
A liquidez est intimamente relacionado com os custos de transa o. Ofertas de volume de
negociao uma maneira simples de avaliar a liquidez do um determinado ativo. O volume mdio dirio
(ADV) frequentemente ealeulalcd para o ltimo 30 ou 90 dias. A percentagem de ADV representa o
tamanho da nossa ordem como uma fraco deste volume. Assim, podemos medir o quo difcil pode
ser para trabalhar um determinado fim. Por exemplo, qualquer coisa menos de 20-25% devem ser
alcanveis no mbito um dia; no entanto, nada mais que isso poderia ter um efeito mais significativo
sobre o mercado.
Uma estimativa do horizonte negociao necessria pode basear-se no ADV, em conjunto com
umafaetor (uma) o que representa a nossa taxa de troca desejada:
Horizonte = Tamanho / (ADV * a)
Por exemplo, dado um tamanho ordem de 50.000 com uma ADV de 1.000.000, se n s no
queremos a participar em mais de 10% do volume de mercado, em seguida, o tempo necessrio :
Horizonte 50.000 = / (1.000.000 * 0,1) = 0,5 dias.
Na participao de 10%, poderia nos levar metade um dia para completar a ordem, enquanto se somos
nica preparada para ser de 5% poderia levar o dia inteiro.
Claramente, para tais estimativas para ser confivel, importante que o volume de negociao
real corresponde de perto o perfil histrico volume. Kissell e Glantz (2003) quantificar isso,
adopo um coeficiente de variao (CV), que baseado no desvio padro A (ADV):
cv = (T (ADV) / ADV
A estabilidade de negociao inversamente relacionado a este coeficiente, assim um elevado
valor de CV implica que a variao considervel da mdia histrica possvel.
Desde que a actividade de negociao razoavelmente estvel, podemos estimar que de hoje de
negociao o volume pode ser apenas comparando o volume at agora com o perfil histrico. Se o
mercado s foi aberto uma hora e dias o volume 50% maior do que a histrica mdia, ento este
pode muito bem continuar para o resto do dia, em que a facilidade precisamos redimensionar o
perfil de volume. Obviamente, em tais casos, igualmente importante para verificar se existe qualquer
notcia que pode estar dirigindo este adicional volume.
Como veremos no captulo 10, uma variedade de factores pode ter um impacto sobre o esperado
volumes. Por exemplo, Kissell e Glantz (2003) observam a import ncia do dia da semana para
aces norte-americanas: segundas-feiras geralmente sec abaixo volumes mdios, enquanto
quarta-feira e Quintas-feiras ver um pouco acima da mdia queridos.
O tamanho mdio do comrcio, tambm pode ser til, por vezes, em particular se o fim para
ser trabalhado manualmente. Este actua como um guia simples para evitar a sinalizao de riscos; se a
ordem significativamente maior do que o tamanho mdio de comrcio, em seguida, vale a pena
dividindo-o ou usando escondida encomendas.
Dados de risco
A volatilidade uma varivel-chave para estimar o quanto wc risco pode ser exposto. Baseia- no desvio
padro dos retornos de preos, muitas vezes para a ltima 3 ou 6 meses. Como j vimos, uma volatilidade
elevada implica uma quantidade considervel de risco temporal. Portanto, mais Strategics comerciais
agressivas sero geralmente utilizados para contrariar isto.
O risco de mercado pode ser medida usando beta de um ativo, que uma medida da sua
sensibilidade aos retornos do mercado. Um valor positivo significa que o preo do activo se move na
mesma direco que a
167
mercado enquanto uma negativa significa que ele se comporta de uma forma contrria. 4A beta de 1
significa que os preos dos ativos se move em linha com o mercado, por isso, se o mercado como um
todo cai de 10%, em seguida, o preo do ativo far o mesmo. Um beta superior a 1 significa que a resposta
preo ampliada, assim um beta de 2 cairia de 20%, enquanto que um beta de 0,5 s iria cair 5%. Nota ns
abrange outras mtricas portflio de risco em mais detalhes no Captulo 12.
As estimativas dos custos de transao

Modelos de custos de transao geralmente fornecem uma estimativa para o custo global, bem
como detalhando os principais componentes dos custos, como o impacto no mercado e risco
temporal. Esses so detalhado na seo 6.5.
A base para muitos modelos de custos de transao um quadro sugerido HY Robert Almgrcn e
Neil Chriss (2000). Este utiliza um modelo de passeio aleatrio para estimar o preo de mercado atual em
termos de impacto no mercado permanente, tendncias de preos e volatilidade. Captulo 10 fornece
umamais uma anlise em profundidade destes modelos em termos de custos de estimativa.
Em termos de seleo de ativos, dado dois ativos com retornos esperados semelhantes lgico
comrcio a que tem os menores custos de transao expectcd. Exatamente o mesmo pode ser dito para
comparar vrios tipos de estratgia de negociao, se est a utilizar um sistema de cruzamento, uma
negociao algoritmo ou DMA. Anlise pr-negociao detalhada ainda necessrio (para garantir
o mais recente mercado informao incorporada em todas as decises); no entanto, os dados de
custos histricos podem ccrtainly tambm ser usado para orientar a deciso de seleco.
As estimativas de custos so um importante guia para a dificuldade de uma ordem. Por exemplo,
se a estimativa de risco de temporizao significativamente maior do que a previso do impacto
no mercado, em seguida, vale a pena considerando uma estratgia comercial mais agressiva. Por outro
lado, um impacto maior do mercado pode sugerir adotando um estilo mais passivo. No Captulo 7, vamos
ver como essas decises afetam algoritmo choicc.
6.4
Anlise ps-negociao
Os resultados histricos de anlise ato ps-negociao como uma medida de desempenho corretor /
comerciante; eles tambm podem informar tanto o investimento e as decises de execuo.
Claramente, existe muito mais para os custos de transaco do que as taxas e comisses. Passado
desempenho , portanto, uma importante ferramenta para comparar a qualidade de execu o de
ambos corretores e comerciantes individuais. Honorrios de pesquisa separao tambm tornou
mais fcil para os investidores para conectar os custos para a execuo, e assim utilizar a anlise
post-trade para comparar com preciso corretor desempenho.
Quebrando os custos para baixo em seus componentes nos permite ver onde e como os custos
(ou escorregamento) realmente ocorreu. Medio detalhada ajuda a assegurar que os esforos futuros
para a reduo de custos so focusscd no palco correta do proccss investimento. Ele tambm pode ser
usado para guiar a seleco do mtodo de execuo. Por exemplo, o risco elevado de temporizao e /
ou custo de oportunidade sugere que a negociao pode ter sido demasiado passiva.
Anlise de desempenho
Como podemos dizer se um corretor / comerciante hbil ou sorte? Da mesma forma, como podemos
saber se um algoritmo VWAP determinado corretor executa melhor do que outro? An lise de
desempenho uma ferramenta importante para a comparao ps-negociao de resultados corretor
/ negociante / algoritmo.
Comparao de referncia provavelmente a ferramenta mais amplamente utilizado para o
desempenho
Nole s vezes pode ser difcil de encontrar ativos com um beta negativo (excepto durante um curto perodo de tempo).
Custos de transao
168
anlise. Isto significa simplesmente selecionando uma referncia adequada e, em seguida,

comparando o preo mdio de execuo com isto. Em teoria, um bom executor deve, em mdia, fsforo
(ou bater) o benchmark.
Ainda assim, benchmarks no so perfcct; em particular, podem surgir dificuldades quando se usa los para comparar o desempenho atravs de ativos e ao longo do tempo. Ent o, depois de uma
breve reviso das principais benchmarks devemos tambm considerar uma mtrica alternativa
proposta por Robert Kissell (1998). Este o desempenho relativo Medida (RPM), que atribui a
cada comrcio uma classificao percentual em comparao com o resto do mercado. Isso torna muito
mais fcil comparar desempenho em uma gama de ativos, bem como ao longo do tempo. Ele tambm pode
permitir tendncias pricc e outras condies de mercado.
Benchmarks
Uma boa referncia deve ser fcil de acompanhar e facilmente verificvel, tambm deve fornecer uma
medio de desempenho precisas. Tabela 6-2 mostra os vrios benchmarks agrupados em termos
de quando pode ser determinada.
Resultados para Exemplo 6-1
ndice de referncia
BenchmarkRelative
performance (bps)
Preo
TypeName
Po s t -Tra d e
Intraday
Pr -Tra d c
Clos e
93. 00
37
Futuro Clos e (dia seguinte)
94.00
137
OHL C
92.00
-6 3
TWA P
92, 20
-4 3
APV P
92, 40
-2 3
C los Ante rio r e
90. 00
-26 3
A b e rto e m g Preo
90. 50
-21 3
Dec is o Pre o
90. 00
-26 3
Arriva l Pre o
90,6 5
-19 8
Exec u o m d ia preo
92, 6 3
n / uma
Tabela 6-2 Tipos de referncia

Benchmarks ps-negociao, tais como o dia ' s prximo, no sero conhecidos depois da
negociao foi completado. Em comparao, benchmarks prc-comerciais, tais como o anterior ou o
closc preo de abertura, so conhecidos antes da negociao do dia ainda comea. Benchmarks
intraday, tais como VWAP, precisam ser recalculados no decorrer do dia. Para aqueles que abrangem
todo o dia de negociao, o valor definitivo ser de fato no ser conhecido at negociao foi
concluda. Assim, a negociao com um intraday ou referncia ps-negociao geralmente requer
algum trabalho extra. Um valor intermdio para o valor de referncia (intraday) ou previso (posttrade) ter de ser mantidos de modo que o desempenho intraday pode ser monitorado.
Para permitir a comparao, os preos de referncia e performances do Exemplo 6-1 so cotadas
separadamente na Tabela 6-2. Por exemplo, se compararmos a mdia pricc execuo ao preo de
fecho de nossa execuo:
Fechar preo
= (92,63-93) * 45.000 = $ 16.500

= (16.500 / 4.500.000) = 0,37% ou 37 bps (pontos base)
Para converter em pontos base, podemos dividir pelo valor de nossa ordem global. Note-se que este
foi para 50.000 XYZ com base em um preo deciso de 90 (em vez dos 45.000 wc executado).
Estes valores podem visto que ele, por sua vez para avaliar o desempenho do exemplo comrcio.
Desempenhos relativos positivos arco bom, portanto, o exemplo parece ter feito bem comparado
para os valores de referncia ps-negociao. Por outro lado, parece ter se sado to bem em termos
dos intraday e pr-comerciais benchmarks. As sub-sees a seguir descrevem cada um dos
benchmarks em mais detalhes.
Nota Exemplo 6-1 que tem Heen especificamente projetado para destacar os diferentes custos
potenciais; Por isso, perdeu alguns dos benchmarks por mais de 200 pontos base (bps). Na seo
6.6 vamos olhar para os custos de transaco efectivos notificados de alguns dos mercados do mundo.
Benchmarks ps-negociao
Geralmente, estes so baseados sobre o encerramento preos, sejam eles para o dia de negociao
em curso ou H algum tempo no futuro prximo. Sua popularidade como um ponto de referncia
devido ao fato de que o preo de fechamento usado frequentemente como um marco para a marcao
a mercado e de lucros e perdas (P & L) clculos. Priccs perto futuras podem ser usadas para analisar
o desempenho retrospectivamente. Elas fornecer um valor de referncia que fcil de determinar e
amplamente utilizado. Embora, em termos de um medida de desempenho, eles simplesmente agir
como um marco.
Os mercados tendem para ser mais ativo no fim assim que os preos so menos reflexivo do
mercado real condies em toda a o dia. Em particular, se o preo do ativo est tendendo ento
pedidos concludos no incio do dia ser comparado com um preo de referncia que
substancialmente diferente para que, no momento da execuo. Assim, uma tendncia de preos
desfavorvel pode fazer comprar ou vender ordens parecem ter um bom desempenho; Por outro lado,
uma tendncia favorvel pode torn-los parecem ter um mau desempenho.
Benchmarks ps-negociao tambm tendem a encorajar a negociao mais perto do fim do dia
de negociao. Infelizmente, o perodo de fechamento exatamente quando os preos dos ativos pode
ser mais sensvel ordem de fluxo, como demonstrado pela Cushing e Madhavan (2001). Isso pode
expor um fim de risco desnecessrio de temporizao e tambm para condies mais volteis.
Enquanto leiles de chamada pode reduzir fim da volatilidade dia ainda pode haver um prmio
considervel para os comerciantes que necessitam de liquidez no closc.
Para um comerciante ou algoritmo tentando localizar um ponto de referncia ps-negociao, em
geral, o objetivo ser o de alcanar (ou superar) o preo de fechamento. Portanto, a menos que a
estratgia de negociao simplesmente participar no leilo de fechamento eles tero de usar um
preo previsto como uma diretriz. este preo ter de ser atualizado regularmente, por exemplo,
observe como o preo trilhas em direo o closc na Figura 6-4.
Em termos de nossa ordem exemplo, a tendncia dos preos faz com que parea ter um bom
desempenho. O pricc mdia obtida para o Exemplo 6-1 92,63, batendo o prximo por 37 pontos de
base. Supondo a tendncia continua para o dia seguinte, para fechar em 94, significa que ele realiza
ainda melhor contra esse futuro preo prximo. No entanto, ainda melhor desempenho poderia ter
sido alcanado inclinando a execuo para o incio do dia, quando eram mais baixos preos. Em
termos de parmetros de referncia, esta s se torna evidente ao olhar para o preo de fechamento
anterior de 90. Ento, embora os preos de fechamento pode ser uma referncia popular,
isoladamente eles no so a melhor meios de anlise de desempenho.
Benchmarks intraday
Estes usar os preos mdios para tentar refletir com mais preciso as condies do mercado intradirio.
A mdia OHLC (Abertura Alta Baixa Fechar) tem sido muitas vezes usado como um proxy
para a mdia pricc mercado. Porm, sua popularidade diminuiu como a melhoria do acesso a dados
em tempo e tem vendas permitidos clculos mais precisos. Claramente, como uma mdia de apenas
quatro pontos de dados que pode ser facilmente distorcidos por valores extremos.
O (Mdia Ponderada de Tempo Pricc) referncia TWAP uma mdia de todas as observadas
Custos de transao
170
Os preos no comrcio mais um determinado perodo. Igual ponderao dada a todos os comrcios, por
isso pequenos comrcios na preos pode ter extremos um grande efeito sobre ela. Geralmente, TWAP
usado onde os dados volume de comrcio no est disponvel.
O VWAP (Volume Weighted Average Pricc) de refer ncia, sem dvida, d o mais justo
indicao de como o preo de mercado se moveu sobre o intervalo de tempo. Este pesos cach
mdia Preo de comrcio pelo seu tamanho correspondente. O VWAP para um determinado perodo
o valor total negociado dividido pela quantidade de negcios total. Consequentemente, os pequenos
comrcios na priccs extremos tero um efeito muito menor; em vez disso, a mdia ser dominado
pelas maiores trades.
Um comerciante ou algoritmo tentando rastrear o TWAP ou VWAP precisar freqentemente recalcular
o preo de referncia para incorporar novas informaes de mercado. Ps-negociao Sincc informao
tornou-se mais amplamente disponvel VWAP tem becomc um dos mais populares benchmarks,
devido preciso dos seus intraday desempenho.
O benchmark VWAP no perfeito, porm, particularmente para grandes encomendas.
Institucional investidores tm frequentemente necessidade de negociar grandes quantidades, por
exemplo, considerar a negociao de uma ordem igual ao volume mdio dirio (ADV) de XYZ de
ativos. A ordem representaria muito do dia " s negociao que o VWAP no tem praticamente significado
em termos de desempenho. Dentro fato, o mesmo pode-se argumentar para qualquer coisa mais de
30% do ADV. Acompanhando o VWAP tambm tende a cncourage negociao para ser distribuda
ao longo do tempo, reduzindo o impacto global do mercado, mas exp ondo a ordem ao risco de
preo considervel. Por exemplo, vamos supor meia ordem trabalhou durante todo o primeiro
dia, atingindo um preo mdio prximo do VWAP atual. Com base no ndice de referncia, o
desempenho at agora bom, ento a tentao deixar o resto do fim para o dia seguinte. No
entanto, em termos de custos na sua globalidade pode ter sido mais vantajosa para exccute
totalmente a ordem no primeiro dia, a despeito de qualquer mercado adicional impacto. Para os
ativos que so volteis ou para os quais no uma forte tendncia adversa pricc rastreando o VWAP
pode at levar a um desempenho global mais pobres. Da mesma forma, para os pequenos
encomendas, que pode no ser apropriado para espalhar para fora sobre a execuo muito tempo.
Em termos de desempenho para Exemplo 6-1, a tabela a seguir mostra um agregado vista dos
volumes de negociao ao longo do dia agrupados por preo de execuo.
Preo
Tamanho
# Trades
R$k
90.50
25.000
5
2,262.5
91.00
20.000
3
1,820.0
91.50
15.000
2
1,372.5
92.00
10.000
2
920,0
92.50
30.000
4
2,775.0
93.00
50.000
5
4,650.0
93.50
40.000
4
3,740.0
94.00
10.000
2
940,0
200000
27
18,480.0
Preos e de volumes de dados Tabela 6-3 agregados para Exemplo 6-1

Usando esses dados os benchmarks intradia pode ser calculado como:
OHLC = (94 + 90,5 + 90,5 + 93) / 4
TWAP = (5 * 3 * + 90.50 91.00 + 91.50 2 *
VWAP = (18.480.000 / 200.000)
= 92.00
= 92,20
=
9 2 ,4 0
Em comparao com os outros, o benchmark VWAP melhor representa a mdia de mercado
condies ao longo do dia. O seu preo mais elevado corresponde ao maior impacto da aumentou
os volumes de negociao em 93 e 93,5. Tambm menor do que o preo de fecho 93, e assim
rcllects o volume que foi negociado no incio do dia em priccs inferiores.
Em comparao com os valores de referncia ps-negociao, a fim exemplo parece ter realizado
menos bem contra os intraday. A ordem exemplo perdeu o VWAP por base 23 pontos. Esta no to
) / 27
surpreendente, dado que o pedido foi preenchido em tr s execues;
171
especialmente sincc mais tarde foi preenchido no dia em que o preo tinha subido. Dada a tendncia
preo, parece que mais da ordem deveria ter sido executada no incio do dia. Hencc, faz o VWAP de
fato agir como um benchmark de desempenho razovel.
Benchmarks pr-negociao
Estes arc um marco imediatamente disponvel, o qual pode ser utilizado para medir directamente
desempenho. O fechamento anterior e o pricc abertura tanto pode ser utilizado para determinar os
custos de negociao. Embora, apenas como para os benchmarks de ps-negociao, a negociao
nestes momentos pode ser mais volteis e que eles no so necessariamente reflexo das condies
reais do mercado ao longo o dia. Uma mudana substancial de preo tambm pode fazer o benchmark
menos significativa para quaisquer ordens posteriormente introduzidos, sincc eles sero comparando a
um preo que nunca poderia ter alcanado.
O preo deciso representa o preo pelo qual a escolha de investir realmente foi feito, que laos
com conceito de dficit de implementao Pcrold. Chegada preo utilizado numa forma semelhante
para o preo de deciso, que representa o momento em que a encomenda possa realmente ser
negociados. No caso de um corretor, o momento em que a ordem chega do investidor. este pode,
ento, ser usado para medir o que por vezes tem sido chamado de dficit de execuo, uma vez que ao
contrrio de implementao shortfall s rastreia os custos relacionados com a negociao.
Benchmarks Prc-tradc
arco atraente dado que ambos so facilmente determinados e
imediatamente disponvel para comparao. Enquanto eles fazem no refletem as condies reais
do mercado ao longo o dia, este tambm pode ser usado como uma vantagem, uma vez que significa
que no h maneira de influncia ou "jogo" do benchmark. Outra vantagem que eles so to
adequadas para Todos os tamanhos de ordem.
Nota que os preos de deciso e de chegada nem sempre so registradas pelos investidores, de
modo anterior closc e priccs de abertura podem ser utilizados como substitutos para eles
correspondente. Isto ir clcarly afetar a preciso da medio dos custos de transao. Em particular, o
que ir afectar custos relacionados com o investimento, o que significa muitas vezes estes so
subestimados.
O comrcio do Exemplo 6-1 parece ter realizado extremamente mal em comparao com o
benchmarks pr-negociao. este causada pela tendncia perceptvel preo ao longo do dia.
Menores custos de transao poderia ter sido alcanado atravs do preenchimento de mais de ordem
no incio do dia.
Desempenho Relativo Medida

De Kisscll (1998) Desempenho Relativo Medida (RPM) uma alternativa ao baseado no preo
benchmarks. Ele baseia-se numa comparao do que o comrcio conseguido em relao ao resto do
mercado. Em termos de volume, as RPM representa a relao entre o volume transaccionado a menos
pricc favorvel ao volume total do mercado:
RPM (volumc) = Volume total a preo menos favorvel do que a
execuo Volume total do mercado
RPM (comrcios) = Nmero de negcios no preo menos favorvel do
que a execuo Nmero total de comrcios
Custo de transao dependente de muitos fatores: caractersticas do ativo (liquidez, volatilidade),
condies de mercado (tendncias de preos, quantidade de movimento), estratgia de negociao
etc. Portanto, quando se compara o desempenho de dois pedidos separados precisamos levar esses
vrios fatores em conta. Basta comparar quantos pontos base batida fim cach o VWAP no por
que no dar uma comparao justa.
Uma das principais vantagens da mtrica de RPM o facto de que os seus resultados so j
Custos de transao
172
normalizado, sincc as taxas percentuais desempenho do com rcio em comparao com o resto do
mercado. Assim, um comrcio que atinge um RPM 90% j tiveram um desempenho significativamente
melhor do que um atingir 60%. Isso faz com que o RPM uma ferramenta til para comparar o
desempenho relativo atravs uma variedade de ambas as ordens e activos, bem como ao longo do tempo.
Kissell prope uma gama de ajustamentos para RPM para torn-lo adequado para uma vasta gama de
estratgias de negociao. Como o uso de filtragem tempo para lidar melhor com trades curtos, ou a
adio de ponderaes para incorporar a agressividade da estratgia de negociao. Mais
detalhes sobre o RPM pode ser encontrado em Kissell e Glantz (2003).
Usando os dados de volume de agregados da Tabela 6 -3, o RPM ' s para Exemplo 6-1 pode ser
determinada:
RPM (volume) = (50,000 + 40,000 + 10,000) / 200.000 = 50%
RPM (comrcios) = (5 + 4 + 2) / 27 = 41%
RPM mdia = 45%
Em outras palavras, 50% do volume transaccionado realizada to bem ou melhor do que a ordem de
exemplo, enquanto que o restante alcanado um preo mdio pior. Isso confirma que o desempenho do
exemplo do comrcio melhor mdia.
Custos de transao ps-negociao

Os custos de transao totais de um comrcio pode ser determinada usando a implementao de Perold
shortfall medida. Esta a diferena de valor entre a carteira e papel idealizada o realmente
negociado um:
IS = ReturnsPapel - RetornaVerdadeiro
Os retornos tericos (ou papel) depender do preo quando a deciso de investir foi feito
(pd), o preo final de mercado (pN)e o tamanho do investimento destinado (X). O Real retornos
dependem dos custos reais de transao. Portanto, se Xj representa os tamanhos do indivduo
execues e pj arco os preos alcanados:
IS = X (p N- pd)~ (XpN
Devolues
xj pj - fixa) = ^ Xj p
}-
Xpd+ Fixo
Devolues Verdadeiro
Papel
Note que isto assume que a ordem totalmente executado. Para ter em conta este Robert
Kissell e Morton Glantz (2003) introduziu um fator de custo de oportunidade, n o sincc cada ordem
ser totalmente executado:
75 = x p
2 J J ~ &xJ ^Pd +
Execuo
~ 2xJXPN ~ Pd)+fixed
CostOpportunity
Custo
onde (X - Exy-) Corresponde ao valor da posio de no executada. Assim, por

exemplo 6-1:
Execuo custo = (+ 91,15 * 10.000 20.000 * 92,5 + 93,8 * 15.000) - (45.000 * 90,0)
= $ 118.500
Custo de oportunidade = (50.000 - 45.000) * (93,0 - 90,0)
= $ 15.000
Ordem valor
= 50.000 * 90,0 = $ 4.500.000
173
Dficit de implementao (IS) = $ 133,500 + custos fixos

= (133.500 / 4.500.000) = 297 bps + custos fixos
Wayne Wagner e Steven Glass (2001) tambm mostrou que os custos de transaco incorporar
umaatrasar fator. Isto corresponde ao efeito de um movimento de preo a partir de quando o
investimento inicial feita a deciso de quando a ordem realmente enviada para execuo. Por
isso, pode-se demonstrar que o os custos gerais consistem em:
Os custos da transao = X (pQ-pd)+ ^
Investimento
Xj P j -
(X ^ j) pQ+ (X
relatedTrading
Xj) (pN-p0) + Fixo ^ ^
-^
relatedOpportunity
Custo
onde o p pricc 0 o preo de mercado quando a ordem foi despachada, vulgarmente conhecido como
o pricc chegada. Observe que os custos relacionados com o comrcio e de oportunidade agora conta
para o mudar a partir deste preo chegada em vez do preo de deciso.
Kissel! e Glantz (2003) incorporou esta em uma medida que chamaram de expandida dficit de
implementao. Isto consegue no s so responsveis por custos de transao, mas tambm ajuda
a identificar onde os custos realmente ocorreu. A seo a seguir mostra como estes custos podem
ser divididos em fatores tais como colchas, impacto no merca do e risco temporal.
6.5
Quebrar custo de transao s
Houve uma quantidade considervel de investigao centrou-se em custos de negociao. O mais notvel
entre estes um estudo realizado por Wayne Wagner e Mark Edwards (1993), que dividiu a os custos de
negociao em componentes especficos, ou seja, calagem, atraso, impacto e custos de
oportunidade.
H arco vrias maneiras diferentes de classificar os constituintes de custos de transa o,
como mostrado na Tabela 6-4.
Concentre-se para:
Classificao
M a r k e t Impac t
Pric e Tren d
T i m i n g de
y/
y
y
y
y
y
yy
execuo
y
y
Tticas de
Algoritmos
Del a y Cos t
Espalhar
Negocia
o
y
y
Commissio
Taxa
Varivel
Taxe
Fixo
Investimen
to
Implcito
Explcito
Tipo de custo
o
o
Risco
O p p o r t u n i t y Cos t
frequentemente o s vezes
Tabela 6-4 Transao constituintes custo
5
Nota thai se [ele investimento preo deciso (p d) Eo preo de chegada (p 0 ) So conhecidos, ento atrasar custo explcito, mas
desde que um ou ambos os preos muitas vezes no so gravados ento torna-se um custo mais implcita.
6
Apesar de oferecer lance spreads s o facilmente visveis, eles devem ser registrados cada vez que uma ordem splil, a fim
de determinar o custo spread. Ento medio semelhante ao monitoramento a evoluo dos preos ou impacto no mercado.
Custos de transao
174
Diferenciando entre investimento e os custos de negocia o relacionados til uma vez que
ajuda identificar quem melhor pode control-los. Olhando para trs, a exemplo de negociao na
Figura 6-4, o custos relacionados com o investimento pode ser classificado como tudo o que
ocorre antes de (quando o pedido feito com o corretor / operador), enquanto os custos
relacionados com a conta de negociao para o resto.
Os custos de transao tambm so comumente denominado como explcito ou implcito.
Custos explcitos so claramente identificveis e facilmente medido, enquanto que os custos
implcitos arco menos diretamente observvel e por isso mais difcil de quantificar. Os custos
fixos so definidas independentemente da estratgia de negociao enquanto as variveis
dependem do ativo, a ordem, as condies do mercado e do comrcio estratgia. Outra maneira de
ver estes tipos de custos diferentes mostrado na Figura 6-5. Note que embora este no
desenhada escala, ele tenta enfatizar a importncia relativa de cada tipo.
Investimento
Custos
Custos Operacionais
Figura 6-5 Categorizao tipos de custos de transao

Ferramentas de anlise pr-negociao permite que os investidores e os comerciantes para
estimar esses vrios custos de transao. Isso tambm ajuda a tornar os custos relacionados com a
negociao mais transparente e permite investidores muito mais controle sobre eles. Os
investidores devem definir metas claras para aceitvel nveis de custo e risco. Em seguida, por
meio de modelagem uma gama de diversos Strategics comerciais / algoritmos, eles podem selecionar a
abordagem mais adequada. Este tambm uma boa maneira de reduzir custo de oportunidade, uma
vez que a anlise vai destacar as ordens que podem ser muito grandes. Se uma ordem docs no
parece ser vivel, o investidor pode choosc considerar outros ativos que o arco mais l quido. Como
alternativa, se a ordem no for pricc sensvel, ento espalh-lo ao longo de vrios dias pode
funcionar. Note-se que a maioria de anlise pr-negociao baseada em dados histricos, de modo
a discutir com umacomerciante pode confirmar as condies de mercado atuais.
Claramente, o objetivo principal alcanar uma reduo nos custos totais de transao. O fixo
comisses e taxas pode ser reduzida por meio de negocia o. No entanto, em termos de
reduo de custos em geral, o maior potencial mentiras com os custos imp lcitos e variveis. A
mais importante das quais relacionada com a negociao so, em particular, impacto no mercado e
risco temporal. Geralmente, estes so dependente do activo, as condies de mercado, da ordem e
da estratgia de negociao. Ao tomar vantagem da anlise pr-negociao e negociao
algortmica, os investidores podem seleccionar negocia o estratgias que so muito mais
adequado para os seus objectivos globais de investimento. Ao escolher um estratgia de
negociao apropriado, o custo global e de risco deve ser consideravelmente reduzida.
A ilustrao agradvel de uma repartio dos custos de transao em profundidade fornecida por
Instinct (2005). A fim de comparar os efeitos relativos dos componentes Figura 6 -6 mostra uma
mais discriminao pormenorizada dos custos associados com o Exemplo 6-1. As sub-sees a
seguir fornecem descries mais detalhadas para cada um dos componentes individuais dos custos.
175
15.000
,.
Investiment
o
custos
relacionados
t <i
para ti
rp <
Negociao
custos
relacionados
t2
Key:
Ml = Impacto Mercado
sc
= Custo Espalhe
t c = T i m i n g Custo
t3
Tempo
Figura 6-6 detalhada repartio dos custos de transao para Exemplo 6-1
Custos relacionados com o investimento

Custos relacionados com o investimento pode ser uma proporo significativa dos custos globais de
transao. Elas consistem principalmente de um custo atraso com os impostos que compem o resto. O
atraso reflecte a hora a partir da deciso de investimento sendo feito (a) quando um pedido
efectivamente entregue (t0). Isto mostrado como a regio sombreada na Figura 6-6.
Impostos
Os impostos devem ser incorporados na estratgia de investimento. Geralmente, eles s o
aplicadas com base sobre ganhos de capital; no entanto, alguns mercados, como o mercado de a es
do Reino Unido tm um adicional imposto de selo sobre aquisies de participaes acionrias.
Delay Custo
O custo atraso for causado por qualquer varia o de preo de a deciso inicial de investir para
quando um pedido foi efectivamente recebido pelo um corretor. Isto pode ser especificado como:
Delay Custo = X * (p0- Pd)
Onde x o tamanho do pedido, p d o preo mdio quando a deciso de investimento foi feito (hora
Custos de transao
176
td)e p0 o preo mdio em t0quando a ordem foi recebida pelo corretor. Por
exemplo 6-1:
Atraso Custo
= 50.000 * (90,65 - 90.00)

= $ 32.500
= 72 bps
Usando o valor de referncia de preos deciso, o desempenho do exemplo do comrcio foi -293
bps.
Portanto, para este exemplo um quarto dos custos de transao arco devido a demora custo.
Tais custos so claramente mais importante para ativos cujo preo est tendendo longe (ou seja,
para compra e vende para baixo). Da mesma forma, os ativos mais vol teis tambm podem sofrer.
Custo atraso pode ser causada pela uma defasagem entre a simples deciso de investimento e de
emisso de
ordem. s vezes pode ser inevitvel, por exemplo, quando a deciso tomada fora do mercado
horas. Tempo tambm pode ser gasto na anlise pr-negociao e escolher o corretor mais
adequado, particularmente para ativos e mercados mais ilquidos. Alternativamente, se o
comerciante tem buy-side umaforte vista no mercado isso pode lev-los a esperar por um tempo
timo. No entanto, se esse julgamento se revelarem incorrectos que incorrer um custo de atraso.
A crescente disponibilidade de ferramentas e sistemas para an lise pr-negociao pode
ajudar a reduzir este custo. Especialmente porque eles se tornam mais integrados com ordem e
execuo sistemas de gesto (OMSs e SGA). Observe que no h razo para que o custo de
atraso no pode ser subdividida. Por exemplo, priccs mercado poderiam ser gravados em cada
etapa do processo, desde a estratgia inicial e pesquisa atravs de formao da carteira.
Custos relacionados com a negociao

Os custos relacionados com a negociao explcitas composta de comisses e taxas. Muitas
vezes, estes ser citado com antecedncia de negociao em percentagem do valor negociado.
Obviamente, estes podem ser reduzida para Em certa medida, baseada na negociao entre o investidor e
os corretores. o taxas oferecidas normalmente ir depender do volume do cliente de negociao e do
nvel de servio de que necessitam.
Os custos mais significativos arco os custos relacionados com a negocia o implcitas,
principalmente o impacto no mercado e risco temporal, mas tambm se espalhou, tendncia dos preos
e custo de oportunidade. A Figura 6-6 mostra o detalhe destes custos para o nosso fim exemplo buy.
Impacto no mercado representa um pagamento de liquidez (ou imediatismo) ea um custo devido ao
contedo de informao da ordem. O custo tendncia dos preos representa o fardo adicional causado por
um mercado de tendncias. Risco temporal est principalmente associada com a volatilidade do preo do
ativo, bem como a sua liquidez. Custo propagao tambm est includo aqui desde apesar de ser visvel,
nem sempre to facilmente mensurvel como taxas ou comisses. Finalmente, o custo de oportunidade
representa o risco de execuo no totalmente a ordem, possivelmente porque a estratgia de negociao era
muito passiva.
Note-se que os custos para a convenincia de tempo relatadas so agrupadas como um custo
global calagem na Figura 6-6, em que:
Cronometragem Custo = Preo Tendncia + sincronismo Risco
(6-2)
Embora estes custos operacionais no pode ser eliminado, eles podem ser controlados
seleccionando estratgias de negociao adequadas. Impacto no mercado custa arco superior para
negociao agressiva Considerando cronometrando risco maior para negociao passiva. Por
conseguinte, o comerciante precisa encontrar o equilbrio adequado entre o custo de impacto e de
risco, e ajustar a estratgia de negociao em conformidade. Este sclcction tambm precisa levar
em conta as especificidades de cada ordem juntamente com as condies de mercado atuais e
objetivo do investidor e do nvel de risco averso. No Captulo 7, vamos covcr estas decises de
forma mais detalhada.
177
Em termos de algoritmos de negociao, Tabic 6-4 mostraram que componentes de custo so

geralmente focado em. Claramente, o impacto no mercado um foco principal, mas alguns algoritmos
tambm acompanhar de perto risco temporal (por exemplo, dficit de implementao) e tendncias de
preos. Tticas de execuo geralmente se concentrar em custos de spread, embora alguns tamb m
podem acompanhar as tendncias de preos. Inteligente encomendar sistemas de roteamento e
algoritmos de liquidez tambm ir incorporar em seu taxas clculos para decidir o melhor local
para rotear ordens para.
Comisso
Corretores cobrar comisso para negociao agncia para os compensar os custos (particularmente
trabalho e capital) incorreu em ordens de manipulao, a execuo de comrcios e realizando a
compensao e assentamento. Comisso geralmente cotado em pontos base (bps). Apesar de, nos
mercados acionrios dos EUA citando em ccnts por ao (cps) comum.
Comisses tm vindo a diminuir ao longo do tempo. Certamente, ao longo um perodo mais
longo comisses caram significativamente. Por exemplo, Hans Stoll (2001) observou que em
1970 comisses por 500 aes da um estoque $ 40 foram de US $ 270, ou 135 hps (54 cps). Embora
este era de um investidor de varejo, mesmo investidores institucionais paga em torno de 65 bps (26 cps) em
5000 comrcio parcela. Hoje em dia, em os EUA, as comisses so muitas vezes abaixo de dez
pontos de base, em particular para DMA. Da mesma forma, no mercado europeu ac es um servio
completo corretora provavelmente ir cobrar cerca de 20 bps, com servios de transao
algortmica custando cerca de 10 bps e DMA bsico at menos do que isso.
Claramente, uma forma de reduzir este custo comparar as comisses de uma vasta gama de
corretores. Tenha em mente, porm, essa comisso apenas uma parte dos custos de transao.
UMAcomparao detalhada dos todos os custos associados necessria para comparar adequadamente
corretores.
Honorrios
Taxas representam os custos efectivos de negocia o. Estes podem ele a partir de corretores de
piso, troca taxas ou custos de compensao e liquidao. Muitas vezes, corretores de incorpor-las
em sua comisso carga. Note-se que algumas trocas e ECNs atribuir custos ordens apenas para priccd
agressivamente a fim de incentivar a oferta de liquidez. Por exemplo, a Tabela 6-5 destaca encargos de
BATS para Setembro de 2008.
Honorrios
($ / ao)
A fita
(NYSE)
Tape B
(Regional)
Tape C
(NASDAQ)
-0 , 0 0 2 4
-0 , 0 0 3 0
0,002 4
R e mo v i n g liquidez
0,0 02 5
0,0 02 5
0,0 02 5
Fresa ge m pa ra
0,002 9
0,002 9
0,0029
Ad ic io na r e m g liquidez
Fonte: BATS (2008)
Tabela 6-5 Exemplos de taxa de utilizao BATS (Sept 2008)

Observe como os encargos para a tomada de liquidez (as ordens agressivas) podem ser quase
anulado por descontos oferecidos para prover liquidez (ou seja, ordens passivas). Alguns mercados
ainda fornecer vrios locais com diferentes regimes de preos. Por exemplo, o ECN Direct-Edge
oferece EDGA onde todos os pedidos de pagar uma taxa fixa, enquanto EDGX oferece o preo rebate
estilo onde fornecedores de liquidez so compensados custa dos tomadores de liquidez.
Algoritmos e tticas de execuo, que lidam com mltiplas plataformas de execuo so as
mais propensos a acompanhar taxas de corretagem e de cmbio. Eles precisam dessa informao
quando decidir entre roteamento destinos para garantir que eles fazem uma comparao justa do real
pricc.
178
Custos de transao
Spreads
Custo propagao representa a diferena entre os melhores preos de compra e venda em um
determinado momento. O spread compensa aqueles que fornecem liquidez. Claramente, estilos de
negociao agressivas ir resulta em um custo de propagao mais elevada do que as passivas.
O custo global propagao pode ser determinada pela soma da oferta lance espalha para cada
execuo. (A fator de 0,5 utilizado, uma vez que s paga metade do spread para cada
comrcio):
Espalhe Custo = Z (jc) * (0,5 * sj))
onde X } o tamanho de cada execuo e Sj a oferta proposta espalhar naquele momento. Note que
esta a propagao citado no momento de cada execuo, em vez de a propagao eficaz, que
tambm incorpora o impacto imediato no mercado.
No Exemplo 6-1: Propagao Custo = (10.000 * (91,1-91)) + (20.000 * (92,4-92,2))
+ (15.000 * (93,45-93,4))
= $ 5.750
= 13 bps
Custos de spread variam consideravelmente entre ambos os mercados e activos. Para alguns
ativos / mercados, a propagao pode ser um factor de custo importante. No mercado de aces dos EUA,
decimalisation drasticamente reduzido custo se espalhou para cerca de 5 pontos base, embora durante os
2007-09 expanso da crise financeira quase dobrou. Na Europa e Japo para barrar pode ser muito
maior, variando de 10-50 bps ou mesmo mais. Sem surpresa, grande-tampo e os estoques lquidos
tm spreads mais baixos. Stocks mais volteis tendem a ter spreads mais elevados.
A maneira mais simples para reduzir os custos de spread o comrcio de forma mais passiva,
usando ordens limitadas que so ao preo de mercado ou apenas atrs isto. Algoritmos nem sempre
pode considerar diretamente espalhar custo, embora possa afetar sua escolha de tticas de execuo
(passivo ou agressivo). A maioria das tticas de execuo baseados nos preos vai acompanhar de
perto a propagao, a fim de utilizar um nvel adequado de agresso ao colocar e atualizar as
ordens.
Impacto no mercado
Impacto no mercado representa a variao de preos causada por um comrcio ou ordem especfica.
Geralmente, tem um efeito adverso, por exemplo, ajudando os preos Dirija-se quando estamos
tentando comprar.
O custo exato impacto no mercado a diferena entre o grfico eo preo real um hipottico
que teria ocorrido se o nosso pedido no tinha sido criado. Embora, neste faz impacto no mercado
difcil de medir e estimar com preciso, como Kissell e Glantz (2003) observam. Figura 6 -7 tenta
mostrar este efeito para a ordem do Exemplo 6 -1; a grfico hipottico pricc rotulado como um
"papel" (emprstimos de Perold de implementao dfice nomenclatura).
Impacto no mercado normalmente dividido em impactos temporrios e permanentes:
Impacto do mercado = Temporary Impacto + Permanente Impacto
(6-3)
O impacto temporrio reflecte o custo de exigir liquidez. Por exemplo, uma ordem que "anda
o livro" consigam normalmente um preo mais pobre do que se tivesse acabado de tomar a quantidade
disponvel ao melhor lance ou oferta.
Impacto permanente corresponde ao efeito a longo prazo da nossa ordem, representando o
contedo de informao que tem exposto ao mercado. Claramente, se o mercado detecta um
grande comprador ou vendedor atua como este um sinal forte e vai afetar o preo em conformidade. Um
nico, a grande ordem pode ter um impacto temporrio maior do que uma srie de ordens menores.
Contudo,
compensao dos impactos permanentes das ordens menores dar um resultado semelhante ao sinal
dado pelo grande ordem.
Uma medida aproximada para o impacto de mercado a soma do total de impactos para cada
ordem. o impacto pode ser determinado como a diferena de preo entre a nossa execuo ea melhor
oferta ou oferecer naquele momento (bid para vende e oferta para compra):
Mercado 1 compactas = E (x, - * (pj - ph))
(6-4)
onde x) o tamanho de cada execuo e PJ atingido o preo para cada execuo e p b

o melhor lance ou oferta naquele momento.
Por exemplo, vamos considerar um dos comrcios individuais do Exemplo 6-1 em mais detalhes.
Figura 6-8 mostra um antes e depois vista da carteira de encomendas para a segunda execuo em t2.
C o mp r a r s
Tamanho
Ide Tempo
ntid
B1
01:05:00
1000
01:00:25
3000
B2
4000
B3
01:04:09
Preo
92,0
91,9
91,8
Preo
92,4
92,5
92,8
92,9
V e nd
er
10.000
7000
2000
3000
Tempo
01:05:00
01:00:25
01:04:09
01:05:00
Identida
de
SI
S2
S3
S4
V e nd e r s
Tamanho Tempo
1 0 fiOO
01:05:00
Eu
U, UW 01:00:25
92S
7QQQ
Eu .R \\ jA'Eu . n\ Jn J
9 OOQ
Preo
9 ^ 4
|QQQ
92,9
(u antes
ma
1 OS-QO S4
2,0001: 05: 00
S4
(b) Imediatamente aps

Buys
Ide
ntid
B6
B5
B1
B2
Ide
ntid
S4S2
3S
Tempo
01:07:00 Tamanh
1000
01:08:00
2000
1000
01:05:00
01:00:25
3000
Sells
Pricc
92,1
92,1
92,0
91,9
Preo
92,5
92,6
92,9
92,9
Tamanho
5000
4000
2000
5000
Tempo
01:08:00
01:09:00
01:09:10
01:08:00
Identida
de
S5
S6
S7
S8
(c) 5 minutos mais tarde

Figura 6-8 Uma viso do livro de ordens para o comrcio t2do Exemplo 6-1
Ao emitir uma ordem de mercado para comprar 20.000 XYZ, podemos ver que isso vai "andar do livro",
cruzamento com ordens de venda SI, S2, S3 e S4. Ent o, ns reccive preenchimentos de 10.000 em
92,4, em 7000
Custos de transao
180
92,5, 92,8 e 2.000 em 2000 para 92,9, atingindo um preo mdio de 92,5. O efeito temporrio do
comrcio tem sido a de mudar o preo de oferta at 92,9. Apesar de, no prazo de a poucos minutos
de novas encomendas chegam que estabilizam a oferta pricc de volta para 92,5. O impacto permanente,
causada por nosso comrcio, ajudou a mudar o preo de oferta 92,4-92,5. A nossa ordem agiu como
uma indicao que o ativo foi desvalorizada e assim ajudou a elevar o pre o de forma permanente,
como podemos ver na Figura 6-9.
ji
1Eu[
<
eu
Impacto no mercado temporrio
Mercado
impacto /
x impacto no mercado Permanente
Tempo
Figura 6-9 Os componentes de impacto no mercado
O impacto global para Exemplo 6-1, usando a equao 6-4:
Mercado impacto = (10.000 * (91,15-91,1)) + (20.000 * (92,5-92,4))
+ (15.000 * (93,8-93,45))
= $ 7.750
= 17 bps
Quebrar este em seus componentes temporrias e permanentes um pouco mais difcil. Alguns
modelos de estimativa de custos realmente definir o impacto permanente como zero, assumindo
que o comrcio no ter um cffcct global significativa. Ainda assim, podemos fazer uma aproximao,
utilizando o modelo de estimativa de Kisscll e Glantz (2003). 7Em primeiro lugar, o impacto instantneo
custo / $ determinada por reorganizando sua equao estimativa da seguinte forma:
Mh = 0,95 / t TJ ~x+ 0,05 / C
v *, (0,95? 7
( 6 5)
0,05)
~
Temporrio
impactPermanent
/ = cx
impacto
Onde r \ = (X + 0,5 * Q) / X, e X o tamanho do pedido, Q a ADV.

Conseqentemente
/$=$
rj
=(45.000 + (0,5 * 200.000)) / 45.000 = 3,22
7750 / ((0,95 / 3,22) + 0,05)

= $ 22.475
= 50 bps
Nota do Kissell e Glantz modelo de estimativa (2003) o impacto no mercado discutido em mais detalhes no Cap tulo 10.
181
Este custo impacto instantneo pode ento ser alimentado de volta para a primeira parte da
equao para 6-5 determinar tanto os custos de impacto temporrios e permanentes:
Temporrio Impacto
= (0,95 * $ 22.475) / 3,22

= $ 6.626
- 15 bps
Permanente Impacto
= 0,05 * $ 22.475
= $ 1.124
= 2 bps
Impacto global do mercado dependente do tamanho do pedido / comrcio, mas o mais

importante sobre a liquidez do mercado. Geralmente, pedidos maiores incorrer um impacto de
mercado mais elevado em comparao com menor queridos. Embora, este cffect
consideravelmente reduzido para mais activos lquidos.
Como vimos no Captulo 5, reduzindo o custo impacto no mercado tem sido um dos principais
objetivos algoritmos desde as primeiras abordagens a fim de corte. Ao tomar uma grande ordem e
dividi-lo em partes menores, que so negociadas durante um perodo de tempo, devemos alcanar um
muito menor custo impacto global. Muitos dos algoritmos disponveis atualmente incorporar
diretamente este fator em suas decises de como e quando fazer encomendas. A agressividade
de execuo ttica tambm tem um efeito sobre os custos de impacto no mercado. Emisso de
ordens de mercado ou agressivo ordens de limite incorrer em custos mais elevados. Algumas
tticas podem realmente usar modelos de ordem limite para decidc sobre o nvel adequado de
agresso.
Preo trending
Os preos dos ativos, por vezes, apresentam tendncias amplamente consistentes. Essa deriva
preo, ou impulso, tambm conhecido como alfa de curto prazo. Uma tendncia ascendente
implica que os custos vo aumentar quando a compra de um ativo, enquanto a poupana ser feita
se vendendo. Por outro lado, o oposto verdadeiro para uma tendncia de queda de preos.
O custo tendncia dos preos pode ser determinada com base na diferena entre este preo
tendncia eo preo da chegada:
Pricc tendncia de custo = (*; * (p) ~ Poi)
Onde x, o tamanho de cada execuo, /? * o preo esperado com base na tendncia dos preos
e p0 novamente o preo mdio em t0 quando a ordem foi recebida pelo corretor.
Para simplificar, no Exemplo 6-1 a linha de tendncia tem sido conjunto para atravessar entre o
anterior Fechar ea mdia OHLC dias. Isto mostrado no como a linha a tracejado na Figura 6-6.
Interpolao d os seguintes preos de tendncia:
Comrcio
t,
vc
Mid pricc
Tendncia pricc
91.00
90.50
92,20
91.00
93,40
91,60
Tabela 6-6 preos de tendncia para Exemplo 6-1

Assim:
Preo tendncia de custo = (10.000 * (90,5-90,65)) + (20.000 * (91 -90,65))

+ (15.000 * (91,6-90,65))
= $ 19.750
= 44 bps
182
Custos de transao
Nota esta tendncia simplista pode ter dado uma medida custo tendncia superior; No entanto,
este no afetar a medio global dos custos de transao. Uma vez que o custo de temporizao a
soma de tendncia custo e risco temporal, se o custo tendncia superestimado em seguida, o risco
temporal ser subestimado por um montante equivalente.
No nosso exemplo, o custo de temporizao pode ser determinada a partir da diferena entre o
mdio preo (rtij) e o preo de chegada (P0).
Cronometragem Custo E = (JT, * (m; - P0))
Reduo do custo tendncia pode realmente ser alcanado apenas pelo encurtamento do
horizonte de negociao e assim aumentando os custos de impacto no mercado. Para grandes
encomendas, que podem duram vrios dias, investidores devo usar a anlise pr-negociao para
encontrar a abordagem comercial ideal para equilibrar ambos estes custos.
Preo tendncia um foco para os algoritmos sensveis ao preo, como o dficit de implementao
e no mercado perto. Em particular, o dficit de adaptao e de preos algoritmos embutidos
ativamente responder s tendncias tanto de forma agressiva ou passivamente. Baseado Dito isto,
programao algoritmos tambm pode ser modificado para lidar com as tend ncias de preos.
Algumas variantes de TWAP e VWAP permite parmetros para especificar como inclinar
suas programaes com base no qual maneira o comerciante acha que o preo pode
tendncia. Algumas tticas de execuo podem tambm tornar-se mais ou menos agressivo se
detectar tendncias do mercado de curto prazo.
Risco temporal
Kissell e Glantz (2003) utilizam um risco temporal para representar a incerteza do custo de
transao estimativa. As duas principais fontes de incerteza so volatilidade do preo tanto do
ativo e de o volume negociado, embora outros fatores, como risco de spread poderia tambm ser
considerada. Para os propsitos deste livro, o risco de temporizao ser reduzido simplesmente a
soma destes dois tipos principais em conjunto com os riscos um fator de erro genrica (e):
Risco de temporizao = Volatilidade Risco + Risco de Liquidez + e
A volatilidade dos preos arguahly o risco mais importante. Quanto mais voltil um ativo,
em seguida, a mais provvel seu preo vai se afastar e assim aumentar os custos de transao. O
risco de liquidez representa a incerteza no que diz respeito ao custo de impacto no mercado.
Geralmente, os custos de impacto no mercado de arco estimados com base em volumes
histricos, por isso, se os volumes de negociao reais diferem significativamente isto pode
resultar em uma mudana no impacto no mercado. Por exemplo, se o mercado volume maior,
ento os custos de impacto mercado tender a ser menor.
Com base no clculo de custo calendrio mostrado na sub-seco anterior, cronometrando
risco eficazmente o custo residual uma vez que a tendncia dos preos foi contabilizada.
Assim, o risco de temporizao pode ser medida usando:
Risco de temporizao = (JCY * (rrij - p *))
Onde x) o tamanho de cada execuo, rrij o preo mdio neste momento e p * a preo
esperado com base na evoluo dos preos.
Para Exemplo 6-1, usando as mid e preos de tendncia da Tabela 6-6:
Cronometragem Risco
= (10.000 * (91-90,5)) + (20.000 * (92,2-91))

+ (15.000 * (93,4-91,6))
= $ 56.000
= 124 bps
183
Claramente, este pedido foi consideravelmente afetada pela cronometragem risco.

Encurtamento a negociao horizonte deve reduzir o efeito. Assim, os investidores devem encontrar
um equilbrio adequado entre custos de impacto no mercado e risco temporal.
Risco temporal um foco para os algoritmos baseados em risco, ou seja, implementao e
adaptativa shortfall como bem como do mercado de perto. A maioria das tticas de execuo no
incorporam diretamente calendrio risco, embora alguns possam se tornar mais agressivo como o
tempo passa, a tentar completar qualquer ordens existentes. Do mesmo modo, quando um modelo
de execuo agressivo definido por um algoritmo esta vontade reduzir um pouco risco temporal,
impedindo o algoritmo de ficar para trs os seus objectivos comerciais. Porm, isso s garante
concluso das ordens de criana expedidos. Um agressivo Algoritmo VWAP ainda ir agendar
suas ordens com base em um perfil histrico de volume, assim encomendas ainda vai ele espaadas
ao longo do tempo.
Custo de oportunidade reflete o custo de no executar integralmente uma ordem. Isso pode ser
porque a preo do ativo ultrapassava limite de preo de um cliente ou poderia ser apenas devido
liquidez suficiente. De qualquer forma, ele representa uma oportunidade perdida, uma vez que os
preos prximos dias podem movimentar ainda mais longe.
O custo global pode ser determinada como o produto do tamanho e da ordem remanescente
diferena de preo entre o preo final (PN) ea pricc chegada:
OC = (X - j t, X P * - P o)
Ao contrrio das outras componentes de custo, custo de oportunidade representa uma perda
virtual do que um um fsico. A perda s realizado quando uma nova ordem torna-se o restante a
uma menor preo favorvel.
Assim, por exemplo 6-1: Oportunidade Custo = (50.000 - 45.000) * (93,0 - 90,65)
= $ 11.750
= 26 bps
Se o pricc tendncia reverte amanh, ento ele deve ser fcil para comprar o restante de 5000 XYZ
pelo menos de 93,0. Se a tendncia continuar, em seguida, um custo de oportunidade de pelo menos
26 bps vontade ser realizado.
Reduzir custo de oportunidade pode realmente s pode ser conseguido atravs de anlise prnegociao para confirmar ordens so dimensionados corretamente para as condies atuais do
mercado. Para grandes encomendas, a investidor deve decidir se arriscar impacto no mercado, ou
se espalhar o comrcio ao longo de vrios dias, arriscando a exposio a um movimento de preo.
Definir limites de preo efetivamente significa que oportunidade custo aceitvel (desde que isso
devido ao mercado um preo para mover desfavorvel). Para tais ordens repen tinas mudanas de
preos pode parar a fim de ser executvel. Boa comunicao entre o investidor e os comerciantes
vital para permitir a modificao da estratgia de negociao se neccssary.
Alguns algoritmos podem considerar directamente o custo de oportunidade; Tipicamente, este
a base de custo queridos, como dficit de implementao. Ainda assim, importante o uso de
analytics pr-negociao para garantir a liquidez do ativo suficiente para a ordem proposta. O
custo de oportunidade tambm abordada indiretamente pela lgica-finish up opcional fornecido por
corretores / vendedores para alguns algoritmos. Este destina-se principalmente para completar ordens
que podem ter um monte estranho restante.
184
Custos de transao
Resumo
As sees anteriores esbocei cada um destes transao individual componentes de custo em
algum detalhe. Figura 6-6 deu um colapso visual do constituinte custa para Exemplo 6-1. Estes esto
resumidos na tabela a seguir.
Tipo
Custo $
Impostos 8
Custo atraso
Comisso / Taxas
Custo propagao
Impacto no mercado
Preo tendncia
Cronometragem risco
Total
0
32.500
4500
5750
7750
19.750
56.000
11.750
138000
Bps Custo
0
72
10
13
17
44
124
26
307
% de custo
s
240
3
4
6
14
41
9
100
Tabela 6-7 Estimativa de Custo para Exemplo 6-1

Assim, o custo total de 10 bps mais do que o 297 bps implementao dfice wc calculatcd
anteriormente. Isso ocorre porque o clculo inicial dfice da sua execuo No tome em conta as
comisses / taxas (ou impostos).
Nota tambm diferente do 263 bps underperformance wc viu de volta na Tabela 6 -2 usando
o benchmark de preos deciso. Isto porque o valor de referncia s mostra a lor desempenho
dos negcios realizados, e no o de 5000 que fez no cxccutc. Portanto, no faz includc o custo
de oportunidade. por isso que dficit de implementao um objectivo importante (e preciso)
ferramenta para anlise ps-negociao, e pode ser mais til do que benchmarks.
Em termos de componentes individuais dos custos, atrasar claramente o risco de custo e tempo
de arco importante fatores de custo neste exemplo. Custo impacto no mercado tambm
significativo. Nossa estimativa para a custo impacto instantneo foi 50bps. Para este fim, o
impacto no mercado foi por rcduccd dividindo-se em vrias ordens menores. Embora, em
retrospectiva, muito melhor desempenho possvel tm sido alcanados por negociao mais
agressivamente no incio do dia. certo que, o mercado custos de impacto teria sido maior, mas o
custo risco temporal e tendncia dos preos teria fui muito menos.
importante lembrar que o Exemplo 6-1 foi projetado especificamente para destacar a vrios
custos potenciais. Obviamente, a estratgia de negociao foi sub-ptima. No Captulo 7, Sero
abordadas a seleo de estratgias de negociao ideais em mais detalhes. Para os custos mais
realistas, a seo a seguir mostra valores reportados lor alguns dos principais mercados do mundo.
6.6
Custo de transao s em todos os mercados mundiais
Tendo passado por um exemplo para ilustrar trabalhou cach dos principais componentes de custos
de transao vale a pena ver como elas realmente diferem em todos os mercados do mundo.
UMAAlguns fornecedores oferecem anlise de custos de transao (TCA), que
verdadeiramente global em escopo. Dentro em geral, estes tm-se centrado nos mercados de
aces, embora eles tambm arco de Starling cobrir outros classcs ativos. Tabela 6-8 mostra os
custos de transaco mdia para o comrcio global de aes tomado de comentrios de custos
trimestrais carricd pelo ITG Inc. para 2007 e 2008.
8
Por simplicidade (eixos so assumidos lo ser zero (vamos supor il uma conta de caridade).
185
Regio
EUA (combinado)
EUA (Large Cap)
EUA (Small Cap)
U.K.
Europa ex U.K.
Mdia CostAverage
Custo
no 4 trimestre de 2008 / bps em Q2 2007 / bps
Dficit Comm. Total Atraso Impacto Comm
11
1
20
76
85
9
19
10
6
54
8
62
124
73
12
12
136
84
27
31
66
11
77
37
13
4
10
11
Total
38
35
51
46
(ustr ia, Blgica, Dinamar ca, Finlndia,

Frana, Alemanha , Grcia, Irlanda,
Itlia, Luxemburgo, Pases Baixos,
Nor uega, Por tugal, Espanha, Su cia, Sua)
Japo
Desenvolvido sia
(Austrlia, Hong Kong, Malsia, Ne
1119
12039
11315128
611
54
168
63
95
1614
125
80
12
WZelndia, Singapura)
Todos Emergentes
(Ar gentina, Brasil, Chile, Chile, China,
Col mbia, Chipr e, Rep blica Czcch,
Egito, Hungr ia, ndia, Indonsia, Israel,
128
21
148
20
112
Jordnia, Mcxico, Marrocos, Paquisto,

Peru, Filipinas, Polnia, Rssia, Coria
do Sul, fr ica do Sul, Sri Lanka, Taiwan,
Tailndia, Tur quia )
Fonte: ITG (2009,2008)
Tabela 6-8 custos de transaco mdia para aes globais

Sem surpresa, os custos esto intimamente relacionados com a liquidez do mercado, de modo que
os custos mais baixos so para
EU empresas de grande capitalizao, seguido por Europa e Japo. Comparando as diferenas
entre 2007 e 2008, evidente que durante a turbulncia do mercado os custos subiram
acentuadamente, em particular no mercados mais desenvolvidos. Na verdade, Tahle 6-8 mostra que
os custos de transao dobrou de Q2 Q4 2007 a 2008 para os nmeros ITG US combinadas,
principalmente devido a um macio em inerease custos para as pequenas aces PAC. Da mesma
forma, o R.U. e Japo viram aumentos de custos de mais de 50%, enquanto os mercados europeus
em torno viu um aumento de 22%.
Tabela 6-8 tambm mostra um hrcakdown destes custos. Para 2007, o custo de atraso, o impacto
no mercado e comisses (Comm marcado.) so mostrados, enquanto para 2008 o custo dficit
representa a soma de o atraso e impacto no mercado. Mais uma vez, os custos de impacto no mercado
so geralmente mais baixos em
os maiores e mais desenvolvidos mercados. O custo atraso parece
ser mais importante para a Os mercados asiticos. Comisses tendem a ser mais baixos em os EUA
eo Japo, seguido pela Europa em seguida, o resto da sia.
Anlise dos custos de transao tem visto uma execuo mais lenta para outras classes de ativos.
A falta de transparncia tem sido uma das principais dificuldades com negociante impulsionada
mercados como ineome fixo. Claramente, para a anlise dos custos de transao a ser til precisamos
de acesso a dados de preos, a fim de determinar com preciso o impacto no mercado, se espalhou e os
custos de atraso. Ainda assim, a situao est melhorando gradualmente com a crescente adoo de
negociao eletrnica para estas classes de activos. No mercado ineome fixo, vrios fornecedores TCA
j oferecem relatrios de custos globais. Por exemplo, a Tabela 6-9 mostra alguns custos mdios de
avaliaes de Elkins / McSherry para 2007/8. Mercados de renda fixa tambm viu aumentos de custos
significativos durante a crise financeira de 2007-09.
Observe os custos de exemplo mostrado na Tabela 6-9 faz- no dar um colapso em sua indivduo
186
Custos de transao
Pas
Custo mdio / 2007

bps
CUSTO MDIO /
bps Q4-Q12007-
Ttulos dos
EUA
-9.1
-5. 3
Tesouraria
5,87
Agncia
Municipal
Hipoteca
6,73
11,32
Grcia
Reino Unido
Holanda
-9.
-5.
-11.
-12.
Japo
Hong Kong
Cingapura
5
5
1
0
Corporativo
5.23
6,97
-14. 0
-7. 2
Malsia
Mxico
Peru
-16. 0
Fonte: Elkins McSherry (2008, a)
Tabela 6-9 custos de transaco mdia para negociao de ttulos globais

componentes, embora eles so visivelmente mais baixos do que os valores reportados para as
aes. No entanto, h tambm pode ser um custo significativo associado com a volatilidade, como
mostrado na prova de conceito estudo de mais de 25.000 carteiras de obrigaes State Street informou
em Pensions & Investments (2003). Um custo de volatilidade de 22 bps foi encontrado para
negociao de ttulos japoneses, 47 bps para aqueles alemes, 53 bps em os EUA e at 62 bps no
Reino Unido Este custo adicional traz os nmeros mais em linha com aces, e podem ser
vistos como custos de atraso ou risco temporal.
Para cmbio, os montantes envolvidos mdia alguns pontos de base pode significar milhes, de
modo anlise custo da transao poderia trazer benefcios considerveis para os investidores e
comerciantes. Uma reviso de anlise de custos de transao especfica FX por Michael
DuCharme (2007) observa um custo mdio de cerca de 9 pontos base, com base em um estudo de
negociao de FX do Russell Investment Group. o conjunto de dados consistiu em mais de 36.000
comrcios para tanto desenvolvidos como em moedas emergentes, vale cerca de US $ 15 bilhes.
Um problema interessante que enfrentavam era a falta de marcas de tempo para seus dados.
Omisses simples como isso pode representar problemas reais para TCA. Fora dos principais
sistemas de Reuters e EBS, alguns fornecedores esto comeando a fornecer multi -corretor
agregados raes de preos, ajudando abordar a questo da terceirizao de dados de preos
suficientes. Embora fixaes de preos dirias ainda fornecem uma referncia fundamental para
muitos usurios.
H tambm sinais de TCA espalhando em derivados listados. Esperemos que a adopo de
TCA vai continuar a crescer, o que nos permite monitorar a eficincia destes mercados.
6.7
Resumo
Os custos de transao pode ter um efeito significativo sobre os retornos de investimento; por
conseguinte, importante tanto medir e analisar-lhes se "melhor execuo" para ser alcanado.
Dficit de implementao, ou "derrapagem", a diferena de desempenho entre uma

carteira real e seu "papel" terico equivalente.
Anlise pr-negociao se concentra em estimar a:

Dificuldade esperada da negociao, usando previses de liquidez e de risco modelos.
187
Custos de transao potencial. Isto ajuda a mostrar como adequado uma determinada
estratgia de negociao .
Anlise ps-negociao se concentra no desempenho de execuo e mensurao de custos.
Comparao de referncia ainda uma das ferramentas mais comuns:
Fechando benchmarks de preos so populares porque eles so usados para
clculos de P & L.
Benchmarks intradia, tais como VWAP, refletem as condies do mercado.
O preo deciso d a estimativa mais prxima para dficit de implementao.
Mtricas alternativos, tais como RPM Kissel I, pode ser utilizado para comparar o
desempenho atravs uma gama de ativos, bem como ao longo do tempo.
Os custos de transao pode ser decomposto em uma vasta gama de componentes diferentes:
Comisses, taxas e impostos representam tarifas cobradas pelos corretores de ch o e
intercmbios, bem como quaisquer custos associados compensao e liquidao.
Custo propagao representa a compensao comerciantes exigem para fornecer
liquidez.
Custo atraso reflecte as alteraes de preos entre a deciso inicial de investir e quando
uma ordem enviada para execuo.
Impacto no mercado representa o efeito da ordem tem no preo do ativo (tanto
temporrio e permanente).
Risco temporal reflete a volatilidade em termos de preo do activo, e a sua liquidez.
Custo de oportunidade representa a oportunidade perdida se uma ordem n o for
concluda.
-
Anlise dos custos de transao est se espalhando pelas classes de activos. Os custos esto
intimamente relacionados com liquidez e volatilidade no mercado, por isso muitas vezes
mais barato ao comrcio de os EUA seguido por Europa e sia.
189
Chapter7
Estratgias de
negociao Optimal
Selectingthe melhor estratgia de negociao para qualquer fim um caso
cuidado balancingthe
mercado investmentobjectiveswith
condies.
7.1
de
Introduo
Melhor execuo tornou-se um termo cada vez mais comuns nos ltimos tempos. Reguladores do
mercado so tentando colocar em vigor regras e diretrizes para garantir que suas ordens so
executadas com o a maioria das condies favorveis, com base nos seus objectivos e nas
condies de mercado. Claramente, o custo total da transao um componente chave para a
melhor execuo. Portanto, importante Note que a velocidade de execuo (refletindo risco
temporal) e sua integralidade (que reflete o custo de oportunidade) pode ter tanto significado como o
preo.
Infelizmente, no h regras rgidas e rpidas sobre como conseguir a melhor execuo. o
julgamento depende de fatores tais como a escolha de refern cia e de nvel do investidor
averso a risco, bem como os seus objectivos globais.
Ento, como que vamos determinar a estratgia ideal de negociao para uma determinada
ordem? Ns vai comear examinando uma deciso-quadro de comrcio exemplo, como descrito por
Wayne Wagner (2006) e mostrado na Figura 7-1. Este quadro ilustra o processo do ponto de vista de
um trader buy-side:
Passo
1.
Um gerente de portflio inicialmente notifica-los da ordem.
2.
Se houver quaisquer restries especficas, em seguida, o comerciante deve usar o corretor

designado.
3.
Caso contrrio, o profissional deve avaliar o quo difcil a ordem ser o de comrcio.
3.1
Para encomendas que proporcionar muito necessria liquidez aos mercados, o

comerciante deve esforar-se para o preo timo.
3.2
Da mesma forma, para as encomendas que so julgados fcil, o comerciante tem muita
margem de manobra na forma como melhor para lidar com eles.
3.3
Ordens difceis pode ser sub-classificados com base em saber se:

o
Eles so uma grande percentagem do volume mdio dirio (ADV). o
O ativo est exibindo dinmica comercial significativa.
o O investidor tem sinalizado a ordem como urgente.
Dependendo da dificuldade percebida, em seguida, o operador deve seleccionar o
mais mtodo adequado de negociao. Isso pode significar usando algoritmos de

negociao, DMA, tentando atravessar a ordem, ou negociar a principal operao com
um traficante.
Estratgias
190
Optimal
Fonte: Wagner (2006) Reproduzida
de
negocia o
com a permisso da Institutional Investor
Figura 7-1 Uma hierarquia de decises comerciais
7.2
Avaliando a dif iculdade de ordens
Determinar o quo difcil uma ordem ser depende de uma gama de propriedades. Wagner (2006)
destaca trs fatores, a saber grandes encomendas (em relao ao ADV), preo desfavorvel mpeto e
urgcncy. Por outro lado, o elemento-chave que torna a negociao mais fcil a liquidez.
Outras propriedades especficas de activos, como a volatilidade tambm pode ter um effeet
substancial.
Uma maneira de quantificar o potencial dificuldade ordem baseada em resultados histricos
de anlise de custos de transao (TCA). Por exemplo, a Figura 7-2 mostra os resultados de uma
anlise da liquidez e impacto do custo de propriedade realizada por Jacqueline Rei e Yan Yaroshevsky
(2005) com Abel / Noser. Eles estudaram os custos realizados para uma amostra de 1.500 aces,
atravs de uma gama de diferentes tamanhos de ordem (como mostrado uma percentagem do
ADV). Vamos examinar cada um dos estes factores-chave, por sua vez:
Tamanho Ordem:
Um grande ordem executada imediatamente geralmente causar impacto significativo no mercado.
Qualquer coisa acima de 20-25% do ADV um grande comrcio e por isso mais difcil, enquanto
nada menor que 1% um pequeno comrcio. Ainda assim, como podemos ver na Figura 7-2 o efeito
do tamanho do pedido closcly ligado a liquidez do ativo. Um grande fim de um ativo de alta
liquidez tender a causc muito menos impacto no mercado do que para um um ilquidos.
191
1400
UMA"
Large Cap. De alta liquidez, baixa volatilidade

D
<Vo d Averag e Dail y Volum e

Fonte: Rei e Yaroshevsky (2005)
Abel / Noser
2005 Reproduzido com permisso de Abel / Noser
Figura 7-2 custos realizado para diferentes grupos de ativos

Liquidez:
Liquidez de um ativo tambm pode ter um efeito considervel sobre os custos de transao, como
a Figura 7-2 mostra. A oferta lance menor spread comumente associado com ativos lquidos, de
modo que o esperado custo propagao deve ser mais baixa para estes. Para as aes, a
capitalizao de mercado da empresa e volume de negcios pode ser usado como um proxy para a
liquidez. No estudo Abel / Noser, o mercado capitalizao variou de US $ 100 milhes para $ 100
bilhes. Um grande estoque-tampo tem um valor de maior de US $ 10 bilhes, um pequeno-tampo
abaixo de US $ 1 bilho e um micro-cap tem um valor abaixo
$ 100 milhes. Da mesma forma, um volume de negcios relativamente elevado significa que o
estoque mais lquido, ento novamente wc esperaria menores custos de impacto.
Volatilidade:
Volatilidade de um ativo afeta tanto seu risco de custo e tempo esperado. Quando combinado com
liquidez que lhe pode ter um efeito enorme sobre os custos globais. Por exemplo, na Figura 7-2 existe
um enorme salto nos custos de aces que eram ilquidos com uma volatilidade elevada (de cerca de
400- 1200 bps) quando comparados com aqueles que foram altamente lquida, com uma baixa
volatilidade (de em torno de 10-40 bps).
Preo dinmica:
A tendncia dos preos persistente e favorvel tambm faz negcios mais fcil. Ainda assim, a
chave para reduzir custos est negociando mais passivamente, de modo a tirar proveito da
tendncia. Por outro lado,
umapersistentemente adverso tendncia favorece negociao
agressiva, pelo que qualquer atraso ir simplesmente resultar em ainda execues pior.
Estratgias
192
Optimal
de
negocia o
Urgncia:
A negociao de forma agressiva sobre um pequeno horizonte de tempo, muitas vezes, causar
impacto significativo no mercado. A chave determinar se este compensado por fatores como
impulso ou pricc volatilidade. De qualquer forma, a negociao agressiva provavelmente ser
necessria para atender aos objetivos comerciais.
Horizonte de negociao:
O horizonte comrcio est intimamente ligada com a urgncia. Comparando-se o tamanho
para o ADV assume que o horizonte de comrcio para todo o dia de negociao. assim um
horizonte de negociao mais curta pode fazer executar a ordem mais difcil. Por exemplo, uma
ordem de 10% do ADV recebeu duas horas antes do encerramento muito mais difcil para o
comrcio do que seu tamanho de ordem por si s pode sugerir.
Outros factores tambm pode ter um efeito. Por exemplo, Scott Lyden (2007) informou sobre a
importncia da hora do dia, observando que o impacto no mercado de aes norte-americanas
foi maior para negociao na primeira meia hora aps a abertura.
7.3
Selecionando a estratgia ideal de negociao
Tendo aferido a dificuldade da ordem, agora precisamos determinar a melhor maneira de

executar isto. Como o conceito de execuo nas melhores condies gira em torno de alcanar os
objetivos do investidor, ele vital que estes so considerados. Portanto, ns tambm precisamos
saber a:
referncia destina-se
nvel de averso ao risco
objetivos comerciais desejados

Estes ter um impacto significativo sobre a escolha da estratgia. Embora, antes de cobrir cada um
destes factores em mais detalhe, ns deve primeiro explicar um conceito conhecido como o eficiente
fronteira negociao. Isso fornece a base para a comparao dos custos esperados e os riscos
associados a diferentes estratgias de negociao, e por isso uma parte fundamental do processo de
deciso.
A fronteira eficiente de negociao

No Captulo 1, vimos a fronteira eficiente para carteiras proposta por Harry Markowitz (1952). Esta
traa a carteira tima em termos de retorno para diferentes nveis de risco (ou volatilidade). No
entanto, estratgias de negociao so geralmente mais focado no custo, por isso Robert
Almgren e Neil Chriss (2000) props a fronteira negociao eficiente. Eles argumentaram que
comerciantes racionais sempre procuram minimizar custos esperados para um certo nvel de risco.
Assim, uma estratgia ideal de negociao foi definido como aquele para o qual no havia
alternativas com menores custos esperados para o mesmo grau de risco. O conjunto de solues
timas foram denominou a fronteira eficiente de negociao, composta por uma soluo nica para
todos os nveis possveis de risco. A fim de determinar essa fronteira procuraram resolver o
seguinte otimizao sem restries para o custo esperado E {X):
milmetro {E {x) + AV (x))
(7.j )
onde V (x) corresponde ao risco esperado e X um multiplicador de Lagrange introduzido para

relacionar-se para os vrios nveis de risco. Ao traar as melhores solues em um grfico de espera
custo (ou perda) contra sua varincia correspondente (tal como um proxy para o risco), como se
mostra na Figura 7-3, a natureza convexa da fronteira eficiente de negociao pode ser visto
claramente.
A regio sombreada na Figura 7-3 representa o um conjunto de todas as estratgias possveis,

enquanto que o
193
curva slida mostra a fronteira negociao real eficiente. Cada ponto sobre esta curva representa uma
soluo ptima para um determinado valor de X. Em termos de custos, a estratgia B tem o menor
esperado valor, embora focando em minimizar isso resultou em maior risco de qualquer um dos
estratgias timas. Nota que a curva tracejada destaca as estratgias para o qual existe uma
alternativa ideal com tanto custo mais baixo esperado e risco, ou seja, estratgia B.
x10
0. 51
Variao
1,5
V [x] (S2)
2
x10
12
Fonte: Almgrcn e Chriss (2000)

Reproduzido com permisso da The Journal of Risk, Incisivo Mdia
Figura 7-3 Um fronteira negociao eficiente

Sediada na equao 7-1 o gradiente da curva na Figura 7-3 corresponde a -X, de modo que o
tangente mostra a estratgia ideal para X com um valor de cerca de 106 (marcada com um crculo).
Em termos financeiros, o multiplicador de risco X corresponde ao nvel de averso ao risco. Uma
maior significa valor menos disposio para aceitar possvel varincia e assim infere um maior
esperado
custo. Em outras palavras, uma averso ao maior risco de negociao implica mais agressiva. Por
outro lado, um valor mais baixo de X significa menos averso ao risco; resultados comerciais mais
passivos em menor esperado custos, mas com uma maior varincia. Assim, na Figura 7-3 estratgia A
corresponde a uma mais estratgia agressiva, enquanto estratgia B a melhor estratgia mais
passiva.
Nota que, apesar de varincia utilizado na figura pode igualmente ser adoptadas outras medidas
de risco 7-3. Por exemplo, Almgren e Chriss (2000) tambm criou uma verso para o Valor em Risco
(VaR) enquanto Robert Kissell e Roberto Malamut (2005b) normalizou a fronteira traando ambos
custo e risco em termos de pontos de base.
Embora a fronteira eficiente de negociao um conceito terico extremamente til, criando eles
podem ser demorado uma vez que exige a soluo de optimizao mostrado na equao 7-1 para cada
valor razovel de X. Para facilitar as coisas, Robert e Kissell Morton Glantz proposta uma
aproximao ajustando uma curva de decaimento exponencial de alguns estratgias especficas. Mais
detalhes podem ser encontrados em Kissell e Glantz (2003).
Estratgias
194
Optimal
de
negocia o
Escolhendo o referncia
Como vimos no Captulo 6, o valor de referncia pode ter uma substncia] cffect na preciso dos
medidas de desempenho. Um resultado semelhante pode ser observada para as fronteiras comerciais
eficientes, como em destaque na um estudo por Kissell e Malamut (2005b), mostrado na Figura 7-4.
O cxpectcd custos e riscos para cada um destes valores de referncia so apresentados no Quadro
7-1. Ns cobrir o real modelos de estimativa de custos com mais pormenor no captulo 10.
T i m i n g Ris k
Fonte: Kissell e Malamul (2005b) Rcproduccd
com a permisso da Institutional Investor
Figura 7-4 A fronteira comercial eficiente para uma gama de diferentes benchmarks
Avaliao comparativa
Custo
marca
Risco
Anterior
Fechando /
Abertura
Preo
Chegada
Preo
Futuro
Preo
de
fecham
ento
Custo (a) = h (x, a) + G (x)

Jcr ( (a)) + cr (p0- Pd)
22
+ (P0~ pd) +
Custo {A) = h (x, a) + G (x) +
* (AR) = FF ( (a))
Custo (A) = h (X, A) + e
9? (A) =uma {e (uma))
SR (a) = -
Fonte: Kissell e Malamut (2005 e 2005b)
Tabela 7-1 benchmark esperado custos e riscos

Uma referncia de preos chegada (po) d o mesmo custo e risco expcctcd como serra wc em
Captulo 6. O custo consiste tanto temporria e impacto permanente. O impacto permanente ir
baseado em o tamanho do pedido (X) enquanto a funo de custo impacto temporrio h {) tambm
depende sobre a taxa de troca (a). O risco de temporizao consiste principalmente da volatilidade
pricc <t (), em que
195
por sua vez, se baseia em um factor de erro (E), este apenas representa o rudo aleatrio. 1
Usando uma referncia prc-tradc (PD) mais cedo do que o preo de chegada significa uma
mudana de preo adicional (P0 - Pd) deve ser considerada. Isto corresponde ao custo de atraso.
Portanto, benchmarks com base nos preos de fechamento ou abertura anteriores d evem
incorporar isso em sua custos esperados e riscos. Em termos de custo esperado, a fronteira eficiente
de negociao ser desviado por este montante. O sentido depende do facto a ordem uma
compra ou uma venda. Por exemplo, supondo que uma ordem de compra, em seguida, um aumento de
preos ir deslocar a fronteira para cima, com a efeito oposto para uma ordem de venda. De igual
modo, o factor de risco adicional de temporizao reflectida como um (po ~ Pd) - Este risco
aumentado ajuda a transferir a fronteira para a direita na Figura 7-4.
Em comparao, utilizando uma referncia ps-negociao com base em um preo de fechamento
futuro ir reduzir o custo esperado. Esta bccause o impacto no mercado permanente j
contabilizado de o futuro preo de referncia. Assim, o custo estimado apenas o impacto no
mercado temporrio (assumindo que no h tendncia de preo real). Assim, a fronteira eficiente
de negociao deslocado para baixo por um montante igual ao impacto no mercado
permanente. Embora, em termos de risco temporal, ele ser apenas como o ponto de referncia
preo chegada (uma vez que os prazos so os mesmos).
Nota que os benchmarks intraday se comportam um pouco diferente, uma vez que eles so
baseados em preos ao longo do dia para que eles incorporar tanto temporria e custo impacto
permanente. Portanto, para uma referncia VWAP possvel minimizar o risco de custo e tempo por
participando de maneira uniforme com o volume do dia.
A escolha de benchmark pode afetar claramente a fronteira eficiente de negociao, e assim
ele pode alterar a escolha tima da estratgia de negociao. Por exemplo, a Figura 7-5 (a) mostra as
duas fronteiras consoante o preo de chegada ou o fechamento anterior usado como referncia.
Dado o mesmo Ci custo-alvo, o deslocou fronteira comercial eficiente para o benchmark fechamento
anterior resultados numa estratgia ptima (X2), que tem um maior risco (R2) do que o
correspondente estratgia ideal (X]) para uma referncia de preos chegada.
Clos e
R1
R2
Fonte: Kissell e Malamul (2005)
Reproduzido com permisso da Institutional Investor
Figura 7-5 O efeito de parmetros de referncia em metas de implementao
Para simplificar estes exemplos assumem que no h tendncia de preo real e volatilidade de liquidez excludo da risco
temporal.
196
Optimal
Estratgias
de
negociao
Por outro lado, dado o mesmo sincronismo risco (RO, Figura 7-5 (b) mostra como o uso do dia
perto de preos como um ponto de referncia ter um custo mais baixo esperado (C2), quando
comparado com a utilizao do preo chegada (CO, devido ao preo de fechamento incorporando
impacto no mercado permanente.
Determinar o nvel de averso ao risco

A averso ao risco afeta diretamente a agressividade uma estratgia de negociao. Um nvel elevado
indica que um risco temporal no aceitvel e por isso a estratgia deve ser mais agressivo para
tentar completar mais rpido. Isso aumenta o custo esperado devido ao impacto no mercado.
Alternativamente, um baixo nvel sugere que minimiza o impacto de mercado mais importante.
Kissell e Malamut (2005b) destacou esta relao entre a averso ao risco parmetro (A,) e
estilo de negociao traando uma fronteira comercial eficiente normalizado. Como a figura 7-6
mostra, tanto os eixos de risco de custo e de tempo so expressas em termos de pontos de base.
Conseqentemente, os valores de X so muito mais clara, variando de 0 a 3, em vez de 10 "6to 10" 7.
Eles observaram uma relao aproximadamente linear entre o parmetro de averso ao risco (X) e um
nvel do investidor de preocupao com risco relativo ao custo. Por exemplo, um valor de x = 1 na
figura 7-6 representa um investidor que est igualmente conccrned sobre risco e de custos
expcctcd, ao passo que para X = 0.5 o investidor apenas metade to preocupado com o risco.
O gradiente xtambm corresponde ao tempo total negociado. Um valor mais alto de X sugere mais
urgncia e de modo a horizonte mais curto, ao passo que valores mais baixos indicam uma
abordagem mais paciente.
Escolher um gol de negociao

Tendo especificado tanto um ponto de referncia eo nvel de averso ao risco, podemos agora
comear a concentrarem encontrar a estratgia de negociao ideal. Robert Kissell, Morton
Glantz, e Roberto Malamut (2004) descrevem trs objectivos comerciais distintas,
nomeadamente:
Minimizar o custo esperado para um dado nvel de risco
Alcanar a melhoria pricc mais um determinado nvel de custo
Equilibrar o trade-off entre o custo esperado e risco

Diferentes tipos de investidores podem preferir objectivos especficos; os conduzidos por
exposio , muitas vezes,
197
escolher para corrigir o risco expccted, enquanto os investidores orientados por informaes
podero compor o preo melhoria para maximizar os retornos a curto prazo.
Minimizar o custo
A fronteira de negociao eficiente representa o conjunto de estratgias de negociao ideais;
eles oferecem a menor custo esperado para cada especfico nvel de risco. Portanto, para um dado
nvel de risco que pode encontrar a estratgia ideal simplesmente por encontrar o ponto
correspondente na fronteira. o estratgia ideal UMAmentiras na fronteira com um custo estimado C e
risco R, como a Figura 7-6 mostra. Em comparao, as estratgias suh-optimal situar-se acima da
fronteira, e assim alcanar o mesmo nvel de risco, mas com um custo muito mais elevado esperado.
Melhoria de preos
Roberto Malamut provou que a estratgia de melhoria de preo timo para bater um custo
especfico
(C) pode ser encontrada a partir da tangente de uma linha traada a partir de (0, C) para a
negociao eficiente fronteira.
Risco (pontos base)

Fonte: Kissell, Glanlz, e Malamut (2004) Copyright 2004 Elsevier Reproduzido
com permisso de Elsevier
Figura 7-7 Maximizar a probabilidade de melhoria de preos

este mostrado como estratgia X3 na Figura 7-7, com um risco de temporizao de 150 pb que
oferece a maior chance de bater o custo esperado de 50 bps.
Equilibrar o trade-off entre custo e risco

A minimizao do custo total da negociao dificultada pelo fato de que seus dois principais
componentes se movem em direces opostas. Impacto custo pode ser reduzido em mais
passiva negociao, enquanto cronometrando risco pode ser reduzido por negociao de forma
mais agressiva. Kissell e Glantz (2003) termo este problema de otimizao dilema do
comerciante. Como vimos na Figura 7-6, cada nvel de averso ao risco X tem uma estratgia
tima correspondente. Neste ponto, o declive de uma linha tangente fronteira negociao eficiente
igual a -X. Ns pode usar este fato para determinar a perfil de custo otimizado para um dado X,
simplesmente deslizando uma linha com um declive de-A, at que se torne uma tangente com a curva
de fronteira. Assim, na Figura 7-8 a estratgia ideal onde X = \ X2 , que tem um custo expccted de
62 bps e um risco de 65 bps.
198
Optimal
Strategics
comerciais
Risco (pontos base)

Fonte: Kissell, Glanlz, e Malamut (2004) Copyright 2004 Elsevier Reproduzido
Figura 7-8 Equilibrar o trade-off entre custo e risco
Determinao do horizonte comercial ptima

Compreender o horizonte ideal de negociao pode ser muito til, mesmo para encomendas
que Arc destinados a ser negociadas VWAP ao longo do dia (se apenas para confirmar que eles
so viveis para o comrcio ao longo de um nico dia). Figura 7-9 mostra os vrios custos / riscos
de uma estratgia de exemplo de como eles variam ao longo do tempo. Podemos construir a
curva de custo total pela soma o impacto no mercado e calendrio risco para os diferentes
nveis de averso ao risco (A), com base na equao 7-1.
Figura otimizao estratgia 7-9 Negociao

A partir disso, podemos, ento, determinar o horizonte de negociao que atinge o mnimo
global custo. Este intervalo de tempo pode ser usado para guiar um algoritmo dfice aplicao,
ou convertido em uma taxa de participao no volume alvo, com base no perfil histrico volume ou
ADV. Kissell e Malamut (2005b) passam a derivar uma soluo para o custo mnimo em termos da
taxa de negociao ideal.
7.4
199
Escolher entre algoritmos de negocia o
At agora, WC vimos como vrios fatores podem afetar a escolha de estratgia, mas como isso
realmente traduzir para seleo de diferentes algoritmos de negociao?
Em primeiro lugar, wc deve mapear os algoritmos de negociao para um exemplo eficiente
fronteira negociao. este nos permitir comparar a adequao de algoritmos especficos para
objectivos definidos. Para escolher o algoritmo ptimo para um determinado fim, seria preciso criar
uma negociao eficiente fronteira sob medida para seus detalhes especficos. Isto ir incorporar os
fatores que vimos no captulo 7.2 ao avaliar a dificuldade de ordens. Hencc, wc examinaremos como
essas condies afetam tanto a fronteira negociao eficiente e nossa escolha final da estratgia tima.
Ns vamos tambm considerar alguns dos requisitos essenciais para algoritmos de negociao, e
ver como fatores tais como a disponibilidade de dados e limite de estrutura de mercado a nossa
escolha.
Algoritmos de mapeamento para a fronteira eficiente de

negociao
Como wc ter visto, a fronteira eficiente permite que os comerciantes de negociao e investidores
para ver o custos e riscos de potenciais uma ampla gama de estratgias de negociao, a partir do
qual eles podem, em seguida, selecione sua abordagem preferida.
Custo
esperado
POV
UM)
Eu
T-
MC
n Ht
I (PIM)
(PIM)
Dficit Adaptive
Dficit Implementao
Fechamento do mercado
Impacl Minimal
Pricc em linha
Por cento do volume
UMA
P
Agressivo
Passiva
PIM
AIM
Passivo
no no
dinheiro
Agressivo
dinheiro
TWAP
PI
COMO
Key:
COMO
LIQ
MC
MI
PI
POV
COM
O
(AIM)
Eu
IS
(P)
LIQ
ti
oI
VWAP
PI (AIM)
PKOV (P)
Ml
VWAP / dia
Risco de temporizao
Figura 7-10 Diferenciar algoritmos usando uma fronteira comercial eficiente

Para mapear algoritmos de negociao para isso, seria necessrio determinar estimativas para
cada um dos seus custos esperados e riscos de tempo e, em seguida sobrepor estes em uma
fronteira comercial eficiente para a ordem prospectivo. Figura 7-10 tenta ilustrar isso para um
fim exemplo. Note que esta apenas uma ilustrao, para destacar as diferenas relativas entre
algoritmo tipos. Claramente, os casos especficos podem funcionar de modo diferente. Tambm
no todos os algoritmos podem at estar na fronteira eficiente, uma vez que pode haver melhores
alternativas.
Note-se que para alguns algoritmos Figura 7-10 inclui tambm agressivo (A), passiva (P) e
verses neutras. Como vimos, a negociao mais agressivo geralmente implica custos mais
elevados esperados, embora curiosamente os mecanismos adaptativos preo (por exemplo,
agressivo-in-the- dinheiro (AIM)), na verdade, ter o efeito oposto.
Algoritmos orientada para o impacto tendem a aparecer em direo ao lado direito do

eficiente negociao fronteira, exibindo menor custo esperado, mas maior risco, como seria de
esperar.
20 0
Optimal
Estratgias de negociao
VWAP:
O algoritmo VWAP concentra em minimizar o impacto no mercado, atravs da diviso da
ordem em quantidades com base no perfil histrico de volume. Embora para pedidos menores isto
pode prolongar desnecessariamente negociao, fazendo com que a exposio ao risco
adicional. Assim, uma ordem da esquerda para a VWAP comrcio atravs o dia todo tem um dos
mais altos riscos associados. Isto pode ser utilizado como um ponto de referncia na fronteira de
negociao eficiente, rotulado como VWAP / dia na Figura 7 -10. Simplesmente atravs da
reduo do tempo de negociao para um tamanho apropriado para o fim, o risco pode ser
reduziu consideravelmente (VWAP marcado). Observe que o custo faz No aumentar
significativamente para alcanar este objectivo.
TWAP:
Na Figura 7-10, TWAP mostrado como o nico algoritmo no seja realmente eficiente na
fronteira negociao. Isto porque quando um algoritmo TWAP divide uma ordem que no leva em
condies de mercado. Por isso, pode incorrer impacto de mercado adicional em comparao
com outros algoritmos (exceto para pequenas encomendas ou ativos muito lquidos). Ainda assim,
em termos de risco semelhante ao VWAP, quer distribudos por todo o dia de negociao ou
para um perodo mais curto. Assim, TWAP mostrado diretamente acima VWAP na fronteira
negociao eficiente. (Observe que, para locais onde informaes sobre o volume no est
disponvel TWAP uma alternativa vivel ao VWAP).
Por cento do volume (POV):
Algoritmos tm POV um objetivo semelhante ao VWAP, ou seja, minimizao do impacto no
mercado. A nica diferena real entre as duas abordagens que a trajetria de negociao para
um POV algoritmo gerado dinamicamente, com base em uma proporo fixa do volume real de
mercado. Desde sua participao baseia-se no volume de mercado actual, cada ordem mais provvel
completo em uma escala de tempo adequado para seu tamanho. Consequentemente, o risco calendrio
deve ser reduzida em comparao com VWAP, embora o custo impacto no mercado pode ser
ligeiramente superior alcanar este objectivo. Ento, na fronteira de negociao eficiente,
algoritmos POV arco posicionada para o justo deixou de VWAP, enquanto ainda exibindo mais
risco do que algoritmos dfice de implementao. Note-se que a agressividade de um algoritmo de
POV pode ser inferida a partir da sua taxa de participao,
<5% relativamente passiva, de modo que este parece o direito de VWAP na fronteira.
Impacto mnimo:
Ao focar exclusivamente na minimizao do custo global impacto no mercado, estes algoritmos
assumir
um maior nvel de risco temporal. Consequentemente, eles aparecem no lado direito da
eficiente fronteira negociao.
Algoritmos custo-driven tentar equilibrar tanto custo e risco. Portanto, eles tendem a ser mais
no centro da fronteira comercial eficiente. Embora verses agressivos ser mais perto do lado da mo
esquerda, atingindo menor risco, mas em um custo mais elevado esperado.
Dfice de implementao (IS):
Esses algoritmos buscam minimizar tanto impacto no mercado e risco, muitas vezes
determinando a taxa tima de negociao. Eles tendem a trocar mais rapidamente do que VWAP
ou POV algoritmos, resultando em um risco temporal inferior. Embora, neste risco reduzido
alcanado a uma ligeiramente mais elevada custo esperado. Assim o comrcio algoritmos usando
agressivo (A) ou estilos de negociao neutros aparecem esquerda do POV na fronteira
negociao eficiente mostrado na Figura 7-10. Apenas o estilo passivo (P) apresenta um custo
mais baixo, embora isto ainda tem risco temporal inferior ao VWAP.
Fechamento do mercado (MC):
Esses algoritmos tm como objectivo igualar ou melhor o preo de fechamento futuro.

Considerando um
201
dfice algoritmo calcula uma implementao comercial durao ptima, algoritmos MC inverter
esta proccss para determinar um horrio de incio ideal. Desde o seu preo -alvo est sujeito a o
mesmo risco temporal, isso compensa alguns dos seus riscos. No entanto, o perodo de fechamento
muitas vezes mais volteis e assim algoritmos MC muitas vezes vai incorrer em custos mais
elevados. Como resultado, eles so posicionado logo esquerda do dfice em execuo a fronteira
eficiente, com menor risco, mas os custos mais elevados esperados.
Dficit Adaptive:
Um agressivo in-the-money (AIM) algoritmo adaptativo dfice torna-se mais agressivo com
preos favorveis. Como Kissell e Malamut (2005b), isso resulta em destaque uma enviesada
distribuio de retornos entre subindo e os mercados em queda. Em comparao, os algoritmos com
um baixa sensibilidade a movimentos de preos (como POV) tm uma distribuio mais simtrica
de retorna. Podemos ver isso claramente na Figura 7-11 (a) tirado de seu estudo, onde o AIM
algoritmo adaptativo dfice comparado com uma taxa de comrcio constante (POV) algoritmo.
Desde a adaptao preo AIM aproveita melhores condies de mercado, consegue um menor custo
esperado (C3). A desvantagem que esta abordagem ser cada vez mais expostos a riscos em
condies adversas, uma vez que ser mais passiva como o preo se torna desfavorvel. este
tambm ajuda a explicar a distribuio de custos enviesada. Portanto, em termos da fronteira
comercial eficiente algoritmo AIM dfice adaptativo (AS) vai estar direita do algoritmo POV.
Fonte: Kissell e Malamut (2005b) Reproduzida
wilh permisso de Inslilulional Investidores
Figura 7-11 Distribuio de custos de tticas de adaptao

Por outro lado, o passivo em-the-money (PIM) verso torna-se mais passiva com preos
favorveis, novamente mostradas na Figura 7-11 (b). Portanto, tem um custo mais elevado
esperado (C4), mas um risco global inferior; por isso, est situada esquerda do POV na fronteira.
Note-se que desde algoritmos adaptativos dfice so sensveis ao risco temporal sua taxa de
negociao no muda ritmo bastante to rapidamente quanto um algoritmo de linha puramente
preo. A rede resultado que, enquanto o custo efetivo de um algoritmo adaptativo AIM dficit ainda
menor do que um algoritmo de POV ligeiramente mais do que a de um algoritmo de linha de
preos agressiva. Por isso, fica entre esses dois algoritmos na fronteira negociao eficiente.
Os algoritmos oportunistas so ligeiramente mais difceis de placc sobre a negociao
eficiente fronteira. Eles podem tirar vantagem de forma agressiva de condies favorveis,
embora esta pode levar a custos substanciais de impacto. Eles tambm esto preparados para esperar
passivamente at que as condies de mercado tornam-se favorveis, expondo-os ao risco de timing.
20 2
Optimal
Preo inline:
Como j vimos para o algoritmo dfice adaptativo, um inline preo AIM tem algoritmo uma
distribuio de custos enviesada. Podemos ver isso mais claramente quando comparado com um POV
algoritmo conforme mostrado na Figura 7 -12, novamente retirado do estudo por Kissell e
Malamut (2005b). Observe o algoritmo embutido preo rotulado como "T arget". Assim, o
preo AIM adaptao aproveita melhores condies de mercado, obtendo um menor custo
esperado (C2), mas exp-lo a um maior risco global. Portanto, na fronteira negociao eficiente
o PI agressivo (AIM) algoritmo vai ser para a direita do algoritmo POV. Por outro lado, o
comportamento invertido da verso passiva in-the-money (PIM) eficaz um espelho imagem
resultante em um risco global inferior (mas custos mais elevados) e assim est situada esquerda de
POV sobre a fronteira eficiente.
Boa Risco
Fonte: Kissell e Malamut (2005b)
Cs< C jBad
Risco
Permisso reproduzida wilh do Institutional Investor
Figura distribuio 7-12 Custo de um algoritmo embutido preo AIM

Orientado a liquidez:
Um algoritmo orientado a liquidez vai trocar bastante agressiva quando h liquidez, mas pelo
outros tempos ele simplesmente no vai negociar. Alguns controles do nvel permitido de participao
vontade evitar o impacto no mercado ser muito elevada. No entanto, os algoritmos geralmente
no respondem para temporizar risco. Assim, na Figura 7-10 o algoritmo de procura de liquidez
ptima est posicionado apenas para o ol direito "as estratgias baseadas adaptativa preo AIM. No
entanto, muito diferente arguahle verses do algoritmo pode ser colocado em qualquer lugar na
fronteira entre VWAP / dia e dficit de implementao.
Pares:
Um algoritmo par de negociao tem um grau de cobertura embutido, desde que a relao entre os
dois preos dos ativos se comporta como ns esperamos. Assim, os ganhos (ou perdas) com ativos
B deve espero compensar eventuais perdas (ou ganhos) em activos A. Ainda assim, se a
relao se rompe o estratgia pode exp ns a mais riscos. H tambm um problema se houver uma
diferena considervel em liquidez entre os dois ativos; legging significativa vai significar uma
maior exposio ao risco. Portanto, difcil colocar algoritmos par de negociao na Figura 7-10.
Dado um par adequado, o algoritmo timo par sendo negociado poderia alcanar um custo esperado
para VWAP semelhante, mas com menos risco. Enquanto um par de sub-ptima pode exigir
comercial muito mais agressiva, a fim de tentar para minimizar o risco.
Mais uma vez, note que estes resumos apenas dar uma indicao de como os vr ios negociao
20 3
algoritmos pode ele posicionado sobre uma fronteira eficiente de negociao, as verses atuais podem
executar de forma ligeiramente diferente.
Fatores que afetam algoritmo de escolha

Ao procurar a estratgia de negociao ideal vital para equilibrar os objectivos do investidor com os
fatores que determinam a dificuldade global de negociao. Por conseguinte, a escolha de algoritmo /
estratgia ditada por factores, tais como:
Investidores requisitos (por exemplo, referncia, averso ao risco e objetivos

comerciais)
Propriedades especficas de ordem (por exemplo tamanho)
Propriedades especficas de activos (por exemplo, a liquidez, a volatilidade e

tendncias de preos)
Cada um destes pode ter um efeito considervel sobre o custo global. Por exemplo, a Figura 7-13
como mostra tanto o tamanho da ordem e volatilidade dos ativos, aumentar o custo global de um por
cento do de volume (POV) algoritmo.
Fonte: Brandes et ai. (2007)
Reproduzido com permisso de 1TG Fnc. e O Comrcio
Figura 7-13 Relacionando custo para encomendar o tamanho ea volatilidade

Esta estimativa de custo baseado em dados de desempenho de ITG Inc., relatados em um estudo
realizado por Yossi Brandes et al. (2007). Podemos, portanto, utilizar esses dados de desempenho
histrico para orientar a nossa escolha. Se o custo projetado muito alto, ento ns pode repetir o
processo para outros tipos de algoritmo at wc encontrar o que est mais prximo de igualar os nossos
requisitos. Na sequncia sub-seces, que examina o efeito de cada um destes factores.
Requisitos Investidores
Requisitos do investidor so tambm claramente um factor determinante na escolha de negociao
algoritmo, da mesma forma como vimos para a seleo estratgia ideal.
ndice de referncia
A escolha de referncia afeta a fronteira eficiente de negociao, como vimos na Figura 7-4. Se o
referncia o preo da chegada ou deciso, ento dficit de implementao provavelmente a mais
20 4
Optimal
Strategics
comerciais
algoritmo apropriado. Se for VWAP, em seguida, um algoritmo VWAP faz mais sentido.
Averso a risco
A averso ao risco elevado sugere um estilo de negociao agressiva, enquanto que uma averso baixo
significa podem ser usados algoritmos mais passivas. Por exemplo, a Figura 7-14 mostra a relao
entre custo e averso ao risco por um algoritmo oportunista (ITG ativo) e um mais abordagem
baseada dficit de implementao agressiva (ITG ACE), com base em uma reviso por Jian Yang
e Brett Jiu (2006). Em baixos nveis de averso ao risco, o algoritmo mais oportunista prova rentvel,
enquanto em nveis mais elevados do algoritmo dficit de implementao executa melhor. Um efeito
similar pode ser visto se ns substitumos o algoritmo oportunista com um impacto conduzido um,
tais como VWAP. Em termos de negociao da fronteira eficiente, um alto risco averso sugere uma
mudana para algoritmos mais agressivas no lado esquerdo da fronteira, enquanto uma averso baixo
implica uma mudana para a direita.
Ris k aversio n
Fonte: Yang e Jiu (2006) Reproduzida
com a permisso de ITG Inc.
Figura 7-14 Relacionando custo averso ao risco

Objetivos comerciais
Se o objetivo minimizar o custo esperado, ento ns podemos conseguir isso por encontrar o
algoritmo cuja projetada risco a correspondncia mais prxima para o nvel exigido. Enquanto que
se o objetivo conseguir um equilbrio entre o custo esperado e risco, ento algoritmos impulsionado
custo, tais como dficit de implementao pode ser a escolha mais adequada. Alternativamente, se
pricc melhoria o foco principal, em seguida, talvez um algoritmo orientado a liquidez oportunistas
ou algoritmo orientada para o impacto passivamente preo mais adequado.
Encomende fatores especficos

Na seo 7.2, j vimos as propriedades especficas do efeito de ordem, como tamanho e horizonte
de negociao, pode ter sobre a dificuldade de uma ordem. Hcnce, isso tambm pode affcct nossa
escolha de algoritmo, com base no custo esperado e risco.
Tamanho Ordem
Tamanhos ordem maior geralmente significa aumento dos custos de transao. Tentando para
executar uma grande encomenda imediatamente ir causar impacto significativo no mercado. Por
outro lado, a diviso lo em menor criana
205
encomendas e trabalhar estes ao longo do tempo ir exp-lo ao risco de temporizao. Portanto, a

maioria dos algoritmos apresentam aumento de custos como tamanho aumenta ordem. No entanto, a
magnitude destes aumentos pode variar acentuadamente em diferentes algoritmos. Figura 7-15 destaca
esta para uma srie de algoritmos de negociao stocks baixa volatilidade, tirada de um estudo
realizado pela ITG Inc.
Tamanho relativo (%)

Reproduzido com permisso da ITG Inc. e The Trade
Figura 7-15 Relacionando custo impacto a ordem do tamanho de uma variedade de

algoritmos
Claramente, o algoritmo impulsionado-stealth oportunista (identificado como "Dark") tem o
melhor desempenho. Dentro parte, isto devido sua minimizao bem sucedida de sinalizao risco
usando ordens do COI e negociao escondido no "dark pool" ATS. Os algoritmos orientada para o
impacto executar razoavelmente bem, com VWAP superando POV nos tamanhos mais alta ordem.
No entanto, a aplicao dfice (IS) algoritmo tarifas o pior para grandes encomendas. O tamanho da
diferena entre esta e VWAP interessante, sugerindo que eles podem ter sido executado de forma
mais agressiva, resultando em maior impacto no mercado.
Se o tamanho da encomenda suficientemente grande, ento pode valer a pena considerar a
negociao sobre vrios dias, dependendo na evoluo dos preos e volatilidade. Em comparao, a
escolha de algoritmo tem muito menos efeito para pequenas encomendas. Uma ordem para <1%
ADV provavelmente ir atingir resultados semelhantes com qualquer VWAP ou dficit de
implementao.
Em termos de negociao da fronteira eficiente, o custo potencial de grandes encomendas tende a
mudar o seleo para os algoritmos mais passivos (mas mais arriscados) no lado direito da Figura 710. Dentro outras palavras, um algoritmo de participao ou VWAP pode ser prefervel a aplicao
shortfall para grandes encomendas.
Horizonte Trade
O horizonte de comrcio geralmente especificado pelos parmetros de incio e do fim dos tempos
da ordem. Isto tambm est relacionada com o tamanho da ordem, uma vez que pode-se determinar
uma estimativa para o horizonte ptima Sediada na ADV e a taxa de troca desejada.
Claramente, um horizonte de comrcio que menor do que o ideal mais agressivo, apesar de
preencherem este requisito pode levar a custos excessivos impacto no mercado. Considerando que, se
o horizonte muito mais do que, em seguida, pode haver risco timo tempo substancial. Por exemplo,
um pequeno
Strategics
20 6
Optimal
comerciais
ordem trabalhou durante todo o dia de negociao est exposta a riscos desnecessrios, uma vez
que poderia facilmente ter sido concluda muito antes. Como vimos para o tamanho do pedido, h
tender a ser menor diferena de desempenho para horizontes curtos em comparao com os
mais longos.
Assim, em termos de seleo algoritmo, horizontes mais curtos portanto, ir favorecer um mais
negociao agressiva, tais como uma percentagem do volume ou at mesmo um algoritmo dfice
aplicao. Horizontes mais longos favorecem, algoritmos mais passivos-driven impacto, como um
todo- VWAP dia.
Factores especficos de ativos

Factores especficos de ativos, tais como liquidez e volatilidade, tambm afetam algoritmo
escolha sincc eles reflectir a dificuldade de uma ordem, como vimos nos custos de negociao
de volta na Figura 7-2.
Liquidez
Liquidez pode ter um efeito considervel sobre o impacto no mercado. Na verdade, ele pode
neutralizar alguns dos efeitos do tamanho da ordem, uma vez que uma grande encomenda para um
ativo de alta liquidez tende a causar menos impacto do que para um um ilquidos. Sinalizao de
risco tambm pode ser um problema para menos ativos lquidos, mesmo para muito pequenas
encomendas.
Desde um ativo lquido ser mais fcil (e assim custam menos) para o comrcio do que um
ilquidos isso tende para alargar a escolha potencial de algoritmos ideais. Por outro lado, limita um
activo ilquido a escolha para algoritmos mais especializados, tais como os movidos a liquidez.
Volatilidade
Volatilidade de um ativo afeta tanto seu risco de custo e tempo esperado. Assim, para os ativos
volteis geralmente melhor para seleccionar um algoritmo que sensvel ao risco. Em outras
palavras, os algoritmos que atingir menor risco temporal tais como a implementao ou d fice
adaptativo algoritmos.
i -Activ e
--Dark
3
4
VWAP
VP
Volatilidade intra dia (%)

Reproduzido com permisso da ITG Inc. e The Trade
Figura 7-16 Relacionando custo impacto de volatilidade para uma variedade de

algoritmos
Ns pode ver claramente na Figura esta 7-16, que mostra os resultados do estudo por Brandes et ai.
(2007). Como os intraday volatilidade aumenta, o custo mal muda para o
20 7
dficit de implementao (IS) algoritmos. O VWAP impacto conduzido e por cento do volume (VP
marcado) algoritmos tarifa menos bem, tanto o sofrimento como o aumento dos custos de volatilidade
aumenta. Isso no surpreendente, uma vez que no tm sensibilidade ao preo embutido.
Certamente, a percentagem de algoritmo de volume o mais afetado; Brandes et al. razo que isto
devido flutuao de volume de mercado em reao aos movimentos de preos. Os algoritmos so
tambm oportunistas afectados, mas um pouco menos do que os orientada para o impacto. Por
exemplo, ITG activo, um algoritmo de busca de liquidez que utiliza atrelar dinmico, parece lidar com
preo de curto prazo se move quase to bem como um algoritmo dfice aplicao.
Para os ativos de menor volatilidade, cronometrando risco menos de um problema e assim os
potenciais custos reduzidos de participao no volume fazer mesmo algoritmos oportunistas-driven
impacto ou mais adequado.
Tendncias de preos
A tendncia dos preos persistente e favorvel nos permite reduzir os custos atravs da negociao de
forma mais passiva. Enquanto uma tendncia desfavorvel exige negociao mais agressivo, uma vez
que qualquer atraso ser simplesmente resultado em ainda piores execues. Portanto, se estamos
confiantes de uma tendncia persistente de preos ento devemos considerar o uso de algoritmos do
lado apropriado da fronteira eficiente de negociao, a fim de beneficiar a maioria. Por exemplo, um
algoritmo VWAP mais negociadas passivamente pode melhor desempenho para tendncias de
preos favorveis. Alternativamente, um algoritmo dficit de implementao mais apropriado
para evitar perdas de uma tendncia de preos desfavorvel. Note-se que o grau de agressividade tem
de ser adequado para o tamanho do preo tendncia esperada; caso contrrio, o aumento dos custos de
impacto mercado vai neutralizar quaisquer ganhos / poupana.
Preo algoritmos adaptativos, tais como inline preo ou dficit de adaptao tambm pode ser
usado para aproveitar-se de tendncias. Como vimos estes do uma distribuio mais distorcida do
esperado custos, com agressiva in-the-money estratgias (AIM) alcanar um custo mais baixo, mas
mais alto risco, enquanto passiva in-the-money verses (PIM) fazem o oposto. Se a tendncia dos
preos de curta durao ou reverte mdios, em seguida, um (AIM) abordagem agressiva pode ser
mais apropriado. Embora, se a tendncia persistir, ento a abordagem passiva in-the-money podem
oferecer os melhores resultados.
Portanto, em termos da fronteira eficiente de negociao favorveis e tendncias persistentes mudar
o seleo para os algoritmos mais passivos (mas mais arriscados) no lado direito da Figura 7-10,
Considerando que as tendncias desfavorveis transferi-lo para a esquerda.
Resumo
A fronteira eficiente de negociao tambm pode ser usado para sintetizar o efeito destes factores
tem, como j t Expr * ^ * "1
Risco de temporizao
Figura 7-17 Fatores que influenciam a escolha de negociao
208Optimal
estratgias de negociao
Figura 7-17 shows. No novidade que, urgncia, a averso ao risco e volatilidade todos tendem
a influenciar o seleo estratgia de negociao mais agressiva com menor risco, mas os custos de
impacto potencialmente mais elevados. Por outro lado, pedidos maiores e tendncias de preos
favorveis tendem a cncouragc uma abordagem mais passiva com menores custos de impacto, mas
potencialmente de maior risco.
Outros requisitos para algoritmos de negociao

At agora, temos focado na teoria do algoritmo de seleo. No mundo real, bsico requisitos, tais
como estrutura de mercado e disponibilidade de dados tambm limitar nossas escolhas.
Obviamente, algoritmos precisa acccss eletrnico para fazer pedidos ou fazer encome ndas.
Dados de mercado outra requisito fundamental para algoritmos de negociao, sem que eles
so cegos. Por isso, a disponibilidade de pr e ps-negociao de dados do mercado vital para a
maioria das estratgias.
Estrutura do mercado tambm desempenha o seu papel. Em um ambiente nico negociante h
pouco ponto em splitting uma ordem (a menos que ele enorme e mesmo assim, discutvel). Em vez
disso, faz mais sentido discutir com o concessionrio a melhor forma de trabalhar toda a ordem.
Assim, para uniformizar considerar o uso de algoritmos de negociao no mercado deve ter
vrias concessionrias / formadores de mercado. Por outro lado, os mercados que so muito
fragmentados so mais difceis de negociar do que ccntraliscd queridos, de modo que este
tambm afetar algoritmo de escolha.
Factores especficos de ativos, como liquidez e frequncia comrcio tambm pode ser
amplamente generalizada por classe de activos. Por exemplo, as aces tendem a ser mais
lquido do que a maioria dos ttulos. Assim, caractersticas da classe de ativos, tambm podem
afetar a escolha do algoritmo.
Requisitos de dados
Algoritmos de negociao dependem de dados de mercado, a fim de funcionar. Embora a
transparncia do mercado aumentando, arco l ainda marcado diferenas entre os mercados do
mundo, tanto para pr e informaes ps-negociao.
Preos pr-negociao pode ser entregue em crregos, quer a partir de um fornecedor de
dados de mercado, direto de o local de execuo ou via um pedido de stream (RFS) Tipo de
mecanismo. Eles tambm podem ser coletado atravs de uma solicitao de cotao (RFQ)
mecanismo. Embora a latncia considervel associado com uma abordagem baseada em RFQ
significa que ele s realmente vivel para que strategics no estar gerando um monte de pequenas
encomendas criana.
Dados ps-negociao deve fornecer informaes precisas sobre os preos no comrcio,
tamanhos e tempos (e, se possvel, qualquer informao contraparte). Para alguns mercados,
tais informaes simplesmente no tem estado disponvel. Por exemplo, nos primeiros dias de
adoo nos mercados cambiais alguns locais s forneceu negociadas priccs mas no tamanhos.
Muitos algoritmos de acompanhar o volume negociado, por isso, se este no disponvel a
choicc ser severamente restringida. Do mesmo modo, se os dados estiverem disponveis, mas
apenas depois de um atraso considervel, em seguida, de pouca utilizao de algoritmos, como por
cento do volume. Dados ps-negociao tambm necessrio para criar perfis de volume histricos,
bem como para muitos dos modelos que utilizam a algoritmos estimar a probabilidade de
execuo ou custos.
Dados carteira de pedidos necessrio para qualquer strategics que arco com base na liquidez
disponvel. Claramente, esta deve estar disponvel em tempo real para qualquer algoritmo que
monitora ativamente liquidez. Dados livro ordem histrica tambm podem ser necessrios para
a ordem de limite e modelos de custos.
Mesmo a maioria dos algoritmos de negociao bsicas precisam de acesso em tempo real a
melhor compra e venda priccs, caso contrrio correm o risco de colocar ordens
significativamente longe do mercado. A alternativa a sempre apenas emitir ordens de mercado.

Mais algoritmos de negociao complexas, obviamente, tm mais rigorosos requisitos, conforme
descrito na Tabela 7-2.
20 9
Algoritmo
TWAP
VWAP
Por cento do Volume
Dficit de implementao
Baseado Liquidez-
Tempo real
Trades
Carteira de
Preos
pedidos
o
o
Requeridos Muitas vezes o necessrio
Histrico
Trades
o
0
o
Tabela 7-2 requisitos de dados bsicos para algoritmos de negociao comuns

Como vimos no Captulo 5, alguns dos algoritmos mais cedo estaticamente-driven pode
sobreviver Based em dados histricos. Assim, para mercados com o mnimo de acesso eletrnico e
mltipla concessionrios o algoritmo de negociao s realmente vivel o corte ordem simples ou
TWAP. Consequentemente, eles esto disponveis para a maioria dos tipos de mercado ou classe
de activos.
Algoritmos VWAP exigir informaes detalhadas comrcio, a fim de construir o seu
volume perfis. Da mesma forma, a percentagem do volume (POV) algoritmos precisa de relatrios
comerciais em tempo real em Para controlar o volume do mercado. Em mercados fragmentados,
alguns corretores / vendedores tm tambm comearam a criar as suas prprias medidas de
propriedade, hased em dados agregados.
Dficit de implementao (IS) algoritmos precisa acompanhar atentamente o preo atual e a
potencial de risco, a fim de minimizar o custo global. Portanto, esses algoritmos precisam tanto
ajudar como eles podem chegar, caso contrrio, o seu desempenho vai sofrer. Embora possamos,
eventualmente, ser capaz de obter um algoritmo baseado em dficit para trabalhar para um mercado
baseado RFQ, discutvel se esta abordagem vale a pena.
Da mesma forma, os algoritmos orientado a liquidez precisa prontamente disponveis
informaes sobre o livro ordem. E se este em seguida limitado algoritmos ter que confiar mais
em estimativas, o que pode reduzir substancialmente a sua eficincia. Sinalizao de risco ,
obviamente, uma preocupao fundamental, portanto, novamente as necessidades do mercado para
apoiar a negociao annima. Dado a natureza oportunista de tais algoritmos, latncia tambm pode
ser uma considerao importante para eles.
Outras informaes, tais como as taxas de transporte e / ou compensao / liquidao tambm
pode precisar de tidos em conta; caso contrrio, os custos inesperados podem ser efectuadas.
Cada um dos os principais mercados do mundo tem suas prprias caractersticas especficas, como
vimos no Captulo 3. aes e derivativos listados so negociadas em locais centralizados,
embora se admita que h fragmentao considervel em alguns desses mercados. Em
comparao, o comrcio OTC ainda a norma para um monte de negociao de renda fixa. Embora
claramente no arc excees, como o mercado do Tesouro dos EUA, que to grande que seu
mercado inter-dealer no que diferente das principais bolsas de valores norte-americanas.
Dado seus mercados centrais bem estabelecidas com uma gama de ativos de alta liquidez, o
mercados de aces foram o ponto de partida perfeito para negociao algortmica. Como j tem
wc visto, os algoritmos evoluram de simples corte fim de VWAP, implementao dficit e
algoritmos de liquidez baseada. No entanto, nem todos os algoritmos so iguais; alguns arco mais
aplicvel em toda uma gama de classes de ativos do que outros, como Tabic 7-3 tenta mostrar.
Seccionar ordem simples ou algoritmos so TWAP um ponto de partida bsico para cada classe
de ativos, uma vez que tm o mnimo de requisitos.
Algoritmos orientado a volume, como VWAP, fazer mais sentido para os mercados
centralizados. este porque no s precisa de ser um conjunto de relatrios comerciais, por isso
fcil de controlar o mercado
21 0
negociao
Algoritmo
TWAP
VWAP
Por cento do volume
Dficit de implementao
Baseado Liquidez-
Optima! estratgias de
Equities
o
Liga
es
o
o
FX
o
o
Futuros
o
Opes
o
ETFs
o
Alto o Mdio
Tabela 7-3 Aplicabilidade dos algoritmos de negociao atuais em diferentes classes de

ativos
volume. Como os mercados se tornam mais fragmentadas, os volumes para cada local necessita de
ser rastreados, A fim de dar resultados significativos desses algoritmos realmente precisam
controlar o total volume do mercado. Por exemplo, se o principal mercado tem apenas cerca de
50% o total de negociaes volume, em seguida VWAP ou POV algoritmos, que apenas
consideram o volume negociado aqui esto faltando metade do quadro. Assim, feeds de dados
globais de mercado tornaram-se cada vez mais importante, ff h uma fonte unificada de
informaes de pr e ps-negociao, este direto; caso contrrio, ns ter que criar o nosso
prprio. Isso tambm faz com custo de transao anlise e monitorar o desempenho mais difcil.
Por isso, vai para a frente os dois tipos mais aplicveis do algoritmo o dficit de
implementao e as abordagens baseadas em liquidez.
Factores especficos de classe de ativos

Existem diferenas considerveis entre as classes de activos em termos de:
Nmero de activos disponveis
Liquidez
Freqncia de trading / tamanho mdio comrcio

O mercado de FX tem facilmente o menor nmero de ativos negociveis; Assim, estes so
altamente lquida. Por outro lado, existem centenas de milhares de honds e opes distintas,
de modo que qualquer um geralmente tem muito menos liquidez do que um patrimnio lquido
correspondente.
A atividade de negociao est ligada a liquidez eo nmero de activos disponveis. Tambm
afectada por objetivos dos investidores. Por exemplo, as ligaes so muitas vezes comprados e
mantidos, ento depois de um inicial turbilho em sua primeira emisso da actividade de
comercializao diminui rapidamente. No incomum para ttulos corporativos ao comrcio
menos de uma vez por dia, em mdia. Tn comparao, as aces arco muitas vezes realizada por
perodos mais curtos, daqui a seus nveis mais elevados de negociao. -Driven Volume algoritmos
precisa uma quantidade substancial da actividade de trading para que eles sejam teis; eles so apenas
no to significativa para ativos ilquidos. Assim, enquanto um algoritmo VWAP pode ser vivel
para alguns
Treasuries dos EUA, ele no vai ser para determinados ttulos ou opes corporativos.
Tamanho Comrcio e custos tambm diferem entre as classes de activos. Por exemplo,
obrigaes em geral comrcio em tamanhos maiores do que as aes. Bonds tambm perceber
custos mais baixos para comrcios maiores, por isso impacto custos ser muito diferente aos de
aes.
Outras propriedades associadas a classes de ativos tambm pode afetar a escolha do algoritmo.
Para exemplo, o preo nem sempre um motor essencial para o ativo. Como vimos no Captulo 5,
implcita volatilidade pode ser mais importante do que o preo efectivo para algumas opes de
algoritmos.
Da mesma forma, o volume de comrcio no to vital para alguns ativos. ETFs abertas no so
suhject para um fundo de tamanho fixo, um em espcie criao e processo de resgate permite aos
comerciantes especializados reagir s demandas do mercado secundrio. Por conseguinte, o
fornecimento e demanda tm menos
211
impacto sobre o preo de tais ETFs do que para as aes. Assim, o volume de negociao a
menos importante indicador para estes. Assim, o volume impulsionado abordagens, tais como
VWAP ou POV, pode ser menos apropriado.
Como negociao algortmica continua a se espalhar, algoritmos provavelmente ir evoluir para
ser ainda mais adaptados para as classes de activos especficos. No futuro, poderemos, bem ver
uma nova gerao de algoritmos evoluem que tratam ativos em uma forma mais fungvel.
Algoritmos adaptados para ligao negociao pode selecionar entre um conjunto de activos, se o
investidor tem o prazer de considerar uma alternativa com caractersticas semelhantes. Da mesma
forma, para opes, a negociao com base nas caractersticas de risco (ou a "gregos") pode se
tornar mais importante do que encontrar uma correspondncia para um contrato especfico.
7.5
Para cruzar ou no cruzar?
A liquidez adicional, oferecido pela "dark pool" ATS significa que o cruzamento outro
considerao importante quando se busca a estratgia de negociao ideal. Eles oferecem o
potencial para a reduo de custo substancial por negociao no tamanho sem incorrer impacto
significativo no mercado. Portanto, importante considerar tambm a possibilidade de usar
como parte de passagem da estratgia de negociao ideal.
Apesar de travessia tem vantagens bvias, a execuo nem sempre garantido. Alm disso,
sempre que negociao em tamanho risco sinalizao sempre uma preocupao, mesmo para
locais que se destinam a ser completamente opaco. Ento a melhor abordagem pode envolver uma
combinao de cruzamento e de negociao algoritmos.
Os benefcios das redes de passagem e "dark pools"

O uso de redes de passagem ou de negociao via "dark pools" pode realizar considerveis
economias de custos. Tabela 7-4 mostra a repartio destes a partir de um estudo realizado pelo
Servio quantitativos Group LLC (QSG). Eles compararam o desempenho de negociaes sobre
o ATS do Milnio (entre Dezembro 2007 e maro de 2008) com os de uma vasta gama de outros
locais de execuo. No geral, eles descobriram que "dark pool" de execuo reduzido o impacto
das operaes de mercado de 62%, dando uma poupana de 6,6 bps. As economias de impacto no
mercado parecem ser bastante consistente, independentemente da capitalizao de mercado,
embora os custos mais elevados associados negociao de menos stocks lquidos significar
poupanas significativamente maiores para o pequeno e os estoques de micro-tampo em termos de
pontos base / share.
Categoria
Micro-cap
Small-cap
Mid-Cap
Grande-tampo
Mdia ponderada
Diminuio
do impacto no
66%
63%
59%
62%
62%
Poupana
(em bps /
21.53
13,43
8.08
5.18
6.61
Fonte: QSG (2008)
Tabela 7-4 poupana comparativos de custos realizadas no ATS Millennium

Uma comparao interessante do desempenho entre as redes tradicionais de passagem e
algoritmos "dark pool" foi realizado em um estudo detalhado para ITG Inc. por Ian Domowitz, Ilya
Finkclshteyn e Henry Yegerman (2008). Eles descobriram que o uso de redes que atravessam
conseguida economia de custos significativa, independentemente das condies do mercado,
como se mostra na Tabela 7-5.
212
Optimal
Condies
Peridi
co
cruzame
nto
(POSIT)
Baixa volatilidade
A alta volatilidade
No geral
Economizando contra referncia de custo (bps

Universo de pares
Algoritmos
Contnuo
"dark pool"
cruzamen
to
(POSIT Agora)
3
4
4
+1
-1
0
(ITG escuro)
-2
-8
-4
-11
-18
-12
Fonte: Domowilz, Ftnkelshleyn e Yegerman (2008)
Tabela 7-5 Uma comparao entre os custos dos diferentes mecanismos de passagem por ITG
Inc.
A partir de seus dados, cruzamento via POSIT percebeu uma economia de 3-4 bps nos dois
regimes de baixa e alta volatilidade. Passagem contnua atravs POSIT Agora e algoritmos "dark pool"
(ITG escuro) tambm foram encontrados para alcanar custos mais baixos do que um universo de
comrcios de pares, cuja mdia custo foi 12 bps, atingindo bps IB durante perodos de alta
volatilidade.
Seu estudo considerado mais de 20 milhes de pedidos, dos quais cerca de 12,6 milhes foram
inscritas em 2007 usando uma srie de mecanismos, incluindo tanto a passagem peridica e contnua
e agregao de liquidez. A mais de 8 milhes de pedidos foram tomadas a partir de um complementar
banco de dados de custo de transao. Assim como bem como abrangendo as redes de passagem
ITG o estudo tambm englobadas "dark pools" de uma variedade de vendedores / corretores.
Domowitz, Finkelshteyn e Yegerman tambm analisou a distribuio dos custos de
transao entre estes diferentes mecanismos. Para encomendas concludas dentro de trinta
minutos de submisso, eles descobriram que a probabilidade de alcanar um custo entre -20 e +20
bps foi maior para o cruzamento peridica (POSIT) em 88%. Passagem contnua atravs POSIT Agora
tinha uma 77% de probabilidade de atender a essa banda de custo enquanto negociao atravs
de um agregador de liquidez foi encontrado ter apenas uma chance de 61%. Eles descobriram que o
risco de incorrer em maiores custos de transao foi significativamente menor para os mecanismos
de passagem dedicados. Para cruzamento peridico, o probabilidade de incorrer um custo de mais
de 20 bps foi de apenas 4%, enquanto para o cruzamento contnuo foi de 10%, chegando a 20% para
os algoritmos "dark pool" baseada na liquidez agregao.
O efeito do tempo de execuo foi analisada bem. Eles encontraram um consistente
degradao no desempenho com o tempo crescente. Por exemplo, a passagem peridica de
POSIT percebeu economias saudveis para at a primeira hora da execuo, Aps 2,5 horas,
mas esta tornou-se um custo de 6 pb. Em comparao, eles descobriram que este efeito seja ainda
maior para a outra "dark pools", realizando perdas de at 25 bps aps 2,5 horas.
No geral, Domowitz, Finkelshteyn e Yegerman (2008) concluiu que a execuo usando "dark
pools" benfica; porm, eles no encontraram nenhuma melhoria usando algoritmos "dark
pool" em comparao com passagem peridica. Eles argumentam que esta provavelmente
devido ao vazamento de informaes: enquanto cada local pode ser escuro, o mais encomendas
so encaminhadas entre eles mais chance existe de vazamento. Assim, algoritmos que rotear
ordens entre diferentes "dark pools" may no necessariamente executar, bem como simplesmente
encaminhar a fim de um nico local.
Claramente, economias substanciais de custos pode ser realizada por passagem, mas
tambm importante comparando os vrios mecanismos. Usando uma travessia peridica pode
muito bem revelar-se uma mais custo abordagem eficiente do que usar alguns dos "dark pool"
algoritmos de liquidez dedicados.
21 3
7.6
As condies de mercado durante a crise financeira de 2007-09
Acima At este ponto, o foco tem sido em princpios gerais. Ainda assim, impossvel ignorar as
condies durante a crise financeira de 2007-09, em particular nos mercados de aes. Principal
ndices de aes viu dez pontos baixos do ano, com quedas dirias (e) aumentos de 3-5%, ou at mais.
70
-U.S. Volume mensal consolidado (milhes de aes)
Mdia mensal VIX
&J*
s f ^^^ $
D3"& Vs^ &
& & <P & J?
&
c f 3"^^^
^&
d 3 "V ^
Fonte: Clculos dos autores com base em CBO prprios E (2009) e na NYSE (2009)
Figura 7-18 Alterar as condies de mercado

Volumes volatilidade do mercado e de negociao subiu, como mostrado na Figura 7 -18, a
volatilidade spikes so fceis de ver. De fato, ndice de volatilidade CBOE VIX do atingiu um nvel
sem precedentes alta de 89 em outubro de 2008. volumes do mercado tambm subiu, com os
investidores procuraram converter sua posies para descontar, como bem como a anulao de
posies em fundos que falharam.
Em contraste com isso, muitos dos principais indicadores de liquidez do mercado na verdade
diminuiu: Spreads aumento, enquanto a profundidade exibida em muitos livros de encomendas
foi significativamente reduzida. Em tal ambiente comercial imprevisvel, h claramente um
benefcio para a obteno adicional mercado "cor" e que discutem as ordens com um comerciante.
Na verdade, um Grupo TABB (2008) reviso das
US negociao institucional descobriram que os comerciantes de vendas 'capturou 44% do fluxo
de buy-side em 2008, a partir de 37% no ano anterior. Curiosamente, porm, esta parece ter sido
principalmente no despesa das redes de DMA e de passagem ou "dark pools". Eles descobriram
que a negociao algortmica uso na verdade, aumentou para 24%, de 22% em 2007. Apesar da
mais dura das trading condies, algoritmos parecem ter-se provado.
O declnio parcial no uso de redes de DMA e de passagem compreensvel, dada a
condies extremas de mercado: Quando os mercados se movem to rapidamente que difcil
lidar com um grande nmero de ordens diretamente. Da mesma forma, deixando um pedido por um
longo tempo em um "pool escuro" um muito mais arriscado proposio desde os priccs mercado
poderia rapidamente mudar. Em ambos os casos, Mais fcil para deixar ordens para ser tratado
por um profissional de vendas ou um algoritmo.
A crise do mercado tambm bancos levaram a reduzir a quantidade de capital e negociao por
conta prpria.
214
Optimal
Estratgias
de
negocia o
Negociao ordens grande bloco tornou-se mais difcil, uma vez que o mercado "andar de
cima" foi uma sombra ol " seu ex-auto. Da o valor das redes de passagem e "dark pools". De fato,
uma pesquisa de
U.S. "dark pools" realizados por Rosenblatt Securities (2008a) descobriu que sua quota de
mercado na verdade aumentou em novembro de 2008, para 8,57%, ap s queda em setembro e
outubro. Eles tambm observam que a volatilidade parecia ter maior impacto sobre os locais focados
em grande ordens bloco.
Os custos de transao tambm registraram aumentos considerveis devido volatilidade do
mercado. O mais mudana visvel foi em custos de spread. Concessionrias e fabricantes do
mercado precisam incorporar o maior nvel de risco em seus preos cotados. Assim, os spreads bid
oferta quase dobrou, mesmo para algumas aes blue-chip. Empresas menos lquidas registaram
aumentos ainda maiores. Spreads viu aumentos semelhantes em toda a Europa e mesmo os maiores
na sia. Embora o custo spread no a nica preocupao, uma vez que a liquidez reduzida
tambm levou a custos mais elevados de impacto mercado. De fato, em seu estudo de 2008 ITG
dados execuo cliente Hitesh Mittal e James Wong (2008) constatou que houve 37% menos
liquidez exibido durante o regime de elevada volatilidade. No geral, eles estimaram aquele
seleccionando o algoritmo de negociao ptima levou a uma economia de 60 bps para os seus
clientes, em comparao com 20 bps durante os perodos de menor volatilidade.
Como j vimos, a volatilidade tende a levar a estratgias de negociao mais agressivas que
procuram minimizar o risco ao custo de maior impacto potencial. Consequentemente, a crise do
mercado resultou em uma mudana no tipo de algoritmos que est sendo usado. Implementao ou
algoritmos adaptativos dfice tornou-se muito mais importante. Nveis mais baixos de liquidez visvel
eo desejo de minimizar o risco de sinalizao tambm significou que os algoritmos baseados em
liquidez tornou-se mais amplamente utilizado. No geral, Mittal e Wong (2008) encontrou o
melhor desempenho foi do / algoritmos oportunistas dinmicas, que se aproveitaram das condies
de mercado, mas tambm custos de implementao dfice registado. Por isso, importante para
algoritmos de negociao para:
Track and custo risco
Tirar proveito de toda a liquidez disponvel
Minimizar o risco de sinalizao / Vazamento de informaes

Claramente, um algoritmo VWAP-driven schedulc esttica primeira gerao vai lutar em
comparao com algoritmos mais sofisticados que se adaptam dinamicamente s condies.
Nota, este no Dizer negociao VWAP no ainda tm um lugar. Como vimos na seo anterior, em
alta volatilidade que pode realmente perceber custos inferiores aos algoritmos POV uma vez que
menos propenso a perseguindo o mercado. Mais uma vez, tudo para baixo para fazer a anlise
pr-negociao e selecionando a mais algoritmo apropriado para uma ordem dada com base nos
requisitos do investidor e do condies de mercado.
Mercados volteis tambm representam um problema significativo para os modelos que
algoritmos de negociao usar para determinar os custos potenciais ou para determinar um
horizonte de negociao. Em mercados turbulentos, dados histricos, muitas vezes no age como um
bom indicador para as condies futuras. Curto prazo modelos de previso podem ser usados,
ajustar as estimativas histricas com base no mercado atual condies. No captulo 10, vamos
cobrir esses modelos de previso para as condies, tais como preo, volatilidade e de volume, em
mais detalhe. Tambm no Captulo 15, vamos ver como tcnicas como extraco de dados e de
inteligncia artificial pode ser utilizada para melhorar a sua preciso.
7.7
Uma rvore de deciso para a seleo estratgia
Comeamos este captulo com (2006) exemplo quadro deciso comercial da Wayne Wagner,
mostrado na Figura 7-1 para trs. A primeira deciso importante foi determinar a dificuldade da
ordem. Como vimos no captulo 7.2, trs dos principais fatores para isso so de liquidez, volatilidade
e ordem
215
tamanho. Estes tambm alinhados com as tendncias mostradas volta na Figura 7 -17.
Uma rvore de deciso potencial para a seleo algoritmo para ordens difceis mostrado na Figura
7-19. A escolha principal saber se a ordem urgente ou grande. Um pedido pode ser urgente,
porque a averso ao risco do investidor alto ou o ativo voltil, enquanto uma grande ordem
pode ser qualquer coisa mais de 20% do ADV.
Figura 7-19 Uma rvore de deciso de seleo algoritmo para ordens difceis
Ativos volteis podem ter um risco temporal considervel, por isso eles precisam ser
negociados com mais urgncia. Encomendas maiores podem causar impacto substancial do
mercado, para que eles requerem um tratamento mais carcful. Tenha em mente que o tama nho
ordem relativa. Por exemplo, um milho de aes pode ser muito pouco para um estoque de
blue-chip, enquanto dez mil pode ser uma enorme quantidade para uma empresa ilquidos. assim
liquidez podem ser incorporados, a uma extenso, no tamanho de ord em relativa. Assim, a
liquidez tratado como um fator secundrio, o que torna a nossa negociao mais fcil. Assim, os
pedidos urgentes ou grandes para ativos lquidos representam muito menos de um problema do que
para aqueles sem liquidez.
A escolha do algoritmo de negociao segue as tendncias que vimos na Figura 7 -17, que
tambm se coaduna com o mapeamento algoritmo da fronteira eficiente na Figura 7-10. Comrcios
urgentes para ativos lquidos tender a usar a implementao custo-driven (ou adaptativa) com base
dfice algoritmos, enquanto grandes transaces de activos lquidos usar o mais VWAP
orientada para o impacto ou Algoritmos POV. Com ativos ilquidos h muito menos escolha, a fim
de atingir melhor wc execuo ter de contar com algoritmo baseado liquidez. Para pedidos
urgentes, a temporizao risco significa a negociao ter de ser razoavelmente agressiva, enquanto
para grandes encomendas a mais abordagem passiva vale a pena.
Crossing uma outra considerao chave. Algoritmos de negociao es to cada vez mais
interagindo com redes de passagem. Porm, isso pode significar simplesmente passando ordens por
meio de cruzamento estabelecimentos. O risco de excesso de enchimento significa que muitas
vezes no vivel para deixar um inteiro na ordem umacruzando local enquanto negoci-lo em
paralelo atravs de um algoritmo ou DMA. Portanto, alguns algoritmos baseados em liquidez
pode bem deixar uma proporo considervel da ordem em um cruzamento local, enquanto
separando fatias ao comrcio nos mercados. Esta abordagem ser geralmente para ativos ilquidos
ou ordens maiores, uma vez que a menor probabilidade de execuo torna -
Strategics comerciais
21 6
Optimal
menos atraente para encomendas urgentes.

No figura 7-19 no mostrar quaisquer opes para encomendas fceis. Isto porque estes
no tm real restries. Resultados semelhantes podem ser conseguidos com qualquer um dos
algoritmos de negociao. Assim, ele se resume s preferncias do investidor / comerciante.
Claramente, a rvore de deciso mostrado na figura 19/07 apenas um exemplo de como
podemos realizar algoritmo de seleo.
Indo um passo adiante, Ncovcst criou, na verdade, um sistema de gesto algortmica
chamados AlgoGcnetics; uma tela mostrado na Figura 7-20. Isso fornece uma interface drag-anddrop permitindo que os comerciantes para estabelecer as condies exatas para o algoritmo ou ordem
de DMA seleco. Ele tambm serve para algoritmos de uma ampla gama de corretores /
vendedores. Assim, as regras podem ser configurado para selecionar o "melhor da raa". Traders
tambm pode especificar seus prprios comportamentos personalizados efetivamente criando
suas prprias "meta-algoritmos". Por exemplo, um pedido pode ser inicialmente confi gurado
para participar do leilo de abertura. O restante pode ser ento dividida entre umagama de
diferentes algoritmos: participao de linha de base pode ser conseguido com um algoritmo FOV
enquanto em paralelo pode buscar mais melhoria de preos a partir de um ou mais adaptvel preo
algoritmo de busca de liquidez.
AlgoGenetiE?
Figura 7-20 Criando regras para algoritmo de escolha com AlgoGenetics

Essa flexibilidade d claramente comerciantes uma ferramenta poderosa para algoritmo de
seleo. Note que seleo o algoritmo de negociao ideal das muitas verses que centenas arc
disponvel ser sempre uma escolha difcil. Ainda assim, importante manter o foco no geral
objectivos de investimento. Como de costume, a escolha, muitas vezes, significa encontrar o
justo equilbrio entre custo e risco.
7.8
217
Resumo
No h nenhum disco e regras rpidas sobre como conseguir a melhor execuo. O acrdo
depende dos objetivos do investidor, assim fatores-chave so a:
Alvo de referncia
Nvel de averso ao risco
Objetivos comerciais especficos, tais como a:
Minimizar o custo esperado.
Alcanar a melhoria dos preos.
Equilibrar o trade-off entre o custo esperado e risco.
Estruturas de deciso de negociao muitas vezes comeam por medir a dificuldade de

ordem, o que determinado pelas seguintes propriedades:
Pedido de tamanho (em relao ao ADV)
Preo impulso
Volatilidade
Urgncia e / ou o horizonte de negociao
Liquidez
Com base nesta dificuldade, o comerciante, em seguida, deve selecionar os mtodos mais
adequados, se isso significa o manual, DMA, cruzamento, usando algoritmos de negocia o
ou uma mistura de estes.
A fronteira de negociao eficiente representa o conjunto de estratgias de negociao ideais.

Cada um dos estes possui o custo mais baixo para expectcd um determinado nvel de risco.
Algoritmos e outros estratgias pode ser mapeada para essa fronteira, permitindo a
comparao entre os dois.
Uma ampla gama de fatores afeta a escolha do algoritmo de negociao.

Urgncia, a averso ao risco ea volatilidade tendem a tendncia para a negociao
mais agressiva.
Pedidos maiores e tendncias de preos favorveis tendem a encorajar um estilo mais
passivo.
Questes fundamentais, tais como a disponibilidade de dados de mercado e estrutura
de mercado tambm restringem a escolha da estratgia.
-
21 9
Parte III
Implementingtrading
estratgias
Esta parte do livro investiga mais para o mago da questo de implementao

estratgias de negociao; ele tambm mostra como podem ser reforada e olha
para o infra-estrutura necessria para faz-los funcionar.
Captulo 8 abrange a colocao do pedido, utilizando microestrutura de mercado
emprica pesquisas para analisar como as condies de mercado afetam a
probabilidade de execuo.
Captulo 9 centra-se em tticas de execuo, que proporcionam mecanismos
comuns para alcanar as metas de algoritmos de negociao.
Captulo 10 considera maneiras de melhorar o desempenho de algoritmos de
negociao, utilizando modelos de previso a curto prazo e estimativa de
custos, como bem como manipulao de eventos especiais.
Captulo 11 comentrios os requisitos de infra-estrutura associados com
negociao algortmica e DMA, tais como gerenciamento de pedidos ea
concepo de plataformas de negociao.
Esperemos que, no final destes quatro captulos voc deve ter um profundo
compreenso das questes tcnicas necessrias para realmente implementar
estratgias de negociao algortmica.
221
Captulo8
Colocao de pedidos
Decises de colocao ordem so importantes para o sucesso de qualquer

estratgia de negociao.
8.1
In tro du o
Decises de colocao Ordem so uma parte fundamental da negociao. Execuo de forma

demasiado agressiva pode resultar em impacto significativo no mercado; ele tambm transmite as nossas
intenes a outros participantes do mercado. Considerando negociao demasiado passiva pode
resultar em ns no conseguir completar a ordem, o que poderia leva a um custo de oportunidade
considervel. Por isso temos de encontrar o equilbrio certo que melhor alcana os nossos objectivos.
Com base nesses requisitos, preciso selecionar o tamanho e preo de cada ordem, e qualquer
tipos de pedidos especiais ou condies (se for caso disso). Cada vez mais, os mercados consistir
vrios locais de execuo concorrentes. Assim, para os mercados multi-local que tambm precisa
escolher o melhor destino. A possibilidade de liquidez oculta tambm deve ser levado em conta.
Hencc, as decises de colocao de ordem so afetados por uma grande variedade de factores, tais
como:
condies de mercado atual (preo, volatilidade e liquidez)
tendncias futuras projetadas
resultados histricos
Outra maneira de olhar para a colocao do pedido em termos de probabilidade de execuo.

Fatores tais como liquidez e tendncias de preos nos ajudar a estimar a probabilidade de uma ordem
de execuo. Portanto, podemos ajustar as encomendas para tentar maximizar a sua chance de
ser preenchido. Isto fornece uma base mais quantitativa para a seleo ordem real, e nos permite
escolher entre locais de execuo.
Para fazer o melhor uso de ordens vital para compreender os mecanismos reais que so
envolvidos na correspondncia de ordem. Como vimos no Captulo 2, de negociao consiste em trs
etapas principais:
1. Formao de preos
2. Preo descoberta Execuo / comrcio
3. Relatrios, limpando & assentamento
Consequentemente, as decises de colocao de ordem esto intimamente ligados a ambos
formao dos preos e descoberta de preo (ou execuo). Ento, vamos comear este captulo
revendo esses dois mecanismos fundamentais em mais algum detalhe, antes de p assar a
considerar as especificidades de colocao de pedidos e probabilidade de execuo.
222Order
8.2
localizao
2 Formao de preos
Formao de preos um processo multi-etapa. O valor justo de um ativo reflete seu valor real enquanto
o preo de mercado reflete o que as pessoas esto dispostas a pagar. O preo de mercado pode tambm
refletir as suas expectativas para o valor futuro. Se a demanda alta ea oferta limitada, ativos, muitas
vezes, no comrcio um prmio ao seu justo valor. Por outro lado, se a demanda baixa, em seguida,
desconto pode ocorrer.
Essa diviso se reflete tambm na anlise de preos. Os analistas fundamentalistas resolver o
problema esforando-se por determinar o valor justo (ou presente) do ativo. Assim, o preo real de
mercado ser o factor determinante do se vale a pena ou no comercial. Por outro lado, tcnicas
analistas tendem a basear seus preos exclusivamente a partir de tendncias no pricc mercado e
volume.
Dada a importncia do preo de mercado, a transparncia do mercado tambm desempenha um
papel fundamental na descoberta de preo. Citao de um formador de mercado de duas vias s d uma
viso sobre os preos. Da mesma forma, se apenas o melhor cotaes de compra e venda de arco
exibidas a partir de um livro de ordens, em seguida, de forma eficaz este o mesmo que uma citao de
duas vias. Isso adiciona um grau de incerteza desde os comerciantes no posso dizer o que os outros liquidez
pode estar disponvel. Este risco adicional poderia levar a ordens sendo fixado o preo de forma mais
agressiva do que o necessrio. Por outro lado, se as cotaes so procurados a partir de vrios
concessionrios ou mais da carteira de encomendas visvel, em seguida, os comerciantes podem ver a
gama de priccs disponveis e tamanhos. Ao usar tais liquidez visvel, eles podem, em seguida, ajustar
as suas prprias avaliaes para determinar seu prprio preo-alvo para o ativo.
Avaliao
O valor de um activo claramente um componente fundamental do seu preo. Muitos livros tm sido
dedicada a este assunto sozinho. Embora, para efeitos do presente cap tulo, a caixa descontado
modelo de fluxo vai sufficc como nosso modelo de precificao: teoria do valor atual afirma que o
presente valor de um ativo corresponde ao uma soma descontada de seus pagamentos futuros. Os lagos
taxa de desconto em conta o valor do dinheiro no tempo, assim como outros fatores, como o risco. Assim,
activos os preos sero mais elevados para os fluxos de caixa maiores e menor quando a taxa
aumenta de desconto.
Ativos de renda fixa, como ttulos, nveis de oferta fixa de interesse para um determinado perodo
de tempo e assim ter muito claramente definidos fluxos de pagamentos futuros, ou Hows de caixa.
Teoria do valor presente presta-se bem para a precificao desses ativos.
Valorizao de activos, tais como partes de capital em uma empresa mais complcx, uma vez que o
dinheiro fluxos so menos previsveis. No entanto, a teoria do valor presente foi aplicada tamb m
aos estoques, que remonta a trabalhar por Robert Wiese (1930) e John Williams (1938). Caixa
descontado modelos de fluxo de fazer avaliaes com base no valor presente dos pagamentos
futuros de dividendos, o que por sua vez, dependem de ganhos futuros. Porm, existem outras
complicaes quando valorizando stocks. Por exemplo, as empresas com altos retornos sobre o
capital prprio, muitas vezes, reinvestir em vez de renda de aumentar os pagamentos de dividendos.
Alm disso, ao contrrio de ttulos, as empresas poderiam durar para sempre (dentro teoria), a emisso
de perpetuamente os pagamentos de dividendos. Assim, Myron Gordon (1962) desenvolveu sua
modelo de crescimento, onde as valorizaes so baseados no preo das aes currcnt e
dividendos, em conjunto com a taxa esperada de crescimento dos dividendos e uma taxa de desconto.
Outros modelos passaram a incorporar vrios perodos de crescimento, ou horizontes finitos.
Outros ativos tambm pode ser complcx ao preo, como vimos no Captulo 3. cmbio
afectados por tanto informaes macroeconmicas, como taxas de juros e fluxo de pedidos.
Derivados refletem o pricc dos seus activos subjacentes comhined com estimativa s de fatores
tais como taxas de juros e volatilidade. Assim, os ajustes apropriados devem ser feitas para o seu
correspondente modelos de precificao.
Independentemente de como tais avaliaes so realmente determinado, a quantidade de
informao
223
e dados necessrios significa que os investidores iro invariavelmente alcanar preos diferentes para
ativos (mesmo que s um pouco). A diversidade resultante crucial para manter os mercados fluindo.
Todos os modelos de formao de preos

Pesquisadores microstructurc mercado tm usado uma grande variedade de modelos para investigar o
mecanismo de formao de preos. Os investidores tendem a ter opinies diferentes sobre ativos, assim que
a oferta e demanda muitas vezes afeta a formao dos preos.
Modelos baseados em inventrio tomar o ponto de vista do concessionrio, centrando-se sobre
a forma como a sua posio afeta os preos que eles oferecem. Essencialmente, a oferta lance
propagao representa o custo para o qual criadores de mercado esto preparados para oferecer
imediatismo. Modelos baseados em informaes tomar o ponto de vista que os comerciantes tm
diferentes nveis de informao, que por sua vez afeta seus preos. Da mesma forma, as carteiras de
encomendas visveis so, eles prprios so uma fonte de informao. Assim, uma gama de estudos tem
focusscd sobre como isso afeta a formao dos preos. Vrias combinaes destes modelos
tambm foram utilizados para tentar explicar este processo.
Modelos baseados em inventrio

Um formador de mercado no um investidor; eles no esto tentando estabelecer uma posio em um
determinado ativo. Seu inventrio, ou posio, simplesmente precisa ser suficiente para atender a
todas as ordens recebidas. Dentro Para conseguir isso, eles ajustar seus preos cotados para
incentivar as ordens que lev-los mais perto de seu tamanho preferido inventrio. Assim oferta
lance propagao do formador de mercado, muitas vezes tende a aumentar medida que a sua
posio se afasta mais do seu inventrio ideal. A fora desta reao tende a refletir seu capital
permitido; corretores menores geralmente exibem um efeito mais notvel.
Por exemplo, a Figura 8-1 mostra como compra e venda cita um exemplo do criador de mercado
pode para alterar uma gama de diferentes inventrios. O centro de cada crculo representa sua citado
oferta ou preo de oferta eo dimetro corresponde ao seu tamanho citado. Por simplicidade vamos
assumir que o seu inventrio ideal zero, por outras palavras, para ser "plana".
O fe rta
Licitao
Revende
dor
" " T " Eu
"smnmifii
Posio:
(uma) Curta (b)
Flat (c)
Grandes
Figura 8-1 Como inventrio pode afetar citaes de formador de mercado

Portanto, na Figura 8-1 (a), quando a posio do formador de mercado demasiado baixo
podem aumentar sua cotao tentativa de tentar incentivar os vendedores a vender para eles, e assim
reduzir o dfice. Eles podem tambm desencorajar quaisquer outras ordens de compra, definindo
um preo alto oferta. O oposto verdadeiro quando o estoque muito alto. Assim, em (c) o formador de
mercado podem cotar um preo de oferta inferior do que em (a) para incentivar as ordens de compra e
assim reduzir os seus excedentes. Da mesma forma, o preo de compra pode
224
pedidos
Colocao
de
ser inferior a desencorajar quaisquer outras ordens de venda.

Regulamento significa que obrigao de formador de mercado citam muitas vezes dentro uma
determinada gama dos melhores oferta e procura. Assim, uma alternativa para ajustar o preo apenas
para alterar o tamanho para as citaes, umatamanho reduzido lance ir desencorajar vende, enquanto
um tamanho grande oferta vai incentivar ordens de compra.
Note-se que em mercados multi-broker os efeitos de inventrio sero distintas para cada
mercado maker, refletindo seus estoques diferentes. Assim, a qualquer momento corretores
diferentes ser ansiosos para definir o melhor lance ou oferta. Assim, a concorr ncia significa que
propagao global do mercado tende a ser mais estreita do que qualquer propaga o de formador de
mercado.
O modelo baseado em inventrio tambm capaz de explicar outras caractersticas de
mercado. Por exemplo, ativos lquidos tendem a ter spreads mais baixos do que os ilquidos. Desde
formadores de mercado so capazes de turnover suas posies mais rapidamente para os activos
lquidos que eles exigem menos compensao e assim citar spreads mais apertados. Por outro lado,
David Cushing e Ananth Madhavan (2001) observaram aumentos substanciais nos custos em
relao ao fechamento do mercado. Isto pode ser atribudo ao mercado fabricantes de ser menos
dispostos a realizar posies durante a noite e por isso os preos em conformidade.
Modelos baseados em informao

O valor da informao foi muito bem delineado por Hirotaka Inoue (1999) em um estudo do
formao de preos e processo de descoberta: Para os ativos, como t tulos do governo, onde o
dinheiro fluxo est bem estabelecido, os preos so afetados principalmente pela informao
pblica. Macroeconmico anncios pode afetar a taxa de desconto, e assim alterar o valor
presente. Considerando ativos como aes so muito mais afetados por informaes privadas, uma
vez que a fluxos de caixa futuros arco menos certo.
Modelos baseados em informao tenta explicar a assimetria de informa o que um fator
importante nos mercados reais. Alguns comerciantes ter o uma vantagem informao definitiva sobre
os outros. Ao negociar com tal comerciante informou estamos propens os a perder, devido reao
dos preos resultante quando a informao se torna pblica. Isto por vezes referido como o efeito
adverso seleco.
Um estudo realizado por Thomas Copeland e Dan Galai (1983) descobriram que para proteger contra
adverso seleo offer spread bid de um formador de mercado deve gerar retornos suficientes para cobrir
este custo. Eles caracterizou o custo de fornecimento de citaes como escrever um uma opo de venda e.
Copeland e Galai concluiu que a oferta lance propaga o est positivamente relacionada com o
pricc e volatilidade e negativamente relacionado com a atividade do mercado e profundidade. Eles
tambm descobriram que a disseminao de ser negativamente correlacionada com o grau de
concorrncia enfrentado pelos criadores de mercado. Da mesma forma, um estudo emprico dos
especialistas da NYSE por Charles Lee, Belinda Mucklow e Mark Pronto (1993) descobriram que
eles so sensveis a assimetria de informaes, usando tanto propagao e citou profundidade para
gerenciar seus riscos. Seu estudo acompanhou as reaes de especialistas para lucros anncios, aps
o que eles observaram um alargamento dos spreads.
Modelos baseados em informao para os mercados em funo das ordens so ligeiramente
diferentes; Isso porque a oferta lance propagao surge devido a condies de mercado. Uma
ampla gama de estudos tem utilizado modelos dos mercados ordem de limite para analisar como isso
afeta negociao. Uma abordagem puramente baseado em avaliao foi adotado por Thierry Foucault
(1999), utilizando- um modelo terico jogo de formao de preos dos um mercado ordem de limite
dinmico. Negociao ocorreu devido a diferenas inerentes em avaliao; no havia nenhuma
informao privada.
O modelo de Foucault foi estendido para incorporar informa o assimtrica por Puneet
Handa, Robert Schwartz e Ashish Tiwari (2003). Usando dados emp ricos de estoque principal de
Frana ndice, o CAC 40, eles mostraram que o tamanho da propagao baseada nas diferenas de
valorizao entre os comerciantes, bem como o risco de seleo adversa. Estes efeitos eram
quantificadas em mais um estudo realizado por Chang Ming-Wang, Lon-Ping Zu e Chau Kuo-Jung
225
(2006). Usando dados empricos da Bolsa de Valores de Taiwan descobriram que cerca de 25% do
spread foi atribuda a diferenas de valorizao. Os restantes 75% era um prmio para compensar o
risco de seleo adversa (dividido igualmente para os compradores e vendedores).
Wang, Zu e Kuo (2006) tambm constatou que o custo mdio variou seleo adversa
significativamente ao longo do tempo; o maior custo foi na abertura, enquanto a menor foi no
lunchtimc. Isto consistente com estudos realizados por Ken Nyholm (2002), e Harrison Hong
Jiang Wang e (2000), que mostrou que a probabilidade de negocia o informado maior na parte
da manh do que no perodo da tarde. Assim barrar tendem a ser mais la rga na parte da manh em
comparao com mais tarde no dia.
Modelos de dados do volume de encomendas

Muitos mercados em funo das ordens tm carteiras de encomendas visveis, o que em si mesmos
so uma fonte de informaes. Conseqentemente, uma srie de estudos centrou-se em como a
informao afeta a carteira de pedidos o processo de formao de preos.
A interaco entre o livro de ordens ea oferta e procura de liquidez foi analisado para a es na
Bolsa de Paris hy de Bruno Biais, Pierre Hillion e Chester Spatt (1995). Eles descobriram que,
quando havia poucas ordens de limite do livro de ofertas a entrada de pedidos foram
frequentemente preos menos agressiva do que a correspondente melhor lance ou oferta. Portanto,
em vez de resultar em uma execuo dessas ordens ficaria do livro de ofertas, gradualmente aumentar
a liquidez adicionando profundidade disponvel. Inversamente, quando a carteira de encomendas
era suficientemente profundo Eles descobriram que as novas encomendas foram frequen temente
preos mais agressiva, a tomar vantagem dessa liquidez, e assim resultando em execues. Uma
anlise semelhante foi aplicada a Swiss Stock Exchange por Angelo Ranaldo (2004). Ele rastreados
quanto a profundidade disponvel sobre cada lado da carteira de encomendas afectados nova colocao
da ordem. Sua anlise mostrou que os comerciantes tendiam a fazer encomendas a preos mais
agressiva quando o mesmo lado da carteira de encomendas foi mais profunda, ou quando o lado
oposto era mais fino.
Em termos da oferta lance spread, Ranaldo (2004) constatou que preos menos agressiva
encomendas foram colocados como a propagao se alarga. Resultado semelhante foi encontrado por
Yue-Cheong Chan (2005). Chan tambm analisou o impacto dos movimentos de preos de curto prazo
e descobriu que os comerciantes colocar ordens com preos mais agressiva alterar retornos positivos
anteriormente.
Modelos combinados
Um modelo hbrido incorporando tanto inventrio e efeitos de informao assimtrica foi desenvolvido
pela Ananth Madhavan Smidt e Seymour (1993). Neste modelo, o mercado fabricante tambm
ativamente investidos modificando dinamicamente seus nveis de inventrio alvo de acordo com as
condies de mercado. Usando dados de especialistas da NYSE, eles descobriram que inventrios
exibiram uma reverso mdia lenta, com uma semi-vida de cerca de sete dias.
Em outro estudo Wang, Zu e Kuo (2008) estendeu o Handa, Schwartz e Tiwari (2003) modelo
baseado em informaes para incluir os comerciantes avessos ao risco. Eles tambm estudaram o
efeito de informaes do livro de ordem, novamente usando dados empricos de Taiwan Stock
Exchange. o seguintes informaes agiu como indicadores para estratgias de pedidos dos
operadores:
desequilbrio fim
agressividade ordem prvia
volatilidade de curto prazo
dinmica de preos de curto prazo
propagao relativa
prazo
Vendedores foram encontrados para ser mais preocupados com o risco de n o execuo; eles
seguiram o
226Order
localizao
ordem agressividade de ambos buy antes e vender ordens. Considerando que os compradores
estavam mais conccrned sobre ordens tornando-se mispriced e assim "pegou-off; hencc, as ordens
eram mais dependentes sobre a agressividade de compras anteriores. Um sinal favorvel tenderam a
fazer os compradores mais agressivo e vendedores mais paciente, enquanto o oposto aplicado para
obter informaes desfavorvel. Eles concluram que a formao dos preos refletiu
continuamente as mudanas na expectativa de picking-off de risco e risco de no execuo para
compradores e vendedores.
8.3
Preo descoberta / Order correspondncia
Preo descoberta a execuo do comrcio, que ocorre quando os requisitos de oferta e demanda de
encomendas so matchcd. O preo pelo qual isto acontece determinada pelo mecanismo. Como
ns serra no Captulo 2, existem trs tipos principais de descoberta mecanismo:
Leilo contnuo
Call auction
Comrcio bilateral representa um-para-um mecanismos baseados em negociao baseado em
ofertas de e. O processo de correspondncia apenas uma questo de saber se os seus preos cotados
so aceitveis ou no. Os mecanismos multilaterais com base em leil es so utilizados para
mercados em funo das ordens e hbridos. Regras especficas so aplicadas para determinar se as
execues ocorrem. A principal diferena entre estes dois tipos de leilo simplesmente a
freqncia. Ao contrrio dos leiles contnuos, call- leiles baseados permitir ordens para acumular
durante algum tempo antes da descoberta real (ou Coincidindo) leva placc.
Correspondncia contnua
O mecanismo de leilo contnuo se aplica de forma consistente a correspondncia governa cada
uma hora ordem adicionado, actualizada ou cancelada. Quaisquer partidas resultar em execu es
correspondente. Normalmente, os mercados de dar o preo mais prioridade. Uma variedade de
abordagens for utilizado para a prioridade secundria, que usado para diferenciar entre as ordens
com a mesma ordem de classificao termos de condio primria (por exemplo, o mesmo preo).
Dois do tempo de arco mais comum e pro-rata, de modo que as encomendas so muitas vezes quer
classificados com base em quando eles foram recebidos em primeiro lugar, ou o seu tamanho.
Existem tambm vrias derivaes comuns destes dois tipos principais. Na sequncia sees vamos
considerar alguns exemplos trabalhados para cada uma delas. Note -se que alguns locais no tm o
seu prprio mecanismo de preos interno; em vez disso, os preos do ponto mdio da troca primrio
so muitas vezes utilizados, por isso, deve tambm olhar para um exemplo para uma partida do
ponto mdio.
Preo / prioridade Tempo

Coincidindo Trade usando prioridade com base pre o / tempo comum na maioria dos mercados
de aes. o mais alto preo ordens de compra eo preo mais baixo vende tm as maiores
probabilidades de execuo. Para encomendas ao mesmo preo, no momento em que foram
colocados , ento, usado para distinguir entre eles, assim recompensando ordens anteriores.
Por exemplo, vamos dar uma olhada em como uma ordem de mercado para compra de 2.500 EEE
sero tratadas para a ordenar livro mostrado na Figura 8-2. A carteira de encomendas mostra as
ordens dispostas em termos da sua prioridade de execuo, de modo que a ordem de venda anterior
SI tem prioridade sobre a S2 semelhante priccd e S3 e S4 a preos mais elevados. Agora, a fim de
cruzar com a oferta ao mercado o que pudermos ver que a ordem SI ser preenchido completamente,
como ser o prximo S2 ordem. A ltima 300 resultar a partir da uma execuo parcial com ordem
S3, deixando 2.200 restante no livro. Em seguida, ordem S3 tem agora tanto o preo como prioridade
tempo para novas ordens de compra recebidas.
227
Buys
Identidade
Temp
08:25:00
08:20:25
08:24:00
Sells
Sells
Taman
ho
1000
700
1500
Preo
101
101
101
102
Preo
100
99
98
Tamanho
1000
1200
2500
900
Tempo
05:20:00
05:20:25
03:21:09
03:15:00
Identidad
e
SI
S2
S3
S4
(uma) antes
Preo
+ W404404101
102
Tamanh Ident
idade
o
] Pop
4S
1 200
2S
300
3S
S3
2200
900
S4
(b) depois
Figura 8-2 Um exemplo comprar ordem combinado utilizando prioridade pre o /

tempo
Preo / Pro-rata prioridade

Coincidindo Trade usando prioridade com base preo / pro-rata mais comum em mercados
futuros. Mais uma vez, as ordens de compra e venda com preo melhor ter prioridade, mas a
alocao entre as encomendas no mesmo ponto de preo feito em uma base pro-rata. Ou seja, cada
ordem atribuda com base em sua proporo do volume total de pedidos a esse preo, premiando assim
encomendas maiores.
Por exemplo, vamos ver como uma ordem de mercado para comprar 1.000 EEE sero tratadas para a
ordem livro mostrado na Figura 8-3. Desde ordens SI, S2 e S3 todos tm a mesma prioridade de
preos, o alocao baseada em seu tamanho. Assim, vender SI recebe (750 / 2000) = 37,5% da
dotao (Alloc rotulado), ou 375, enquanto que a ordem maior S3 recebe 50%, apesar de ter sido
colocada mais tardar qualquer ordem SI ou S2. O resultado lquido que todos os trs ordens e
receber execuo parcial permanecem na carteira de pedidos pronto para a prxima execuo.
Claramente, esta abordagem recompensa tamanho quase tanto como o preo.
Sells
Sells
Buys
Tamanh Preo
o 500
100
1000
100
400
99
200
99
Preo
101
101
101
102
Tamanho
750
250
1000
800
Tempo
03:21:00
03:21:25
03:22:05
03:19:09
Identi
dade
SI
S2
S3
S4
(a) antes de
Preo
101
101
101
102
Taman
ho375
125
500
800
Alloc
Ide
nti
SI
S2
S3
S4
375
125
500
(b) depois
Figura 8-3 Um exemplo comprar ordem combinados usando o pre o / pro-rata

prioridade
Uma adio comum a de conceder prioridade especial primeira ordem em cada novo ponto de preo,
em Para incentivar os comerciantes a fazer encomendas com preos mais agressiva. Tomando a
mesma exemplo como antes e aplicao deste critrio adicional, vamos supor que a ordem foi SI
a primeira ordem na 101 e por isso tem prioridade especial sobre os outros.
Buys
Tamanh Preo
o500
100
100
1000
400
99
200
99
(a) antes de
Sells
Sells
Pricc
101
101
101
102
Tamanho
750
250
1000
800
Tempo
08:21:00
08:21:25
08:22:05
08:19:09
Identi
dade
SI
S2
S3
S4
Preo
404
101
101
102
Tamanh
o750
200
800
1000
Alloc
Ide
ntid
S4S2
S3
S4
(b) depois
Figura 8-4 Um exemplo comprar ordem usando o preo / pro-rata prioridade

combinado com preferncia para a primeira ordem
750
50
200
228
pedidos
Colocao de
Portanto, como podemos ver na Figura 8 -4 a ordem do mercado para comprar 1.000 EEE
agora manipulado um pouco diferente. Desta vez, a ordem SI est completamente cheio eo
restante alocado pro-rata entre as ordens S2 e S3. Note-se que nem os pedidos S2, S3, nem
tem a especial prioridade por isso, quando uma nova ordem de compra atinge o livro de encomendas a
correspondncia vai voltar a usar o mtodo pro-rata originais.
Outras variantes desta abordagem aplicar limitadores de volume para impedir os comerc iantes de
entrar em grande encomendas em um novo preo, ganhando assim privilgios especiais prioritrias para
um volume significativo. Por outro lado, podem tambm ser adoptados requisitos mnimos de
volume para assegurar que os comerciantes no basta colocar uma pequena ordem a um novo preo,
a fim de obter prioridade especial.
Outra alternativa que visa ajudar as alocaes pr-rata para pedidos menores adotado pelo
CME para os seus futuros em eurodlar. A atribuio dividido em duas fases. A primeira fase
umapro-rata mtodo baseado; no entanto, ele arredonda para baixo todas as alocaes e cessionrios
de zero a qualquer ordens que acabam com menos de duas unidades. A quantidade restante ento
distribudo sobre umacom base no tempo, ordens de prioridade to anteriores ter dotao
adicional. Por exemplo, vamos olhar para Como uma ordem de mercado para comprar 100 EFG sero
tratadas para a carteira de pedidos apresentados na Figura 8-5.
Buys
Tamanh Preo
o 500
dem
1000
ais
dem
ais
t.ooo
100
400
99
400
99
200
99
Sells
Preo
101
101
101
101
101
102
Tamanho
50
25
50
500
75
200
(a) antes de
Sells
Tempo
05:21:00
05:21:20
05:21:25
05:21:35
05:22:05
05:19:09
Identi
dade
SI
S2
S3
S4
S5
S6
Preo
101
101
101
101
102
Taman
ho
ASSIM
21
47
462
70
200
Alloc
Ide
ntid
S4S2
S3
S4
S5
S6
50
044
3+0
38 + 0
5+0
(b) depois
Figura 8-5 Um exemplo comprar ordem usando o preo / pro-rata prioridade, com a
primeira ordem de preferncia e prioridade de tempo secundria
Ordem SI teve prioridade especial para que ele fique completamente preenchido, os restantes
50 ento alocado entre ordens S2 a S5 (para simplificar, vamos supor o tamanho do lote 1).
Inicialmente, o pequeno ordem S2 no ganha nada com base nesta atribuio. O restante 4 unidades
de base so ento so qualificadas em prioridade tempo, ento estes so alocados para a primeira
ordem, que neste caso a ordem S2.
Prioridade, Paridade, Cedendo

A prioridade, Paridade, Cedendo (PPY) mecanismo de correspond ncia comercial representa
outro modificao notvel. Historicamente, NYSE ' s mecanismo de negociao foi com base nesta
abordagem, embora tenham se movido desde a uma relao preo / mecanismo pr-rata mais padro.
Ainda assim, ele tem algumas caractersticas interessantes, por isso vale a pena examinar mais
detalhadamente.
A prioridade refere-se ao facto de prioridade atribudo primeira ordem em um novo ponto de
preo, como algumas bolsas de futuros. Paridade simplesmente se refere a sua natureza pro-rata, uma
vez que aps o fim Com a prioridade preenchido ordens so atribudos com base no seu tamanho. No
entanto, existe um diferena importante entre o preo / mecanismos pr-rata, ou seja, produzindo.
Tradicionalmente, Especialistas da NYSE agi u como formadores de mercado nicos para cada
ativo. Para proteger as ordens dos clientes produzindo significava que cita o especialista eram
obrigados a dar prioridade s ordens dos clientes, ou seja, aqueles no sistema designado Ordem
Turnaround (DOT).
Por exemplo, vamos nos concentrar sobre o vende por NLO ativo como mostrado na Figura 8 -6.
A carteira de encomendas est formatado de forma ligeiramente diferente, com base em exemplos de
NYSE (2006), porque na verdade compreende de ordens de vrias fontes.
229
(a) antes
(b) depois
Figura 8-6 Um exemplo comprar ordem combinado com preo, paridade, produzindo
As ordens DOT tambm esto competindo com citaes electrnicas de outros corretores de
cho (e- Cotaes) eo especialista (s-aspas). Figura 8-7 mostra isso no livro de ordens mais
familiarizados estilo, pedidos com prioridade de preo so sombreadas em cinza claro, enquanto a
citao do especialista (SQ) realado em cinza escuro. As ordens DOT tm identificadores
comeando com D, a E-Quotcs comear com E.
(a) antes de
Ihice
7.00
7.00
7.00
6.99
6.99
6.99
6,98
Preo
7.01
7.0T
7.01
7.01
7.01
Tamanho
200
2000
800
4000
1200
7.02
1000
Alloc
Sells
Sells
Buys
Tamanh
o500
800
400
300
100
100
200
Tempo Ident
09:41:0 idad
D1
0
09:41:2
D2
9: 04t:
El
25
D3
09:41:3
5
09:42:0
E2
5
09:41:4
04 1
5
Preo
Taman
OQQ
7 ^ 4UmVV
7.01
800
320
7.01
1600
7.01
7.01
480
jSfiri y M i l
7.02
1000
Iden
tida
WD2
El
D3
E2
200
1200
480
2400
720
0
D4
(b) depois
Figura 8-7 Uma opinio nvel da ordem do exemplo usando o preo, paridade, produzindo
Quando uma ordem de mercado para comprar 5.000 NLO bate a carteira de encomendas, a prioridade
dada ao mais antiga ordem em 7,01, que passa a ser de uma quantidade de 200. O restante , em
seguida, 4,800 atribudo a paridade entre as ordens DOT e e-cotaes dos corretores de cho. Dadas
as dimenses de ordem existentes tm razo de 3: 1 entre DOT e e-Quotcs, 3600 cruzar com DOT
ordens, enquanto 1200 ir corresponder com e-Quotes. S-Quote do especialista no est envolvido,
uma vez que rendimentos s ordens DOT existentes.
Assim, na Figura 8-7 a ordem DOT D1 est completamente cheio, enquanto ordens D2 e D3 e do
e-Quotcs El e E2 so todos parcialmente preenchido a partir do remanescente de 4800, com base no seu
tamanho. Citao do especialista SQ permanece inalterado. Os res duos so mostrados na Figura
8-7 (b).
Se uma outra ordem de mercado para comprar 5.000 NLO agora atinge o c mbio, o especialista do
s-Quote pode, ento, participar, uma vez que as ordens DOT vigentes em 7,01 tenham sido
preenchidas. Uma vez que existem 4200 nica disponvel no total, 7,01, todas estas ordens sero
preenchidos. Para os restantes 800, DOT D4 ordem em 7,02 tem prioridade, ento isso vai cruzar
com a ordem do mercado de sair um total restante de 3,200 a 7,02 em DOT. Podemos ver isso na
Figura 8-8 resumidos:
(uma) antes
(b) depois
Figura 8-8 Uma ordem de compra subsequente manuseados com preo, paridade, produzindo
Este mecanismo permitiu que os especialistas para fornecer liquidez adicional sem tomar
prioridade sobre ordens clicnt.
230Order
localizao
Partidas Mid-ponto
Os pedidos com base no preo ponto mdio da principal bolsa de harmoniza o est se tornando
umamecanismo popular para sistemas de cruzamento de cont nuas. Como vimos no Captulo 2,
ordens de mercado executar no ponto mdio sempre que houver disponvel um volume suficiente no
outro lado da carteira de encomendas. Ordens de limite s ir corresponder quando o preo do ponto
mdio melhor do que o seu limitar; Assim, os priecs limite na Figura 8-9 so acinzentado.
Por exemplo, se o livro ordem mostrada na Figura 8-9 aplicada um leilo normal contnua que
seria de esperar ordens B1 e SI ter j correspondido desde seus priecs atravessar.
Buys
Iden Temp
tida 08:25:00
o
B1
B2 08:21:25
B3 08:23:00
Taman
ho
1500
3000
2500
Sells
Preo
101
100
99
Preo
100
102
103
Tamanho
1500
2000
1800
Tempo Iden
03:25:00 tida
SI
03:20:20 S2
03:24:09 S3
(a) antes, ponto mdio externo de 102

Buys
Identidade
Identidade
aceso p ^ Voo
B
1'21
8U
:.2L
1JU
2U
5
B3
08:23:00
Tempo
no
31,0JU00vc
2500
Sells
SizePrice
4m100
99
PriceSize
/QQ
102
103
-hSOO
2000
t, 800
03:25:00
03:20:20
03:24:09
Tempo
S4S2
S3
(b) aps o meio-ponto torna-se 101

Figura 8-9 Um ponto mdio exemplo jogo
No entanto, na principal bolsa da melhor oferta de compra e oferta 101-103, ento o preo
mdio ponto externo 102. Portanto, o preo limite na ordem de compra B1 impede que ela seja
correspondida. Somente quando os melhores compra e venda changcs exter nos para 100-102 (de
modo que o ponto mdio se torna
101) ele pode participar. Desde ordem de venda SI tem um limite de ponto mdio de 100, esta pode,
portanto, cruzar com a ordem B1. Note-se que ambas as ordens executa no ponto mdio, assim que a ordem
SI v de verdade
uma melhoria de preos ao longo do seu limite de preo inicial de 100.
Este mecanismo geralmente usado para apoiar passagem contnua para o bloco de ordens de
tamanho, portanto, a carteira de pedidos apresentados na Figura 8 -9 seria completamente opaco.
Alguns locais tambm apoio quantidades mnimas aceitveis (ou volumes mnimos), como vimos
para os leiles de chamadas no Captulo 4.
Outros tipos
A maioria dos mecanismos comuns para correspond ncia comercial j foram abordados no subsees anteriores. Porm, haver invariavelmente locais que usam um pouco diferente regras.
sempre vale a pena ler atentamente a documenta o e regulamentos para cada mercado local para
confirmar exatamente como a correspondncia realizada.
Catering para alguns tipos de ordem personalizada tamb m podem exigir modificaes para o
comrcio mecanismo de harmonizao. Estes podem ser razoavelmente simples, requerendo
algumas extenses lgica de correspondncia ordem, tais como para o tratamento de ordens ocultas ou
limites discricionrios pricc. No entanto, alguns tipos de ordem personalizado pode causar
problemas mais substanciais. Por exemplo, comprovativos ordens contingentes podem exigir
uma carteira de pedidos em separado.
Em termos de correspondncia puro, ordens ocultas ainda esto limitar ordens. No entanto, para
garantir a equidade para outros participantes do mercado a maioria dos locais atribu -los
prioridade menor do que as ordens visveis na
uma
231
o mesmo preo. Caso contrrio, haveria pouco incentivo para deixar de liquidez visvel.
Da mesma forma, as ordens iceberg tem uma parte que visvel e um reserva, o que est oculto.
UMA caracterstica fundamental das ordens iceberg que quando a poro visvel preenchida, ela
ser substituda com uma ordem equivalente, reduzindo o tamanho da reserva oculta. Mais uma vez, o
mecanismo de comrcio ter de ser modificado para gerir este processo.
Ordens discricionrias realmente tem dois limites de preo, uma pblica e uma privada. Assim
como ordens iceberg esconder a sua verdadeira dimenso, ordens discricionrias esconder o seu
limite de preo verdadeiro. Portanto, ao manusear ordens discricionrias o mecanismo de
correspondncia comercial precisa de verificar tambm se todas as ordens corresponder no limite
discricionrio preo.
Ordens contingentes so mais complexas bccause eles introduzem dependncias adicionais.
Eles permitem que as ligaes entre as ordens, muitas vezes por diferentes ativos. Normalmente, os
livros de encomendas para cada arco ativo completamente separado, de modo ordens condicionais
introduzir ligaes entre eles. De repente, o comrcio mcchanisms correspondncia para diversos
ativos precisam interagir uns com os outros para determinar se um comrcio pode ocorrer. Por esta
razo, os mercados que suportam contingente ordens tendem a lidar com eles em livros de encomendas
dedicados. Assim, se espalhar entre as ordens contratos de futuros e algumas estrat gias de opes
complexas podem ser tratadas de forma totalmente separada. Dito isto, como motores de
confronto de ordens cada vez mais sofisticados alguns locais est o agora comeando a usar
"ordens implcitas" para integrar essas ordens complexas de volta para as principais carteiras de
encomendas. O objetivo deste para melhorar a liquidez global, embora no adicionar umanvel
considervel de complexidade para os motores de harmoniza o.
Os pesquisadores tambm esto constantemente procurando maneiras de melhorar o
comrcio existente mecanismos de harmonizao. Uma importante rea de estudo encontrar
uma maneira de equilibrar a exigncia de visibilidade (para descoberta de preo) com a necessidade
de esconder grandes encomendas (para evitar vazamento de informaes). Uma proposta
interessante por Peter Gomber, Miroslav Budimir e Uwe Schweickert (2006) introduz um novo
tipo de ordem feita sob encomenda, a ordem de volume. Essencialmente, este um cruzamento entre uma
ordem e um iceberg discricionria um: O preo discricionrio est ligado para um requisito mnimo de
volume, por isso, se h ordens correspondente, que pode preencher esse necessria volume e eles esto
dentro do limite de preo, em seguida, uma partida pode ocorrer. Alternativamente, Leslie Boni e Chris
Leach (2004) investigam o "expansvel" ordem de limite, que tem sido utilizado no mercado interdealcr para US Treasuries. Efetivamente, ele d o comerciante cujo ordem de limite tinha apenas
executou o direito de preferncia ao comrcio com o volume adicional mesmo concessionrio.
Enquanto eles observam que este til para grandes encomendas negociao em bloco, o tempo
necessrio para negociao pode ser prejudicial, uma vez que eles arco essencialmente empurrando
na frente de outras ordens do livro de ofertas. Boni e Leach propor algumas potenciais solues
alternativas, com base em rigoroso prazos para a opo de recusar, garantindo apenas este direito de
primeira ordem em um novo preo nvel, ou at mesmo lidar com eles em uma carteira de pedidos em
separado. Esperemos que, mais pesquisas continuar a olhar para mtodos alternativos para
correspondncia comercial, uma vez que este poderia muito bem fornecer novos mecanismos
inovadores que ajudaro a reduzir o fosso que existe actualmente entre trocas e sistemas de
passagem.
Coincidindo com base em Chame

Um leilo de chamada pode ser realizado to pouco quanto uma vez por dia, ou to freqentemente quanto
cada 10 a 15 minutos durante todo o dia de negociao. Ao invs de continuamente combinando
cada ordem como ele chega, as encomendas so apenas na fila e aplicada carteira de
encomendas do leilo. O comrcio real correspondncia s ocorre no momento em leilo
conjunto. Assim, as encomendas se acumulam antes do leilo leva lugar. Isto permite mais tempo
para a formao de preos e assim pode ajudar quando h mais incerteza sobre o que o preo deve
realmente ser. Consequentemente, muitos mercados muitas vezes optam por abrir
232Order
localizao
e fechar com um leilo de chamada separada, em um esforo para reduzir a volatilidade dos preos.
Quando o leilo comea, um algoritmo de cruzamento tenta garantir que o mximo possvel volume
de encomendas atravessada no pricc leilo. Uma abordagem tpica a seguinte:
Verifique se o livro de ordens cruzada, ou seja, quer o livro contm ordens de

mercado ou existem ofertas de compra com preos-limite mais elevados do que algumas
das ordens de venda.
Aplicar os seguintes critrios passo a passo at num jogo que atinge preo lhes
encontrado:
1. Um volume mximo executvel
2. Como acima E um excedente mnimo de pedidos
3. Como acima E uma presso de mercado consistente
E se um preo nico no pode ser encontrado, em seguida, determinar um preo baseado na

referncia preo. Geralmente, este ser o ltimo preo negociado, por isso ontem noite
perto de uma leilo de abertura ou da ltima operao para um leilo de fecho.
Uma vez um preo for encontrado, a carteira de pedidos leilo ento processado para
combinar com qualquer ordens que sero executados dentro deste limite de preo.
Muitos locais usar o tempo como umaprioridade secundria, esta recompensa a
rpida entrada de ordens de leilo.
Esta a base para muitos dos leiles de chamada do mercado de aes, por exemplo, o
Deutsche Borse e de Londres, Austrlia, Hong Kong e Cingapura bolsas de valores. A mais
aprofundada avaliao para uma ampla gama de mercados fornecida por Carole Comcrton-Forde e
James Rydge (2004).
Alguns locais tambm podem publicar informaes sobre o desequilbrio global entre o buy e
vender ordens antes da travessia comea. O objetivo incentivar novos compradores / vendedores para
corrigir o desequilbrio e assim maximizar o volume de leiles potencial. Eles tambm podem
oferecer uma preo do leilo indicativo para ajudar os comerciantes a decidir sobre os pre os para
as suas encomendas de leilo.
Como exemplo, vamos considerar o livro de ordens leilo mostrado na Figura 8-10.
Buys
Temp
o
07:20:2
5
07:24:0
9
07:20:2
5
07:24:0
9
07:24:0
9
Tama
nho
2.000
5000
10.000
6000
4000
Sells
Pricc
MO
105
104
102
101
101
Pricc
MO
MO
102
102
103
105
106
Tamanho
2000
3000
4000
1000
5000
12.000
15.000
Temp
o
07:25:0
0
07:20:2
5
07:20:2
5
07:24:0
9
07:20:2
5
07:24:0
9
Figura 8-10 Um leilo exemplo chamada

A partir disso, podemos construir Tabela 8-1 que mostra os volumes, calculados executveis
excedentes e presses.
Cumulativos presses laterais compra / venda: Estes representam o volume total disponvel para
cruzando a qualquer preo dado limite. Eles so calculadas pela soma das quantidades de pedidos
de a prioridade mais alta, ento isso vai comear com quaisquer ordens de mercado e, em seguida,
resumir do mais alto preo ordem de limite para compra ou vende para o menor.
233
Ordens
de
compra
agrupad
os no
limite
Pre
o
Ordens de
venda
agrupados
no limite
Acumulativ
o presso
Comprar Vender
Executvel
volume
Ordem
superv
it
-30.000
-13.000
Mercado
presso
12.000
0
2000
MO
106
105
5000
15.000
12.000
12.000
14.000
42.000
27.000
12.000
14.000
5000
I I P 04
103
102
101
19.000
15.000
15.000
4000
5000
5000
0
19.000
29.000
39.000
15.000
10.000
5000
15.000
10.000
5000
4000
19.000
34.000
0
10.000
10.000
.
-
+
+
8-1 Chamada de dados clculo leilo Tabela

O volume executvel: Para cada pricc, este volume simplesmente o mnimo de compra e venda
presses para esse limite. Isto porque o volume total que pode atravessar limitada pela compra
e vender presses, uma vez que no importa quanta presso buy existe se ningum quer vender.
Supervit ordem: Isso representa a quantidade de compra ou venda de press o que permanece
unexecuted devido falta de ordens no lado oposto do livro de ordens.
A presso do mercado: Este apenas o sinal do excedente ordem. A presso positiva reflecte
umaexcedente de ordens de compra, enquanto mostras negativas um excedente de vende.
Podemos agora usar este livro fim exemplo e os dados da Tabela 8-1 para aplicar o algoritmo de
leilo cruzado descrito:
1.
2.
3.
4.
5.
O sombreamento cinza claro na Figura 8-10 mostra as ordens que se cruzam, para
que possamos continuar.
Dois preos atingir o volume mximo executvel de 15.000, por isso, devemos
utilizar os excedentes prximo fim de tentar isolar num jogo preo.
Ambos os preos resultam na mesma ordem excedente de 4000, por isso devemos
agora Considere a presso do mercado.
A presso do mercado consistente; que positivo tanto para 103 e 104. Uma vez que
o excedentes so para compras, isto implica que os preos so mais propensos a
aumentar aps a leilo; portanto, o mais elevado dos dois preos utilizado para o
leilo preo.
Conseqentemente, 104 ser usado como o pricc leilo, por isso no precisa de olhar para o
preo rcfcrcnce.
Tendo agora atribudo um preo de leilo de passagem de 104, podemos ver o efeito sobre o real
carteira de pedidos leilo na Figura 8-11 (a) como os cruzamentos ter lugar e (b) uma vez que o
leilo finalmente completado.
Se este foi o leilo de abertura para um mercado contnuo leilo duplo, em seguida, a Figura 8-11
(b) mostra a carteira de encomendas como ser quando o mercado abre oficialmente para contnua
negociao. Como alternativa, se este foi um leilo de chamada de lote ou um leilo de fechamento, em
seguida, dependendo do mercado, essas ordens restantes ou ser cancelado ou esquerda para o
prximo leilo.
Alguns sistemas de passagem derivam seu preo de leilo a partir de outro mercado. No
entanto, em todos Noutros aspectos, o leilo cruzando mecanismo o mesmo como mostrado na
Figura 8-11.
234
pedidos
Colocao de
Buys
Sells
Taman Preo
Tempo
Preo
ho000
MQ
07:25:0
12
HS
0
? nop
07:20:2
HS
Eu
5
1 pop
07:24:0
404
402
sou
9
1 () 2
07:24:0
4000
104
9
07:20:2
10.000
102
403
5
07:24:0
6000
101
105
9
07:24:0
4000
101
106
9
(a) cruzamento
carteira de pedidos
Buys
Temp
o
07:20:25
07:24:09
07:24:09
Tama
nho
4000
10.000
6000
4000
Tamanho Tempo
7. T y i n f
2 pop
^ QQ Q
07:25:0
0
UMAco 07:20:2
| Q QQ
5
07:20:2
^ QQ Q
75~
2/109
12.000
07:20:2
5
15.000
07:24:0
9
Sells
Pre
o
102
101
101
Pre
o
106
Tama
nho
15.000
Temp
o
07:24:0
9
(b) uma vez cruzamento concluda

Figura 8-11 Um cruzamento de leilo chamada
8.4
Ordem deciso de colocao s
Ao tomar decises sobre a colocao de ordem precisamos equilibrar os objectivos necessrios com
as condies de mercado atuais. Essencialmente, estamos a tentar encontrar o melhor preo com um
probabilidade aceitvel de execuo e risco. Isso usado para significar simplesmente escolher
um alvo preo e decidir quando e como melhor para dividir uma ordem para a execuo.
Em mercados cada vez mais fragmentadas de hoje, escolher onde colocar uma ordem pode ser to
importante um fator como o preo ou tamanho. O pequeno tamanho mdio de ordem agora comum em
muitos mercados (melhor tipificado por aces e futuros listados) tambm significa que a
sinalizao de risco agora umapreocupao significativa. Assim, a esforar-se para a execuo
ptima temos de decidir onde estamos preparados ao comrcio e como (que ordem tipos usaremos),
bem como o grau de agressividade que ir preo eo tamanho da nossa ordem.
Sinalizao risco
Sinalizao de risco representa o vazamento de informaes a outros participantes do mercado de
nossa estratgia de negociao. Fazendo uma encomenda de um livro de ordens aberta fornece
uma opo de negociao valioso que outros comerciantes podem executar livremente contra. Nosso
padro de negociao tambm transmite informaes para os outros participantes do mercado, como se
ns somos um grande comprador ou vendedor.
Armado com esta informao os outros participantes podem, em seguida, ajustar as suas
strategics comerciais. Por exemplo, em ver uma grande ordem de compra vendedores podem se tornar
menos agressivo em seus preos, uma vez que eles sabem que h um comprador. Muitas vezes,
necessrio esconder as nossas intenes reais tanto quanto possvel, buscando liquidez a partir de fontes
alternativas, como redes de passagem ou "dark pool "ATS, ou usando os tipos de pedidos especiais.
Note que a sinalizao de risco depende tanto do tamanho do pedido e da liquidez do ativo. Para
exemplo, com um activo ilquido mesmo uma pequena ordem pode resultar pode resultar em risco de
sinalizao, uma vez que no pode ser muito pouco exibido profundidade carteira de encomendas.
Considerando que, para os activos lquidos do aumento da atividade comercial e carteiras de
encomendas mais profundas significa que a sinaliza o de risco menos grave.
235
Escolha Venue
Os activos podem frequentemente ser negociadas em vrias bolsas, ECNs (MTF), ATS, ou mesmo
sobre o countcr, para que haja uma grande variedade de escolha, como a Figura 8-12 tenta mostrar.
Buys
Exch-1
Iden
tidad
e
Prob %
85
HI
10
Tamanh Preo
o
100
1000
2, (XX) 100
X2
85
1500
18
3000
X3
85
1200
99
99
98
Buys
OTC
Corretor
LPP
Tam
anh
o
Pre
o
1000
99
Buys
ECN-1
Identidade
Tamanho
E270
Prob %
Preo El70800
100
1200
99
116302,5009H
Buys
ATS-1
Identidade
Prob 1
11315
Tam
anh
o
I,
(XX)
Preo
100
Figura escolha 12/08 Venue

Em termos de visibilidade, locais variam entre as empresas totalmente transparentes que n o
suportam qualquer tipos de ordens ocultas, para aqueles completamente opacas onde toda a carteira
de encomendas est escondido. Investidores ou comerciantes que pretendam reduzir o seu risco de
sinalizao vai optar por locais que cither suporte escondido tipos de ordens, ou so opacas, como a
"dark pool" ATS. Na verdade, hoje em dia completamente locais so transparentes uma raridade,
uma vez que a maioria das trocas ou ECNs oferecem algum tipo de oculto ordem / iccbcrg.
Probabilidade de execuo outro fator importante na escolha entre os diferentes locais. o
execuo de nossa ordem no pode ser garantida, uma vez que pode haver muitos outros
participantes, enviando ordens diferentes ao mesmo tempo. Hencc, na Figura 8 -12 os livros de
encomendas tambm so mostrados com um percentual que reflete essa probabilidade. Isto pode basearse numa gama de factores, incluindo a probabilidade de anula o, latncia e resultados histricos.
Na seo 8.6, vamos considerar isso com mais algum detalhe. Liquidez oculto outra considerao
importante; vamos abordar isso com mais detalhes em scction 8.5.
Usando o "dark pool" ATS

Como seu nome sugere, ATS "dark pool" destinam-se a ser opaco, escondendo todos os pedidos para
que os seus participantes possam trocar tamanho sem risco significativo de sinaliza o. No entanto,
a vasta gama de diferentes mecanismos empregados pela ATS e crescente oferta de ordem oculta
tipos de trocas tornou difcil avaliar o quo opaco cada local . Algumas das principais preocupaes
para os investidores so de que suas ordens no so grandes:
caado por outros participantes

fornecendo informaes para mesas de negociao prprias
Gaming refere-se a manipulao do preo de mercado para o lucro. J vimos como as ordens
do COI pode ser usado para buscar liquidez escondido sem sair uma ordem de p no fim livro.
Normalmente, isso deve ser usado para tentar cruzar em tamanho, com tal liquidez, ao m tuo
benefcio de ambas as partes. Em comparao, o jogo implica assuno uma abordagem mais cnica
por emisso de ordens de conduzir o preo de mercado para cima (ou para baixo) antes do golpe
final, quando uma grande encomenda emitido para cruzar com a liquidez escondido neste novo
preo. Isto um risco particular quando o
236
pedidos
Colocao de
travessia com base na melhor oferta do mercado principal e oferta (por exemplo, o NBBO US).
H tambm a preocupao de que as informaes sobre grandes encomendas manchado por
(ou at fez disponveis para mesas de negociao) de propriedade. Isso lhes daria a vantagem,
permitindo-lhes ao jogo ou "firont prazo" as ordens. 1Para evitar que isso a maioria dos principais
corretores / intermedirios impor estrito "Muralhas da China" entre suas opera es. Isto no uma
questo de tecnologia - um dos Confiar em.
Fluxo de ordens txica outro termo que usado s vezes. Isto , quando as ordens interagir
com Como impulsionada pelos participantes, ou sistemas quantitativos, que esto tentando ativamente a
buscar liquidez, unicamente para lucrar com movimentos de curto prazo.
Muitos locais a monitorizao para detectar quando surgem situaes suspeitas, gamers ou
frontal Os corredores podem ento ser excludos do local. Eles tambm podem definir suas
estruturas de preos para fazer pequenas encomendas proibitivamente caro para o uso de alta
freqncia. Impondo grande mnimo tamanhos comerciais constitui um outro impedimento
comumente utilizado, uma vez que isso impede que a liquidez inicial buscar (ou "ping"). Embora,
como Gabriel Butler (2007) aponta, estes tm a desvantagem de limitar o potencial de agregao de
liquidez, uma vez que evitar genuinamente pequenas encomendas.
Hitesh Mittal (2008) fornece uma avaliao NIEE de algumas das principais preocupaes sobre estes
problemas. Em essncia, as principais questes investidores precisam considerar antes de usar um
ATS so:
Quem tem aceess?

buy-side only?
So fornecedores de liquidez usado?
So mesas proprietrias permitido?
O que acontece com minhas ordens?

Eles so anunciados?
Como / onde so comrcios relatado?
Claramente, buy-side nica locais deve ser a "mais segura", uma vez que Todos os participantes
devem unicamente ser foeusscd em encontrar jogos para as suas necessidades de liquidez. Ainda, deve
tambm ser lembrou que os provedores de liquidez e mesas propriet rias so fontes teis de
adicional liquidez. Ele s precisa ser claro que eles esto ativos no local e que no h
monitoramento para proteger todos os participantes.
Indicaes de interesse (IOIs) so outra preocupao comum. ATS base de Publicidade
geralmente restringem a informao que passada atravs destes. Assim, os anncios ou
indicaes arco enviados para possveis correspondncias, ou se eles arco transmitido para em
seguida, todos os participantes apenas subconjunto das informaes distribudo, normalmente o ativo
e talvez o lado e / ou pricc. Alguns locais ainda permitem que o remetente para eontrol que
informao divulgada. Mais uma vez, importante conhecer essas especifica.
tambm importante recordar que, embora um "dark pool" pode manter sua carteira de pedidos
escondidas as negociaes ainda devem ser comunicados. Se o relatrio de comrcio no inclui o
nome ATS comerciantes ainda pode ser capaz de reduzi-lo a um nmero de locais com base em onde
relatado. Para cruzamentos, Mittal (2008) aponta que a maioria das empresas anunciam os
cruzamentos completados com servios como Autex ou Bloomberg. Assim, h sempre o potencial
para alguns sinalizao risco. Isso tambm deve ser tida em conta no momento de decidir a
melhor forma de tirar proveito de liquidez "dark pool".
1
Running Fronl uma prtica abusiva, ll o lugar onde um corretor recebe uma ordem, mas antes SIGH colocao utiliza a
informao lo irade por conta prpria accounl, benefiling da ordem subsequenl clicnl.
237
Escolha Ordem
Em termos de risco, pedidos de limite de p fornecer liquidez e assim por grandes encomendas tm
considervel sinalizao risco. Portanto, para reducc risco sinaliza o importante para esconder
as nossas intenes. Como vimos no Captulo 4, h uma ampla gama de tipos de ordens que o
comerciante pode choosc de, juntamente com um conjunto de instrues opcionais. A maioria das
bolsas e redes de comrcio eletrnico agora suportam uma mistura de discricionria, iccberg ou
ordens totalmente ocultos. Figura 8-13 destaca esses vrios tipos e mostra como diferentes escolhas de
ordem nos levar de padres de negociao altamente visveis atravs de os mais escondidos.
Opaco
Transparente
Liquidez
forneced
ores
Limite
jjjv:
j.
encomendas
ftecberg encomendas
Euencomendas
t- f "f
Discricionrio
Hnkloi llja
:
Liquidez
demandcrs
Oi & fcn Secador

Ordens
Discricionrio (iceberg encomendas
*
Limitadas
COI encomendas yPUl-ou-KLM
Mercado encomendas
encomendas 1 mal-R-matar oriers
^ Mercado ordersMarket
ortjers
M.'irku i filers
Figura tipos 8-13 Ordem agrupados por visibilidade

Comeando com ordens de limite que, em seguida, progredir para as discricionrias (escondendo
nosso verdadeiro preo limite) depois do iceberg ordens (escondendo uma parcela de nosso tamanho
do pedido), finalmente terminando com completamente escondido ordens. As encomendas ainda
esto fornecendo liquidez, mas com cada vez menos visibilidade. Da mesma forma, as instrues
imediatas-ou-cancelar e enchem-or-matar ajudar a esconder comercializvel limitar ordens quando
eles exigem liquidez, uma vez que impedem uma ordem de ficar em residual a carteira de pedidos.
Tamanho do pedido um factor-chave para a escolha da ordem. Bessembinder, Panayides e
Venkataraman (2008) constataram que na Euronext de grandes encomendas (> 50.000 ), mais de
70% dos pedidos foram escondidos, enquanto para pequenas encomendas (< 5.000) apenas 5%
foram escondidos. D'Hondt, De Winne e Francois-Hcudc (2005) tambm confirmou que uma
ordem foi mais propensos a ser escondido quando o seu tamanho era maior do que a profundidade
carteira de pedidos exibido atualmente.
Devido ao seu tamanho, as encomendas podem ser responsveis por ocultos uma proporo
considervel da disponveis volume do mercado. Por exemplo, Bessembinder, Panayides e
Venkataraman (2008) constatou que 18% das encomendas de sua amostra de Euronext Paris estavam
escondidos, estes representaram 44% do volume total de pedidos.
Ordem agressividade
Agressividade refletida por ordem de escolha, preo e tamanho.
As ordens de mercado arco geralmente o tipo mais agressivo de ordem, uma vez que eles n o
tm nenhuma restrio pricc. Eles se esforam para alcanar a execuo imediata ao melhor preo
disponvel. No mnimo que deve provavelmente ter que pagar metade do offer spread bid, ou at mais,
se as necessidades de ordem para varrer o livro de ordens, a fim de completar. Portanto, a agressividade
de uma ordem de mercado com base no seu tamanho, uma vez que grandes ordens so mais
propensos a ter a varrer o livro.
Ordens de limite permitem mais controle desde que ns podemos escolher como definir o seu
limite de preo embutido.
Colocao
238
pedidos
de
Embora isso oferece alguma proteo de preos, isso significa que eles correm o risco de no
conseguir executar completamente. Assim, a agressividade de uma ordem de limite uma funo
tanto do seu limite de preo e o seu tamanho.
A fim de ser capaz de comparar a agressividade de muitos diferentes ordens do estudos de
microestrutura criaram esquemas de classifica o com base em ambos pricc e tamanho. Um dos
esquemas mais conhecido mostrado na Tabela 8-2, com base na um estudo por Bruno Biais, Pierre
Hillion e Chester Spatt (1995). Eles atribudo seis categorias, classificadas por ordem de
agressividade. Os trs nveis mais agressivos so imediatamente executvel e correspondem s
ordens de mercado ou ordens de limite comercializveis, assim tamanho de ordem a chave para
determinar o seu impacto.
CategoryPriceSize
1
2
3
4
5
6
Melhor do que o melhor

preo oposto
Na melhor das hipteses
oposto
Maior do que o melhor

tamanho oposto
preo
Ao ou melhor do que o
Menos do que ou igual

melhor tamanho oposto
melhor preo oposto

Dentro da melhor oferta
de compra e
oferta
Com o melhor preo
(mesmo
lado)
Abaixo do melhor preo
(mesmo lado)
Algum
Algum
Algum
Tabela 8- 2 Um sistema de classificao para a ordem agressividade

A categoria mais agressivo (1) representa as ordens que arco com pre o melhor que o melhor
preo oposta (tanto ordens de mercado ou ordens de limite negoci veis) e arco maior do que o
melhor tamanho oposto. Em seguida, esto as ordens que tm um tamanho semelhante, mas esto
limitados a melhor frente preo, portanto, um residual ser deixado no livro a esse preo. A terceira
categoria composta por pedidos menores, estes so menos do que ou igual ao melhor tamanho
oposto e so razoveis, de modo que eles podem executar imediatamente. Os tipos restantes so
todas as ordens de limite de p que ajudam fornecer liquidez; eles esto com preos entre, igual ou
inferior ao melhor preo.
Fatores de mercado que afectam as decises de colocao de ordem

Uma quantidade substancial de investigao microestrutura examinou como as condies de mercado
afectam choicc ordem e agressividade. Os estudos baseiam-se em transaces por uma grande
variedade de locais de execuo, e ajudam a mostrar como os comerciant es reagem a diferentes
condies de mercado. Alguns estas reaces so senso comum, mas algumas das investigaes
oferece uma viso mais sutil respostas.
Para resumir estes, os principais determinantes para a ordem de escolha geralmente o arco;
Espalhar
Profundidade carteira de pedidos / altura
Volatilidade
Hora do dia
Em termos gerais podemos classificar esses fatores em trs tipos principais, com base na
liquidez, preo e prazo. Nos seguintes sub-sees, vamos avaliar o efeito de cada um destes,
virar.
239
Baseada em factores de liquidez

A importncia dos fatores baseada em liquidez, tais como propaga o e profundidade carteira de
encomendas quase surpreendente. Liquidez obviamente um fator-chave para decises de
colocao da ordem.
Espalhar
Uma maior oferta offer spread aumenta diretamente o custo de uma ordem de mercado. O preo para o
imediatismo metade da propagao mais qualquer impacto no mercado adicional. Sem surpresa, os
comerciantes so mais dispostos a fornecer liquidez quando a recompensa maior. Spreads maiores
tendem a encorajar a colocao de ordens de limite sobre ordens de mercado. Eles tambm diminuem
frequentemente ordem global agressividade.
Suporte emprico para isso tem sido demonstrado por uma gama de bolsas de valores, notadamente
para bolsa de Paris por Biais, Million e Spatt (1995). Observou -se tambm sobre o Bolsa de
Estocolmo por Burton Hollifield, Robert Miller e Patrik Sandas (2004). Da mesma forma, Angclo
Ranaldo (2004) observaram isso para o Swiss Stock Exchange, enquanto Joachim Grammig,
Andreas Hcincn e Erick Rengifo (2004) relataram que para a Xetra sistema de negociao.
Curiosamente, um estudo da NYSE por Alessandro Bebcr e Cecilia Caglio (2005) verificaram que esse
efeito parece ser mais forte para os compradores do que vendedores.
Ordens ocultas tambm parecem ser adoptadas mais quando os spreads s o mais estreitas. Esta
relao negativa com o tamanho do spread foi observado para a rea NYSE por Steve
Bongiovanni, Milo Borkovec e Robert Sinclair (2006). Observou-se tambm negociao no
Euronext por Catherine D'Hondl, Rudy Dc Winne e Alain Francois -Hcude (2005). Eles
concluram que, desde diferenciais estreitos cncouragc ordens mais agressiva s, os comerciantes
colocar ordens mais escondidas para tomar vantagem deste aumento da probabilidade de
execuo.
Em termos de agressividade geral, um estudo do NYSE Ellul por Andrew et ai. (2003) relataram que as
ordens com limites negociveis foram mais sensveis a se espalhar do que ordens de mercado. Enquanto
para o espanhol Bolsa de Valores de Roberto Pascual e David Veredas (2008) concluiu que os
custos elevados imediatismo de spreads maiores desanimado comerciantes de emitir ordens
pequenas de mercado.
Informao carteira de pedidos
A carteira de encomendas uma importante fonte de informao, uma vez que destaca o
disponvel liquidez. Profundidade carteira de pedidos representa o montante efetivamente
disponveis para negociao, enquanto o desequilbrio corresponde diferena entre as
quantidades disponveis para comprar e vender. o altura carteira de pedidos indica o impacto
preo mximo potencial de uma curta ordem de mercado a carteira de pedidos.
Livros de encomendas At agora, temos geralmente vistos em uma forma tabular, Figura 8-14 mostra
uma outra maneira de representar este liquidez, com base no total profundidade dispon vel. A partir
deste grfico, podemos clcarly sec as diferentes alturas do volume de encomendas de compra e venda
ordens enquanto o diferente gradientes de destacar o desequilbrio de compra / venda.
A altura carteira de encomendas afeta o impacto potencial de mercado. Charles Cao, Oliver
Hansch e Xiaoxin Wang (2008a) mostrou que, para o mesmo lado da agressividade livro de ordens
aumenta com a altura do livro, enquanto para o lado oposto diminui.
Profundidade livro ordem importante porque muito da liquidez dispon vel, muitas vezes
encontra-se fora o atual melhor oferta de compra e oferta, como se pode ver claramente na Figura 8 14. Mike Aitken et ai. (2007) encontrado no ASX que os comerciantes inst itucionais tendem a
oferecer mais volume vender a um passo de pre os acima da melhor oferta, com mais de 60% do
volume total de at trs passos de distncia de preos. Da mesma forma, Hollifield, Miller, e
Sandas (2004) observou que muito mais profundidade estava disponvel na Bolsa de Estocolmo,
para a Ericsson, longe da melhor oferta de compra e oferta atual.
240
pedidos
Colocao de
130
Buys
Sells
120
Tama
nho
500
Preo
Preo
96
97
Tama
nho
900
1200
94
97
1500
2000
93,5
97
2500
4000
92
100
5000
a>
uma
* 100
uma .
C
2500
89
105
2500
90
3000
85
110
4500
4000
84,5
115
2000
2000
75
120
2500
110
80
5000
10.000
15.000
20.000
25.000
Profundidade acumulada
Figura 8-14 Visualizando a profundidade cumulativas para uma carteira de

encomendas exemplo
Empiricamente Jon Danfelsson e Richard Payne (2002) mostraram que as ordens de limite
becamc quando profundidade livro ordem mais comum foi visivelmente baixo, para a negocia o
de FX on Reuters Dealing- de 2000. Resultado semelhante foi encontrado por ordens em Hong Kong
Stock Exchange por HCC-Joon Ahn, Kec-Hong Bae e Kalok Chan (2001).
As profundidades diferentes em cada lado do livro de ordens pode tamb m tm um grande
impacto sobre o agressividade global de ordens. Por exemplo, Mark Griffiths et ai. (2000), e Pascual
Vcredas (2008) e Ranaldo (2004) todos observaram que os comerciantes placcd de forma mais agressiva
ordens priccd quando seu prprio lado da carteira de encomendas foi mais profunda. Por outro lado,
eles bccamc menos agressiva quando o lado oposto da carteira de encomendas foi mais profunda. Este
no to surpreendente para locais de execuo que impem rigorosa preo / tempo
correspondente comrcio prioridade. Numa J a carteira de pedidos cheia, as outras ordens ter o
prioridade tempo, portanto, mudar para uso uma ordem de mercado ou um limite de preos mais
agressiva a maneira mais eficaz de aumentar a probabilidade de execuo. Assim, os comerciantes
tendem a fazer encomendas mais agressivas quando o probabilidade de execuo uma ordem de limite
baixo. Nos outros comerciantes Entregue a colocao de ordens sobre o lado oposto, muitas vezes,
tendem a ser mais passivo, contando com preos agressivos por comerciantes sobre o lado cheio do
livro. Isso menos de um problema para locais com base em pricc / pro-rata correspondncia
comercial baseada.
Outra maneira de ver isso em termos de desequilbrio global da ordem. Um grande desequilbrio
de vende atua como um sinal desfavorvel, incentivando os vendedores a ser mais agressivo e
compradores para ser mais passiva.
Assim como com spreads, Beber e Caglio (2005) obs ervaram alguma assimetria no
comportamento de compradores e vendedores no que diz respeito profundidade no lado oposto.
Vendedores arco considerado mais orientada para a liquidez e assim tornar-se mais agressivo quando
o aspecto de aquisio da carteira de encomendas Deeper. Deixar de vender como o mercado se
move para baixo pode resultar em uma perda realizada, enquanto no compra o mercado se move para
cima significa um lucro reduzida. Curiosamente, Pascual e Veredas (2008) estudou essas relaes, tanto
para a melhor proposta e oferecer, bem como entre os cinco melhores ofertas de compra e para o
espanhol Stock Exchange. Eles descobriram que enquanto fornecedores de liquidez parecia basear as
suas decises em informaes de toda a carteira de encomendas, comerciantes ordem de mercado
focada exclusivamente nos dados da melhor oferta de compra e oferta.
241
A profundidade disponvel tambm pode ter um efeito importante sobre os preos das ordens
ocultas. UMAestudo da colocao oculta de pedido no Euronext por D'Hondl, De Winne e FrancoisHeude (2004) constataram que as ordens ocultas foram precificadas de forma mais agressiva, se
houve profundidade suficiente j disponvel no mesmo lado do livro de ordens. Por outro lado, eles
notaram que o profundidade exibida no lado oposto teve efeito limitado sobre a coloca o de
ordem escondido.
Fluxo de comrcio
H arco dois indicadores-chave para o fluxo de comrcio, ou seja, volume e frequncia. Beber e
Caglio (2005) descobriram que, para a NYSE, o volume transacionado teve mais impacto no
fim agressividade do que a frequncia de negociao, especialmente para as ordens de venda.
O volume de negcios tem sido tradicionalmente visto como um proxy para informaes de
mercado, nomeadamente do trabalho por David Easley e Maureen O'Hara (1987). Na verdade
Beber e Caglio (2005) concluiu que o aumento da agressividade que observado para ordens de
compra foi consistente com informao revelada por grandes volumes de negociao. Eles tambm
observaram que o volume poderia confirmar informaes sobre tendncias de preos. Para a maioria
de sua amostra, houve um positivo tendncia dos preos, mas mesmo sendo responsvel por efeitos
de momentum eles descobriram que maiores volumes geralmente conduziu a um aumento em demanda.
Assim, comprar ordens tornou-se ainda mais agressivo e ordens de venda mais passiva. Para ordens de
venda o aumento do risco picking-off ajuda a explicar a mudana a preos mais passiva.
Em termos de frequncia de negociao, Beber e Caglio (2005), ligado frequncias mais altas para
menos buy agressivo e ordens de venda mais agressivas. Eles conclu ram que estes resultados
eram consistente com o agrupamento de negociao baseada em liquidez no lado da venda.
Note-se que a crescente adoo de negociao algortmica e tamanhos de queda de ordem
significa que fluxo de comrcio est a aumentar significativamente. Assim, em termos de
informao, agora h mais rudo em os mercados; fluxo de comrcio no o indicador era uma vez.
Outros factores base de liquidez
Outros atributos Assel-spccific tambm pode ser utilizado como uma proxy para a liquidez. Mais
notavelmente para aces, podemos usar a capitalizao de mercado das empresas como um guia.
Da mesma forma, o crdito ratings tambm podem ser usados para ajudar a diferenciar entre a
liquidez dos ttulos.
Para as empresas negociadas na NYSE Area, Bongiovanni, Borkovec e Sinclair (2006) constatou
que ordens ocultas foram usadas mais para as empresas de capitalizao menores, como mostra a
Tabela 8-3.
26
43
Caixa baixa
<$
1500000000
26 0
20 70 0 0
87.800
72.000
37 0
300
20 0
55 0
45 0
320
% Do comrcio escondido
21
23
28
% Fugazes / pedidos cancelados
11
13
Cap Grande
> 10000000000 $
# De aes
N de comrcios
Ta ma n ho m d io vis ve l d o
co
rcnioho m d io oc ulto
O m
ta ma
Mid Cap
Fonte: Bongiovanni, Borkovec e Sinclair (2006)
Tabela 8-3 Resultados para negociao na NYSE rea

Da mesma forma, Pardo e Pascual (2006) notou que as ordens ocultas eram mais comuns para o
menos frequentemente negociados constituintes do ndice espanhol. Enquanto para Euronext Paris,
Bessembinder, Panayides e Vcnkataraman (2008) constatou que at 50% das encomendas para o
menos lquido stocks estavam escondidos, em comparao com 30% para as empresas mais
lquidas. Mais uma vez, isso faz sentido,
242
pedidos
Colocao
de
uma vez que poderia esperar ordens ocultas para ser mais prevalente por ativos mais ilquidos, onde
sinalizao risco maior. Rudy Dc WinNc e Catherine D'Hondt (2005) tambm encontraram
escondido liquidez a ser negativamente relacionado com tanto volume de negocia o e capitalizao
de mercado.
Factores baseados no preo

Mais uma vez, no nenhuma grande surpresa que os fatores de preos, tais como volatilidade de
curto prazo e tendncias tm umaimpacto considervel na seleo de pedidos. Em particular, eles
afectam a fim agressividade, como comerciantes quer tentar apanhar com o mercado ou tirar
proveito dos preos favorveis.
Volatilidade
A probabilidade de execuo de ordens com limites claramente dependente preo: Quanto mais
prximo o limite de preo o preo de mercado atual, em seguida, mais chances ele tem de ser
preenchido. Maior volatilidade significa a faixa de preo observado provvel que seja mais
amplo e assim aumenta a probabilidade de execuo de ordens de limite. No entanto, ele tambm
aumenta o risco de sincc seleco adverso ordens arco mais propensos a erros no preo. Na
busca de compensao pela levantou adverso risco seleo, os comerciantes podem colocar
ordens menos com preos agressivamente. Isto por sua vez provoca barrar
a aumentar, tornando
ordens de mercado mais caro.
Vrios estudos tm confirmado que os comerciantes colocar ordens limite menos agressiva s
como a volatilidade aumenta; por exemplo, Ahn, Bae, e Chan (2001), Danielsson e Payne (2002),
Ranaldo (2004) e Bcbcr e Caglio (2005). Estes estudos tamb m observaram uma reduo na
utilizao de ordens de mercado. No entanto, tanto Ellul et ai. (2003) e Anthony Hall e Nikolaus
Hautsch (2006) observaram um aumento tanto limite e mercado de negocia o a fim de
volatilidade aumentou. Enquanto Joel Gideon Saar e Hasbrouck (2002) encontraram que as
ordens de limite eram menos propensos a ser apresentada co mo a volatilidade aumentou.
A volatilidade dos preos pode ser medido ao longo de uma vasta gama de timcscalcs, variando de
intra-dia para os que se baseiam em meses de dados histricos. Algumas das diferenas entre estas
emprica observaes podem ser explicadas por estes diferentes tipos de volatilidade. Curto
prazo, ou transitria, a volatilidade tende a refletir de perto a liquidez do ativo, enquanto a
volatilidade fundamental a mais longo prazo e muitas vezes orientada pela informao. Para
volatilidade transitria, Puneet Handa e Robert Schwartz (1996) mostrou que os ganhos do
fornecimento de liquidez superou o negativo risco seleco. Enquanto em um trabalho posterior,
Handa, Schwartz e Tiwari, (2003) tambm constatou que maior volatilidade fundamentais faz ordens
limite menos atraente devido sua maior valor da opo. Para que tais activos, eles concluram
que avessos ao risco e os comerciantes informados tendem a preferir o certeza de ordens de
mercado.
Estudos empricos tm tambm ligado positivamente o uso de ordens ocultas volatilidade.
Oculto ordens foram encontrados para ser mais comumente utilizado para a es volteis nas
negociaes sobre a rea NYSE por Bongiovanni, Borkovec e Sinclair (2006). Resultados
comparveis foram observadas para o Australian Stock Exchange por Michael Aitken, Henk
Berkman e Derek Mak (2001). Da mesma forma, Michael Fleming e Bruce Mizrach (2008)
descobriu que a volatilidade aumentou pricc o uso de ordens iceberg para Treasuries norteamericanos na BrokerTec do ICAP.
Curiosamente, a anlise das ordens ocultas da Euronext descobriu que pricc-driven liquidez
volatilidade afetou a carteira de encomendas de forma assimtrica. Um estudo realizado por D'Hondt,
Dc Winne e Francois-Heude (2004) constataram que a volatilidade orientado a liquidez
decorrente da lado lance a colocao de ordens de compra incentivada escondidos. Embora a
volatilidade sell side desencadeada mais oculto vender ordens. Eles concluram que os comerciantes
adotado ordens ocultas quando o risco de ordem aumentos de exposio.
Preo Momentum
Tendncias no mercado
Consequentemente,
arco
pricc
algo
que
muitos
comerciantes
seguem de
perto.
Algorithmic Trading &DMA243
mpeto pricc pode afetar as suas decises em ambos choicc ordem e agressividade. Ellul et ai. (2003)
analisaram a troca do impulso de curto prazo na NYSE. Eles encontraram um positivo
dependncia entre a freqncia de ordens de compra e o retorno dos ltimos cinco minutos,
enquanto uma correlao negativa foi observada para vende. Em um estudo similar, Beber e Caglio (2005)
usava um indicador de impulso com base na relao entre o preo e um mvel exponencial mdia (EMA):
P
MOM, ==
'EM ^ IPJ) AEMA
t_t(fj
-) + (1 - X) Pt
onde P o preo atual eo fator de deteriorao A ^ 0,95. Eles observaram que, como preo
mpeto aumentou, ordens de compra se tornou mais agressiva pre o, enquanto as ordens de venda
se tornou menos agressivo. Risco de no execuo claramente um problema para as ordens com
limites, em particular quando o pricc est tendendo distncia. Beber e Caglio (2005) concluram que
os comerciantes esperam tendncias positivas pricc para rcducc a probabilidade de execuo de
ordens de compra passivos, aumentando simultaneamente a probabilidade de ordens de limite de
venda. Por outro lado, o oposto vlido para preos para baixo momentum. Uma relao semelhante
foi tambm observado por Yue-Cheong Chan (2005) para o Hong Kong Stock Exchange.
O efeito contrrio foi observado para o ASX por Hall e Hautsch (2006). Eles encontraram
umadiminuio da agressividade ordem de compra para as tendncias de preos positivas, com
base em retornos de cinco minutos. Uma possvel explicao para estas diferenas que no estudo
ASX mais os comerciantes podem tem sido esperando uma reverso ao invs de uma tendncia de
preos prolongada. Assim, qualquer relacionamento entre impulso e preos ordem tambm deve
incorporar expectativas trader.
Colocao de ordem oculta tambm podem ser afetados por retornos recentes. Pardo e Pascual
(2006) noticcd uma dependncia positiva entre a proporo de ordens ocultas e Slock retornos intraday.
Eles concluram que os comerciantes utilizam ordens ocultas eram muitas vezes aps a prevalecente
tendncia pricc.
Tick-size
O tamanho tick representa o incremento mnimo permitido preo. Portanto, intimamente
alinhado com a oferta de lance spread. Tamanhos de carrapatos maiores geralmente ir fazer com que
a oferta de lance propagao Aumentar. Eles tambm torn-lo mais caro para pular na frente de uma
ordem, fazendo "pennying" menos atraente e ajudando a compe nsar em parte o risco de
sinalizao. Assim, em teoria, as ordens ocultas deveria ser mais comum para ativos com
carrapato-tamanhos inferiores. Larry Harris (1996) estudaram a relao entre tick-size e
exposio para que a negociao de ambos Francs e aes canadenses. Ele descobriu que os
carrapatos maiores encorajou mais exposio ordem. este Tambm foi confirmado em um estudo
emprico da parte francesa do NM Euro por D'Hondt, Dc Winne e Francois -Heude (2001) e por
anlise de Australian da Bolsa Troca por Aitkcn, Bcrkman e Mak (2001).
Fatores com base no tempo

Tempo tambm possui um efeito significativo sobre a colocao do pedido, se a hora do dia ou da
recente histrico de negociao. Muitas vezes, os mercados mais volteis arco em torno de sua
abertura e fecho, da a adoo de leiles de chamadas.
Hora do dia
Condies de mercado mudem ao longo do dia; portanto, os comerciantes ajustar sua coloca o
fim decises em conformidade. Figura 8-15 mostra como o spread mdio, profundidade, volume
e volatilidade mudou para aes na bolsa espanhola em 2002, tomado de um estudo realizado pela
244
pedidos
Fonte: Abad, Sanabria e Yagiie (2005)
Colocao
de
Reproduzido wilh permisso dos autores
Figura 8-15 padres de liquidez intradia / atividade no mercado de aes espanhol em 2002
David Abad, Sonia e Jos Sanabria Yage (2005). As linhas tracejadas destacar trs distintos fases
ao longo do dia de negociao. No aberto, um perodo de menor liquidez durou em torno de duas
horas, com spreads mais elevados e profundidades relativamente baixo cotados. Isto corresponde ao
incerteza que os comerciantes enfrentam diariamente. A pr xima fase foi um perodo intermedirio
em que liquidez melhorada e diminuio da volatilidade. Isto pode ser explicado pelo fato de que os
padres comerciais ajudar a informao rel, diminuindo, assim, algumas das incertezas para os
comerciantes. Finalmente, o ltimo perodo, de cerca de 3:30, coincidiu com o Aberto dos EUA,
portanto, no havia um aumento substancial no volume de negcios. Embora, houve apenas uma ligeira
melhoria liquidez global.
Tendncias similares podem ser encontradas na maioria dos mercados. Por exemplo, uma
alterao na comparahle propagao relativa mdia combinada com um aumento da profundidade
acumulada conhecido pela umaestudo de estoques Xetra por Alexander Kcmpf e Daniel Mayston
(2008).
Claramente, a evoluo natural das condies de mercado durante todo o dia tem uma
significativa impacto sobre as decises de colocao de ordem. Basta saber que o mercado em breve
ser fechar pode forar as mos de alguns comerciantes. Na verdade, parece polarizar o
comportamento dos comerciantes; alguns tornam-se consideravelmente mais agressivo, enquanto
que os outros vo fazer encomendas mais passivos pouco antes da Fechar. A Figura 8-16 mostra
como o tipo de ordem pode variar ao longo do tempo, novamente retirado do Abad, Sanabria e
Yagiie (2005) estudo. Neste facilidade, pedidos de limite foram mais fortemente utilizado em o
perodo da manh incerto enquanto ordens de mercado dominadas como o dia chegou um fim. Da
mesma forma, vrios estudos da NYSE descobriram que os comerciantes tendem a colocar mais agressivo
ordens como o dia progride. Beber e Caglio (2005) observaram esta tanto para comprar e vender
ordens, enquanto Ellul et ai. (2003) verificaram que para o fim, pedidos de limite eram mais
propensos a ser prieed em ou dentro do oramento. Eles tambm descobriram que os comerciantes
colocado de forma menos agressiva ordens com limites razoveis no incio do dia.
245
ordem de
mercado ordem
de limite
cancelamento
0. 2
0510
15
20
25
Intervalos de quinze minutos
Fonte: Abad, Sanabria e Yagiie (2005)
Reproduzido com permisso dos autores
Figura 8-16 padres lntraday de encomendas no mercado de aes espanhol, em 2002,

Esta reaco parece variar de acordo com o local de execuo. Por exemplo, a Figura 8-17
mostra decises de colocao ordem durante todo o dia na NYSE Area, a partir de um estudo
realizado pela Bongiovanni, Borkovec e Sinclair (2006). Eles descobriram que para as encomendas
eram prximos mais probabilidade de ser passivo, com preos fora do mercado. No incio do dia, o
Limit Order Placement
0.80
u
^
MELHOR
AUSEN
TE
OAT
J'J *
&
J*
<V
n$>-.<$>' #
rfV
<V
<b "
.<$>
V
A "A-

Reproduzido com permisso da ITG Inc. e Institutional Investor
Figura 8-17 probabilidades de colocao Entrega NYSE Area com base no tempo do dia
246
pedidos
Colocao
de
decises de colocao foram divididos de forma bastante equilibrada entre os pre os no, melhor
ou para longe do melhor preo atual. Ento, ao longo do dia, a proporo de encomendas a preos
agressivamente diminuiu de forma constante. Eles observaram que o padr o de colocao de
pedidos mimickcd a propagao curva; tanto da alterao na escolha colocao da ordem pode ser
atribuda a este. Alguns esta diferena tambm pode ser devido ao facto de a NYSE rea eficazmente
um ECN de modo comerciantes pode adoptar estratgias ligeiramente diferentes na principal bolsa.
A hora do dia tambm pode afetar a deciso de colocar ordens ocultas. Estudos tm mostrado
que a proporo de ordens ocultas tende a aumentar no final do dia. Uma possvel razo para este
aumento foi proposto por D'Hondt, De Winne e Francois-Hcude (2001). Eles argumentaram que o valor
informativo de encomendas aumenta antes de um leilo de chamada. Portanto, antes do encerramento
do leilo ordens sofrer nveis mais elevados de risco de exposio, tornando- ordens ocultas
mais atraente.
9- minut e Interval s
Minut S- e Interval s
Fonte: D'Hondt, De Winne e Francois-Heude (2004) Reproduzido com permisso dos autores
Figura 8-18 comportamento Profundidade no (a) melhor (b) cinco melhores limites da
carteira de pedidos
Figura 8-18 mostra grficos para a profundidade carteira de pedidos total e vis vel para aes
no CAC40, ao longo do dia de negocia o. Esta a partir da anlise por D'Hondt, De Winne e
Francois-Heude (2004). Como podemos ver, a profundidade vis vel bastante estvel e aumenta
gradualmente ao longo do dia, tanto com o melhor limite e com os melhores cinco limites. No
entanto, nota a profundidade total voltil para o limite melhor na Figura 8-18 (a). Isto devido a
flutuaes considerveis na liquidez escondido durante todo o dia, enquanto que entre os cinco
melhores preos limite do oculto profundidade parece ser muito mais estvel.
Hendrik Besscmbinder, Marios Panayidcs e Kumar Vcnkataraman (2008) encontrado uma
247
aumento semelhante no uso escondido pedido no Euronext. Da mesma forma, Angel Pardo e
Roberto Pascual (2006) relataram a mesma tendncia para encomendas escondidos no espanhol
Stock Exchange.
Note-se que at agora tudo isto anlise foi para as aes. Para Treasuries dos EUA, e Fleming
Mizrach (2008) descobriram que a proporo de profundidade escondida foi muito mais elevado
fora da Nova Horrio de negociao York; na verdade, ele estava em seu menor 8:00-11:00. Por
isso, diferente comportamento pode tambm candidatar-se a outras classes de ativos.
ltima evento
A atividade de negociao muitas vezes agrupado, portanto, qualquer evento provvel que
aumente a probabilidade de outro acontecendo logo depois, se elas so novas encomendas,
modificaes ou cancelamentos.
Em sua anlise emprica da Bolsa de Paris Bias, Hillion, e Spatt (1995) encontrado umacorrelao
serial positiva para a chegada dos tipos de ordem. Em outras palavras, uma ordem de compra, muitas
vezes, ser seguida por outra compra. Resultado semelhante foi encontrado em um estudo da NYSE por
Andrew Ellul et ai. (2003). Note-se que este efeito no limitado aos mercados de aes, por
exemplo, Damclsson e Payne (2002) descobriu uma correlao de srie para a colocao de pedido no
Reuters ' Lidar 2000 sistema de corretagem FX.
Hans Degrysc et ai. (2005) encontraram uma correlao semelhante em seu estudo de estoques de
franceses. Porm, eles tambm descobriram que no havia uma alta probabilidade de que uma ordem
preo agressivo Seguiu-se um priccd mais passivamente um, tanto para comprar e vender ordens. Eles
atriburam isso para os comerciantes que reagem mudana de propagao aps ordens agressivas. Da
mesma forma, Ellul et ai. (2003) descobriram que, depois um fim comercial tinha consumido liquidez,
pedidos de limite eram mais propensos a chegar no lado oposto da carteira de encomendas, em vez de
substituir a profundidade perdido em o mesmo lado.
A pesquisa est continuando a olhar para por que tal correlao serial ocorre. Na verdade, o
evidncia emprica ainda est em desacordo com alguns dos modelos tericos. Por exemplo, um
modelo criado por Christine Parlour (1998) previu uma correlao serial negativa, uma vez que
seqencial compra ou vende reduzir a probabilidade de execuo. A correlao positiva muito
provavelmente devido para uma combinao de fatores, com base na ordem de colocao strategics dos
operadores e sua reao a tendncias de preos de curto prazo. De fato, um estudo de dados da NYSE
por Wee Yong Yeo (2008) ascrihcs mais de dois teros da correlao como sendo devido a encomendar
estratgias de diviso e subcotao dos preos.
8.5
Lidar com liquidez oculto
Uma srie de estudos examinou o impacto da liquidez escondido, se este de totalmente ordens ocultas ou
a parte escondida do iceberg. A liquidez oculto ou inferida a partir de dados carteira de
encomendas ou por meio da anlise de dados de cmbio privadas. Principalmente, esses estudos tm
centrou-se nos mercados de aces. Tabela 8-4 mostra as estimativas para a proporo de ordens
ocultas utilizados nos principais locais dos EUA, com base em an lise pela Rosenblatt Securities
(2009). Claramente, uma proporo significativa de fluxo de ordens nestes locais est agora escondido.
Estudos acadmicos encontraram resultados semelhantes, por exemplo, Laura Tuttle (2003)
constatou que at 20% da profundidade para dentro NASDAQ 100 aes estava escondido. Na Europa,
D'Hondt, De WinNc e Francois-Heude (2004) relataram que, para CAC 40 aes da Frana cerca
de 35% dos o volume de pedidos para os cinco melhores limites estava escondido. 2Da mesma
forma, Bessembinder, Panayides e Venkataraman (2008) constatou que cerca de 45% do volume de
encomendas foi escondido para uma
D'Hondt (2008) utilizou estatsticas de melhoria de execuo para a Euronext irack volume oculto. Ela descobriu
que 37% das ordens elegveis transaccionveis recebeu melhoria execuo, e assim tinha negociado com ordens ocultas.
Colocao de
248
pedidos
Foro
NASDAQ
BATS
Direct Edge
NYSE rea
ADV oculto (Abril de 2009)

em milhes de aes
243.2
88,2
65,2
63,1
% Do volume
de local
10,4
4.8
4.6
3.4
Fonte: Rosenblatt Securities (2009)
Tabela 8-4 Oculto estimativas de volume para os livros de encomendas de grande Aces
locais dos EUA
amostra de 100 aes negociadas na Euronext Paris. Enquanto Pardo e Pascual (2006) constatou
que para sua amostra de operaes no mercado de valores espanhol ao redor 18% envolveram
escondido volume.
At agora, tem havido menos anlise do uso de escondido lor liquidez outras classes de ativos. Para
Tesouro dos EUA o uso de ordens iceberg no ICAP ' s plataforma BrokerTec foi analisada por Michacl
Fleming e Bruce Mizrach (2008). Eles descobriram que o uso foi relativamente baixo em mdia
(cerca de 3,3% para a nota 2 anos); embora quando havia profundidade oculto, que era substancial.
Totalmente ordens ocultas tornaram-se populares, mais uma vez, em parte devido ao sucesso do
ATS "dark pool". Trocas tinha sido a mudana para as ordens icebcrg parcialmente visveis, mas
agora comearam a oferecer ordens puramente visveis novamente. Um estudo por Amber Anand e
Daniel Weaver (2004) constataram que a profundidade total vis vel para aes canadenses no
alterar se ordens ocultas foram autorizados ou no. No entanto, a profundidade real da indstria
cresceu com a sua reintroduo. Eles concludcd que as ordens ocultas aumentou o uso do livro de
ordens limite e forneceu liquidez que no teria j foi disponveis. Tuttle (2003) relataram achados
semelhantes para o volume escondido em NASDAQ.
Spotting liquidez oculto

Ordens ocultas e "dark pool" ATS representam uma importante fonte de liquidez adicional.
Manchas ou prever onde qualquer liquidez podem estar dispon veis pode dar uma vantagem
significativa.
Embora ordens ocultos podem ser utilizados para reduzir o risco de sinaliza o importante
lembrar que eles nem sempre so realmente invisvel. Por exemplo, em locais com livros de
encomendas visveis a outros participantes do mercado pode tentar rastrear pedidos ocultos, seguindo
mudanas na carteira de pedidos e comparando-os com os comrcios relatados (desde que so
relatados em tempo real). Isso mais difcil para os locais completamente opacos, como alguns "dark
pool" ATS, mas alguns participantes ainda podem tentar encontrar essa liquidez.
Para procurar liquidez escondido devemos comparar o tamanho ea pricc do comrcio com o cach
Livro de Ofertas. Qualquer discrepncia pode significar liquidez adicional, ou eles podem ser
devido a umaatraso entre o preo eo comrcio alimenta.
Por exemplo, a Figura 8-19 mostra a carteira de encomendas antes e depois um comrcio para 500
no ABC
101. Dado o preo do comrcio e do fato de que lado da compra dos restos gancho fim
inalterados, presumivelmente, o comrcio foi desencadeada por uma ordem de mercado para comprar
500 ou um ordem de limite comercializvel com um limite de 101, possivelmente com uma COI ou
instruo encher-ou-matar.
No lado do sell, observe o novo S4 fim de 1000 em 101. Isso pode ser apenas um novo limite ordem;
Alternativamente, pode corresponder a uma outra parcela de uma ordem iceberg. Sem ser capaz
de identificar o proprietrio de cada ordem, difcil de dizer. Somente atravs do rastreamento do

livro de ofertas
249
Sells
Buys
Tam
anho
700
1500
Identidade
Temp
08:20:20
08:24:00
Pre
o
99
100
98
Pre
o
101
102
Tam
anh
o700
1500
Sells
Tempo
: 20: 00
: 22:
: 25
24:
09
Id
en
S2
tid
S3
Preo
Tamanho
Identidade11 i
SLL
700
S2
TT7T
. '(/ * /
101
101
: J o i 3 t, eu j o o o X S
41,500S3
l
102
(a) hefore
(b ) Afte r
Figura 8-19 livro Encomendar antes e depois um comrcio para ABC

continuamente pode wc comear a identificar padres regulares. Por exemplo, se a ordem tinha SI
sido originalmente para 1000 e 500 haviam executado anteriormente, poderia haver uma ordem
iccberg com um tamanho de display de 1000 na 101.
Continuando com nosso exemplo da Figura 8-19, outra ordem desencadeia comrcios de 2200
no 101, deixando o livro de ordens, como mostrado na Figura 8-20 (b). O novo S5 ordem de venda
poderia ser apenas umacoincidcnce, mas tambm poderia ser um tamanho de 1.000 exibio para um
iceberg em 101, que apenas crosscd 500 com a ltima ordem de compra.
Buys
Identidade
Temp
08:25:00
08:20:20
08:24:00
Sells
Sells
Taman Preo
ho
100
1000
700
99
1,50098
Pricc
101
101
102
Tam
anh
700
1000
1500
Tempo
: 22:25
: 25: 30
: 24: 09
Identi
dade
S2
S4
S3
Preo
1 P Eu
TTTT
Tamanho
7Identidade
n o
ca .
TT7T7
ns
i pii
ono
ca
TJUY7T7
Lf
Eunisoo
TTTT
J o i W s o o X s sl
TUT
102
(a) antes
1500
S3
(b) depois
Figura 8-20 livro Encomendar antes e depois de novas negocia es para ABC
Um tamanho normal de exibio podem fazer encomendas iccberg mais fcil de detectar, embora o real
escondida liquidez pode ainda ser apenas estimado. Se os tamanhos de display iceberg s o
randomizados ou totalmente ordens ocultas so usados ento as coisas tornam-se ainda mais difcil.
Muitas vezes mais fcil de detectar liquidez escondido uma vez que tenha sido consumida.
Por exemplo, a Figura 8-21 mostra a carteira de encomendas antes e depois comrcios para 2000
ADE so relatados em 110.
Tempo
08:25:00
08:25:25
08:20:25
08:24:09
(a) antes
Buys
Sells
Buys
Iden
tida
B3
B4
B1
B2
Taman
ho
1000
500
1200
2000
Preo
110
110
109
108
Preo
111
112
Tamanho Identida
1200
2de8
B4
2500
B1
B2
Tempo
08:25:00
08:25:25
08:20:25
08:24:09
Tam
anho
| Q QQ
filho
1200
2000
Preo
44Q
44Q
109
108
(b) depois
Figura 8-21 livro Encomendar antes e depois de comrcios para ADE
O lado da venda da carteira de encomendas manteve-se inalterada, de modo a ordem de entrada

cruzada com ordens de compra e completou. No entanto, as ordens de Huy B3 e B4 s pode
contabilizar 1.500 do volume negociado, portanto, potencialmente 500 foi preenchido a partir de uma
ordem oculta. Uma vez que nenhuma nova ordem apareceu do lado da compra ea melhor oferta agora
109, a liquidez escondido a 110 podem bem tenham sido esgotadas. A nica maneira de descobrir o ser
para enviar um pedido a 110 e ver se ele preenchido.
250
pedidos
Colocao
de
Quando os comerciantes fazer descobrir liquidez escondido, sem surpresa, eles tendem a
colocar mais ordens agressivas na tentativa de se beneficiar de melhoria execu o. Assim,
descobrindo profundezas ocultas do lado da compra ir resultar em ordens de venda mais agressivas.
Pardo e Pascual (2006) encontraram evidncia emprica para este no espanhol Bolsa de Valores,
assim como D'Hondt, De Winne e Francois-Heude (2004) para Euronext Paris.
Ainda assim, mesmo que a liquidez oculto se esgota o tempo de nossas ordens chegar ao local, n o
sempre a oportunidade para mais. Como Bongiovanni, Borkovec e Sinclair (2006) apontam, uma vez
liquidez escondida foi descoberto h uma boa chance de que mais voltar no futuro prximo.
Estimar a probabilidade de liquidez oculto

Como j vimos, a proporo de ordens ocultas dependente das condies de mercado como o
spread, volatilidade dos preos e dinmica, bem como por fatores como a hora do dia. A
agressividade dos pedidos ocultos pode estar relacionada com a profundidade de livro de ordens
na mesma lado. Portanto, os modelos para estimar o tamanho ea localiza o de liquidez escondido
deve incorporar estas vrias condies.
Outro fator importante para a disponibilidade de liquidez oculto o tipo de pedidos que so
fornecidos pelo local. A ordem totalmente oculto pode existir em qualquer lugar no livro de ordens como
um ordem de limite de p, embora se deva dar prioridade aos pedidos apresentados. Para alguns
mercados que apoio totalmente as ordens ocultas, a liquidez pode at existir entre o melhor lance
atual e oferta. Alternativamente, as ordens iceherg nica esconder uma parcela de seu tamanho total
do pedido. Um ordem iceberg preo agressivo far com que o mercado, tornando-se assim o novo
melhor oferta de compra ou oferta. Ento, usando essas ordens de liquidez s pode ser escondido
em, ou para trs, o melhor lance ou oferta.
Um bom exemplo de prever a colocao de ordens totalmente ocultos fornecido por um estudo de
negociao na NYSE Area por Steve Bongiovanni, Milan Borkovec, e Robert Sinclair (2006) a partir
de ITG Inc. Eles usaram modelos para estimar o tamanho ea localizao das ordens ocultas
baseado em uma mistura de condies de mercado em tempo real e histricos. Em primeiro lugar, eles
identificaram todos os comrcios que executaram com ordens ocultas e extradas as condies de
mercado associados, mape-los usando um modelo de regresso de probabilidade. Assim, para qualquer
conjunto dado de mercado as condies de trabalho para trs deu a mdia histrica para o tamanho
das ordens ocultas. Em seguida, eles usaram um modelo separado para estimar as probabilidades para
onde este volume pode ele oculta, novamente com base nas condies de mercado atuais, como a
disseminao e volatilidade.
Como exemplo, eles usaram o NASDAQ listados AGII estoque (Argonaut Group Inc.): No ltimos
cinco minutos, 1.000 aes negociadas, dos quais 30% foram classificados como oculto. Eles tamb m
note que a disseminao efectiva actual foi um desvio padro inferior ao seu histrico mdia,
enquanto que a volatilidade atual era metade um desvio maior que o normal. Ambos estes factores
sugerem que mais de liquidez escondida susceptvel de ser colocado. Usando estas condies, a
sua modelo esperado de cerca de 60 aes que estaro disponveis instantaneamente entre a melhor
oferta de compra e oferta, enquanto que em cinco minutos esta dever aumentar para cerca de 300
aces. Da mesma forma, a sua colocao modelo estimado que cerca de trs trimestres deste
liquidez sell escondido seria preo no oferta de melhor preo. Ao multiplicar estas probabilidades
pelas quantidades previstas, podemos criar uma avaria que mostra os tamanhos esperados escondidos em
cada nvel de preos, mostrado na Tabela 8-5.
Figura 8-22 mostra como nosso modelo de carteira de encomendas pode parecer uma vez que
essas estimativas tm sido incorporado. Isso deve ajudar a melhorar nossas decis es de
colocao de pedidos para os prximos cinco anos minutos.
251
Quantidade oculta estimado disponveis:

2minutes5
minutos
Instantnea
Preo $
Probabilidade%
35.00
35.01
13
4,6319
2,7683
35.02
12
23
8,0532
35.03
6
43
15
29
10,5157
109
207
74, 03 0 9
35.05
Tabela 8-5 Oculto estimativas de liquidez

Buys
Tama
nho
300
300
Sells
Sells
Preo
34.99
34.92
34,90
Preo
35.05
35,07
35.12
35.15
Tamanho
500
300
500
600
Priee
35-FX)
35.01
35.02
35.03
Tamanh
o
13
8
23
29
35.05
500
35,07
35.12
35.15
(b) depois
300
500
600
^ W35.05v- $ ^ '207
(uma)
antes
Figura 8-22 livro Encomendar antes e aps incluindo a estimativa de liquidez oculto
Para encomendas iccberg, um estudo emprico do CAC 40 aes na Euronext Paris por D'Hondt,
De Winne, e Francois-Heude (2004) descobriu que eles estavam centradas em torno dos cinco
melhores limites da carteira de encomendas. Figura 8-23 mostra seus resultados, traando a proporo
de pedidos feitos contra o seu nvel de agressividade. As categorias para a ordem agressividade so
baseados em os propostos pela Biais, Hillion e Spatt (1995) (ver seco 8.4), onde 1 o mais
agressivo e 6 a menos.
Fonte: D'Hondt, De Winne, e Francois-Heude (2004)
Figura 8-23 Proporo de ordens baseado na ordem agressividade

Como podemos ver a partir da Figura 8-23, o comportamento de compra e de venda semelhante,
com cerca de 25% colocada entre a melhor oferta de compra e oferta (grupo 4) e mais de 20%
colocada pelo melhor preo (lance de compra, oferta para vende). Eles so visivelmente menos
agressiva do que as ordens normais
Colocao
252
pedidos
de
com cerca de 35% colocado longe do melhor lance ou oferta (grupo 6) correspondente.
Outra caracterstica de ordens iceberg que o tamanho exibido nos d uma linha de base para
adivinhar o total de pedidos. Por exemplo, Angelika Esscr e Burkart Monch (2007) observaram
umapreferncia forte para o tamanho de visionamento escolhido para ser de 10% do volume total,
para o amostras em seu estudo de negociao no XETRA. Na verdade, quase 40% dos todos os
comerciantes seguiram esta tendncia, com 5% como o prximo tamanho de exibio mais popular.
Enquanto na Euronext Paris de Hondt, De Winne e Francois-Hcudc (2005) descobriram que o
tamanho de exibio mediana para encomendas foi iccbcrg cerca de 17%. Em um estudo anterior
da parte francesa do Euro Nouveau Marche D'Hondt, De Winne, e Francois-Hcudc (2001)
descobriu que mais de 70% do oculto ordens exibida a menos de 30% do seu total de pedidos.
Obviamente, no h garantia de que no h liquidez escondido, ou quo perto ele pode
combinar estas estimativas, vamos s descobrir quando colocamos uma ordem de compra (ou outra
pessoa docs). No entanto, estas estimativas podem ser de alguma ajuda quando se tenta choosc
entre locais.
8.6
Estimar a probabilidade de execuo
Probabilidade de execuo oferece uma outra maneira de olhar para a coloca o do pedido. Ordens
Limitadas sacrificar probabilidade de execuo para a segurana pricc, enquanto ordens de
mercado fazem o oposto. Como vimos na seo 8.4, uma ampla gama de fatores como liquidez,
volatilidade e tendncias pricc deve ser levado em conta. Ao incorporar todos esses fatores em modelos
adequados, o que pudermos estimar a probabilidade de execuo de qualquer ordem de limite. Tais
modelos de ordem limite permitir tanto os comerciantes e algoritmos para selecionar os preoslimite que melhor correspondam s suas necessidades comerciais e as condies de mercado atuais.
AXP
Fonte: Lo, MacKinlay e Zhang (2002)

Elsevier Reproduzido com permisso de Elsevier
BUD
Direitos autorais 2002
Figura 8-24 Survival sensibilidade funo para limitar o preo

Andrew Lo, A. Craig MacKinlay e junho Zhang (2002) modelou a depend ncia de tempos de
execuo com base no preo limite, o tamanho da ordem e as condies de mercado atuais. Eles
usaram uma tcnica estatstica chamada anlise de sobrevivncia para analisar os tempos de vida de ordens
de limite. UMA funo de sobrevivncia definida e avaliada para determinar a probabilidade de que
um limite especfico fim ainda est ativo aps uma certa quantidade de tempo. Esta funo pode ento ser
usada para inferir a probabilidade de execuo, uma vez que qualquer cancelamentos arco
contabilizados. Figura 8-24 mostra alguns
253
exemplos para duas aes da NYSE. Observe o quanto a probabilidade pode variar para diferentes
preos. Por exemplo, neste exemplo, uma ordem para Budweiser (BUD) tem sobre uma probabilidade
de 95% de sobrevivncia 30 minutos quando colocado um carrapato abaixo do limite pricc. Considerando
que uma ordem colocada um tick acima tem apenas uma chance de 55%. Claramente, para uma ordem de
compra mais elevado seu preo limite menor a sua probabilidade de sobrevivncia, e por isso quanto maior a
probabilidade de sua execuo. O modelo de ordem de limite ITG usa um modelo economtrico de tempo
de execuo de ordens, tambm com base em torno de anlise de sobrevivncia. ITG (2003) fornece um
bom exemplo, mostrado na Figura 8-25. Este grfico reflecte a probabilidade de execuo de uma ordem
para uma gama de preos limite durante a prxima meia hora. Ele destaca claramente as relaes nolineares entre a probabilidade de execuo e ambos pricc e tempo. Note-se que a forma de cada grfico
depender do activo, o tamanho de ordem, as actuais condies de mercado e da hora do dia. Por exemplo, o
grfico mostrado na Figura 8-25 representa uma compra de 500 aes para um estoque NYSE lquido. O
grande aumento
na probabilidade em torno do lance atual ($ 23,00) e oferta ($ 23,10) claramente visvel.
Fonte: ITG (2003)
Reproduzido com permisso do ITG Inc.
Figura 8-25 probabilidade de Execuo uma ordem de limite

Alm disso, noticc esse preo incrementos tm muito mais impacto no curto prazo, da a
superfcie um tanto enviesada.
Estimando a probabilidade de execuo simplesmente uma questo de selecionar um limite de
preo de o eixo inferior, combinando isso com o horizonte de tempo necessrio e, em seguida,
encontrar o probabilidade da superfcie do grfico correspondente. Portanto, para este fim
exemplo, sentado no lance fornece cerca de uma probabilidade de 25% de execuo dentro de dois
minutos, ou at 70% durante os prximos trinta minutos. Elevar os aumentos de preos limite este,
na verdade, configurando o limite para a oferta duplica a probabilidade de execu o. Portanto,
podemos usar esses modelos de ordem limite para estimar a probabilidade de execu o de nossos
pedidos. Alternativamente, alvejando umaprobabilidade especfica de execuo e um horizonte de
tempo podemos determinar o preo de limite achicvc necessria para isso. Por exemplo, se precisarmos
de 100% de certeza dentro os dois primeiros
254
pedidos
Colocao de
Figura 8-25 minutos, em seguida, sugere o uso de um limite de preo de $ 23,15.

Claramente, a liquidez varia ao longo do dia e assim altera a probabilidade de execu o. este
pode ter um efeito considervel, particularmente para locais de execuo alternativas, tais como "dark
piscina ATS ", onde os comerciantes podem optar por mudar para negocia o no principal bolsa
em torno do Fechar. Figura 8-26 mostra um bom exemplo disso, tirada de um estudo para ITG Inc. por
Hitesh Mittal e Ronald Taur (2008). Para a amostra de "dark pool" mostrado na Figura 8-26, ns podemos
ver claramente um declnio na probabilidade de execuo (ou taxa de acerto), pouco antes do fim. O efeito
mais pronunciada para as aes de grande capitalizao. Este provavelmente porque os volumes
substanciais sero negociadas nas principais bolsas de valores no fechamento.
Hora do dia
Fonte: Mittal e Taur (2008) Reproduzida
com a permisso de ITG Inc.
Figura 8-26 taxas de acerto para aes listadas em um "dark pool" ATS
Assim, para ser exato, modelos de ordem limite tem muitos fatores diferentes que eles precisam
levar em considerao. Embora, uma vez criados, eles podem ser uma ajuda inestimvel para o
processo de tomada de deciso. Como wc j vimos, podemos us-los para selecionar os preos limite
adequados com base na tamanho do pedido e os dados para as condies de mercado atuais. Isso
deve permitir-nos a procurar pricc melhoria sem sacrificar a probabilidade de execu o.
8.7
Resumo
Formao de preos um processo multi-etapa. O valor justo de um ativo reflete seu real pena que
o preo de mercado reflete o que as pessoas esto dispostas a pagar.
Pesquisadores microestrutura de mercado tm usado uma vasta gama de modelos para investigar o
mecanismo de formao de preos. Modelos baseados em inventrio tomar ponto de vista do
comerciante, enquanto os modelos de livros baseados em informa o e ordem supor que h
outras fontes de informaes, o que pode por sua vez affcct precificao de ativos.
Descoberta Pricc Execuo / comrcio geralmente conseguida pela negociao bilateral (com um
market maker) ou por meio de leiles (contnuo ou baseada em chamar).
255
Leiles contnuos normalmente priorizar os pedidos com base no seu pre o. Prioridade
secundria comumente atribudo ao tempo (por exemplo, mercados de aces) ou pro-rata
(tamanho) (por exemplo listada derivados). Embora, no h uma srie de outras variantes,
particularmente para pro-rata correspondente.
Mid-ponto partidas pode ser utilizado para locais que no tm a sua prpria descoberta de
preos mecanismo; aqui o preo originria externamente, muitas vezes a partir da troca
primrio.
Decises de colocao de ordem nos obrigam a escolher onde estamos preparados para o
comrcio e como (que ordem tipos wc usar), bem como o grau de agressividade que ir preo
e tamanho nossa ordcr / s.
Em mercados cada vez mais fragmentadas de hoje, escolher onde colocar uma ordem pode ser to
importante uma escolha como o preo ou tamanho.
Pesquisa microestrutura de mercado emprica analisou como as decises de colocao de

ordem e probabilidade de execuo so afetados pelas condies do mercado. Escolha ordem e
agressividade so afectadas pelo:
espalhar
ordem de profundidade livro e altura
volatilidade
outros factores, tais como a hora do dia
Ordens ocultas podem ser uma importante fonte de liquidez adicional, as condies de mercado
podem tambm ser usada para estimar a probabilidade de encontrar qualquer.
Modelos de ordem limite de fornecer estimativas para a probabilidade de execu o de uma

ordem. Tal modelos fornecem uma base mais quantitativa para seleo de ordem.
257
Chapter9
Tticas de execuo
Executiontactics
quando
focuson micro
trading.They
monitorizao
9.1
estamos
nvel decisionsthat necessidade de

responsvel por
a carteira de pedidos e managingorder
ser feita
actualexecution,
submisso.
Introduo
Tticas de execuo representam as escolhas micro-nvel que devem ser feitas durante a
negociao. Normalmente, isso significa a colocao e gerenciamento de pedidos. A diviso do
trabalho entre algoritmos de negociao e tticas de execuo mais claro para os algoritmos
baseados cronograma anteriormente. Por exemplo, numa tudo algoritmo dia VWAP o horrio de
negociao pode ser baseado em torno de 15 volume minuto "baldes". Durante o primeiro perodo,
pode apontar para o comrcio de 3.000, 2.000, em seguida, na prxima e assim por diante. Assim,
para cada perodo de 15 minutos uma ttica de execuo pode ser encarregada de comrcio uma
quantidade especfica. Ele pode simplesmente optar por colocar uma nica ordem de limite ao melhor oferta
ou oferecer; Em alternativa, pode cortar a quantidade em uma srie de pedidos menores, como mostrado
nas Figura 9-1. De certa forma, uma ttica de execuo pode ser pensado como um mini-algoritmo,
com um horizonte negociao de segundos ou minutos em vez de horas.
Figura 9-1 Comparando Algoritmo de negociao e execuo horizontes ttica
Tticas de execuo
258
Para atingir seus objetivos, tticas de execuo muitas vezes adotam uma gama de comum
mcchanisms comerciais. Como vimos no Captulo 4, dinmico ordens arco tornando cada vez mais
sofisticado, portanto, no so muitas vezes crossovers entre tticas de negociao comuns eo real
tipos de ordens subjacentes. Por exemplo, pegging est obviamente relacionado s ordens
atreladas, enquanto esconderijo depende de iccbcrg e tipos de ordens ocultas. Embora, no todos os
locais de apoiar estes tipos de ordem, de modo tticas de negociao pode fornecer uma abstrao
conveniente. A ttica pode ento uso os tipos de ordens nativas, ou adotar uma estratgia de colocao
de pedidos que imita essencialmente o comportamento exigido para locais que no os suportam.
Alternativamente, tticas de negociao tambm podem empregar uma lgica mais complexa do
que est atualmente disponvel atravs de tipos de ordens nativas.
Como algoritmos de negociao evoluram, muitos agora acompanhar as condies de mercado em
um tick-by-tick base. Uma maneira de se adaptar s novas condies lo usar tticas diferentes de
execuo. Quando as condies de mercado so favorveis, uma abordagem agressiva pode ser
empregada; em seguida, como eles tornam-se menos favorvel, poderia voltar a usar uma mais
passiva.
Note-se que importante perceber que no tem que ser um-para-um relacionamento entre
algoritmos de negociao e tticas de execuo. Alguns podem usar vrios algoritmos tticas de
execuo em paralelo, deixando as passivas ao comrcio sobre um horizonte mais longo enquanto
mais rpido, tcnicas mais agressivas tirar proveito dos preos favorveis.
9.2
Projetando tticas de execuo
As tticas de execuo mais simples so estticos; assim toda a lgica reside com o algoritmo de
negociao. Efetivamente, estes consistem apenas de encomendas crian a diviso ao mercado
com um adequado preo. Abordagens passivas adotar ordens de limite ao preo de ou atrs do
mercado, enquanto os agressivos usar qualquer mercado ou ordens de limite comercializ veis.
Tticas neutros arco mais flexvel. Eles podem comear de forma passiva, buscando preo
melhoria, mas se eles no conseguem executar dentro uma certa quantidade de tempo que vai
actualizar ou cancelar as ordens existentes, substituindo-os por outros mais a preos agressivamente.
O prazo para a execuo pode ser apenas um perodo fixo (digamos cinco minutos). Alternativamente,
pode ser determinada a partir de um modelo de ordem de limite, como vimos no Captulo 8.
Tticas que so mais dinmicos tendem a considerar as condies de mercado ao fazer pedidos
opes de posicionamento. Por exemplo, como vimos no Cap tulo 8, as condies para que o
livro geralmente tendem a incentivar os comerciantes a placc menos agressiva priccd ordens arco:
spreads maiores
profundidade suficiente, ou preos mais afastadas, no lado oposto da carteira de

encomendas
profundidade insuficiente, ou preos prximos, do nosso lado da carteira de

encomendas
Dadas as condies favorveis, uma ttica orientada para o preo passivo pode muito bem preos dos
seus pedidos mais do mercado, buscando a melhoria dos preos. Alternativamente, / tticas drivcn
custo de risco podem optar pesar os custos potenciais e decidir se melhor esperar ou tomar uma
imediata acertar. Tticas oportunistas podem negociar agressivamente para aproveitar as condi es
atuais.
Assim, em termos gerais, as tticas de execuo podem ser classificados de acordo com os
objetivos que orientam a sua utilizao, assim como ns catcgorised algoritmos de negociao no
Captulo 5. Alguns exemplos comuns arco mostrado na Tabela 9-1.
Em geral, a ttica orientada para o impacto se a apoiar impacto no mercado reducc dividindo o
encomendar em quantidades menores ou ocultando uma parte dele. Preo abordagens / impulsionada
pelo risco nos esforamos para ajustar dinamicamente com base nas condies de mercado. Da mesma
forma, os oportunistas olhar para aproveitar quando as condies so favorveis.
259
Orientada para o
impacto
Cortando
Escondendo
Preo /
impulsionada
RiscoCa madas
Oportunista /
impulsionada
LiquidezBusca ndo
Atre la r
Snip ing
Routing
e mpa re l
ha me nt
Catc hin g
Tabela 9-1 comuns de negociao tticas / Mecanismos

Note que um monte de funcionalidade aplicvel entre os vrios tipos de modo que essas
categorizaes arco apenas diretrizes; diferentes abordagens pode muito bem us -los em uma "pick
'n mix "de moda. importante lembrar que o algoritmo de negocia o ainda o principal motor
da a estratgia de negociao, mas, selecionando as tticas de execuo mais apropriadas, wc pode
promover melhorar o desempenho.
Tticas orientada para o impacto

Assim como algoritmos de negociao orientada para o impacto quebrar a ordem em quantidades
menores, estes aplicar tticas uma abordagem semelhante ordem de colocao. Ordem de corte
geralmente cria tranches que so placcd sequencialmente. Alternativamente, as ordens criana pode
estar oculta, quer com o tipos de ordens apropriadas, ou enviando o fim de um ATS opaco.
Cortando
Pedido de corte essencialmente o precursor para os algoritmos-driven schcdule iniciais. Dito
isto, ele ainda pode ser uma abordagem til. A reduo do tamanho de uma encomenda pode diminuir o
seu impacto no mercado e qualquer risco de sinalizao associado, embora custa de probabilidade
execuo.
Tticas de execuo geralmente se concentram em um perodo de tempo muito menor do que um
algoritmo de negociao. Para exemplo, um sobre o algoritmo VWAP dia pode precisar negociar
100.000 ABC. Embora, em
um perodo de dez minutos, ele pode precisar apenas de a ttica de
execuo para trabalhar 3.000. Dependendo do mercado, 3.000 ainda poderia ser demasiado grande para
colocar como um nico pedido, por conseguinte, a fim de corte pode ser utilizado para este rcducc um
scries de tamanhos menos noticcable. A aleatorizao uma forma de ainda mais reduzindo o risco de
sinalizao. Isso se aplica tanto as quantidades a serem divididos e o tempo entre cada ordem de
criana. Caso contrrio, um padro de negociao muito previsvel emerge, o que pode ser aproveitada
por outros participantes do mercado. Por exemplo, a Figura 9-2 mostra duas diferentes
18 0 -
160
140
.
12 0 -
100 -
40
20
0
Strate
EuEu
gy 1
Figura 9- 2 Duas tticas divisionistas ordem alternativa
Strategy 2 J T i m
260Execution
ttica
tticas para dividir uma ordem para 1.000 ABC em relao ao mesmo perodo de tempo.
Claramente, quanto mais aleatria segunda estratgia mais difcil de adivinhar.
Sequencialmente usado, a fim de corte age efetivamente como um mecanismo de esconderijo. Pode
ser adoptadas para criar ordens iceberg sintticos para locais que no tm suporte nativo para este tipo
de ordem. Nota que existe uma diferena fundamental entre o corte ordem e ordens iceberg nativas, como
vimos no Captulo 4: Para encomendas iceberg nativas, a parte oculta ainda parte da carteira de
encomendas, e assim por ainda podero participar plenamente no mecanismo de comrcio de
passagem, ainda que apenas com prioridade preo. Considerando um mecanismo a fim de corte
depende de confirmaes de execuo para saber quando ao lado enviar outra fatia fim. Uma vez
que estas so expedidas aps o processo de correspondncia, vamos potencialmente perder
algumas oportunidades de passagem.
Por exemplo, considere um requisito para vender 10.000 ABC, a partir do qual ns dividimos um fim
criana inicial para 1000 em 101 como SI. Figura 9-3 (ac) mostra como um mercado de entrada Para
comprar 2.200 afeta a carteira de encomendas, enquanto que (d) mostra o resultado alternativa
para umaiceberg nativa.
Buys
Identidade
Temp
08:25:00
08:20:25
08:24:20
Taman
ho
1000
2000
1500
Sells
Sells
Preo
100
99
98
Preo
101
101
102
Tamanho
1000
800
2500
Tempo
08:20:0
0
08:25:2
5
08:24:0
9
Identi
dade
SI
S2
S3
Buys
08:20:25
08:24:09
Taman
ho
10.000
50.000
25.500
1QI
"TT7T
101
TvTTu \ 7v7
Preo
404404
402
101
102
Tamanho Tempo
1estouro 08:20:00
800
08:25:25
400
8'21 "09
. "850" 08:26:00
2,1008: 24: 09
9QQ
Eu sou jap
1UU
102 "2100
(b) Cruzes MO
CM
CO
C7
Ott
S3
Sells
Sells
Preo
100
99
98
Tamanho
1 OOP
Eu CTT
P ar a e
(a) antes
Identidade
Temp
08:25:00
Preo
Ident
idad
S+
ss
3S
S6
S3
(c) depois para um iceberg sinttico
Preo
mii
TvXT
Eupi
iQ |
i L Eu
IIU
101
102
Tamanho
Identidadeex
coc
lyvTvTXy
QQQ
vTT7vT
Ann
"TT7T7
600
2500
Li
co
TEV
OA
v> u
S6
S3 "
(d) para um nativo
Figura 9-3 Uma ordem cortando

exemplo
A oferta ao mercado cruzar imediatamente 1000 com a nossa ordem SI, enquanto outro 800
cruzar com a ordem S2. Como no h mais pedidos na 101, que agora ter que atravessar os
restantes 400 a 102 com a ordem S3. O local ir enviar confirmaes para estes preenchimentos. Uma
vez que a confirmao do pedido recebido, ns agora dividida outra ordem (S6), este cal para
850.
Em comparao, para uma ordem iceberg nativa sua prioridade preo significaria o tamanho oculto
concluda a ordem do mercado em 101. Como podemos ver na figura 9-3 (d), um novo tamanho de
exibio faria ainda foram divididos conforme ordem S6, 400 dos quais completa a oferta ao mercado.
Os restantes 600 (assumindo um tamanho de display de 1000) permanece na carteira de encomendas, e
agora tem preo prioridade. Portanto, as ordens iceberg nativas de um c mbio pode oferecer tanto
uma execuo mais rpida, e umamaior probabilidade de concluso.
Claramente, a principal desvantagem com a ordem de corte que podemos perder em
cruzamento oportunidades, desde a nossa colocao da ordem dependente do envio de
notificaes de execuo que acontecer depois. Neste exemplo, ns s conseguiu atravessar 1000
com a ordem do mercado, uma vez que o mecanismo de cruzamento conclui a ordem de mercado,
preenchendo com S3 antes que for notificado de que ordem SI preenchido. Note-se que quando da
venda em um mercado com tendncia ascendente em falta oportunidades de execuo menos de

um problema, mas em um mercado para baixo o que teria
261
resultou em uma perda.

A principal vantagem da ordem de corte que temos muito mais controle sobre o tamanho da
tela, assim a nossa segunda ordem pode ser dividido com um tamanho aleatrio, em vez de
simplesmente dividindo 1,000 de cada vez (850, neste caso, foi utilizado). Indicadores fim informao
livro e tendncia dos preos pode ser usado para selecionar a quantidade de exibio ideal e at
mesmo limitar preo.
Ordem de corte tambm pode ser aplicado em paralelo, permitindo negociao simultnea
atravs de vrias locais de execuo. Do mesmo modo, tambm pode ser usado para dividir
ordens atravs uma gama de preos; eficazmente esta a ttica de camadas, que vamos discutir
em breve. Tais meios versatilidade que corte ordem ainda pode ser uma ttica til, apesar de sua
simplicidade.
Esconde
ndo
Esconder tudo sobre a reduo do risco de sinalizao. Geralmente, utilizado para que as ordens
de outro modo fornecer liquidez, ou seja, em p ordens de limite. este risco reflete o potencial
perdas que pode incorrer a partir das informaes de que o nosso padro de negociao retransmite
para o outro mercado participantes. Por exemplo, colocando uma grande ordem de compra d
afastado nossas necessidades; de outros comerciantes ento reagir a esta, provavelmente,
aumentando o preo pelo qual esto dispostos a vender. Eles podem at mesmo cancelar as suas
encomendas para ver se estamos preparados para ir ainda mais alto.
Note que em alguns mercados multi-local de encontro escondendo pode ser to simples como
roteamento o fim de um local menos bvia, onde ele ir enfrentar menos concorrncia. Isto aplica-se
em nomeadamente para aces norte-americanas desde a regra de proteo de ordem introduzida
por regulamento NMS significa que as ordens placcd no topo do livro de ordens no devem ser
comercializados atravs de.
Ordens algortmicas arco implicitamente oculta, uma vez que a maioria das estratgias de s
liberar uma pequena poro da ordem para negociao imediata. No entanto, o risco de sinalizao
dependente tanto a ordem tamanho e liquidez do ativo. Na verdade, para ativos ilquidos mesmo
uma pequena ordem pode resultar na pricc abandonando como outros comerciantes tentar adivinhar
as nossas necessidades. Ns podemos avanar reduzir o risco de sinalizao usando tipos de ordens
ocultas, como mostrado na Figura 9-4.
Sells
Sells
Preo
101
101
^ 1UZ Ja
102
Tamanho
1000
3000
2000
Ident
SI
idad
S2
uma?*
S4
(a) Discricionrio
Preo
101
101
~ I o
Rf
101
102
Sells
Tam
anho
2000
3000
f
7000
4000
(b) Icebergue
Identida
de
SI
S2
S3 "
doente
S4
Preo
101
101
101
102
Tamanho
1000
2000
4,000
1000
Ide
SI
nti
S2
111
S4
(c) totalmente escondido
Figura 9-4 tipos de ordens ocultas

Ordens discricionrias, embora totalmente visvel, nos permitem esconder nosso preo limite
real. Para exemplo, na Figura 9-4 (a) ocultamos nossas verdadeiras intenes indicando nossa
ordem S3 com um limite de preo de 102, apesar de estarmos preparados para o comrcio em 101.
certo que poderamos aumentar a quantidade discricionrio para mudar nosso modo mais
profundo no livro de ordens; No entanto, este vai colocar ainda mais encomendas em frente de ns
em termos de prioridade de execuo. O tamanho completo tambm est visvel; da, as ordens
discricionrias so geralmente mais adequado para pedidos menores.
Iceberg ordens de ir mais longe e permitir-nos para exibir apenas uma poro da ordem,
enquanto que o restante poro escondida mantm prioridade pricc. Por exemplo, na Figura 9 -4
(b) temos que definir a tamanho do display para 1000, novamente indicados como fim S3. Os
restantes 7000 permanecer escondido at ordem S3 completada, embora manter prioridade de
preo ao longo do fim S4. Note que importante obter o equilbrio certo na seleco um tamanho de
display. Muito pequeno uma quantidade eo
26 2
Tticas de execu o
ordem levar mais tempo para ser concludo, uma vez que apenas a parte visvel ter tanto pricc e
prioridade tempo. Por outro lado, a seleco muito grande um tamanho de visualizao deve
permitir a concluso mais rpida, mas em um risco de exposio maior. Outro fator a considerar a
previsibilidade do visor tamanho. Dentro um estudo de negociao no XETRA, Angelika Esser e
Burkart Monch (2007) observaram uma preferncia distinta a utilizao de um tamanho de exibio
de 10% do fim-me. Claramente, isto ir variar em ambos os ativos e mercados; no entanto, a
natureza humana tambm desempenha uma parte; as pessoas muitas vezes preferem usar um
nmero redondo que fcil de calcular. Para locais que no suportam iceberg ordens, podemos criar
icebergs sintticos usando corte ordem aleatria, como vimos no seo anterior.
Ordens totalmente ocultos podem reduzir ainda mais a sinalizao de risco, de modo a Figura 9 4 (c) toda a nossa ordem HI est escondido. Algumas trocas, como o Australian Stock Exchange
(ASX) utilizados para oferta ordens totalmente ocultos; no entanto, na tentativa de equilibrar as
necessidades tanto institucional e varejo muitos usurios tm substitudo-los com ordens iceberg.
Dito isto, a introduo do novo "dark pools " via sistemas de negociao alternativos (ATS)
significa que as ordens totalmente ocultos esto agora a fazer um retorno.
importante lembrar que mesmo os melhores mecanismos esconderijos s pode realmente
atrasar o inevitvel. Outros participantes do mercado sem dvida, ser constantemente monitorando
o estado carteira de pedidos e comparar isso com os comrcios relatados para tentar encontrar liquidez
escondido.
Preo / tticas impulsionado pelo risco

Tticas impulsionado-Price pode ser baseado em mudanas no spread e tendncias de preos de
curto prazo. Para exemplo, como o fosso entre a melhor oferta de compra e oferta restringe ns
pode dar ao luxo de pagar o spread, e assim a ttica pode emitir ordens de limite mais
comercializveis ou mesmo ordens de mercado. Assim que o propagao alarga, preos mais
passiva utilizada.
Da mesma forma, para a evoluo dos preos, essas tticas podem reagir bem como os
algoritmos de negociao adaptativas que vimos no Captulo 5. Assim, um estilo de negociao
passiva tende a contar com as tendncias persistentes, precificando suas ordens ainda mais do mercado
durante tendncias de preos favorveis, a tentar maximizar melhoria de preos. Por outro lado,
durante as tendncias pricc desfavorveis, pode ordens de preos mais prximos do mercado para
tentar conter as perdas potenciais. Tticas baseadas em preos agressivos muitas vezes dependem
de tendncias de preos significa reverter, e assim eles se comportam de maneira oposta para as
passivas, tendo agressivamente vantagem de preos favorveis. As tendncias de preos pode ser
com base em previses ou inferidos a partir do desequilbrio carteira de encomendas. Por
exemplo, um excedente de sell volume no livro de ordens pode indicar o preo vai diminuir em
breve.
Tticas impulsionado pelo risco pode tambm considerar a volatilidade do preo do ativo e
quanto tempo eles no deixaram de executar. Estas podem ser combinadas para criar um factor
de tempo, que pode ento ser incorporado na deciso de colocao da ordem. Assim, para um
activo lquido no incio da sua execuo o fator tempo bastante menor; No entanto, isso aumenta o
tempo avana. Por menos ativos lquidos, este fator mais importante, e por isso mais provvel
para incentivar a colocao de ordens mais agressivas.
Em termos de mecanismos comuns, os pedidos podem ser em camadas ao longo do livro para
experimentar para maximizar tanto a probabilidade de execuo e do potencial de melhoria de
preos. Como alternativa, eles podem simplesmente ser atrelados a um preo de mercado, ou ligada a
uma base de custo- trancando mecanismo para reduzir o risco.
Camadas
A ttica camadas mantm simultaneamente uma gama de p ordens de limite. O arco ordens
espalhados por todo o livro de ordens, geralmente com diferentes preos -limite. Esta abordagem
visa tirar proveito dos movimentos de preos favorveis. Tambm para locais onde a
correspondncia baseada em
263
prioridade de preo / hora, a ttica camadas ajuda a preservar a prioridade de tempo para cada
fim. Isto porque quando o preo de mercado se move uma nova ordem pode ser dividido, em vez
de apenas uma atualizao Para coincidir com o novo nvel existente. Isto permite que as outras
ordens de camadas para manter a sua prioridade tempo na fila de carteira de encomendas.
Como Michael Aitken et ai. (2007) apontam, a prioridade tempo particularmente importante
para lquido aes que tm densamente povoadas livros de encomendas. A alta rotatividade de
ordens significa que se prioridade tempo est perdido, a nica maneira de recuperar com um
preo mais agressivo. Por exemplo, a carteira de pedidos na Figura 9-5 (a) mostra os nossos trs
ordens camadas SI, S2 e S5 para o ABC, variam de preo de 101 a 103. Comparado com o nico fim
S3 nossos pedidos combinados oferecer mais potencial para melhoria de preos, deve uma ordem
agressiva subida da carteira de encomendas.
Buys
Sells
Preo
Tamanho
Tamanho Preo
Identidade
1000
99
J 0 l _ ^ 1000
101
800
500
99
1800
98
102
2500
2400
98
t02 " f |
500 1
900
2500
97
97
(a) antes
, 10 3
EU .
1000
Tempo
08:25:20 S 5
08:25:00 S4
08:24:25 S3
08:24:09 2 S
*y
8: 23: 00S
Sells
Preo
100
Tamanho Tempo
500
08:26:20
Identidade
S7
* 10l'MI'l 000'M8: 25: 20ZS5;

muito
102
800
2500
08:25:00
8: 2425
S4
S3
"10 2! W " :5 0 0 IF8: 24: 0 9 " $ 2.

102
3000
08:26:05 S6
" ^ - 1 0 3 1 . 0 0 0 ^ 8: 23: 00- ^ 1 "

(b) um novo nvel de preos
definido
Figura 9-5 ordens Layered
certo, alguma probabilidade de execuo sacrificado, mas as ordens em camadas

tambm permite-nos mais margem de manobra para modificar ordens de prioridade sem perder
tempo. Por exemplo, quando novas encomendas S6 e S7 chegar, um novo nvel pricc fixado em
100. Supondo que queremos participar neste novo nvel, temos vrias opes. Se nossa exigncia
permite fazer um pedido adicional, em seguida, pode simplesmente dividir uma nova ordem S8 em
100. Porm, se ns no queremos aumentar a nossa exposio ento vamos precisar ajustar as
encomendas existentes. Por isso, poderia:
1.
2.
3.
4.
Atualizar o limite de preo No pedido S5 para ser 100.

Reduzir a quantidade de S5 e usar isso para dividir uma nova ordem S8 a 100.
Reduzir as quantidades de S1 e S2, em seguida, dividido novamente uma nova
ordem S8.
Reduzir a quantidade apenas para SI e dividir um novo S8 ordem.
Todas estas opes permitem-nos de participar em 100; na comparao de um nico pedido, como
S3, tem poucas alternativas em tal situao. Opo 1 nos deixa com nenhuma presena da ordem livro
em 101. Se o preo reverte ligeiramente poderamos perder a oportunidade de executar. Opo 2
aborda esta questo, no entanto, temos ainda reduzida a dimenso da encomenda que foi o
segundo mais provvel para executar. 1Para resolver este problema opes 3 e 4 o volume
requerido fonte usando ordens mais longe do mercado, reduzindo o impacto na nossa execuo
global probabilidade. Em geral, a opo 4 provavelmente a melhor abordagem 2, uma vez que
modifica a ordem menos propensos a executar.
Ento camadas ordens til para ativos de alta liquidez com livros de encomendas densas onde
alcanar prioridade tempo difcil. Atrelar o preo das ordens de manter -se com o mercado
seria uma opo cara, uma vez que iria continuar a reduzir a nossa prioridade. Considerando que,
pela estratificao encomendas em todo o livro, pode acompanhar os movimentos de preos,
sem afetar significativamente a nossa total
A reduo do tamanho teria mais efeito nas um local usando o preo / correspondncia ordem pr-rata.
Isto vlido independentemente de o local utiliza prioridade pre o / cal ou preo / pro-rata pelo seu correspondente
ordem.
264
Tticas de execu o
probabilidade cxccution.
Camadas til para ativos ilquidos, bem como, uma vez que h mais espao para pricc
melhoria, mas tambm melhora a profundidade visvel. Ganchos mais profundas com uma
gama mais baixa de preos tendem a promover ordens mais agressivos do lado oposto. Assim, hy
preenchimento de lacunas que pudermos reduzir o impacto previsvel do mercado e de modo a
tentar encorajar os participantes do outro lado para colocar ordens com preos mais favorvel.
Note-se que o preenchimento de lacunas significa apenas que, no significa Docs preenchendo
um vazio livro de ordens para um activo ilquido com ordens em camadas para dar a iluso de
profundidade.
Pegging
Ordens so atreladas uma convenincia, eles fornecem atualizao dinmica dos preos-limite que
reduzam o risco de erro de preo por p ordens de limite. Muitas vezes, essa ttica usada com
ordens passivas que est tentando se beneficiar de melhoria de preos. Pegging tambm pode ser
baseado no preo de outro activo, por exemplo, no par de negociao, ou contra um ndice de
mercado. Da mesma forma, para opes, delta-ajustado ordens arco eficazmente com base no
atrelado o preo do activo subjacente e delta da opo.
Cuidados devem ser tomados ao usar pegging desde padres de negociao regular pode
leva a risco considervel de sinalizao. Atrelar a cada 30 segundos 0,5 longe de meados da
dcada quase to predicable como o corte ordem vimos na Figura 9-2. Por isso, importante para
a randomizao reduzir a previsibilidade do comrcio Pegged, tanto para quando as
atualizaes feitas arco, bem como para seu tamanho. Duas outras questes potenciais com
pegging foram apontados por David Brown e Craig Holden (2005): as ordens atrelado pode
contribuir para a dinmica, uma vez que continuamente mudar liquidez com a tendncia
predominante. Eles tambm tm geralmente uma probabilidade inferior a execuo, uma vez que
em um local com base prioridade preo / tempo mudando o pricc limite, muitas vezes, coloc-los em
o fim da fila (a menos um novo nvel de preos definido).
Uma abordagem mais adaptvel pegging poderia incorporar as condies do mercado ou
previses de preos de curto prazo na deciso de se atrelar a ordem. Note que pegging pode apenas
como facilmente ser aplicado a ordem tamanhos. Assim negociao com base na ordem
disponvel profundidade livro fora peg ordens ao melhor lance ou oferta tamanho. Nota que a
maioria dos locais vai permitir que um fim de ser reduzidas em tamanho sem perder prioridade.
Aumentando o tamanho de uma ordem seria claramente desfavorecer outras ordens mesma faixa
de preo por trs dele na fila de carteira de encomendas, de modo a garantir equidade tal
actualizao resulta muitas vezes na ordem de derrotas a sua prioridade. Alternativamente, pode
ser belter a adotar uma ttica a fim de estratificao.
Catching
Essa ttica baseada em corte nossas perdas quando o preo parece ser tendncia longe de ns.
De certa forma, pode ser pensado como um trailing stop visvel. Para comear, vamos adotar uma
trancando bastante passiva mecanismo, como podemos ver na figura 9 -6.
Essencialmente, este um meio de ajustar dinamicamente o nosso limite de preo com base no
preo de mercado atual. A principal diferena do pegging que ele s funciona em uma direo.
Geralmente, travas de preos so utilizadas para (ry para manter quaisquer ganhos potenciais de
movimentos do mercado. Consequentemente, esse mecanismo usado tanto hy stops mveis e
ordens lamber-sensveis. UMAfecho positivo s vai se mover quando o preo sobe (por exemplo,
arrastando despejos vende e ordens downtick); enquanto um negativo apenas as faixas quedas de
preos (por exemplo, arrastando compra de parada e uplick ordens).
Figura 9-6 mostra uma ordem de compra de travamento positivamente lo Ihe melhor proposta;
Assim, apenas o seu limite de preo muda quando a melhor oferta sobe. Alm do trinco, pode-se
atribuir um limite de gatilho, tanto Como por uma ordem de paragem. Quando o preo de mercado
chega a esse ponto wc vai becomc mais aggress-
265
eu tenho, para tentar conter eventuais perdas. Este o ponto de disparo marcado na Figura 9-6.
Portanto, a nossa ordem vai agora ser fixado o preo com base na melhor oferta, pagando a
propagao para evitar mais perdas. Alternativamente, uma ordem de mercado pode ser usado at
mesmo, arriscando ainda mais impacto no mercado para garantir a execuo.
Tticas oportunistas /-driven de liquidez

Tal como acontece com os algoritmos de negociao oportunistas, essas tticas tendem a se
esforar para maximizar o benefcios de condies favorveis de mercado, como liquidez. A
busca ttica visa fonte liquidez adicional a partir de ordens ocultas. Tticas pode tambm incidir
sobre a reduo do risco de sinalizao. Claramente, quaisquer pedidos que placc vai mudar a
profundidade carteira de pedidos disponveis e assim afetar o desequilbrio global da ordem. Por
exemplo, se ns precisamos de comprar, mas j existe um desequilbrio desviada para o volume
de compra, em seguida, adicionando uma outra ordem de compra s ir aumentar a probabilidade
de um aumento pricc. Sniping tenta tirar vantagem da liquidez disponvel sem dar o nosso requisitos
prprios. Finalmente, roteamento corresponde a escolher os melhores destinos para enviar ordens
para, com base em uma variedade de critrios.
Buscando
A ttica procurar toda sobre encontrar liquidez escondido. Os participantes do mercado esto
constantemente acompanhamento da situao da carteira de encomendas e comparar isso com
os comrcios relatados para tentar detectar liquidez escondido. Com base nisto dados pode criar
modelos para estimar a probabilidade de quanto volume est escondido nos vrios nveis de preos
ao longo do livro fim, como vimos no Captulo 8. Note que estas so apenas estimativas; a nica
maneira que ns deve realmente saber se h qualquer liquidez oculto atravs da emisso de uma
ordem e, esperanosamente, a ser preenchido com um preo melhor.
Outra preocupao importante na busca de liquidez manter nossas prprias ordens
escondido; caso contrrio, podemos estar expostos ao risco de sinalizao considervel.
Queremos encher nossas prprias ordens com o melhor preo possvel, sem dar informaes
sobre as nossas necessidades reais. assim uma ordem persistente no vai fazer, em vez disso, ter
que usar tanto ordens de mercado ou comercializvel ordens de limite com instrues de
preenchimento especficos. Partindo do princpio de que queremos ser capazes de controlar nosso
mercado impacto ento podemos descartar ordens de mercado. assim a escolha agora entre os
vrios enchimento instrues disponveis para pedidos de limite: Destes, apenas-ou-morte
imediata encher-ou-cancelar e so adequados, uma vez que os outros todos saem ordens residuais
do livro de ofertas. A principal diferena entre as duas instrues que immediatc-ou-permite
cancelar preenchimentos parciais, enquanto encher-ou- matana tem uma rgida 100% exigncia
execuo.
Tendo em locais potenciais identificados na carteira de pedidos com liquidez escondido, tudo
o que precisamos fazer
26 6
Tticas de execu o
agora dar ordens apropriadas. Por exemplo Figura 9-7 (a) mostra uma carteira de encomendas
exemplo para o ABC de ativos. Neste exemplo, as nossas estimativas sugerem que pode haver
6.000 escondida para vender 101 (rotulado HI). Ao dimensionar a nossa ordem maior do que o volume
visvel no livro de ordens ns esto buscando liquidez escondido. Se o nosso pedido preenchido
ento pode bem ser escondido liquidez no que ponto de preo. Se liquidez suficiente no estiver
disponvel, nossa ordem imediatamente cancelado, no deixando nenhum vestgio do livro de
ofertas. Figura 9-7 (b) mostra a nossa estimativa de que a carteira de pedidos ser semelhante
aps a emisso de uma ordem de limite para comprar 3.000 ABC na 101.
Buys
Tam
anh
1000
2500
(a) antes
Sells
Price
100
99
98
Pricc
101
101
102
102
Tam
anho
6000
2000
1500
Tempo
08:25:00
08:20:25
08:21:2
5
08:24:0
9
Sells
Id
SI
III
2S
3S
__
.EU
.m
PriceSize
mii
V / I1
Tempo
Identidade
r\nn
p . o c N - nc
U . i - . T, V / vc
V7I
2 0 0
08:20:25
H4-
, \ " V C vc
Eu
. -101> R 1000 ^ 8: 28: 00 '': S4:

1013,000X: 20: 25III
. Eu
102
2,0008: 21: 25
S2
(b) depois
Figura 9-7 Um exemplo de busca por liquidez oculto
Na facilidade de uma ordem iceberg, uma nova tranche pode ser emitido, tais como ordem S4.
Porm, nem esta, nem uma execuo bem-sucedida garante que no h qualquer liquidez mais
escondido. Ns ainda precisamos de cuidado bochecha do estado carteira de encomendas antes e
depois; uma vez que potencialmente poderamos ter cruzado com outro fim visvel que atingiu a
carteira de pedidos ao mesmo tempo como o nosso. Se suficiente liquidez escondido est disponvel,
em seguida, o comportamento de nossa liquidez fim posicionamento ser o mesmo,
independentemente de se usamos um-ou-eancel imediata ou uma instruo de preenchimento-oumorte. No entanto, vamos agora supor que o tamanho escondida mostrado na HI apenas para 1500.
Uma instruo imediato-ou-cancelar significaria que o nosso pedido preenche 2.500 ABC em 101,
com a melhor oferta tornar-se fim S2 em 102. Aps ter consumido toda a liquidez escondido que
estava disponvel em 101, tambm podemos comentrios deste tamanho em nossa ordem escondida
modelos para ajudar a melhorar as estimativas futuras. Em comparao, uma ordem de preenchimento
ou-kill teria falhado para cruzar uma vez que existe insuficiente liquidez oculto; portanto, a ordem
seria imediatamente cancelada deixando a carteira de encomendas ainda parecendo Figura 9-7 (a).
Infelizmente, tudo isso nos tem dito que no h
no suficiente ABC escondido na 101.
Assim, as ordens de imediato-ou-eaneel oferecer uma forma de sondagem de liquidez oculto que
reduza a sua pegada sobre a carteira de encomendas e pode encher parcialmente, mesmo se a
nossa estimativa para a montante de liquidez oculto errado. Enchem-or-kill ordens so menos
indulgente neste ltima respeet devido sua exigncia de 100% de concluso. Negcios parciais so
importantes, pois no momento em que reenviar um fim algum mais pode j ter encontrado e
consumido qualquer liquidez escondido.
Sniping
Sniping uma ttica para a captura de liquidez, minimizando o risco de sinalizao. Com efeito,
uma caminho para demandantes de liquidez para esconder sua estratgia. Como alternativa,
apenas uma verso do buscando ttica de liquidez visvel. Reduzir o potencial risco para a
sinalizao usaremos ordens de limite transaccionveis com instrues de preenchimento
especficos. Isso nos d controle pricc e limites nossa pegada do livro de ofertas.
Quando a liquidez se torna disponvel, uma ordem agressivo usado para cruzar com isto.
Para exemplo, a Figura 9-8 mostra a carteira de encomendas como nova ordem SI chega,
oferecendo-se para vender 1.000 Abc a 101.
267
Buys
Tamanho Preo
Preo
Identidade
1000
100
101
102
1700
99
2200
98
104
Sells
Sells
Tamanho
1000
800
1100
Tempo
08:25:00
08:20:25
08:19:09
SI
S2
S3
Preo
404101
102
104
Tamanho Tempo
Identidade
900
08:25:0
S40
100
08:25:0
Si "
0
800
08:20:2
S2
5
1100
08:19:09 S3
(b) depois
(a) antes
Figura 9-8 Um exemplo fim sniping
A fim de agarrar essa liquidez recentemente disponvel emitimos a encher-ou-matar a fim de

comprar 900 a
101. Ao dimensionar a nossa ordem apenas menos do que o melhor tamanho de oferta, devemos
deixar um restante no carteira de pedidos, portanto, a offer spread bid permanece imperturbvel em
100-101. Isto um abordagem razovel, j que o desequilbrio carteira de pedidos est inclinado
para as compras, por isso, se tivssemos tomado todo o volume em 101, bem possv el que o
spread teria deslocado at um menos favorvel 101-102. Note que para sniping quer immediatc-oucancelar ou encher-ou- matar instrues pode ser igualmente til, com base em se queremos
preenchimentos parciais ou no.
Sniping tambm pode ajustar a liquidez disponvel. Por exemplo, se a ordem S2 na Figura 98 tinha sido fixado o preo em 101 poderamos ter executado 1700, sem alterar o spread.
Routing
O roteamento importante para mercados que tm uma gama de locais de execuo. Ao escolher
para onde enviar ordens, diversos fatores devem ser analisados. Obviamente, o preo e
quantidade chave arco disponvel para a deciso, mas outras consideraes importantes so a
probabilidade de liquidez oculta, a probabilidade de execuo bem-sucedida, latncia e
qualquer local custos ou taxas especficas. Mecanismos de roteamento constantemente tomar
essas decises, com base no dados disponveis, a tentar assegurar pedidos so enviados para o
destino ptima.
Como vimos em algoritmos de negociao baseada em liquidez, uma maneira comum de resolver
a dificuldade da negociao em mercados fragmentados usar agregao de liquidez. A carteira de
pedidos virtual pode ser criado atravs da recolha de dados de todos os possveis locais de execuo.
A partir disso, podemos, ento, tomar decises mais equilibradas sobre quanto ao comrcio e em
que nvel de preos. Tendo decidiu isso, ento, necessidade de converter os nossos requisitos em
ordens reais. Esta transformao maio ser realizado pelo algoritmo de negociao real;
alternativamente, pode ser delegada a um ttica de execuo baseado roteamento.
Figura 9-9 mostra uma extenso do exemplo vimos no captulo 5 de liquidez com base
algoritmos de negociao. A carteira de encomendas virtual foi decomposto de volta em seus
constituintes. Estes arco ordenados por preo, probabilidade de execuo e tamanho. Os
pedidos ocultos so apenas estimativas, e assim por arco colocado aps ordens visveis. Cada
entrada tambm sinalizado com o local que originado a partir, quer se ja a partir da troca
primria (Exch-1), uma alternativa comercial sistema (ATS) ou uma rede de cruzamento
eletrnico (ECN).
Ns pode ento usar essa viso para traduzir requisitos de ordem em ordens reais. Por exemplo, se
pricc a nossa principal preocupao, em seguida, wc deve tentar claramente para capturar qualquer
liquidez escondido na 101 na ECN-2. Se wc so mais conccrned sobre a probabilidade de execuo,
em seguida, devemos concentrar- sob as ordens disponveis no Exch-1, ECN-2 e ATS-2. Para
quantidades maiores, wc ser preciso rotear ordens para o uma maior variedade de locais.
Por exemplo, se wc precisa vender imediatamente 10.000 ABC, wc poderia focar apenas a
liquidez visvel, enviando os seguintes ordens da criana:
ATS-2: Vender ABC 700 a 100

ECN-2: Vender 1500 ABC a 100
268
Tticas de execu o
Exch-1
Buys
Identidade
XI
85
III
10
X2
85
H2
X3
85
Prob % SizePrice
1000
100
6000
100
4000
99
99
3000
2000
98
ATS-1Buys
Identidade
Prob %
7
80
11
79
17
82
100
ATS-2
Buys
Identidade
Prob % Tamanho
Buys
ECN-1
Identidade
ATS-1
El
70
E2
70
70
Prob
1000
3000
500
ECN-2
Identidade Prob
%
116
7
E480
H713
Preo
ECN-2
Exch-1
98
ATS-2
Exch-1
ECN-1
Exch-1
ATS-2
Exch-1
ECN-1
1500
2,0 (H)
Preo
101
100
100
11.000
7000
6000
2500
Preo
101
100
1 (00
99
99
98
Buys
Foro
Preo
ECN-2
ATS-2
Exch-1
ECN- 2
ECN-1
% Tamanho
100
99
Buys
Taman
ho
1000
Tamanh
o
I.IHH)
4200
Eu t
Prob % SizePrice
H3151,000
E3
Buys agregados
#
1
4
4
2
2
2
Prob
7
90
85
80
70
15
13
10
10
85
70
18
16
85
70
Tamanho
1000
700
1000
1500
1000
1000
2000
6,000
2000
4000
3000
3000
3000
2000
500
Preo
10)
100
100
100
100
100
100
100
100
99
99
99
99
98
98
Figura 9-9 Um livro ordem agregada ea sua repartio

Exch-1: Vender 5,000 ABC em 99
ECN-1: 2800 Vender ABC em 99
Alternativamente, poderamos tentar consumc parte da liquidez escondido criando ordens
Sediada em uma mistura de a probabilidade de execuo ea liquidez escondido estimado:
ATS-1: Vender mil a 100 ABC
ATS-2: Vender ABC em 1500 100
ECN-1: Vender mil a 100 ABC
ECN-2: Vender ABC em 3000 100
Exch-1: Vender ABC em 3500 100
Assim, somos capazes de rotear ordens facilmente utilizando diversos critrios, em um
esforo para alcanar o execuo nas melhores condies com base nas nossas necessidades.
O emparelhamento
Como vimos no Captulo 4, alguns locais de execuo de apoio uma gama de tipos de ordens
contingentes e condies; no entanto, a maioria dos lugares fazer no fornecem estes. Assim, um dos
principais aspectos da ttica de emparelhamento a imitar este comportamento, a fim de ser
capaz de ordens de links.
Quando da negociao de pares (ou cestos) de activos, o algoritmo de negociao se
concentra no gatilho, isto , Se a relao ou a propagao favorvel. Garantir que cach de os
ativos arco com sucesso comprado ou vendido pode ser delegada a uma ttica de execuo. Uma
vez que a execuo no pode ser garantida,
269
legging uma considerao importante. Esta a diferena em valor nas posies negociadas para
cada ativo. Certamente, legging muitas vezes leva a execuo por estas tticas.
Se uma quantidade razovel de legging permitida, em seguida, cada ordem pode quase ser
trabalhado separadamente. A ttica execuo pode escolher usar mecanismos padro, bem como
qualquer outra esttica, preo ou abordagem baseada em liquidez. Somente quando os alcances
legging o seu limite ser que precisa para tentar intervir.
Por exemplo, vamos considerar a compra de 2.000 JKL ativos e venda de 2.000 XYZ. Para
convenincia, assumir ambos esses ativos esto com preos em torno de $ 50. Nosso limite
definido legging para US $ 5.000, portanto, equivale a cerca de 100 ou de qualquer uma das JKL
XYZ. Ento, se ns j executou 400 JKL, mas apenas 300 XYZ, ento temos de abordar esta legging
antes de podermos pensar em comprar mais JKL. Da mesma forma, todas as ordens existentes para
JKL deve ser cancelada para garantir que no fazer ficar ainda mais patas. A fim de tentar recuperar
o atraso e reduzir a legging podemos converter todas as ordens existentes para XYZ para os mais
agressivos, enquanto o preo do XYZ permanece dentro de nossos limites.
Se uma quantidade insignificante de legging permitido, ento cada ordem ser condicionada de
outros. Figura 9-10 mostra os livros de encomendas para cada ativo. Por isso, o:
Compre ordem para 2000 JKL (B4) dependente de ser capaz de vender XYZ em
50,5
Vender fim de 2000 XYZ (S9) dependente de ser capaz de comprar JKL em 50,8
JKL
(uma) antes
(b) al ter
Figura 9-10 Um exemplo de ordens contingentes
Portanto, quando o B6 ordem de compra para XYZ subitamente cancelada, no pode mais
ter certeza de vender 2.000 XYZ em 50,5, por isso precisamos modificar nossa B4 ordem de compra
para JKL, reduzindo
para ele para 1000, como mostrado na Figura 9-10 (b). Essencialmente, cada
pedido atrelar ao que disponveis do mesmo lado do livro de ordens para o outro activo.
Observe que isso tambm pode significar a alterao do preo, bem como o tamanho.
Por sua vez, estes pedidos esto tambm ligados para o resultado de um ao outro, como o
contingente ordens que ns serra no Captulo 4. Isso significa que ns tambm pode precisar de
ajustar o tamanho da nossa vender ordem S9 para XYZ. Caso contrrio, poderamos acabar com cerca
de US $ 50.000 dos legging.
A liquidez relativa de cada ativo tambm importante: Se um activo signifi cativamente
menos lquida do que o outro, ento isso se torna um gargalo. Na verdade, as ordens para os ativos
menos lquidos tendem para conduzir todo o processo.
27 0
Tticas de execu o
9.3
Algoritmo seleco
No Captulo 5, wc viu como os vrios objectivos de investimento poderia ser traduzido em um

intervalo de algoritmos de negociao. Por sua vez, estes podem ento usar tticas de execuo para
realmente alcanar o seu visa. Esta diviso de responsabilidade ajuda a manter ambos os algoritmos e
as tticas de execuo mais simples. Nota que importante lembrar que o algoritmo de negociao
conduz as tticas de execuo, e no o contrrio. Por exemplo, um algoritmo que utiliza VWAP Preotticas de execuo movidas ainda est tentando rastrear o VWAP. As quantidades tericas e duro
limites de preo so ainda determinada pelo algoritmo. A escolha da ttica execuo simplesmente
torna um pouco mais sensvel ao preo na forma como ele coloca suas ordens.
Esta "diviso e conquista abordagem "tambm faz com que seja mais fcil reutilizar a mesma
lgica entre diferentes mercados ou mesmo atravs de classes de ativos. Por exemplo, ns poderia
muito bem ser capaz de "porto" um VWAP ou algoritmo dfice implementao construdo para
negociar aces norte-americanas para trabalhar tambm em Europa ou na sia. Embora, como
vimos no Captulo 3, os mercados financeiros do mundo ainda tm algumas diferenas substanciais.
Por isso, s devem obter o melhor desempenho se wc afinar o algoritmo para cada regio ou mercado
especfico. Fundamentalmente, ns ainda abordar o arco mesmo problema tanto do algoritmo de
lgica de negociao pode permanecer o mesmo. No entanto, o real execuo de ordens pode
precisar de ser bastante diferente. Portanto, poderamos criar tticas de execuo que so
personalizados para regies ou mercados especficos. Estes por sua vez, pode ser reutilizado,
potencialmente permitindo ns porturios outros algoritmos para novos mercados muito mais
rapidamente. Esta abordagem poderia mesmo algoritmos baseados em aces ser alargado a porta a
outros classcs de ativos, tais como futuros ou FX.
Tticas de execuo tambm permitem mecanismos comuns de comercializao para ser
compartilhado entre um amplo alcance de algoritmos. Isto particularmente til, dada a necessidade
crescente de personalizao e retorno rpido de novos algoritmos de negociao. Por exemplo, VWAP
moderno e algoritmos dfice implementao pode bem compartilhar algumas das mesmas tticas de
execuo, embora a nvel algoritmo seus objetivos so muito diferentes.
Tabela 9-2 resume algumas das as combinaes tpicas.
Algoritmo
Tactics
Tempo mdio ponderado Pricc

Volume Preo Mdio Ponderado
Impacto
Percentual do volume de
Impacto mnimo
Implementao Dficit
Custo
Adaptativo Dficit
Mercado On Fechar
Pricc inline
Oportu
nistas
Os pares / negociao Espalhe
Impact
o
dirigid
o
Preo /
Risco
dirigid
o0
o
o
o
Oportunista /
IJquidily
o
o
o
o
0
o
o
o
o
o
frequentemente usava
utilizados
O vezes
Tabela 9-2 tticas de execuo utilizados pelos algoritmos de negociao
271
Nota que a relao entre algoritmos de negociao e tticas de execuo no tem para ser
estritamente um-para-um; de fato, alguns algoritmos podem usar vrias tticas de execuo em
paralelo.
Algoritmos orientada para o impacto essencialmente usar a fim de corte tentar minimizar o
impacto global do mercado. Eles podem simplesmente ser conduzido por tempo (TWAP), um perfil
histrico de volume (VWAP) ou o volume real de mercado (POV). Assim, o algoritmo apenas
necessita a execuo tticas para trabalhar a ordem da melhor forma possvel. Ento, ns realmente
poderia usar qualquer uma dessas abordagens. Por exemplo, um algoritmo VWAP ou POV usando
tticas stealth-based ou oportunistas pode vir a ser uma boa maneira de reduzir o impacto no mercado.
Algoritmos custo-driven tem bastante um objetivo difcil de alcanar; eles precisam de ter em
conta impacto no mercado, risco temporal, e at mesmo fatores como tendncias de preos. Por
isso, importante que o tticas de execuo arco sintonizadas com isso e fazer No perca
oportunidades ou incorrer em custos adicionais. Por isso, estes algoritmos podem tambm adotar
vrias tticas. Eles podem alternar entre as abordagens, ou at mesmo executar tticas em paralelo.
Algoritmos oportunistas esto centrados na aproveitando sempre o mercado as condies so
favorveis; eles esto menos preocupados com a concluso de toda a ordem. Ento eles estamos
muito mais semelhante tcticas de execuo do que as outras duas classes de algoritmo. Por
exemplo, os algoritmos-driven liquidez tendem a adotar tticas de liquidez ou base de discrio. Da
mesma forma, par negociao implica um par base, ou abordagem contingente ordem, embora se a
legging suficiente tambm pode ser implementado com uma mistura de busca (para ativos ilquidos)
e sniping (para os mais lquidos). Algoritmos de preo em linha tendem a adotar uma gama mais
ampla, uma vez que eles arco essencialmente baseado num algoritmo orientada para o impacto
subjacente.
Fatores que afetam a escolha de tticas de execuo

Cada algoritmo de negociao bases a sua abordagem de negociao em uma ampla gama de fatores,
abrangendo objetivos do investidor, os detalhes do pedido e informaes especficas de activos.
No captulo 7 vimos como esses fatores affcct a escolha real do algoritmo de negociao. Para
tticas de execuo do principal fatores affccting sua escolha mais simples. Essencialmente,
isto depende tanto da condies atuais de mercado e como bem o algoritmo realmente executar.
As condies de mercado
Como algoritmos de negociao evoluram muitos agora acompanhar as condies de mercado em
uma base tick-by-tick. Internamente, eles podem usar essas informaes para alterar os seus padres
de negociao alvo. Elas podem tambm choosc ao comrcio mais ou menos agressivamente com
base em se as condies do mercado so favorveis ou no, como serra wc para o dfice
adaptativo e algoritmos embutidos preo.
Em termos de sua escolha de tticas de execuo, os algoritmos controladores podem decidc
para alternar entre mais ou menos agressivo abordagens, com base em sua percepo da atual
condies de mercado. Por exemplo, se a tendncia atual preo favorvel O algoritmo pode
adotar uma abordagem mais passiva, buscando a melhoria dos preos.
Alguns algoritmos podem usar vrias tticas de execuo em paralelo. Por exemplo, um
passivo abordagem baseada no preo pode ser deixado em execuo para tentar alcanar melhoria
de preos, enquanto mais tticas agressivas base de discrio pode ser usado para tirar proveito
de todas as oportunidades que surgir.
Liquidez outro fator importante. Embora esta seja principalmente um activo especfico
caracterstica, tambm podemos caracterizar este ao nvel do mercado / local com base em seus
spreads mdios e tamanhos comerciais.
272
Tticas de execu o
Spread mdio
o hid offer spread um dos indicadores mais visveis de liquidez. 9-3 mostra o Tabic spreads
mdios em pontos de base para uma srie de diferentes locais e classcs ativos.
De ativos classVenue
Capital prprio
Renda fixa
FX
Derivativos
NASDAQ
Euroncxt Paris
Itlia SE22
LSE
Hong Kong Ex 3
Singapore SE 3
Stocks
U.S Tesouro 2anos

U.S Tesouro lOyr
Ttulos corporativos
Local
S & P 500 futs E-mini
TRACE
EBS
CME
Mdia
propagao
/ bps
7
13
32
47
61
~3
~
6
~25+
l-3
~2
Fonte: Equidade: EDHEC (2007), FT Mandale (2006), de Renda Fixa: Edwards, Harris e Piwowar (2007) e
prprios cslimales de aulhor
Tabela 9-3 spreads mdios

Para os mercados onde alguns bens essenciais so altamente comercializados, como FX ou do
Tesouro dos EUA, a concorrncia garante que os spreads arco geralmente muito menor. Na verdade se
espalha para estes tenham sido to pouco quanto 1 ou 2 bps ou at menos. Como a liquidez diminui
corretores / negociantes de cobrir seu risco atravs do aumento do spread. Para os ativos ilquidos
realmente, os spreads podem ser medido em centenas de pontos de base.
Spreads tambm esto intimamente ligados a volatilidade; uma vez que, como vimos no captulo
2, que representam um prmio que os criadores de mercado se aplicam a proteger-se do risco de
seleco adversa. Durante a crise financeira de 2007-09, os spreads aumentaram consideravelmente:
Spreads para muitas unidades populacionais duplicaram, as aes sem liquidez viu aumentos ainda
maiores. Aumentos similares ocorreram em outro ativo classcs, praticamente preservar as
propores relativas mostradas na Tabela 9-3.
L Tambm pode haver diferenas geogrficas significativas no custo mdio spread. Atravs
Europa, os spreads so, tradicionalmente, um pouco mais alta do que os de os EUA, enquanto que
aqueles em sia arco muitas vezes ainda maior. Consequentemente, tticas de negociao agressivas
podem ser muito mais caro nestas regies.
Quando os spreads so elevados pode valer a pena adotando um estilo de negociao mais passiva
para reduzir o custo total spread. Portanto, atrelar ou mergulhando as ordens podem ser usadas para
tentar maximizar o melhoria de preos. Se o risco um fator significativo, em seguida, um
mecanismo de travamento pode ser adotado para reduzir as perdas potenciais se o mercado de repente
se afasta.
Tamanho mdio de negociao
Quando estamos considerando a dificuldade de uma ordem usual comparc sua dimenso global ao
volume mdio dirio (ADV). Assim, uma ordem que menos do que 5% do ADV deve ser
razoavelmente simples para cxccute. No entanto, tambm vale a pena considerar o tamanho mdio do
comrcio. Tabela 9-4 mostra alguns dos tamanhos e valores comerciais da mdia para um conjunto de
activos e locais.
3
Figuras medianas
De ativos classVenue
27 3
Mdia
taman
ho do
comr
cio
330
301
956
6335
39.544
NASDAQ
NYSE
Capital prprio Stocks
Euronext
LSE
Hong Kong Exch
U.S Tesouro 2anos
ICAP BrokerTec
Renda fixa FX
5yr U.S Tesouro
ICAP BrokerTec
Derivativos
Local
EBS
ndice futuros
CME
3
Taxa de
juro
futs e Mizrach
L1FFE
10
Fonte: WFE (2008), Renda
Fixa:
Fleming
(2008), FX: Euromoney (2006a)
O valor do
comrcio
mdio (US
$ 1,000)
9
13
36
64
18
8342
2974
-3000
-
Tabela 9-4 tamanhos mdio de negociao

Prego eletrnico ajudou a reduzir consideravelmente os tamanhos de ordem, especialmente para
ordem- locais percorridos. Consequentemente, os menores de comrcio tamanhos / valores mdios
na Tabela 9-4 so para o os mundos mercados de aes e derivativos listados. Em comparao, a
renda fixa e mercados cambiais ainda tm tamanhos comerciais mdios muito maiores. Dito isto,
tamanhos comerciais reais podem ser muito mais baixos que estas mdias. Por exemplo, Galen
Burghardt, em um relatrio para a FIA (2006), mostrou que o tamanho comercial mais comum para Emini S & P 500 foi para um nico lote.
Ao lidar com tamanhos comerciais mdios muito baixos, sinalizando risco pode ser um grande
problema. Conseqentemente, devemos considerar ordens de diviso para garantir que eles no so
significativamente maiores do que aqueles j do livro de ofertas. Ento, teremos de usar a diviso ou
estratificao, alternativamente, poder precisa escond-los.
Desempenho do algoritmo
Internamente, a maioria dos algoritmos de negociao continuamente monitorar seu prprio
desempenho. Isto pode ser contra uma quantidade alvo executado ou como uma comparao do seu
preo mdio executado versus seu benchmark. Portanto o algoritmo pode facilmente dizer se ele est
executando frente ou atrs dos seus prprios objectivos.
A reao do algoritmo para o fraco desempenho vai depender se as condies de mercado so
favorveis e quanto tempo resta para o comrcio. Se as condies forem desfavorveis, ele vai
provavelmente empregar tticas comerciais mais agressivas para tentar conter suas perdas. Por outro
lado, se o condies so favorveis que poderia aguentar por mais algum tempo para ver se as ordens
existentes podem conseguir uma melhoria significativa dos preos. Da mesma forma, Se no h
muito tempo para executar o algoritmo pode reverter para o uso de tticas de execuo mais
agressivas.
Outros fatores que afetam a escolha ttica

At agora, o foco tem sido alvo das metas de investimento / negociao especficas. Embora, no nvel
micro tambm devemos considerar as caractersticas do mercado, tais como a sua negociao
fundamentais mecanismo e latncia.
Mecanismo de comrcio
Claramente, se um mercado orientado a citao ou ter um impacto substancial sobre o choicc de
ttica de negociao baseado em ordem. Na verdade, a maioria dos mecanismos que requerem
abrangidos
Tticas Execulion
27 4
tipos de ordem especializadas e por isso precisa de um mercado dirigido pela ordem ou hbrido. Eles
simplesmente no arc vivel para mercados orientados para a solicitao. Para os mercados
puramente orientada por citaes, wc ainda pode usar a fim de corte para espalhar a ordem entre os
vrios corretores, mas que sobre ele. Da mesma forma, a maior parte do tticas de negociao que
cobrimos so destinados principalmente para perodos de negociao em contnuo.
As regras preccdence que so usados para os mercados em funo das ordens arco tambm
significativo. Se a prioridade dada em termos de preo e prazo, ento importante para as ordens
para manter sua posio no a fila. Assim, tticas tais como camadas becomc mais valioso. Por outro
lado, se o secundrio prioridade atribudo em uma base pro-rata, como para muitos mercados de
futuros, ento importante ter ordens com tamanho suficiente a esse nvel de preo.
Latncia
Corresponde latncia para o lapso de tempo que pode ocorrer entre o envio de um pedido e ele chegar
seu destino, e assim poder participar na negociao. Este atraso pode ser devido atrasos nos vrios
sistemas que processam o pedido, bem como o tempo que leva para realmente transmitir a
informao entre localizaes. Latncia tem o mais cffcct no roteamento de ordens decises, mas
ele tambm pode afetar tticas dinmicas, como atrelar ou captura.
H alguns anos atrs, as latncias foram medidos em segundos. Embora este ainda pode ser a
facilidade em alguns mercados emergentes, os principais locais Agora esto todos competindo para
oferecer plataformas com latncias medidos em milissegundos ou menos. Encontrar uma comparao
imparcial de latcncics pode ser bastante difcil, sincc cada local faz questo de salientar a velocidade
de sua plataforma. Tabela 9-5 mostra os resultados de um teste de ida e volta por Exponcntial-c (2009)
para a sua scrvicc roteamento. Isto d uma ideia dos tempos de transmisso para algumas posieschave do mercado. Latncia ser significativamente mais elevados para mercados orientados para a
solicitao.
A partir da:
Londres
Nova Iorque
Para:
Frankfurt
Nova Iorque
Chicago
Toronto
Zurique
Tquio
Sydney
Latnci
a
Senh
68
85
25
90
246
260
Fonte: Exponenlial-e (2009)
Tabela 9-5 Uma comparao de ida e volta latncia snapshot para alguns locais-chave
Claramente, o envio de pedidos aos mercados remotos podem adicionar uma quantidade
considervel de latncia. Hcnce, um nmero de locais j oferecem servios de co-location, em que
SPACC disponibilizado para mquinas clientes para reduzir os atrasos de transmisso.
Latncia reduz a probabilidade de execuo j que no momento em que foram capazes de
responder outro participante do mercado vai provavelmente ter-nos batido a ele. Portanto, uma ttica
como pegging no adequado para locais de maior latncia desde a sua natureza reativa a cxaccrbatcs
problema. Ao invs, melhor adotar a ordem de camadas ttica, por isso, se os docs mercado mover
encomendas j esto no lugar em uma variedade de diferentes nveis de preos. A ttica de
travamento pode tambm ser usado quando a latncia alto, para conter eventuais perdas.
9.4
275
Resumo
Tticas de execuo concentrar nas escolhas micro nvel que precisam ser feitas para o real
a execuo, o acompanhamento da carteira de pedidos e gerenciamento de envio do
pedido. Eles providenciam mecanismos comuns para alcanar as metas de algoritmos de
negociao.
Tactics so muitas vezes baseadas em torno de tipos de ordem existente, por exemplo, atrelar e
se escondendo. Para locais que fazer no nativamente suporte a esses tipos de ordens dinmicas
a ttica pode adotar uma estratgia de posicionamento para que essencialmente imita o
comportamento desejado. Eles podem tambm empregam uma lgica mais complexa do
que est atualmente disponvel via tipos de ordens nativas.
Uma vasta gama de mecanismos comuns de comercializao podem ser adoptadas:

Cortando um meio simples de reduzir o impacto.
Escondendo aproveita tipos de ordens ocultas ou usando um ATS opaco.
Camadas lugares encomendas ao longo do livro para maximizar a probabilidade de
execuo e o potencial de melhoria de preos.
Pegging fornece ajustes dinmicos, ajustando o preo ou mesmo volume das ordens.
Usos Catching um preo trava para reduzir as perdas quando o mercado se move para longe
de ns.
Buscando procura por liquidez escondido.
Sniping leva a liquidez disponvel sem dar nossas prprias necessidades.
Routing determina o melhor destino para um pedido com base em uma srie de critrios.
-
o principais factores que afectam a escolha de ttica execuo dependem tanto da actual
condies de mercado e quo bem o algoritmo realmente executar.
Algoritmos de negociao pode se adaptar s mudanas nas condies, alternando entre a

execuo tticas. Em alternativa, podem usar vrias tticas em paralelo.
277
Captulo10
Reforar negociao
estratgias
Uma mistura Tradersroutinelybasetheirdecisionson
de currentmarket
conditionsas bem
Como anticipatinghow estes
poder changein o futuro. Lgica Incorporatingsuch
para dentro
algorithmictradingstrategiesis um
chave para melhorar o
seu desempenho.
10.1 Introduo
Tendo passado por Basies de ambos os algoritmos de negociao e tticas de execuo, este captulo
objetivos para destacar algumas das maneiras em que eles podem ser melhorados. Estes mecanismos
so abordagens que respondam s condies de mercado baseada em regras. Embora, s podemos
estimar que condies pode ser como no futuro.
No Captulo 5, foi utilizado para comparar os grficos padres tpicos de colocao de pedidos para
diferentes algoritmos de negociao. No entanto, durante a execuo importante lembrar que ns s
no podes dizer o que o futuro nos reserva, como a Figura 10-1 tenta mostrar.
VolumePrice
^ O i r d e r s ze
milmetro
Volu m mer cado e
Figura 10-1 condies de mercado incertas
Preo
278
negocia o
Reforar
estrat gias
de
De tempos T para o fim, ns no sabemos exatamente o que vai acontecer com o mercado pricc,
volume ou de liquidez. Assim, algoritmos de negociao e tticas de execuo arco
inerentemente reativa. Se ocorre uma mudana repentina no mercado, uma tal abordagem reativa
pode ser travado para fora e forado a jogar catch-up, a preos menos favorveis.
Uma forma de melhorar as estratgias de negociao informatizadas incorporar a curto prazo
modelos de previso para as condies de mercado-chave, tais como volume e pricc. Estes
permitem estratgias para tomar uma abordagem mais pr-ativa, fazer encomendas mais
passivamente preos (desde as previses arco correto). Por exemplo, um por cento do volume (POV)
algoritmo que sempre apenas comrcios em resposta ao volume de mercado poderia incorrer impacto
significativo no mercado, que seria sincc sempre estar perseguindo o mercado. A previso de curto
prazo de volume de negcios permite que o algoritmo para a camada ordens, garantindo que
participa no volume de mercado em vez de simplesmente respondendo a isto. Da mesma forma,
para pricc algoritmos de negociao adaptativos, um preo de curto prazo predio lhes permitir
colocar ordens limite adequados para aproveitar as tendncias pricc. Se a previso mostra ser
incorrecta, as ordens podem ser canceladas.
Estimar os custos potenciais de transao tambm se tornou mais importante,
particularmente para algoritmos baseados nos custos, tais como dficit de implementao.
Muitos destes modelos de custos arco base ligar um quadro por Robert Almgren e Neil Chriss
(2000), que utiliza um modelo de passeio aleatrio estimar o preo de mercado atual em termos de
custos.
Outra melhoria potencial melhor manipulao de eventos especficos, que por sua vez pode
ser seja previsvel ou no. Por exemplo, os futuros tm vida til finita, ento expirao
umafator previsvel para estes contratos. Embora nos dias witching quando grandes contratos de
derivativos expirar, como por o ndice S & P 500, no haver aumentos considerveis no comrcio
de volume, e volatilidade de curto prazo, nos mercados de aes. Mudanas a ndices de aes arco
outro exemplo, uma vez que os anncios so feitos algum tempo antes que eles ocorram. Dado como
muitos empresas de investimento controlar os principais indiccs, essas mudanas tm efeitos
relativamente previsveis sobre o comrcio de curto prazo para os slocks afectados, dependendo se
eles arco sendo adicionado ou removido do ndice. Eventos imprevisveis so geralmente
desencadeada por informaes ou notcias. Eles podem ser mais difceis de prever, mas os seus
efeitos a curto prazo pode ainda ser quantificado. Para exemplo, as interrupes comerciais, tais
como paragens ou leiles de volatilidade, arco geralmente seguido por perodos de muito maior
volatilidade e volumes, embora muitas vezes estas dissipam depois poucos horas. No Captulo
14, wc ir abranger o impacto das notcias em mais detalhes.
10.2 Previso condies de mercado

Traders e investidores e procuraram prever priccs durante o tempo que os mercados tenham
existido. Previso outras condies de mercado, como volume, liquidez e tambm tm
volatilidade tornar-se mais importante.
Previses de longo prazo arco mais til para as decises de investimento. A execuo
geralmente mais focado na evoluo dos preos a curto prazo. Portanto, o foco desta seo em
curto previses durao, normalmente intraday. Mudanas de curto prazo no mercado condies
arco de perto relacionada com a liquidez do mercado. Fatores como a profundidade carteira de
encomendas e desequilbrio pode dar vital percepes sobre como fluxo de comrcio vai reagir no
futuro imediato. Na verdade, muitos curto prazo previses podem ser baseadas apenas em
condies de mercado recentes. No captulo 15, vamos ver como inteligncia artificial tambm
pode ser utilizado para a previso.
s o nvel mais simples, o preo de um ativo representa apenas o que algum est disposto a pagar. Os
desequilbrios na oferta e demanda pode ser um indicador til para os movimentos pricc de curto
prazo.
279
Um excesso de oferta (ou vende) deve levar a uma queda de preo, enquanto um excesso de demanda
deve resultar em uma caminhada pricc. A pesquisa emprica tem considerado desequilbrios tanto em
volume negociado e profundidade livro a fim de testar a sua eficcia.
Uma correlao positiva entre os desequilbrios comerciais e variaes de preos subsequentes foi
encontrado por Joey Yang (2005), um estudo de negcios no Australian Stock Exchange (ASX). Ele
confirmou que o preo mais susceptvel de se elevar mais dos ltimos 30 comrcios
deveram-se a exigir em buy-side, como seria de esperar. 1
Desequilbrios na melhor hid e oferecer tamanhos tambm foram analisadas por Yang (2005) por
ordens em o ASX. Usando um modelo probit ordenado, ele estabeleceu uma forte ligao entre
futuros changcs de preos e os logaritmos dos melhores tamanhos de compra e venda. Um tamanho
maior lance implcita aumentos de preos eram mais provveis, enquanto quedas de preos foram mais
provvel quando a perguntar tamanho era maior. Da mesma forma, em um estudo anterior, Sergei
Maslov e Mark Mills (2001) trackcd as melhores cotaes na NASDAQ. Eles focusscd na mdia
de mudanas de preos em torno de perodos quando significativa desequilbrios entre os
melhores tamanhos de compra e venda ocorreu. Efetivamente, eles eram monitoramento o
impacto no mercado de curto prazo de grandes comrcios, como mostrado na Figura 10-2.
0,003
0, 0 0 2
G BRCM, Julho
3, 2000 x
xJDSU, julho
de 11,2000
- CSCO, junho 30,2000
0,001
-0.001
-0,002
-0,003
2040
Na (s)
Fonte: Maslov e Mills (2001) Reproduzido

Direitos autorais 2001 Elsevier
Figura 10-2 O impacto do mercado um grande desequilbrio na melhor oferta de compra

e oferta de tamanho
Os impactos positivos refletem um excedente de demanda para o estoque, enquanto os negativos
representam um excesso de oferta. Note-se que o efeito ampliada, e mais volteis, para a parte
inferior stocks de volume, Broadcom Corp. (BRCM) e JDS Uniphase Corp (JDSU), em
comparao com a da Cisco Systems Inc. (CSCO). Normalizando seus dados, eles encontraram
uma cerca relao linear entre os desequilbrios e alteraes preo mdio de curto prazo.
Considerando a
'Nota polenlial um problema com estudos baseados em desequilbrios comerciais a determinao da whelher o comrcio foi impulsionado
por compradores ou vendedores, como relatado por Ekkehart Boehmer e Julie Wu (2006). A maioria dos estudos adotar Ihe Lee e Ready
(1991) algoritmo para determinar isso, embora isso n o seja garantia de ser 100% exato. Por exemplo, Charles Lee e
Balkrishna Radhakrishna (2000) demonstraram que at 40 % Dos comrcios observado em Ihe NYSE no poderia ser classificadas,
enquanto 7% foram incorretamente classificados. Ent o cuidado MUSL ser tomados ao usar os desequil brios comerciais
base.
2
Idealmente, os limites para esta deve basear-se no volume dirio mdio de cada Slock; No entanto, para os seus resultados
eles descobriram que um limite de venda por atacado de 10.000 aes deram resultados satisfatrios.
28 0
negocia o
Reforar estrat gias de
prazos relativamente curtos envolvidos (menos de um minuto), estas tendncias podem ser mais fcil
para uma sistema informatizado para tirar vantagem de que um comerciante ocupado.
Vrios grupos tm estudado o efeito de desequilbrios para toda a carteira de encomendas. o
desequilbrio / J para cada j nvel da carteira de encomendas apenas o valor das ordens de venda
(oferta) menos o valor das ordens de compra correspondentes (demanda):
I: = Q'j PJ ~ Qj Pf
Onde Qj a quantidade disponvel a um determinado preo Pj e os sobrescritos S e D
correspondem oferta e demanda. Em comparao, o pricc ponderada simplesmente o WPj preo
mdio com base na oferta disponvel e da demanda em um determinado nvel da carteira de
encomendas:
WPJ =
Qj qj PJ + Pj
Qj + qj
o preo ponderado tambm pode ser calculado para partes especficas do gancho ordem:
^ (+ QjPJ QJ
P f)
J=ni
WP "
I, (e1
+ g; >
j = n,
Onde ni um nvel mais elevado do que n2, v.g. WPj. $ Representa o preo ponderado para os
cinco primeiros nveis da carteira de encomendas. Um livro de ordens exemplo mostrado na Figura
10.3 em conjunto com o desequilbrios associados e preos ponderados para cada nvel.
Buys
Valor
Sells
Ident
idade
Dl
Taman
ho
2000
D2
1) 3
D4
05
6000
4000
3000
5000
Preo
100
Preo
102
Tama
nho
3000
Ide
nti
SI
Buys
100
99
99
98
103
103
104
104
2000
5000
1000
6000
S2
S3
S4
S5
594
392
29 Eu
480
1957
200
(milhares)
EuSells
306
Desequilbrio
106
206
-388
520
105
636
1773
128
-186
156
-184
WP
101,20
100,00
101.33
99XX)
101,45
100,81
Figura 10-3 Um livro de ordens exemplo, com os seus desequilbrios associados e preos
ponderados
Assim, para o topo do livro de ordens na Figura 10-3 o desequilbrio e ponderados so priccs
determinado Como:
I, = (3000 x 102) - (2,000 x 100) = 106.000
WPj = ((2,000 x 100) + (3,000 x 102)) / (2,000 + 3,000) = 101,2
WP, 0,5 = (1,957,000+ 1.773.000) / (20,000+ 17.000) = 100,81
No geral, o desequilbrio para os primeiros nveis vivos deste livro ordem -184.000 $, de modo a
momento em que a demanda est superando a oferta disponvel.
Retornos de curto prazo sobre o ASX foram examinadas por Charles Cao, Oliver Hansch e
Xiaoxin Wang (2008). Eles medidas calculadas de liquidez com base na diferena entre o preo
ponderado wpn, .n2 eo mid-preo. Eles concluram que h uma ligao forte
281
entre estes desequilbrios e futuros retornos de curto prazo. Predominantemente, este foi o melhor
oferta e procura, mas os desequilbrios em todo o resto do livro de ordens tambm teve um efeito.
Uma abordagem semelhante foi adotada por Jorgen Hellstrom e Ola Simonsen (2006) para estudar
retornos na Bolsa de Estocolmo. Eles modelaram a forma livro de ordens usando medidas de preos
ponderadas (WPN, .n 2 - meados de preo), juntamente com uma variante ajustada ao tempo. Deles
resultados mostraram que uma inclinao positiva no desequilbrio carteira de pedidos (um excedente
de oferta de ordens de venda) aumentou a probabilidade de diminuio posterior no preo. Por outro
lado, um excesso da demanda de ordens de compra estava ligada a subsequentes pricc aumenta.
Embora, estas relaes foram encontradas para ser bastante curta, muitas vezes menos do que um
minuto. Eles tambm confirmou que, enquanto a maioria desta cffect poderia ser explicado por
desequilbrios ao melhor lance e oferta, tendo em conta o resto do livro de ordens tinha alguns cffect.
A importncia de lacunas na carteira de encomendas foi destacada em um estudo de grande preo
alterar na London Stock Exchange por J. Doyne fazendeiro et al. (2004). Um razovel pressuposto
para tais alteraes podem ser grandes ordens de mercado varrendo profundamente no fim livro.
Ainda assim, a anlise mostrou que cerca de 85% das ordens de mercado que causou pricc mudanas
combinado o tamanho com o melhor pricc. Essencialmente, eles encontraram as flutuaes de preos
causada por ordens de mercado para ser independente do volume de ordens. Em vez disso, eles
revelaram que os saltos pricc poderia ser explicada por flutuaes de liquidez causadas por falhas na
Livro de Ofertas. Ento, uma ordem levaria o volume disponvel ao melhor preo, levando a um
preo mudana porque a prxima entrada no livro de ordens foi a um nvel significativamente
diferente. Curiosamente, eles encontraram esse problema afetou at mesmo as aes de maior
liquidez, embora tenha sido mais predominante para os ilquidos. Eles passaram a achar que a
distribuio de lacunas na carteira de pedidos exibiram correlaes no-triviais com a posio no
livro. Isso destaca a importncia de olhar passado o melhor lance e oferta se no quiser afetar
significativamente o preo atual.
Prevendo volume de negociao

Previses para volume de negociao tm sido geralmente baseados em dados histricos, ou os
chamados perfis de volume. Embora estes pode dar uma previso razovel de tendncias de volume
intraday, h ainda uma ampla gama de fatores que podem afetar volumes de transaces dirias.
Estes variam de fatores sazonais, como as frias de Vero, para aquelas especficas de activos, como
notcias, corporativo aes ou vencimento do contrato. Melhorar a relevncia destas previses alguns
pesquisadores se decompuseram volume de negociao em nvel de mercado e componentes
especficos de ativos.
Previso de volume importante para a negociao algortmica, particularmente para esses
algoritmos com base em determinado estaticamente horrios comerciais, tais como o VWAP originais.
Se o comrcio de hoje Como difere consideravelmente deste em seguida, o algoritmo pode muito bem
lutar para cumprir a sua benchmark. Assim, o desempenho de um algoritmo VWAP depende
frequentemente da exactido da sua perfil de volume histrico. Da mesma forma, estes so no
contributo importante para dficit de implementao modelos, permitindo-lhes para determinar o
horizonte comercial ptima para um determinado fim. Previso de volume de negociao de curto
prazo tambm pode ser importante para algoritmos puramente dinmicas, como pcrccnt do volume
(POV). Estes so movidos por volume de mercado e por isso no h perigo de que o seguiam uma
trajetria de destino que est fora de sincronia com o mercado. No entanto, se apenas sempre emitir
ordens em resposta ao volume de mercado, eles poderiam acabar perseguindo o mercado, e assim por
incorrer impacto substancial no mercado. Previses de volume de curto prazo p ara permitir
algoritmos placc efetivamente encomendas de uma forma mais pr-ativa, esperamos alcanar a
melhoria dos preos.
Desconto perfis
Um ponto de partida comum para predizer o volume de comrcio criar um perfil de volume com
base em dados histricos. Como vimos para o algoritmo VWAP no Captulo 5, esta apenas uma
questo de
282
negocia o
Refora r
est rat gias
de
definio um intervalo de tempo fixo e, em seguida, medir o volume de negociao para cada
perodo. Para exemplo, na Figura 10-4 os volumes de transaces dirias Mattel Inc. para arco
mostrado mais 30 minutos perodos em termos de uma percentagem do total diria, tomadas a partir
de um estudo por Dana Hobson (2006). Claramente, no pode haver uma variao considervel de dia
para dia.
20
18
16
14
3? 12
a>
E10
o
- -J u l y
13
2
>
- 14 de julho
- * - 15 de julho
8
6
4
2
0
0.0
1. 0
3.0
2.0
Tempo (horas)
Fonte: Hobson (2006)
Reproduzido com permisso da Institutional Investor
Figura 10-4 perfis Desconto por Mattel Inc. em 2005

Porm, quando estes so calculados em perodos mais longos, por exemplo, um ms, a
comunalidade bccomes mais evidente. Neste caso, como um estoque de US exibe a curva em forma de
U tpico com volumes mais elevados em todo o aberto e prximo, algo como wc pode sec na Figura
10-5.
20
18 16 14
SS 12 o>
310 86420
0.0
1.0
2.03.0
Tempo (horas)
Figura 10-5 Um perfil mdio volume com base na Figura 10-4

Obviamente, a forma exacta do perfil de volume ser diferente para cada ativo e vai tambm
depende de o nmero de dias escolhidos para a mdia. Com o tempo, esses padres podem muito bem
alterar. Portanto, uma maneira de visualiz-los um lote 3-dimensional da negociao histrica
volume. Figura
10-6, mostra um grfico para uma empresa de grande capitalizao,
GlaxoSmithKline, tomada de um
283
2004/07/12 /,
16,35
fc 2004/07/12
\
2004/10/01
8.00
2004/10 / 1JR
\
2005/07/02
9
2005/07/29 / <F
2800000 Eu
2800000
2400000
2400000
2000000
2000000
| 1600000
1600000
1200000
1200000
800000
800000
400000
400000
0
8.00
Tem
po
Fonte: Black and Self (2005) 2005 UBSReproduced
16,35
com a permisso do UBS e do comrcio
Figura 10-6 perfis histricos de volume para GlaxoSmithKline PLC

reviso por Tracy preto e Owain Auto (2005). A exposio volumes de negociao um padro
relativamente uniforme ao longo do tempo, com um claro aumento no volume para o fim. Figura 10-7
mostra o grfico equivalente para a empresa de tecnologia mid-cap, Logica CMG.
2004/07/12
2005/01/11
16,35
8.00
2004/07/12
2005/01/11
2005/07/25
\ 2005/07/25
800000
800000
400000
400000
Tempo
Fonte: Black and Auto (2005) 2005 UBS
16,35
Reproduzido com permisso do UBS e do comrcio
Figura 10-7 perfis de volume histrico para Logica CMG PLC

Em comparao, para a empresa mid-cap, os altos nveis de variao de volumes de transaces
dirias arco bvio, tanto que difcil de detectar uma tendncia diria de volume. De referir ainda o
scalcs diferena em volume. No geral, ativos mais l quidos tendem a ter cada dia mais estvel
volumes, enquanto os activos de crescimento mais elevadas pode apresentar muito mais
volatilidade na sua negociao
284
Refora r strat egics com erciais
volumes. Consequentemente, os volumes de negociao histricos so susceptveis de ser mais

teis como preditores de activos lquidos.
Fatores que afetam o volume de negociao

Uma ampla gama de fatores pode afetar volumes de transaces dirias: a partir de factores gerais que
se aplicam entre as regies inteiras, ou pases, para mais localizada, os mercado e assct -spccific.
Exemplos de fatores gerais arco sazonal e anomalias baseada calcndar, tais como frias de vero e
do "dia da semana" efeito. Feriados de mercado e macrocconomic anncios so mais-spccific
mercado, embora eles tambm podem ter regionais e at mesmo effccts globais. Factores
especficos de ativos tendem a ser hased na classe de ativos, assim, para esta stocks pode ser anncios
de notcias, aes corporativas, dividendos, fuses e desdobramento de aes. Expirao vai ser
uma considerao para ativos fixos que tm prazos de vencimento, como ttulos e futuros.
Em seu relatrio apropriadamente intitulado, "Pescaria: A sazonalidade na actividade de trading
e os preos dos ativos", Harrison Hong Jialin e Yu (2006) estudaram a relao entre o volume de
negcios do mercado de aes e as frias para 51 mercados de aes. Eles descobriram que a
atividade comercial foi, em mdia, 7,9% menor durante o vero do que durante o resto do ano.
Note-se que o vero definida como Q3 (julho, agosto e setembro) para os pases do Hemisfrio
Norte e QI (janeiro, fevereiro e maro) para aqueles no sul. O efeito foi mais forte para os pases mais
distantes do equador, onde as frias de vero so mais provveis. Assim, o maior observado
quedas foram de 15,6% para a Europa e 13,2% para a Amrica do Norte. Na sia, eles s observou
uma queda de 3,4%, enquanto Austrlia e Nova Zelndia viu um declnio de 6,7% em seu Ql vero.
Mais prximo para o equador, o efeito era muito menos, por exemplo, apenas uma gota de 1,8% foi
observada durante Pases latino-americanos.
O "dia da semana" efeito tambm pode influcncc volume de negcios. Um estudo do
mercado de aes volatilidade e volume de negcios para os EUA, Canad e U.K por Halil Kiymaz
e Hakan Berumcnt (2003) encontrou volumes mdios a ser consistentemente inferior s
segundas-feiras. Isso tambm est com um estudo anterior de aes do Reino Unido por Paul
Draper e Krishna Paudyal (2002), que observados os volumes de negociao mais baixos s
segundas-feiras tambm. Para os futuros de moeda, Pei Wei Hwang e Susan Zee (1998) encontrou
volumes de ser inferior s segundas e sextas-feiras. Anlises de NYSE negociao de aes tambm
mostrou um "dia da semana" forte cffcct, embora Tarun Chordia, Richard Rolo e Avanidhar
Subrahmanyam (2000) observou isso mais como uma queda de liquidez e actividade de trading s
sextas-feiras e um aumento nas teras-feiras. Muitos estudos descobriram o meio da semana a ter as
maiores volumes, por exemplo, Kiymaz e Berumcnt (2003) observou que o pico quartas-feiras
foram para os EUA, embora foi quinta-feira para o Canad e a U.K.
Feriados especficos, tais como Natal, tm um efeito perceptvel tambm. Geralmente, a
negociao volumes cair significativamente no dia antes do feriado. Por exemplo, a Fi gura 10-8
mostra um vista normalizada de volume financeiro do Royal Bank of Scotland (RBS) criado por
Serge Darolles e galico Le Fol (2003). A proximidade do Natal e Dia de Ano Novo significa que o
volume de negociao anormal pode persistir por mais de uma semana. Note-se, tambm Figura
10-8 mostra a composio do volume em estoque especfica ambos e comum (ou mercado)
componentes, que devem abranger na sub-seco seguinte.
Alm sazonal cITects, fatores de ativos-spccific alterar consideravelmente os volumes de
negociao. Muitos destes acontecimentos especficos de arco, a qual ser abordada em mais
detalhe na seco 10.3. Para exemplo, no , em geral, um aumento do volume de negcios em
dias witching, ou quando os estoques esto adicionado s principais ndices. Da mesma forma,
para os ttulos ou futuros que esto prestes a expirar, no h geralmente uma queda repentina nos
seus volumes de negociao.
285
0,6
0,4
0,2
0.0
-0.2
<*** * * * * * *
rf ** *
d um fe
Fonte: Darollcs e Le Fol (2003)
0 6 *^V
estoque : RBS
Figura 10-8 Mudana na volumes de negociao sobre o feriado de Natal

Uma maneira de lidar com esses efeitos determinar ajustes separados aquele compens-las.
Estes podem, ento, ser aplicada ao perfil de histrico de volume, e em comparao com as
condies de mercado atuais para verificar se so razoveis. Alternativame nte, costume perfis
poderiam ser adotadas o que pode representar com mais preciso as tendncias do mercado
atual. Embora usando menos pontos de dados, no h mais risco na estimativa.
Histrico volume de perfis arco muitas vezes com base em dados para as semanas anteriores ou
mesmo meses. Assim, esses fatores no s afetam negociao em curso, mas tambm alterar as
mdias histricas. Por exemplo, o volume cresceu nos dias em que ocorrem eventos especiais, tais
como witching triplo, pode distorcer os perfis de volume histricos para dias normais. Assim, eles
podem ser excludas os clculos de volume mdio. Aes corporativas, em especial os
desdobramentos, tambm representam um problema especfico para o perfil histrico de volume
para as aes. Desdobramentos so normalmente utilizados para reduzir o preo das aes de
empresas de crescimento, e assim incentivar mais negociao. Dividindo de US $ 100 em duas
partes $ 50 aes devem levar a volumes mdios dirios significativamente mais elevados. Assim,
quando desdobramentos ocorrem precisamos ajustar os volumes histricos acordo, caso contrrio
eles no reflecte adequadamente os novos nveis de negociao.
Decompondo volume de negociao

Um mtodo alternativo de estimar o volume de comrcio dividi-la em seus componentes, ou seja,
o volume de mercado e volume de um activo especfico. Essencialmente, esta a mesma
abordagem utilizado para em priccs o Modelo de Precificao de Ativos (CAPM). O CAPM expressa
rendimento de um activo em termos dos retornos esperados do mercado e os de um ativo livre de risco.
Com base nisso, o risco da carteira pode ser dividida em dois sistemtica, ou de mercado, risco e risco
idiossincrtico. Um modelo de dois fatores para o volume de negociao foi proposta por Andrew Lo e
Jiang Wang (2000). Usando essa abordagem, os modelos de volume de negcios foram criados por
Serge Darolles e Gaelle Le Fol (2003), e K J. Cremcrs e Jianping Mei (2007). Ambos os grupos
decomposto turnover3
3
Nota lhat volume de negcios utilizado como uma verso mais normalizado de volume de negociao. O volume de
negcios a relao entre o volume negociado com o nmero total de aes em circulao, por isso permite uma melhor
comparao entre os ativos que a negociao de volume sozinho.
28 6
Refora r strat egics com erciais
em sistemtica e componentes idiossincrticos usando Anlise de Componentes Principais (PCA).

Darolles e Le Fol (2003) aplicaram seu modelo de dados empricos para as unidades populacionais
UK FTSE, enquanto Crcmers e Mei (2007) estudou stocks NYSE e AMEX.
O componente representa mercado o volume normal que comum em todos os ativos negociados.
Isso deve incorporar todos os efeitos sazonais, e assim uma scries no estacionrias (a sua
propriedades estatsticas mudar ao longo do tempo). Tambm pode ser visto como a longo prazo de
negociao volume do ativo.
O idiossincrtico, ou especfica, componente continua a ser um acaso, ou estocstico, processo
muito parecido com o preo do ativo. Ela representa os ativos especficos de mudanas inesperadas no
volume.
Um estudo posterior por Jedrzej Bialkowski, Serge Darolles e Gaclle Le Fol (2007) d uma
exemplo detalhado desta decomposio para Cac-40 francs existncias, uma das quais mostrada na
Figura 10-9.
Volume de negcios
Volume de negcios
Componente comum
t1135
Componente comum
S.
SENHOR
A
0 C33
um
330
8625
0075
C206
00i5
I) Ci O
0 i) l l
S. J I 0
i) . DG 5
C)
0038
5 08 3
L013
t ' 2 S 0I I
2S
li 201 1 2
1 3: 2l )
Componente especfico
Componente
especfico
Li 0 5 6
d 05 ')
-8
0 35 '\UMA
>\J
um ei i
-i) im \Eu
a -O
-3610
- 0 .0ii
0 1) 2?
-s
como n
lj 20
T T M
Fonte: Biatkowski, Daroltes e Le Fol (2007)

Reproduzida permisso de Elsevier wilh
- 3. 0/5
1 3. 2 0
Tempo
Copyrighl 2007 Blsevier
Figura 10-9 componentes volume dirio para Total em 9-10 setembro 2003
O volume de negcios global para a empresa de energia total exibido no topo dos charts. Isto
seguido pelo volume comum (ou de mercado), a qual foi determinada como uma mdia histrica
atravs todas as CAC-40 aes. Note-se que este volume comum idntica em ambos os dias e Adota
o padro U-shapcd comum. Os grficos de fundo ilustrar a especfica estoque volumes, que so
significativamente diferentes entre os dois dias. Diffcrcnccs Assim, a diria podem ser claramente
relacionada com a o componente especfico.
287
Bialkowski, Darolles e Le Fol (2007) utilizados dois mtodos estatsticos para estimar estes
volumes especficos. Um deles foi com base em mdias mveis auto -regressivos (ARMA); o
outro utilizado um modelo auto-regressivo limiar auto-extravel (SETAR). Em geral, eles descobriram
que o Modelo SETAR deu as melhores previses de volume dirio, embora ambos os mtodos
foram encontrados para ser melhor do que uma mdia histrica simples. Eles atriburam o
desempenho do SETAR- estimativas baseadas como sendo devido capacidade de discriminar
entre ambos turbulento e plana perodos de mercado.
Prevendo liquidez
No Captulo 8, vimos como modelos de ordem limite poderia ser usado para prever a probabilidade
de execuo de diversas ordens de limite. Previses de curto prazo de liquidez pode permitir
estratgias de negociao para decidir se eles devem ser mais ou menos agressivo quando
aproveitando condies atuais de mercado.
A profundidade do mercado, muitas vezes tende a aumentar ao longo do dia. Alexander
Kempf e Daniel Mayston (2008) acharam este para negociao em Xetra, assim como Catherine
D'Hondt, Rudy De Winne e Alain Francois-Heude (2004) para CAC-40 aes na Euronext Paris.
Ns tambm podemos ver isso tendncia na Figura 10-10, que de um estudo do espanhol Stock
Exchange (SIBE) por David Abad, Sonia e Jos Sanabria Yague (2005).
Fonte: Abad, Sanabria e Yague (2005)
Figura 10-10 padres de liquidez intradia, a atividade comercial no estoque Espanhol

mercado em 2002
As linhas tracejadas destacar trs fases distintas ao longo do dia de negociao. Assim, no
incio do dia um perodo de menor liquidez tem a durao de cerca de duas horas, com spreads mais
elevados e relativamente baixo citou profundidades. Esta seguida por um perodo intermdio, onde
liquidez melhora e volatilidade diminui. o ltimo perodo est em torno de 3:30, que coincide com
o aberto EUA. Isto leva a um aumento considervel no volume de negcios, Embora haja apenas
uma ligeira melhoria na liquidez global.
28 8
negocia o
Reforar
estrat gias
de
Este grfico tambm mostra o perfil de volume em forma de U caracterstica. Ento, assim como
histrica mdias so usados para prever os volumes de negociao intraday, uma abordagem
semelhante pode ser tomada para estimativas de liquidez. Em perodos de menor liquidez,
strategics negociao pode estimar quando o profundidade pode melhorar. Eles podem ento
avaliar se o risco temporal suficientemente baixo para justificar a espera; Alternativamente,
eles ter que emitir ordens mais agressivos, arriscar e pagar os custos mais elevados de impacto
mercado.
Previses de liquidez de curto prazo tambm so vitais quando procuram liquidez escondida,
como em wc serra Captulo 8. A natureza oculta deste liquidez significa que toda essa negociao
baseada em estima. Isto particularmente importante quando se tenta escolher entre locais de
execuo. Mais uma vez, a disponibilidade de liquidez escondido frequentemente parece
aumentar ao longo do dia. Hendrik Bessembinder, Marios Panayidcs e Kumar Venkataraman
(2008) e D'Hondt, De Winne e Francois-Heude (2004) ambos encontrados este para encomendas
escondidos na Euronext. UMA Tendncia semelhante foi relatado para o espanhol Bolsa de
Valores de Angel Pardo e Roberto Pascual (2006).
Volatilidade Pricc um fator importante para muitas strategics de negociao, uma vez que
ajuda a determinar o probabilidade de execuo de ordens com limites. Volatilidade mais
elevada aumenta a probabilidade de execuo uma vez que significa que susceptvel de ser
mais largo na gama pricc observada. No entanto, isso tambm significa ordens so mais
propensos a erros no preo, e assim aumenta o risco de seleo adversa. Superior volatilidade tambm
faz uso da ordem oculta mais provvel. Por isso, a volatilidade um fator importante para modelos
de ordem limite, utilizados para determinar a colocao do pedido, e os modelos de custos usado
por algoritmos baseados em dfice para determinar o horizonte de negociao ideal.
Como acontece com qualquer condio de mercado, volatilidade de curto prazo flutua intraday,
muitas vezes aumentando em torno do mercado aberto e fechar, como vimos volta na Figura 10-10.
Existem duas formas principais de estimar volatilidade, estes so baseados em ambos os dados de
histrico ou implicando a partir dos priccs de contratos de opes.
Prevendo volatilidade com mtodos estatsticos

Medio histrico de volatilidade pode ser para uma vasta gama de timescalcs, de intra-dia de
valores mensais, trimestrais ou mesmo anuais. A volatilidade um do preo de um ativo pode ser
calculado a partir do desvio padro da seus retornos, usando a seguinte frmula:
(10-1 )
Onde R, so os retornos no instante t e o smbolo R representa a mdia dos retornos para n dias. A
varincia c ?.
O modelo mais simples para estimar a volatilidade futura apenas para base -lo no dia
anterior valor, muitas vezes referida como o modelo de passeio aleatrio. Uma ligeira melhoria da
presente abordagem a de determinar uma estimativa baseada na mdia de uma gama de de
volatilidades histricas. Esta pode simplesmente ele a mdia das volatilidades calculadas
anteriormente. Alternativamente, pode ser baseado em uma mdia mvel que apenas acompanha os
ltimos 50 dias. Mdias mveis exponencialmente ponderadas (EMA) dar mais peso aos valores
recentes. O mtodo utilizado por EMA RiskMetrics para modelar a volatilidade. Um resumo
detalhado de todas estas tcnicas fornecida pela Ser-Huang Poon e Clive Granger (2003). Eles
apontam que um dos as questes-chave para alcanar estimativas teis com estes dois mtodos
baseados mdia mvel encontrar o
28 9
comprimento ideal lag (por exemplo, 50 dias) ou sistema de ponderao.

Outro mtodo de previso criar modelos baseados em valores anteriores de volatilidade. O
modelo (AR) AutoRegrcssive determina a volatilidade um, a partir do valor anterior A,. /
usando a seguinte frmula:
p
i=l
Onde c uma constante, cada um, um parmetro do modelo e E, um termo de erro. o os

parmetros podem ser estimadas atravs da realizao out regresses de mnimos quadrados sobre
a srie de dados. Modelos ARMA (AutoRegressivc Mdia Mvel) so uma extenso dessa
abordagem aquele includc um modelo separado com base no passado erros de volatilidade e,,.:
onde 0t arco os parmetros para este modelo de erro.

A ARCH (AutoRegressivc condicional Heteroskedaslicity) famlia de modelos representem
umaabordagem mais sofisticada. O primeiro modelo de arco foi proposto por Robert Engle
(1982). Em vez de usar desvios padro da amostra, os usos modelo ARCH uma estatstica comum
mtodo (estimativa da probabilidade mxima) para determinar a melhor apto para o seu modelo,
para um determinado distribuio de probabilidade. Um modelo ARCH simples determina a
varincia condicional como um funo do passado quadrado retornos. O modelo ARCH
Generalizadas (GARCH) foi inicialmente proposto por Tim Bollerslev (1986) e Stephen Taylor
(1986). GARCH permite adicional dependncias em valores defasados; ele tambm assume
uma distribuio Normal. Poon e Granger note que GARCH o modelo mais popular para muitas
sries de tempo. Isto levou a uma gama de extenses como o exponencial, EGARCH, modelo.
Em termos de preciso geral, as mdias baseados volatilidade histrica tendem a dar semelhante
resultados para modelos GARCH, embora alguns dos modelos mais recentes, como EGARCH,
GARCH outperform. No entanto, Poon e Granger, note que os melhores resultados globais para a
volatilidade previses parecem ser de volatilidade implcita.
Note que este , obviamente, uma breve introduo aos modelos estatsticos para estimar
volatilidade. Na verdade, existem ainda mais mtodos, tais como quadros de volatilidade
estocstica e modelos de mudana de regime. Para mais detalhes sobre estes, Poon e Granger
(2003) um bom ponto de partida. Tambm no captulo 15, veremos como a inteligncia artificial est
sendo usado para prever volatilidade.
Usando a volatilidade implcita

A volatilidade implcita calculada com base nos preos de contratos de opes de mercado.
Modelos de precificao de opes, tais como Black Scholes, permitem-nos determinar qual o
preo de mercado de uma opo deve ser, dado um determinado preo de ativos, bem como outros
fatores, como as taxas de juros e vencimentos. Portanto, invertendo este processo podemos usar
os preos de mercado para determinar o nvel de volatilidade foi usado para ger-los, da o termo
volatilidade implcita.
Figura 10-11 destaca as diferenas potenciais entre a volatilidade puramente histrico medio e
outra implcita, feita a partir de um exemplo para (2006) algoritmo dficit de implementao
da Instinet (Wizard).
29 0
negocia o
Refora r estrat gias de
-1 1 0
Se p
Fonte: lnslinel (2006)
Ja n
Julho
Reproduzido com permisso de InslineL
Figura 10-11 Histrico e volatilidade implcita, da Instinet (2006)

O grfico mostra as volatilidades eo preo das aes para CV Therapeutics Inc. (CVTX) em o
perodo 2005-6. Observe como a volatilidade implcita de repente pulou no incio de janeiro,
coincidindo com a empresa espera de aprovao da FDA para sua nova droga. A implcita
volatilidade reflete com preciso a incerteza do mercado de opes.
Em comparao, a volatilidade histrica baseada na pricc estoque puramente olhar para trs e
no reflete esse risco. Assim, os investidores ou comerciantes desconhecem o comunicado de
imprensa iminente podem subestimar a volatilidade potencial do estoque de se concentrar apenas
na histrica volatilidade. Por isso, utiliza Instinet uma mdia ponderada de ambos volatilidade
histrica e implcita para suas estimativas de risco.
A volatilidade implcita no sem seus prprios problemas, no entanto. Como Poon e
Granger (2003) apontam, a volatilidade implcita reflecte a expectativa de que a volatilidade
do mercado ser para o ativo subjacente sobre o vencimento da opo. Assim, as opes para o
mesmo ativo, mas com diferentes prazos de vencimento, ter diferentes volatilidades implcitas.
Na prtica, h tambm diferenas muitas vezes significativas nas volatilidades implcitas para as
opes que tm a mesma maturidade, mas diferentes preos de exerccio. Este fenmeno o
charaeteristie "volatilidade sorriso", como mostrado na Figura 10-12 (a). Se, ento, expandir
isso para ter em conta as diferentes maturidades, obtemos umasuperfcie de volatilidade, como
mostrado na Figura 10-12 (b).
Poon e Granger (2003) descrevem duas das principais explicaes tericas para este effcet, ou
seja, a suposio de distribuio estocstica e volatilidade; eles tambm destacar outros fatores
potenciais, como a microstrueture mercado e os erros de medio.
A suposio distributiva refere-se ao fato de que o modelo de Black Seholcs assume a
preo do activo subjacente tem uma distribuio log-normal. Mas para muitos ativos de risco a
probabilidade de outliers maior do que o esperado; a distribuio dito ter "caudas" de gordura
(ou seja leptokurlic). Ento, profundamente out-of-the-money opes pode realmente ter uma
probabilidade de exerccio que maior do que a esperada pela distribuio normal, levando a mais
elevadas do que priccs predito por Black Scholes.
Distribuies Preo / retorno variam de ativo para ativo, mas as diferenas arco
particularmente forte entre as diferentes classes de activos. Alguns exemplos so ilustrados nas
agradveis uma reviso por Gunter Meissner Noriko e Kawano (2001). Por exemplo, na moeda e
de commodities mercados, os retornos tm frequentemente simtricas, "gordura" distribuies
de cauda. Portanto, profundamente fora-de-
(A) Implcito volatilidade
291
(b) A volatilidade implcita
Preo de exerccio
Dias para o vencimento

Figura 10-12 Um exemplo volatilidade implcita (a) sorrir e seu (b) superfcie
the-money opes tm volatilidades mais elevados para ambos os preos altos e baixos de greve.
Dentro comparao, para os mercados de aes e ttulos distribuies tendem a ser menos
simtrica, com o "caudas gordas" mais predominante no lado esquerdo da distribuio. Isto d
origem a um correspondente inclinao volatilidade (ou careta) com muito mais baixos
volatilidades implcitas em alta greves do que aqueles em baixas.
Usando ndices de volatilidade

ndices de volatilidade fornecer uma medida das expectativas do mercado para a volatilidade de
curto prazo, muitas vezes com base nos preos de opes de ndices de aes. Potencialmente, ns
tambm podemos decompor volatilidade em componentes de mercado e especficos, como
fizemos para o volume de negociao.
O ndice de volatilidade mais conhecido o da CBOE VIX, que foi iniciado em 1993 e tem
tambm foi apelidado de "ndice de medo". Originalmente, o VIX foi baseada no S & P 100, mas
em 2003 foi transferido para o S & P 500, para ser mais representativo do mercado norteamericano como umatoda. Ao mesmo tempo, um clculo mais sofisticado foi adotada. A estimativa
VIX deriva a volatilidade esperada para os prximos 30 dias pela mdia ponderada dos preos
de umavasta gama de opes de venda e as chamadas para o ndice. constantemente calculado
em tempo real; de fato, futuros e opes esto agora disponveis com base unicamente no
VIX.
Figura 10-13 mostra os fecha histricas para o VIX (com base no novo clculo mtodo). A
volatilidade durante a crise financeira de 2007-09 fcil de ver; tambm interessante para
comparar isso com os pontos muito menores entre 2001 e 2003. De fato, em outubro de 2008,
assistiu- o VIX chegar a um elevado todos os tempos de 89. Antes disso, qualquer coisa acima de 30
tinha sido considerada alta. Embora seja baseado no S & P 500, o VIX tornou-se o padro de fato
para a volatilidade do mercado global. Dito isto, as variantes mais localizadas tambm esto
comeando a aparecer: O VXN serve para o NASDAQ 100, e na Europa j h ndices para o DAX,
FTSE 100, CAC 40 e vrios outros ndices principais. H at mesmo ndices para o petrleo,
ouro eo euro. Ao longo do tempo, a cobertura de tais ndices provavelmente continuar a se
expandir.
Por isso, ns Tambm possvel utilizar um ndice de volatilidade para fornecer uma estimativa de
curto prazo para o futuro volatilidade do mercado. Este pode ento ser combinado com estimativas
especficas de ativos para gerar umaestimativa mais precisa da volatilidade futura de um ativo.
292
negocia o
10
9394
95
96
97
98
99000102
03
04
05
0607
08
09
Ano
Fonte: CBO E (2009)
Figura 10-13 VIX preos de fechamento
10.3 Estimativa de custo de transa o s

Modelos de custos de transao so essenciais para fornecer estimativas de custos potenciais. Na sua
guia a microestrutura de mercado para os profissionais, Ananth Madhavan (2002) aponta trs
principais requisitos para os modelos de estimativa de custos succcssful:
1.
Distinguir entre permanente e impacto pricc temporria, sincc Negcios atuais

vai afetar os preos de as geraes futuras
2.
Incorporando tanto especfica ordem (tamanho, horizonte de negociao) e

especfica de ativos (liquidez, volatilidade, nvel de preos, fatores de
mercado)
3.
Variando as estimativas com o estilo de negociao, tticas agressivas de modo

que utilizam ordens de mercado vai incorrer em custos mais elevados do que os
mais passivos
A base para muitos destes modelos um quadro sugerido por Robert Almgren Chriss e Neil
(2000). Este utiliza um modelo de passeio aleatrio para estimar o preo de mercado atual em
condies de custos, como o impacto no mercado permanente, trending pricc e volatilidade. Robert
Kissell, Morton Glantz, e Roberto Malamut (2004) expressa isso como:
Pn = Po + ^] h (Xj) e ( " J) c + Y jg ( xj) + ^ A p j + j ^
7=1
Impacto no
mercado
temporrio
i =i7 = 17 = 1
(02/10)
Mercado PermanentPricePrice
impactappreciationvolatility
Onde pn o preo de mercado atual, p0 o preo inicial, pj o pricc e xj o comrcio tamanho

de uma transao no perodo j. O funes g () e h () determinar permanente e impacto temporrio,
respectivamente e e representa o rudo aleatrio. Observe que o temporrio impacto dissipou-se
pela funo de e ^ n'j) C em que c representa a velocidade de decaimento.
293
Impacto no mercado
O modelo de preo de acordo com a equao 10-2 caminho dependente. Como Kissell, Glantz, e
Malamut (2004) apontam, usando-o para estimar o impacto no mercado requer estimativas
precisas, tanto do temporrio e impactos permanentes.
Os primeiros modelos assumidos funes impacto no mercado foram lineares. Em particular,
Albert Kyle (1985) modelo derivado equilbrios lineares a partir de princpios fundamentais. Da
mesma forma, Almgren e modelos (2000) primeiro impacto de Chriss tambm foram baseados em
uma abordagem linear.
A realidade provavelmente algo mais complexo e no-linear. Joel Hasbrouck (1991) relatado
um bom ajuste para uma relao de raiz quadrada. Fabrizio Lillo, J. Farmer e Doyne Rosario
Mantegna (2003) encontrado uma dependncia significativa sobre a capitalizao de mercado. Para
stocks de baixa capitalizao em a NYSE, eles encontraram uma relao raiz quadrada realizada,
enquanto para aes de grande capitalizao e para aqueles listadas na LSE eles notaram que o
relacionamento era mais como uma potncia lei, com um expoente entre 0,2 e 0,3. Na sub-seo
seguinte, vamos rever em mais detalhe um modelo por Almgren et al. (2005), que pode servir tanto
para linear e no-linear solues.
Outro forma de tratar este problema uma abordagem mais top-down. Kissell e Glantz (2003)
adotam a lo tcnica de alocao de custos estimam um custo mdio impacto no mercado com base em
desequilbrios comerciais agregados. Eles, ento, alocar isso para perodos de negociao
especficas, em vez de comrcios individuais. Wc deve rever este mtodo em mais detalhe mais
tarde.
A abordagem ao nvel do comrcio

Robert et Almgren ai. (2005) criado um modelo para estimar o impacto no mercado usando
emprica dados. Isto foi baseado em trabalho anterior de Almgren e Chriss (2000) e Almgren
(2003). Tanto a funo g impacto permanente () e um QG temporrio foram model adas como
potncia leis:
(10-3)
(04/10)
Onde v o rale comrcio (tamanho a fim dividido pelo tempo disponvel). Os coeficientes y e RJ e
do expoentes uma e /? pode ser determinada a partir de regresses lineares ou no lineares de dados
empricos. Assim, um dos objectivos foi confirmar a natureza dessas funes: se eles eram
verdadeiramente linear, ou eram razes quadradas ou tinha outro formulrio.
Seus dados emprica consistiu um grande conjunto de dados privado de US ordens institucionais
de as mesas de negociao equidade Citigroup dos Estados Unidos. Estes dados tambm permitiu
detalhes como lado ordem e grandes transaes para ser identificado. 4Grandes encomendas foram
excludas, de modo que o conjunto de dados foi limitado a incluir apenas as ordens at 10% do
ADV. Outras simplificaes foram para assumir uma taxa constante de negociao e de ignorar comovimento entre os preos dos ativos.
O modelo assume que a variao de preo realmente baseado em um Browniano
aritmtica movimento (B). Dado um preo de mercado inicial pm, a funo g impacto
permanente () determina a deriva pricc {DP) para uma determinada taxa de comrcio (V):
Muitos estudos acadmicos tm usado dala disposio do pblico, muitas vezes a partir da NYSE. No entanto, h vrias
questes com o uso de tais dados. Em primeiro lugar, compra e vende MUSL ser estimado, muitas vezes usando o Lee e
Ready (1991) algoritmo, uma vez que os dados no levar esta informao. Infelizmente, tais estimativas (com base na
comparao do preo da ordem wilh a melhor proposta e oferta em cal thai) no so 100% precisas. Alm disso, dados
pblicos no contm quaisquer ligaes entre as ordens to grandes transaes no podem ser facilmente rastreados.
294
negocia o
dp = Pmg {v) dz + P
mumadB
(05/10), onde uma a volatilidade e R representa

(a mdia fraccionada "tempo de volume" do
ADV que executou at agora). A funo h impacto temporria () usado para determinar a preo
mdio de execuo (P):
P (t) = P <J) + P
h ( j\
(10-6)
Onde x o tamanho do pedido e T o tempo.

Modelos de custos Impacto foram derivados integrando equaes 10-5 e 10-6. Eles foram, em
seguida, normalizada de modo a ser capaz de us-los em toda a vasta gama de ativos de seu conjunto
de dados. Conseqentemente, a volatilidade especfica de activos (a) foi includo, ea taxa de
negociao (X / T) foi ajustada dividindo-se pelo volume mdio dirio (V). Os modelos resultantes
para permanente e impacto temporrio (I) so os seguintes:
1
permanente
=g\
x_
+(barulho)
(07/10
)
VT
(08/10)
1
Temp
1=
realperm =
^ J + (rudo)
Aviso prvio que impacto temporrio expressa em termos dos impactos realizados e
permanentes. Almgren et ai. (2005) assumem que o fator de ajuste n = 0,5. O fator de rudo genrico
representa uma expresso de erro para cada uma das estimativas.
Para alm de normalizar as funes de impacto, eles tambm verificado para quaisquer
dependncias especficas de activos. Eles descobriram que um factor adicional de liquidez (L), foi
necessrio para o custo impacto permanente function.5 Este fator baseado em das aes em
circulao (0) e o volume mdio dirio (V) (efetivamente este o volume de negcios inversa):
E U - , 'F
Sem tais modificaes foram encontrados para ser necessrio para a funo de impacto
temporrio. Finalmente, as funes de impacto lei de potncia, 10-3 e 10-4, foram substitudos em
equaes
10-7 e 10-8 para dar:
uma
<7
= YT sign (X)
VT
J ~ H ^ verdadeira
<T
= TJ sinal
(X)
(EY
-J
+(barulho)(
xP
VT
+ (Rudo)
10-9)
(10-10)
Para resolver os valores dos expoentes Almgren et ai. (2005) usaram um Gauss modificada
Algoritmo de otimizao Newton. Por seu conjunto de dados, o que resultou nos valores
aproximados:
a ~ 0,89
5
Almgren e l al (2005) tamb m considerou a capitalizao de mercado, mas apenas observado uma dependncia fraca no
preo efeito para que eles optaram por usar IHE aes mais simples medida excepcional.
295
P ~ 0.60
5 ~ 0,27
Concluram que uma funo linear para impacto permanente era vivel, uma vez que era to
fechar a um. Estes resultados tambm confirmam a natureza cncava do impacto temporrio
funo desde p <1. No entanto, eles encontrados em favor de uma lei 3 / 5ths potncia, em vez de a
modelo de raiz quadrada. O fator de liquidez 8 tambm parece razovel, o que sugere que os custos
de impacto so mais altos para os ativos com volumes mdios dirios inferiores.
Estes foram, em seguida, utilizado expoentes para determinar os coeficientes y e i]. Almgren et
ai. (2005) denominou estes os "coeficientes universais de impacto no mercado", uma vez que
encontrou-os para manter durante todo o seu conjunto de dados:
y ~ 0,314
0,142
Portanto, substituindo estes valores em equaes 10-9 e 10-10 eles foram capazes de custos de
impacto estimativa de mercado aecuratcly para qualquer ativo de seu conjunto de dados usando
o seguinte:
(10-11 )
^ = Verdadeiro M 'perm + * (*) V
<J +
(barulho)
(10-12 )
importante notar que seu trabalho foi para as aes dos EUA. Eles concluram que o
coeficientes, possivelmente, os expoentes e talvez at mesmo as formas funcionais pode ser
significativamente diferente entre os diferentes mercados como bem como ao longo do tempo. Por
esta razo, tais modelos requerem calibrao cuidadosa para cada mercado antes do uso.
Exemplo 10-J: Almgren et ai. (2005) fornecem um exemplo estimar os custos do impacto de
ordens para comprar equivalentes 10% do ADV da IBM e DRI, como mostrado na Tabela 10-1.
Usando seu modelo de custo, vamos trabalhar atravs destes clculos para os potenciais custos de
impacto mercado:
Neste facilidade, a IBM suposto para ter uma ADV de 6.561.000, de um total pendente de
1.728 milhes de aces, e uma volatilidade diria de 1,57%.
Portanto, podemos estimar o impacto permanente, inserindo esses valores em equao 1 0 11 :
Eupermanente = 0,314 * 1,57 * 0,1 * (1.728 / 6.561) 1/4 = 0,20 = 20 bps.

Do mesmo modo, o impacto no mercado realizados pode ento ser determinada usando a
equao 10-12. Se ns tentar trabalhar o comrcio mais da metade do dia de negociao, em
seguida, 7 = 0,5:
Ireal = 0.5 * 0.20 + (sinal de (0,6561) * 0,142 * 1,57 * 10,1 /0.5I3'5) = 0,18 = 18 bps.
O impacto no mercado temporrio pode, ento, ser calculada utilizando a equao 08/10:
Eu temp = 0 , 1 8 - (0. 5 * 0,20) = 0,0 8 = 8 pb s
Tabela 10-1 mostra as estimativas do impacto do mercado, tanto para IBM e DRI para uma
srie de comrcio duraes, de 0,1 a 0,5 de um dia. Os custos para DRI so maiores do que aqueles
para IBM; Isto principalmente devido a a sua volatilidade mais elevada. Se ns normalizamos os
impactos do mercado, dividindo-os por
29 6
negocia o
Reforar
estrat gias
de
as volatilidades relativas, wc pode ver que a ordem DRI deve realmente ter um impacto permanente
custo mais baixo. Isso faz sentido, j que DRI tem um volume de negcios maior para negociao
10% do ADV deve ter menos impacto do que para a IBM. Por conseguinte, tem um DRI normalizada
inferior impacto permanente (0,096) em comparao com IBM (0,126). Os impactos temporrios
normalizados so os mesmos, uma vez que o custo no dependente das propriedades especficas de
activos.
O volume mdio dirio

Aes em circulao
volume de negcios
Volatilidade Diria (%)
Tamanho comercial
normalizado
Norm,
o impacto perm
Bps impacto permanente
Durao do Comrcio
(dias)
Normalizada temporria
Bps impacto temporrio
Bps de impacto
realizados
IBM
DRI
6,561 M
1.929 M
&
1728 M
168 M
0/V
263
87
1.57
2.26
0,1
0,1
0,126
0,096
X/V
Eu Pern /
20
Eu VERM
Eu temp / &
22
0,1
0,2
0,5
0,1
0,2
0,5
0,142
0,094
0,054
0,142
0,094
0,054
Jtemp
22
15
32
21
12
bater
32
25
18
43
32
23
Fonte: Almgren el al. (2005)
Mesa 10-1 estimativa de custo para o Exemplo 10-1 detalhes
Uma abordagem de alocao de custos

Kisscll e Glantz (2003) tomar o caminho inverso, usando uma alocao de custos top-down modelo
para estimar o impacto no mercado. Este mtodo provou capablc de estimar os custos, tanto o activo e
nvel da carteira. A seguir fornece um breve resumo deste modelo, mas para anlise mais detalhada
consulte Kisscll e Glantz (2003).
A poro impacto no mercado do equao 10-2 consiste de uma funo de impacto permanente g
(\)
e uma funo de impacto temporrio h (\):
nn
Ml (xj) = h (Xj ) e ~(n~j) c + Y, S (xj) (10-13)

j=ij=\
O Kissell e Glantz (2003) modelo conta com as seguintes premissas:
Custos de impacto mercado so o mesmo para compra e vende. 6
Impacto no mercado temporrio faz no persistir para alm do perodo atual.
Apenas liquidez ordens exigentes pagar impacto no mercado temporrio.
Todas as encomendas tm um impacto permanente.

Com base nessas premissas, eles ento derivar custos mdios para tanto temporria (h) e
permanente (g ) Impacto em $ / ao:
6
Embora no haja evidncias de que vende pode ser mais costty, eles observam que as estimativas podem ser
corrigidos com uma ajuste para acomodar este.
297
xZ*-*
_jeside
_bl\
- _j = \ j = i_ (1 -? /]
~*
/ esttte
-f
)/
"q
Z-<-/
y=i
Onde / o custo total e impacto <2 o desequilbrio lquido entre compra e vende. Eles observam
que apenas demandantes de liquidez pagar o custo de impacto temporrio, de modo vSide o volume
negociado demandantes de liquidez (no mesmo lado que o desequilbrio ou jeside). O fator b \
representa o percentual de impacto temporrio, ento (1 - b \) igual percentagem de impacto
permanente.
Estas mdias podem ento ser usadas para deseribe o impacto no mercado:
'B, I
MI$(X) = X
+(1-b),
oI
VsideQ
(10-14)
Kissell e Glantz descobriram que a proporo de impacto temporria em qualquer negociao

perodo kfoi igual para o desequilbrio percentual em que o tempo (qJQ):
MI
$ (xk) =
Y,x>
q_k_b, l
k
-b{)EU
QVsideQ
k=\
O impacto no mercado pode ser atualizado em termos de apenas detalhes do pedido e de mercado
esperado volume usando as seguintes suposies:
o desequilbrio igual ao tamanho do fim (Q = X)
volume do mercado distribudo uniformemente entre compra e vende

Assim, o volume de vSide demander liquidez pode ser reafirmada em termos da ordem tamanho
eo
volume esperado para esse perodo vk 1, ou seja vSide = jc + 0,5 * v *. Portanto:
b Ix
\ k.
* $ ( **) =
(Eu~ ^ L )/
k = 1 [X (Xk+ 0.5Vk)X
Finalmente, este pode ser reorganizados para mostrar os componentes temporrios e permanentes
de forma mais clara:
Mis(xk) = y
5
15)
2
- ^ - + (- ,) /
* f- (X- (X
k+
, * = '*
0.5Vk)(10-
Z_, Permanent
Temporrio
Equao 10-15 pode ser utilizado para determinar o impacto no mercado unicamente a partir do
impacto /, o detalhes do pedido (total tamanho X e ordem de tamanho xk para perodo k) eo volume
esperado para esse perodo VK.
A fim de realmente estimar os parmetros do modelo, Kissell e Glantz rearranjado o custo impacto
no mercado para uma ordem (equao 10-14) para ser o produto de duas funes, permitindo
7
Kissell e Glantz (2003) tambm discutem allernalives para situaes em que os volumes de mercado no so distribudas
uniformemente entre compra e vende.
298
negocia o
estimativa utilizando regresses no-lineares. este obtida assumindo os pedidos funciona sobre
uma dia inteiro, com X uma quantidade igual ao desequilbrio lquido Q, e substituindo pelo RFX = Q
/ Vside- Assim, a equao 10-14 pode ser rearranjada para:
Mh (X = Q) = ~ 0 + - b
eu)
I = HQ, +
(1 -b,))
lado
Finalmente, tanto o custo e desequilbrio so normalizados para permitir estimativa atravs de um

mais amplo alcance de dados. O desequilbrio corrigido como Z, uma percentagem do ADV, eo
custo (em base pontos) pode ser expressa como o produto de ambos uma funo impacto instantneo
(I * hp (Z, <y)) e uma funo de dissipao
(10-16)
MIpb= l 'hp(Z, a) d (Tj)
Trs estruturas possveis para esta funo impacto no mercado instantnea foram investigados
por Kissell e Glantz (2003):
Linear: r
hp(Z,
= (0.30a 8Z + + 90)
CR) = axZ + A2L + A3
umaeuZa2+ A2(J +
Nonlinear: r
hp(Z, a) =
(35Z06 5+0.30a + 15)
(10-17)
Funo de potncia: I *pb(Z, <T) = um]Za2umauma>
= (25Z
uma4 =
38 0
(70 28 )
Usaram regresso no linear para derivar estimativas para cada um destes modelos, a partir de
amostras com uma gama de tamanhos, volatilidades e taxas de participao. Os resultados preferidos
para cada modelo so mostradas no lado direito. Curiosamente, os erros de regresso foram
encontrados a ser menor para os modelos de funo no linear e poder base, o que implica que a
verdadeira relao entre o custo eo tamanho impacto de facto no-linear.
Os resultados provaram para ser coerente tanto para tamanho e volatilidade; mas como acontece
com qualquer modelo, ainda preciso recalibrar-lo para encontrar as estimativas mais adequadas para
mercados especficos.
Kissell e Glantz (2003) tambm determinou uma estimativa para a funo de dissipao como:
d (rj) = (0,9577 "'+ 0-05)
A 95% foi encontrada na maioria de suas regresses, e parecia ser invariante no tempo e
independente de tamanho. Substituindo esta de volta na equao 10-16 d:
/, = / $ (0.95IT1 + 0,05) = 0,95 /, n ~ \ +
Temporrio
0,05 / $
impactPermanent
impacto
Assim, 95% dos custos totais do impacto no mercado so temporrios, o eost de exigir liquidez.
Portanto, independentemente da estratgia de negociao, um impacto permanente 5% resultar,
refletindo a contedo de informao da ordem.
Vamos agora colocar isso na prtica, com um exemplo, vagamente baseado em mais de Kissell e
Glantz (2003).
Exemplo 10-2: Considerar uma ordem para comprar 100 mil EFG, assumindo um preo atual de US
$ 50, um volatilidade diria de 200 bps e um ADV de 1.000.000.
Para estimar o impacto no mercado, vamos primeiro precisa de uma figura para a instantnea
299
impacto de custo. Usando as estimativas mostrados para equao 10 -17, ns Z pode substituir
With10
(sincc 100.000 de 10% do ADV) e uma 200 bps :
Linear:
/ * = (8 * 10 + (0,3 * 200) + 90) * 10 "4 * 50 * 100.000 = $ 115.000 nolinear: I * = (35 * 10065 + (0,3 * 200) H- 15) * 104 * 50 * = $ 100.000 115,670
Potncia:
EU* = (25 * 10038 * 200 28) * 10 "4 * 100.000 * 50 = $ 132190
Mdia
/ * = $ 120.953
Assim, o impacto mdio de mercado instantnea de aproximadamente $ 120.000.
Banheiro agora pode alimentar esse impacto no mercado instantnea na equao para estimar a 1015 impacto global do mercado. Mesa 10-2 mostra um exemplo de estratgia de negociao em
conjunto com o volumes de mercado cxpected.
Perodo
Aes
E (volume Mkt)
Ordem temporria
impacto
1
20.000
250000
2
15.000
150000
3,1452,850
($)
3
10.000
100000
4
25.000
250000
5
30.000
250000
100000
1000000
1900
4750
6619
19.264
Tabela 10-2 detalhes de execuo para Exemplo 10-2

Com base nisto, e usando a equao 10-15, ns pode ento determinar a ordem de cada criana
impacto temporrio, como se mostra na ltima fila. Por exemplo, no primeiro perodo, a fim
XK tamanho de 20.000, enquanto que o volume de VK cxpected 250.000. Portanto, usando a
equao a 10-15 impacto temporrio para ponto (1) definida Como:
Impacto temporrio (1)
= 0,95 x $ 120,000 X (20.000) 2 /

100000 X (20.000 + 0,5 x 250.000)
= $ 3.145
Note, isso pressupe que continuamos a usar o mesmo 0,95: rcio de 0,05, como vimos na
equao 10-18, de modo b \ = 0,95.
Como pode wc sec de Tabic 02/10, o impacto temporrio total de $ 19.264. Estimando o impacto
permanente muito mais fcil, uma vez que est apenas a uma proporo fixa do instantneo
impacto. Portanto:
Temporrio impacto
Permanente impacto
Mercado impacto
= $ 19 .264
= (1-0.95) * $ 120.000 = $ 6.000
= $ 19.264 + $ 6.000 = $ 25,264 = 50 bps.
Assim, com um mnimo de dados necessrios (pricc, volatilidade, ADV) que so capazes de usar o
Kissell e modelo Glantz para fornecer estimativas para tanto o impacto permanente e temporrio
mercado.
Risco temporal
Cronometragem risco reflete a incerteza da estimativa de custo de transao. Volatilidade e Pricc
risco de liquidez arco as duas principais fontes de esta incerteza, embora outros fatores, como
risco de spread tambm pode ser considerado.
Para fazer a determinao de timing arriscar um pouco mais fcil Kissell e Glantz (2003)
assumem esse volume e movimento dos preos so independentes. Isto lhes permite determinar a
pricc volatilidade e liquidez arriscar separadamente:
30 0
negocia o
Refora r estrat gias de
5R (0) = um
cr2(KXXk))
(jU (xk)) +
(10-19)
Preo volatilityLiquidity
risco
O preo risco de uma estratgia de negociao representa a exposio volatilidade para os restantes
posio. Assim, para uma estratgia de negociao discreta Kissell e Malamut (2005b) define este
como:
Onde r a posio residual e TG2 / N a varincia por perodo.

A liquidez risco explica a variabilidade de liquidez durante o perodo de negociao. Por sua vez,
isso afeta as estimativas de impacto mercado. Por exemplo, uma queda sbita de liquidez significar
ordens incorrer em impactos de mercado mais elevadas do que o esperado. Kissell e Glantz usar o
no ajustada funo de impacto temporrio a partir da equao 10-15 para determinar o risco de
liquidez. Isto alm do escopo deste livro, mas mais detalhes podem ser encontrados em Kissell e
Glantz (2003).
10.4 Manipulao de eventos especiais

Estratgias de negociao informatizadas pode reagir s mudanas nas condies de mercado
extremamente rapidamente. Wc j vimos previses quo curto prazo pode permitir-lhes fazer mais
pr-ativa as decises sobre a colocao do pedido. Outro maneira de conseguir isso a construo
de regras para reconhecer e reagir a eventos especficos de mercado. Por exemplo, um contrato de
futuros tem uma validade set encontro; sabemos da evidncia emprica de que esta data se
aproximando muito da negociao volume vai mudar para o prximo contrato. Portanto, os
ajustamentos podem ser construdos em que para assegurar uma vez que atinge a maturidade as
estimativas de volume de negociao so realistas.
Estes eventos podem ser altamente predictahle, tais como de vencimento do contrato, ou eles
podem ser mais inesperado, tal como uma interrupo de negociao devido notcia. Muitas vezes,
eles resultar em aumentos repentinos na volatilidade e quedas de liquidez correspondente. No entanto,
ONCC o evento tem sido reconhecida wc pode usar reaes histricas como uma diretriz, fornecendo
previses de curto prazo para como as condies de mercado vai mudar, e quanto tempo isso pode
durar. Isso deve ajudar a estratgia reagem mais como um comerciante poder real.
Eventos previsveis
Alguns eventos acontecem em datas estabelecidas ou eles so anunciou-prc, para que haja um alto
grau de certeza sobre eles. Assim, relativamente fcil de crcate regras personalizadas a serem
aplicadas nestes datas. Bons exemplos deste so:
Novas emisses de obrigaes
Expirao do contrato de futuros
Witching dias, quando de futuros e opes expiram juntos
Reequilbrios ndices de aes

Nos seguintes sub-sees, vamos olhar para exemplos empricos desses eventos e examinar como
eles afetam as condies de mercado.
Novas emisses de obrigaes
Para os emitentes regulares de ttulos, o mais tipicamente governos, novas questes tendem a atrair
maior nveis de liquidez do que os contratos que tm efetivamente substitudos. Por exemplo, a
A l g o ri t h mi c T rad i n g & DM UMA
301
Tesouro EUA distribui novas questes de 1, 3 e 6 meses contas a cada semana, enquanto a emisso
de 2 e 5 anos notas, notas mensais de 10 anos trimestral e ttulos de 30 anos semestral. A
edio atual de qualquer Tesouro dos EUA dado est a ser dito "em fuga". Assim, a cada semana, ms
ou trimestre um novo lote de ttulos do Tesouro tornar-se "em fuga" e do facturas / notas / ttulos
que substituram esto a ser dito "off the run".
Um estudo realizado por Michael Barclay, Terrence Hendershott, e Kenneth Kotz (2006)
descobriram que uma vez Treasuries se tornar "off the run" o seu volume de negcios cai rapidamente
por 90% dentro de um importam de dias. Isto ilustrado na Figura 10-14, que baseado nos volumes
mdios comerciais entre janeiro de 2001 e novembro de 2002.
Dale Relatiw Indo lo Ofl ibe Run
Fonte: Barclay, Hendersholl, e Kotz (2006), Journal of Finance, Wiley-Blackwell

Reproduzido com permisso da editora
Figura 10-14 volume de negociao para on e off-the-run do Tesouro dos EUA

A liquidez de novas emisses significa Ihey pode atrair um ligeiro prmio sobre sua "off the
run "equivalentes. David Goldrcich, Bernd Hanke e Purnendu Nath (2005) encontraram uma
prmio mdio de 1,5 pontos base (bps) para notas de 2 anos. Isso dissipa a zero pelo tempo da
prxima edio mensal. A maior prmio de cerca de 12 bps foi observado para 30- obrigaes ano
por Arvind Krishnamurthy (2002).
Expirao do contrato de futuros

Futuros tm uma data de validade especfica; apenas antes de esta as trocas redesignar a liderana
contrato, como a transferncia do junho a setembro. Alterando o provoca uma vantagem mudana
considervel no volume de negcios como hedgers rolar suas posies para o novo contrato.
Figura 10-15 ilustra este efeito para o contrato CME S & P 500, tomado de umaestudo
realizado por Adam Schwartz e Bonnie e Robert Van Ness (2004). No lado direito ns pode sec que
um novo contrato de futuros comea com volumes de negociao relativamente baixos. Quando o
chumbo (ou front-ms) futuro tem oito dias para a maturidade a liderana , em seguida, mudado para
o prximo contrato a expirar (next-out). O volume de o antigo contrato de chumbo tem uma
enxurrada final antes de repente em declnio, mostrado no marcador de oito dias na Figura 10-15.
Para o futuro novo chumbo, no ser um aumento correspondente no volume de negcios, que
ns pode ver nos 98 dias do vencimento do marcador. Durante esses crossovers o volume combinado
de
30 2
E n h an ci n estratgias de negociao g
140000
400000
350.000
120.000
^300000 |
V
250000 -
2100000
> 80.000
Q
Eu
^
200000 .
60.000
150000
40.000
100.000 5
D)
>
50.000 <
20.000
-6153657
78
99.120
Dias at o vencimento
141
Fonte: Schwartz, Van Ness e Van Ness (2004), Jornal de Mercados Futuros
Copyright 2004 John Wiley & amp; Sons, Inc.Reprinted com permisso de John Wiley & Sons,
Inc.
Figura 10-15, o volume dirio e interesse aberto de S & P 500 para 1999-2000
Ambos os contratos pode realmente ver um aumento lquido de cerca de 30%, como observado para
o S & P 500 por Ira Kawaller, Paul Koch e John Peterson (2001). Eles tambm descobriram que a
volatilidade do contratos est intimamente ligada ao seu volume de negcios. Assim, o contrato
de chumbo tem consistentemente menor volatilidade do que o prximo contrato-out.
Figura 10-15 mostra tambm o interesse aberto, o que reflete o nmero real de contratos em
aberto. Mais uma vez, pode-se sec este sobe repentinamente em torno do marcador de 98 dias, e
cai em torno do marcador de oito dias. Entre esses dois picos, o interesse permanece aberto
relativamente esttica ao longo deste perodo, enquanto o volume de negociao visivelmente
inferior. Esta fase representa o comrcio secundrio de contratos.
Um maneira de lidar com essa sazonalidade relacionada com validade para os dados de volume de
negociao fornecido por Phil Holmes e Jonathan Rougier (2005). Eles usaram a mudana em
contratos em aberto como um ajuste para o volume de negcios, por isso, quando um contrato
torna-se chumbo haver um negativo ajustamento. Esta abordagem foi usada com sucesso para
interpretar o significado de negociao volumes para o S & P 500, Reino Unido longas
marrs e contratos de petrleo Brent.
Dias Witching
Dias Witching ocorrer quando vrias categorias de derivados, para o mesmo activo subjacente,
todos expirar na mesma data. Este o melhor tipificada para ndices de aes em que o
vencimento do ndice futuros e opes, bem como opes de aes conhecido como "triple
witching". A introduo de futuros de aes individuais adicionou mesmo mais volume, juntamente
com o mais pesado apelido de "quadruple witching". O maior dia witching em os EUA, quando
o trimestral expiraes de S & P 500 derivados convergir. Uma avaliao detalhada deste, e seus
efeitos sobre negociado a ambos NYSE e NASDAQ, fornecido por Michael Barclay, Terrence
Hcndershott Jones e Charles (2006). Os volumes envolvidos nos dias witching pode ser grande,
por exemplo, em termos de S & P 500 sozinhos eles observam que desde o final de 2004 entre US
$ 50-75 bilhes em liquidados em cada dia witching.
Arbitradores so responsveis por uma proporo considervel do volume durante os dias
witching. Eles mantm posies coberto no dinheiro e mercados de derivativos, uma vez que os
derivados em geral liquidar em dinheiro. Na expirao, eles precisam CloseOut suas posies no
mercado vista. Fazer umalucro que deve atingir o preo de liquidao dos contratos de
derivativos. Portanto, em witching dias os mercados vista rcccive considervel fluxo de
pedidos adicionais de arbitradores. Para
A l g o ri t h mi c Trading & DM A
30 3
exemplo, Barclay, Hendershott e Jones (2006), note a sua actividade pode aumentar at 50 vezes
em dias witching, tendo volumes de arbitragem normais de $ 0240000 por ao at
12740000 $ na NYSE, com base em dados de 2003 a Q3 2005. Essas mudanas podem
significativamente alterar o equilbrio normal entre oferta e demanda, potencialmente causan do
grande, mas transitria, variaes de preos.
Os efeitos de curto prazo sobre o volume de negociao para tanto NYSE e NASDAQ so
mostrados na Figura 10-16. Esta traa a relao entre o volume dia witching em comparao com
volumes normais, com base em mdias para cada trimestre de 1998 a Q3 2004. Assim, nos dias
que witching encontrado o volume de comrcio abertura NYSE era, em mdia, cerca de sete
vezes maior.
Fonte: Barclay, Hendershott e Jones (2006) Reproduzido com permisso

Escola de Administrao de Empresas da Universidade de Washington
da editora Copyright 2001,
Figura 10-16 Witching Relativa volume de negociao dia

Os nmeros de 2005 da NYSE auditoria mostrou, na verdade, um aumento de dez vezes em
volumes, com volumes de abertura mdia valor de US $ 15 milhes por imagens. Da mesma
forma, na NASDAQ pr-aberto volumes atingiu mais vezes ao vivo os seus nveis habituais.
Em ambos os mercados, um volume superior persistiu aps o aberto. Porm, isso dissipou-se
rapidamente com volumes retornando aos seus nveis normais em cerca de 10h.
Um efeito semelhante foi observado para a volatilidade de curto prazo, como mostrado na Figura
10-17. Mais uma vez, ambos os mercados viu um salto considervel na volatilidade na manh do
witching. Para o NYSE, Barclay, Hendershott e Jones (2006) determinaram um aumento mdio de
quase 28 bps, enquanto um excesso de 64 bps foi encontrado para NASDAQ. Como com o
volume, ambos os mercados tambm Serra uma rpida reduo do excesso de volatilidade uma vez
que o leilo de abertura foi concluda. Embora, em cerca de 10h ambos os mercados voltaram ao
normal.
O estudo realizado por Barclay, Hendershott e Jones (2006) claramente tambm uma
comparao interessante entre os dois principais mercados norte-americanos. Algumas das
diferenas, particularmente em termos de volatilidade, pode ser atribudo variedade de
empresas de capital em cada bolsa.
Eles tambm observam que a introduo da NASDAQ de um leilo call de abertura em 2004
melhorou significativamente sua eficincia no manuseio dias witching. Na verdade, eles sugerem
que este pode ter contribudo para o salto de 50% nos contratos em aberto no $ & P 500, que
ocorreu em Novembro de 2004. Este tambm pode ter ajudado o triplo do volume de witching na
NYSE.
30 4
E n h an ci n estratgias de negociao g
Fonte: Barclay, Hcndcrsholt e Jones (2006) Reproduzido com permisso

Escola de Administrao de Empresas da Universidade de Washington
da editora Copyright 2001,
Figura 10-17 Excesso de volatilidade dia Witching
ndice de Reequilbrio
ndices de aes so referncias importantes. A fim de reflectir com preciso os mercados em
que atuam reequilbrios peridicas so necessrias. Estes asseguram stocks que agora cumprir os
requisitos para o ndice so adicionados, e aqueles que no conseguem encontr-los so removidos.
Assim, ao reequilbrio ndices, tais como o FTSE 100 ou o S & P 500, conseguem manter
representando as principais unidades populacionais para seus respectivos mercados.
Uma vez que tantas empresas de investimento controlar os principais ndices de aes tais
alteraes so divulgado bem antes que eles realmente acontecer. Isto d aos investidores aviso
suficiente para realinhar as suas carteiras. Para minimizar os erros d e rastreamento, os fundos de
ndice comprar aes adicionadas ao ndice, e vender aqueles que so removidos. Assim sendo
includas num ndice principal pode conduzir a uma aumento sbito da procura de aes de uma
empresa. Isto pode levar a uma permanente melhoria da sua liquidez, alm de melhorar a
cobertura pelos analistas. Numerosos estudos descobriram que as aes que so adicionados a
um ndice ver um aumento anormal em seus retornos enquanto as aes que so removidos ver uma
diminuio.
Um monte de investigao tem incidido sobre o S & P 500, que no surpreendente dada a vasta
quantidade de ativos que so referenciados a esta index.8 Desde 1989 Standard and Poor de ter
ajustes pr-anunciadas uma semana de antecedncia. Honghui Chen, Gregory Noronha e Vijay
Singal (2006) analisaram os retornos para as unidades populacionais envolvidas no um reequilbrio,
desde antes da inicial anncio para mais de dois meses aps a mudana do ndice. Figura 10 -18
mostra o efeito sobre os preos desses slocks para o perodo 1989-2002.
No dia do anncio, retornos anormais foram, em mdia, + 5,12% para as adies,
experimentado por mais de 94% das empresas da amostra. Esta aumentou para 8,37% para a +
o dia do reequilbrio real. Em contraste, os estoques de ser removido a partir do ndice de serra,
em mdia, 8% queda nos retornos por o dia do anncio, seguido por uma nova reduo de 14%
no Data efetiva. Ao contrrio das adies, porm, este efeito preo fiz no parece ser
permanente.
8
Madhavan e Ming (2003) dar um eslimale conservalive de mais de $ 830.000.000.000.
30 5
12
8
4
0
AnnDate ; 1AnnDateEffDateEffDate
+ 20- '+ 60 EffDate
-4
-8
-12
-.4-i Adies
- -M- - Eliminaes
-16
Fonte: Chen, Noronha e Singal (2006)
Reproduzido com permisso de JOIM
Figura 10-18 respostas Mdia de preo para S & P 500 reequilbrios (1989-2002)
O cffcct negativo desapareceu no prazo de 60 dias do reequilbrio.
Resultados semelhantes para o perodo entre o anncio ea data efetiva foram observados por
Ananth Madhavan e Kewei Ming (2003) e Anthony Lynch e Richard Mendcnhall (1997). Embora,
aps a data efetiva Lynch e Mendenhall (1997), apenas notado uma reverso parcial dos preos.
Chen, Noronha e Singal (2006) explicam que esta diferena muito provavelmente devido ao
seu estudo utilizando amostras de maior dimenso, assim como o rastreamento retornos para
mais aps o evento. Eles tambm sugeriram que o aumento da conscientizao foi umapotencial
explicao para o aumento permanente de retornos para adies. Eles raciocinam que investidores
fazer no de repente se tornam menos conscientes dos estoques que so removidos do ndice, hcncc a
assimetria nos retornos.
Madhavan e Ming (2003) centrada sobre o reequilbrio 19 de julho de 2002 S & P 500, quando
sete fora dos EUA. companhias foram substitudos. Eles descobriram que, negociando no
perodo que antecedeu a os investidores rebalance reais podem reduzir drasticamente seus custos de
negociao, sem expor suas carteiras a substancial risco de erro de seguimento.
Madhavan (2002a) encontraram um efeito equivalente para os reequilbrios anuais da Russell
3000 ndice. Ele observou que as reverses de retorno subseqentes em julho sugeriu que
preo presso pode ter sido um fator determinante importante na gerao os retornos anormais.
Ele tambm concluiu que a baixa liquidez das aes a ser removido pode explicar algumas das
assimetria nos retornos entre as adies e as excluses.
Retornos anormais comparveis de curto prazo foram tambm observadas para
reequilbrios do Reino Unido FTSE-100 por Bryan Mase (2006). Porm, ele no encontrou
efeitos sobre os preos permanentes equivalentes para adies. Em vez disso, ele observou que
uma reverso ocorreu para ambas as adies e excluses, dentro um ms as suas declaraes estavam
de volta ao normal.
Em termos de volume de negociao, Chen, Noronha e Singal (2006) encontrou volumes de
negcios a ser mais de trs vezes maior para as populaes afetadas sobre os S & P 500 dias o
anncio. Eles tambm viram turnovers saltar para mais de 12 vezes os nveis normais nas datas
efetivas. Aps o reequilbrio, o volumes voltaram ao normal para as unidades populacionais
recm-adicionados, mas aqueles removido do ndice Serra um declnio nos seus volumes. Em seu
estudo da S & P 500, Lynch e Mendenhall (1997) relatado volumes significativamente maiores no
dia antes da data efetiva. Da mesma forma, Mase (2006) encontraram picos no volume de
negociao no dia anterior FTSE-100 reequilibra. Os picos
306
negocia o
Reforar
estrat gias
de
aplicada a ambas as adies e delees; embora ps-reequilbrio houve um aprecivel declinar nos
volumes para as unidades populacionais removido do ndice.
O impacto das alteraes dos ndices tambm foram analisadas para os mercados de opes
de aes. UMA
estudo da S & P 500 por Rong Qi e Libo Sui (2007) seguiu os preos e negociao volumes de
opes de aes com greves dentro 5% do preo de mercado e prazo de vencimento de 30 a 117
dias. Eles descobriram que no dia das opes de compra anncio para as adies viu um aumento de
preos considervel, enquanto o custo de puts caiu. Para as excluses, as opes de venda viu um
ainda maior aumento de preo, enquanto as chamadas ficaram mais baratos. Eles observam que o
hetween datas de anncio e eficazes o mais alto retorno anormal foi para opes de venda sobre
o delees, embora o opes de compra sobre adies tambm viu um retorno positivo. Mais uma
vez, o preo mudanas parecia ser permanente para as adies, enquanto uma inverso parcial
ocorreu dentro cerca de 30 dias de a data efetiva para as excluses. Curiosamente, eles tambm
observaram que os preos das opes comearam a changc at dez dias antes do anncio e acelerou a
cinco dias antes, sugerindo que o mercado opo poderia ser um indicador importante til. Qi e Sui
(2007) tambm relataram picos de volume similares. No dia do anncio, eles encontraram at um
aumento de 30 timcs para opes de venda sobre as adies e excluses, at 50 vezes para chamada
opes sobre as excluses e cerca de 17 vezes para opes de compra sobre as adies. Eles
observaram que o nvel de interesse aberto aumentou dramaticamente desde o anncio da data de
vigncia, em seguida, de repente caiu para nveis normais. Claramente, somente tanto volume
devido indexao fundos, atriburam grande parte do aumento de arbitradores.
Eventos imprevisveis
Eventos disparados por informaes ou notcias so muito menos previsvel. Enquanto que pode
ser mais difcil de prever, os seus efeitos a curto prazo ainda pode ser quantificada. Por exemplo, a
negociao interrupes, tais como paragens ou leiles volatilidade, podem ser seguidos por
perodos de muito maior volatilidade e volumes, embora muitas vezes estas desaparecem ao fim de
algumas horas.
Interrupes comerciais
Poses volatilidade excessiva um problema srio para os participantes do mercado. Numa tentativa
para evitar isto, a maioria dos mercados adoptar uma variedade de mtodos diferentes para tentar
controlar as coisas quando novo informaes de repente se torna disponvel, a saber:
Paradas de negociao
Limites de preo
Leiles de volatilidade
Paradas de negociao sejam impostas pelas autoridades do mercado; eles deixam a
negociao para um determinado perodo enquanto nova informao tornada pblica. Muitas
vezes, estes so seguidos por um leilo de chamada para fornecer a reabertura mais estvel para o
ativo affcctcd. Limites de preo atuar como faixas de negociao, todos os comrcios que mudaria o
preo fora destes no so simplesmente permitido. Alternativamente, a volatilidade alternar leiles de
negociao em contnuo para um leilo de chamada por um curto perodo. Essencialmente, eles so
como micro-pra vez que muitas vezes duram apenas cerca de cinco minutos; Contudo, eles so
geralmente desencadeada por regras de preos conjunto, bem como um limite de preo. Esta
uma diferena fundamental entre estes mecanismos j que ambos os leiles de volatilidade e
limites de preos podem ele mantidas automaticamente pelos sistemas de monitorizao do
mercado. A sua natureza baseada em regras torna muito mais fcil de prever, Na verdade, um
estudo realizado por David Abad e Roberto Pascual (2006) determina ainda a probabilidade de
atingir esses limites. Em comparao, paradas de negociao so mais subjetiva e assim mais
difcil de prever.
Paradas de negociao so comumente adotada em os mercados acionrios dos EUA, ao passo

que os limites so pricc
307
usado mais em mercados europeus e asiticos de aes, bem como os mercados de futuros dos EUA.
Leiles de volatilidade esto se tornando cada vez mais popular, especialmente na Europa. Eles
tambm tm foram incorporados NYSE como Pontos de Reabastecimento de Liquidez (LRPS).
Os pesquisadores esto ainda divididos sobre qual mecanismo o melhor. Em geral, paradas
comerciais parece ter preferncia sobre limites de preo, enquanto alguns estudos encontrar leiles
de volatilidade mais eficaz do que pra. Por exemplo, Yong Kim, Jos Yagiie e J. Jimmy Yang
(2008), em comparao o efeito de limites de preo e paradas para negociao no a bolsa espanhola.
Eles concluram que depois ambas as interrupes houve aumento da atividade comercial. Embora,
eles notaram que, aps negociao volatilidade permaneceram paradas o mesmo eo bid-offer spread
realmente reduzida, enquanto que aps limite de preo atinge tanto a volatilidade ea propagao
aumentada.
Nota que o foco principal desta seo sobre interrupes de um activo especfico, uma vez que
estas ocorrem com muito mais freqncia do que as paradas de todo o mercado. Por exemplo, em seu
estudo NYSE Bidisha Chakrabarty, Shane Corwin e Marios Panayides (2007) analisaram 4.020
paradas entre janeiro de 2002 e dezembro de 2005, uma mdia de mais de quatro por dia.
Paradas de negociao
Paradas de negociao podem ser divididos em dois tipos principais, aqueles impulsionado
pela notcia e aqueles que surgem a partir de desequilbrios de ordem. Os funcionrios em
intercmbio instigar notcias pra quando a informao devido a ser libertada dever ter um
impacto significativo sobre os preos. O impasse permite tempo para que isso ser divulgada aos
comerciantes e investidores. Paradas desequilbrio ordem so acionados por um mercado
especialista quando o desequilbrio entre compra e vende muito grande. Durante os comerciantes
halt pode modificar, cancelar e novas encomendas, aps a negociao parada, em seguida, reabre
com uma chamada leilo.
NYSE suporta ambos os tipos de paradas. Em seu estudo, Shane Corwin e Ma rc Lipson
(2000) encontrou o impasse mdia NYSE durou mais de 80 minutos. Notcias paradas levou
cerca de 86 minutos enquanto ordem paradas desequilbrio durou uma mdia de 56 minutos.
Durante esse tempo, eles notaram que a atividade fim aumentou significativamente, tanto para a
apresentao de novos pedidos e cancelamentos dos j existentes. Assim, no momento em que o
mercado reabre a carteira de pedidos consiste principalmente de encomendas feitas durante a
parada. Embora, devido incerteza em torno paradas, eles tambm observou que a profundidade
perto as cotaes cai a nveis anormalmente baixos durante o interromper, mesmo que especialistas
e comerciantes de assoalho fornecer liquidez adicional. Eles tambm observada que o fluxo de
ordens poderia permanecer em nveis elevados durante vrias horas aps a parada. Importante, eles
descobriram que o preo de equilbrio aps o leilo foi uma chamada de reabertura bom preditor
de priccs futuras. Em seus dados de amostra, 36% das notcias pra levou a aumentos de preos,
43% levou a gotas 21% e manteve-se inalterada. Enquanto para o desequilbrio fim pra, 48% levou a
aumentos, 41% a quedas e 11% eram estveis. No geral, o retorno mdio absoluto aps uma parada
foi ligeiramente inferior a 4%.
NASDAQ atende pra-driven de notcias. William Christie, Shane Corwin, e Jeffrey
Harris (2002) descobriu que estes levou a aumentos substanciais no volume e volatilidade. O
volume de negcios eo nmero de comrcios foram mais seis vezes os nveis normais para a
metade hora aps a parada, e manteve-se invulgarmente elevado para at duas horas depois.
Intraday paradas significa criadores de mercado no pode comear a postar preos at cinco
minutos antes do a retomada da negociao. Estes foram encontrados para resultar em at nove
vezes os nveis normais de volatilidade, enquanto o oferta de lance se espalhar mais do que
duplicou. Em comparao, para paragens que ocorrem depois 4:00 h uma abertura alargada 90
minuto no dia seguinte. A volatilidade associada com tais aberturas foi significativamente
inferior e a offer spread bid era praticamente afectada. Eles concluram que no h um benefcio
claro para permitir mais tempo para preo descoberta aps quaisquer paradas.
308
negocia o
Reforar
estrat gias
de
Limites de preo
Limites de preo so geralmente adoptadas nos mercados em funo das ordens. Eles podem ser
estticos e / ou dinmica. Limites estticos arco geralmente aplicadas a um preo de referncia,
como o aberto ou o fechamento anterior. assim um limite de 10% do aberto restringe a faixa de preo
entre 36 e 44 para um ativo que tem incio s 40. limiares dinmicos so mais versteis e arco
muitas vezes baseada na ltimo preo negociado. Por exemplo, um limite de 5% sobre um ativo cujo
ltimo preo negociado foi de 100 permite uma faixa de preo de 95,00-105,00. Se a prxima
comrcio est em 104, a faixa de preo permitida se deslocar para 98,8-109,2.
As regras intervir para todos os comrcios que iria quebrar esses intervalos e enviar o
preo de mercado, quer acima da alta limitar ou abaixo do ponto baixo. Tais negociaes podem,
ento, simplesmente no ser permitido, caso em que o profissional deve decidir se vai alterar o preo
ou no o comrcio, forando-os a reavaliar as condies de mercado.
A pesquisa sobre a eficcia dos limites de preo, no foram conclusivas. Certamente, h
tantos estudos que encontram limites de preo para ser arco ineficiente h aqueles encontr -los
benfica. Um bom exemplo a anlise da Bolsa de Tquio por Kenneth Kim e
S. Ghon Rhcc (1997). Eles descobriram que os limites de preo poderia, na verdade, levar a uma
maior volatilidade e spillover volatilidade nos dias subseqentes. Um dos problemas com os
limites de preo que a mesma regra de preo muitas vezes aplicado para todos os ativos dentro
de um determinado mercado. Isso pode representar problemas para ativos ilquidos, uma vez que estes
podem ter os spreads significativamente mais amplas, que pode levar a que estes desencadeando os
limites com mais freqncia. Isto ilustrado na um estudo sobre o mercado acionrio chins por
Gong-Meng Chen, Kenneth Kim e Oliver Rui (2005), que concluem que limites mais amplos
podem ser apropriado para o menos B-aces com liquidez.
Leiles de volatilidade
Leiles de volatilidade mudar negociao em contnuo em um leilo de curto perodo de chamada,
muitas vezes durando apenas cerca de cinco minutos. Isto d aos comerciantes uma breve pausa antes
de negociao em contnuo recomea, permitindo que o tempo de um novo nvel de preos a ser
determinado. Os limites que desencadeiam volatilidade leiles so geralmente muito menos do que
quaisquer limites pricc dirias e assim por leiles de volatilidade ocorrer mais frequentemente.
Estes esto agora em usar a NYSE, Euronext e na Bolsa de Londres, bem como um variedade de
outros mercados. Um estudo detalhado da eficincia dos leiles de volatilidade no Bolsa espanhola
fornecido por David Abad e Roberto Pascual (2007). Eles encontraram que a volatilidade
comeou a aumentar meia hora de antecedncia, com um pico na janela de dez minutos ao redor
do leilo de chamada. Neste perodo nveis de volatilidade poderia deslocar mais de seis desviospadro longe de nveis normais. Porm, eles tambm observou que a volatilidade rapidamente
dissipada chegar nveis normais de novo dentro de 90 minutos.
Um efeito similar foi observado para os volumes de negociao, enquanto eles descobriram que a
oferta do bid propagao foi ligeiramente mais largo por 30 minutos aps o leilo. No entanto,
nenhum efeito significativo sobre a profundidade livro ordem exibida foi encontrado. Uma vez
que os perodos de recuperao eram mais curtos do que aqueles observados para NYSE e
NASDAQ, eles concluram que os leiles de volatilidade arco um eficaz meios de lidar com tais
situaes.
Anncios corporativos
Anncios corporativos pode ser outro evento relativamente imprevisvel. Lanamentos de
detalhes, tais como ganhos da empresa ou pagamento de dividendos, so muitas vezes marcada,
mas as empresas arco livre para alterar as datas. Assim, tanto as informaes que eles transmitir
e quando eles ocorrem pode ser difcil de prever.
Um estudo de anncios de dividendos para as unidades populacionais da NYSE foi realizado por
John Graham,
309
Jennifer Koski, e Uri Loewenstein (2003). No geral, foi observada uma diminuio da liquidez
imediatamente antes de avisos que foram bem antecipadas. Como seria de esperar, o
profundidade disponvel diminuiu medida que os comerciantes preparados para o anncio.
Depois disso, as coisas voltaram ao normal, apesar de quanto tempo isso levou dependia de quo
bem as novas informaes foi recebido. Para anncios completamente inesperadas, as mudanas na
liquidez eram menos perceptvel de antemo. Eles observaram um aumento considervel e sbito do
spread que durou cerca de uma hora aps a notcia. O tempo necessrio para a profundidade
disponvel para recuperar Tambm parece ser mais longo para esses eventos. Curiosamente, eles
tambm descobriram que no antecipada eventos foram precedidos por volumes anormais de
negociao. A consistncia deste volume pr-evento sugeriu alguma antecipao pelos
comerciantes informados. Porm, seu estudo focado em notcias pblica, em vez de quaisquer
outras fontes de informao de mercado ou rumores.
Se o anncio est no tempo tambm pode dar informaes importantes. As empresas tende a ser
desejosos de anunciar uma boa notcia e adiar a emisso de ms notcias. Mark Bagnoli, William
Kross e Susan Watts (2004) analisaram o efeito para as empresas norte-americanas. Eles
descobriram que, para cada dia de atraso a partir da data esperada do anncio no foi uma queda
de um centavo / share abaixo das previses de consenso. Em adio a estas perdas, eles
tambm notar-se que a reao do mercado no prprio dia do anncio dependia da tarde que tinha
sido. Assim, as empresas que relataram tarde viu at reaes mais adversas aos maus resultados do que
aqueles com resultados semelhantes que relataram a tempo. Em comparao, eles descobriram
que a reaco de mercado ser mais agressivo para anncios iniciais.
O formato relativamente desestruturado de notcias pode tornar muito difcil para computador
sistemas para analisar e interpretar. No Captulo 14, vamos examinar mtodos para superar estes
dificuldades e analisar o impacto da notcia com muito mais detalhe, abrangendo tanto corporativa e
notcias macroeconmicas.
10,5 Summar y
Algoritmos de negociao e tticas de execuo so abordagens baseadas em regras que

respondem a condies de mercado. Assim, em geral, eles so reactivos. Para enhancc seu
desempenho ns podemos:
Incorporar modelos de previso de curto prazo para condies tais como preo e volume.
Melhorar a sua formao de manchas e manipulao de eventos especficos, como
witching ou paradas.
Modelos de previso de curto prazo para as condies fundamentais do mercado permitir

estratgias de negociao a ser um pouco mais pr-ativa e assim tirar proveito da melhoria de
preos, colocando mais passivamente ordens preo do que eles poderiam de outra forma.
Previses de preos s pode ser para os prximos minutos, com base em:
Desequilbrios na oferta e demanda.
- Lacunas na carteira de encomendas, que desencadeiam
saltos de preos. Desconto previses tendem a ser por
perodos mais longos, com base em:
Perfis de volume de negociao histricos dirios. Estes podem ser ainda mais
ajustado para conta por fatores sazonais ou mesmo feriados ou eventos especficos.
Volumes tambm pode ser decomposto em componentes do mercado e de um
activo especfico.
Medidas de liquidez, como a oferta de lance propagao ou profundidade livro de

ordens pode ser previso usando mdias intradia.
Previses de volatilidade ajudar a determinar a probabilidade de execuo para ordens,
usando:
310
n egocia o
R efor a r es trat gia s d e
Estimativas estatsticas, com base em mtodos como a EM A, ARM Um ou GARCH.

A volatilidade implcita, inferida a partir dos preos das opes de mercado.
A volatilidade do mercado, estimado utilizando ndices tais como o VIX.
Estimativa de custos de transao ajuda a aferir o equilbrio entre custo e risco. Muitos estes
modelos so baseados um quadro por Almgren e Chriss (2000):
Modelos de impacto mercado adotar uma abordagem de baixo para cima.
Modelos de alocao de custo tomar uma vista de cima para baixo com base em
desequilbrios comerciais agregados.
Identificar os eventos especficos de mercado tambm pode melhorar o desempenho. Por

exemplo:
Novas emisses de obrigaes levar a menor liquidez para o recm "off the Run" ativos.
Vencimento de futuros, como rolos de liquidez do contrato atual para o novo.
Dias Witching muitas vezes levar a aumentos do volume de negcios e volatilidade de
curto prazo.
Adies e remoes de ndices de aes levar a aumento da atividade nessas aes.
Paradas comerciais e leiles de volatilidade tambm levar a aumentos da volatilidade e
volume.
311
Chapter11
Requisitos de
infraestrutura
Algorithmictrading to dependente
infrastructureas
financeira em que as suas regras se baseiam.
As suas
a teoria
11.1 Introduo
At agora, neste livro, temos focalizado na teoria por trs estratgias de negociao. Contudo,
implement-las tambm envolve uma quantidade considervel de infra-estrutura. Figura 11-1 mostra
uma viso geral de alto nvel dos principais componentes que so necessrios para a negociao
algortmica e DMA.
Trader estao de trabalho
Figura 11-1 A viso de alto nvel da infra-estrutura necessria para o comrcio eletrnico
31 2
Req u is it os d e i n fraes t rut u ra
Claramente, gerenciamento de pedidos uma parte fundamental deste processo, sem que nada o
faria muito acontecer. Antes de passarmos a olhar para algumas das consideraes tcnicas para
a implementao de negociao algoritmos vamos primeiro revisar os me canismos de
gerenciamento de pedidos.
11.2 Ordem managemen t

Gesto Pedido desempenha um papel importante em qualquer negociao. Assim como as
ordens so a base de qualquer estratgia, ento eles devem ser inseridos e encaminhado para o
destino apropriado, como a Figura ll- eumostra. Execues (ou preenche) e atualizaes /
confirmaes devem ser propagadas de volta para que possamos pode acompanhar o status de
qualquer ordem. Isso tudo servido por uma ampla gama de plataformas, disponvel a partir de
corretores e fornecedores de terceiros. Existem dois tipos principais, a saber, por ordem sistemas de
gesto (OMSs) e sistemas de gerenciamento de execuo (SGA). Tabela ll - euresume
algumas das principais funes oferecidas por essas plataformas.
Funo
Gerencia
mento de
Risco
gesto
Analtica
Execuo
Operaes
Modelagem e reequilbrio, "what-if" anlise

contbil Portfolio
Administrao de posies e P & L
Risco gesto / anlise exposio
Dinheiro gesto
Comisso rastreamento
Anlise pr-negociao
Anlise ps-negociao
Benchmarks execuo em tempo real
Verdadeiro dados de mercado em tempo
Ordem de profundidade livro
A conectividade com os corretores / redes de
roteamento
/ FIX / Negociao / travessia
Algoritmos DMA
Confirmaes de comrcio / alocaes
Sistemas de conectividade de back-officc / STP
Exceo relatrios / reconciliaes
OMS
V
V
s
s
y
V
V
o
V
s
V
EMS
s
V
y
V
V
V
V
v
s
s
Tabela 11-1 OMS / funes tpicas EMS

Nota que os diretrios das principais plataformas OMS e EMS pode ser encontrado na Avanada
Site de comrcio. 1
Sistemas de gerenciamento de pedidos foram originalmente desenvolvidos para ajudar a
melhorar o fluxo de trabalho. Elas englobar tambm a funcionalidade de ps-negociao,
manipulao de relatrios e atribuio de conta pronto para compensao e liquidao. Eles
tambm podem incluir funcionalidade baseada em carteira.
Sistemas de gerenciamento de execuo traar suas razes para os mata-borres comerciais e
telas simples de entrada de pedidos que os comerciantes confiam h dcadas. A adoo de DMA
e negociao algortmica tem levou estes a tornar-se cada vez mais sofisticados. Da mesma forma, o
aumentando o foco na anlise dos custos de transao fez com que muitos desses sistemas agora
incorporar anlise pr-negociao detalhadas.
Actualmente, o nvel de convergncia entre OMSs e SGA est crescendo rapidamente.
Fundamentalmente, porm, qualquer plataforma que usamos a mecnica de entrada de pedidos
e o deles encaminhamento subsequente so praticamente os mesmos. Ento, vamos examinar
cada uma dessas etapas mais de perto.
Diretrios avanadas de negociao esto disponveis no www.advancedtrading.com/directories
A l g o ri t h mi c T rad i n g & A DM
31 3
Entrada de pedido
Claramente, os principais pontos a ser capturado por qualquer arco ordem:
o activo (ou um identificador nico smbolo)
a direo (se estamos a comprar ou vender)
o tamanho do pedido
quaisquer limites de preo (se aplicvel)
qualquer informao adicional que detalha o tipo e / ou as condies de ordem

Como vimos no Captulo 4, h muito mais tipos de ordem disponveis do que apenas ordens de
mercado e limite. Similarmente, uma ampla variedade de condies pode ser aplicado para as
encomendas, permitindo o controle sobre factores, tais como, quando e quanto tempo eles so activc,
se eles podem ser parcialmente preenchido e onde eles so roteados. Por conseguinte, a fim scrccns
entrada precisam de ser capazes de suportar qualquer ordem tipos e condies esto disponveis
para qualquer mercado.
Os comerciantes geralmente tm muita coisa acontecendo. Entrada do pedido precisa ser um
rpido e indolor operao. Smbolo pesquisas e de conta deve ser rpido para ajudar a garantir
que a entrada de pedidos to indolor possvel. Telas de entrada de ordem tambm precisa fazer
as opes apropriadas para a ordem tipos e condies facilmente disponveis para o comerciante. Por
exemplo, a Figura 11-2 mostra um tela de entrada de ordem exemplo da verso web do
NASDAQ Workstation. Aqui ns podem sclcct facilmente entre diferentes tipos de ordem,
destinos de roteamento ou alterar o tempo em vigor (TIF). Podemos criar uma ordem iceberg
simplesmente definindo uma quantidade menor de exibio. Da mesma forma, existe uma caixa de
seleo para ativar e atrelar um corretor associado. Assim, a partir de alguns menus e caixas chcck
possvel uma grande variedade de tipos de ordem.
IT5
9 Orde r Entr y Th e NASDAQ Workstatio n - Ns b Pag e Dialo g
O' der T yp e
Smbolo
Di s pl a y
. f atri b
"Limite
Exibio
Quantidade
*Eu?.
54,11
f ~ l intfMkt Varrer
Capacidade
Quantit total
Baix
o
C> Isento
J * - -A.
Filial SQ #
Recebidos Data MM / DD /
1i
YYYV I f 2007/03/30
Encom endas
atrelado
Compensar
Bon Preo
Discricionrio Oftset
D "* 9 ED
Rev
0 Ctoe. .
Status:
httpsV / www.nasdagworkstat iori.com/Container.aspx
fl sites confiveis
Fonte: NASDAQ (2008) Copyright 2008, The NASDAQ OMX Group, Inc. Reproduzido com permisso
Figura 11-2 Uma tela de entrada de ordem exemplo

A validao tambm importante, dado todas as permutaes possveis de ordens e condies
em diferentes locais / mercados. Hcnce, telas de entrada de pedidos deve garantir que selecionou
opes so todos compatveis e arco vlida para o mercado dado. Esta validao particularmente
importante para DMA, onde os usurios podem no estar plenamente consciente do todos os
meandros da administrao local
31 4
ordem de mercado tipos / condies e regulamentos. Ele tambm pode fazer sentido para
incorporar algum lgica "dedo gordo", como verificar o tamanho geral ordem ou compar -lo
com do ativo volume mdio dirio (ADV), para tentar pegar todos os erros.
Com algoritmos de negociao, as telas de entrada de pedidos tendem a ser mais personalizado,
uma vez que cada algoritmo tem um pouco diferentes parmetros e requisitos. Muitas vezes
fornecedores tambm incorporar anlise pr-negociao e / ou estimativas de custos de transao
para ajudar com algoritmo de seleo. Para exemplo, a Figura 11-3 mostra uma tela de amostra
retirada de negociao Passaporte do Morgan Stanley aplicao. Desde as telas so personalizados
para cada algoritmo, todo o necessrio parmetros so colocado para fora de uma forma intuitiva,
permitindo a entrada de pedidos fcil e preciso.
_NB_XS_ _ _ _
Quantit
yE s t r e l a
f -. tini.itod Ml emprestou Fronteira Fstim.itml (- * ution Eu raj. *

ORY
60.000
10;OO
00:30
Tim t *
E x p o r t e d Fn d Tame
Hotie nai Tra de
2 1 Dia M i a n Votum #
Pr wjirtp d Volur ne / Dia
Pret & ctetl
VeSums
21% Dia Mprfian Vo> u; n Pr
d; M d Veiuma / oay
* 4 Piwi ^ TSED
Volu me
2, 1 5 6. 4 0 0
2. 3 5 3. 2 2 3
Eu1. 8 8 7. 9 2
3
SS <t, 322
2.5 5 %.
3.1 8 %
Annuitized Uma Volatilidade

Dia n d i ce d e r e fer n ci a P r cParfofmaric vs ben ch mark S h o
e.? o *.
o.a? -v,
27.97
%3 5,3
45
w DHM * s im @ H, Sfc r
! _ _ ^!
"3
60 ^ 000 1
ndi ce d e re fer n ci a :
(Miva l Pric e * |
CAgora
Slart Tempo
en dTis; y
**
-f
EDO
^ J i o o o oo ||
r3
Afi ar
1
"S r d * - - i k e
j: > '
r *
Bu y
S e l eu
Eu um s eu 35,9 4
N E T C h .0,6 8
35.9 5
BXS
Max i de vol. Urgncia.
Juration Spina f
_j
fMS
r"
r !!,;
r
|| Md i o
-3
"2 ] F ~~
di
3 I d
>
R Aed como mm rostw Eu
As f c P x 3 5 , 9 7
r i
S h ort
Vol 1,673,25 8
Fonte: Morgan Stanley (2007) Reproduzido com permisso de Morgan
Stanley
Figura 11-3 Uma tela de entrada algoritmo exemplo

O rpido crescimento na popularidade de negociao algortmica, e ao grande nmero de
algoritmos envolvidos, apresenta problemas para os fornecedores OMS / EMS. Mantendo -se
com a rpida Como de novos algoritmos difcil, particularmente para aquelas que fornecem
algoritmos de uma ampla gama de corretores. Os ecrs para algoritmos mais recentes pode muito
bem ser na fila para testes e liberao por os vrios fornecedores. Para ter acesso, clientes muitas
vezes ser necessrio atualizar seu software. Assim, no pode ser por vezes um atraso substancial
antes que os clientes podem ter acesso ao mais recente algoritmos.
Uma potencial soluo para isto tem sido proposto pelas informaes financeiras Flxchange
Grupo (FIX). Sua linguagem de definio de negociao algortmica (FIXatdl) destina-se a
facilitar a integrao de estratgias de algoritmos, fornecendo um meio consistente de defini-los.
este Baseado em XML- 2esquema fornece uma estrutura padro para parmetros do algoritmo,
definindo:
2
Extensible Markup Language (XML) uma especificao geral para a anotao de texto, criao de "lnguas"
personalizados.
315
Dados bsicos, tais como o seu tipo e FIX tag

As regras de validao
Requisitos da interface de usurio
Por exemplo, o seguinte fragmento XML mostra os detalhes de configurao de um Parmetro

"RiskLevel", baseado em um exemplo do FDC (2007):
<parmetro name = "RiskLevel" xsi: type = "Int_t" fixTag = "7078" use
= "opcional" minValue = "l" maxValue = "10" mutableOnCxlRpl = "true"
controlType = "Slider" />
Os dados ncleo representa as informaes chave sobre cada parmetro especfico, comeando
com o seu nome. Neste exemplo, RiskLevel mapeado para o nmero da etiqueta FIX 7078. Seu
tipo definido como um inteiro, embora decimais, caracteres / cordas e at mesmo arco
enumeraes tambm suportada. o uso tag define este como um parmetro opcional, enquanto
que o mutableOnCxlRpl tag refere- para determinar se pode ser modificado de uma actualizao
subsequente (neste caso, pode).
As regras de validao pode ser apenas restries bsicas, tais como a valores mnimos e
mximos mostrado na RiskLevel exemplo. Alternativamente, eles podem ser mais
complexo, e com base em combinaes de parmetros. O tipo de parmetro tambm ir garantir
um nvel bsico de validao, tais como entre as cordas ou nmeros.
Os requisitos de interface do usurio determinar como o parmetro deve aparecer em uma
tela de entrada do pedido. Neste facilidade, o RiskLevel parmetro ser mostrado como uma
barra deslizante, permitindo o usurio escolher o valor mais adequado, entre 1 e 10. outros widgets so
suportados seleo caixas, botes de rdio, suspensa caixas de listagem ou caixas de combinao ()
e campos de entrada simples para texto ou datas / horas. Um elemento separado, o
strategyPanel, permite mais controle sobre como vrios parmetros so agrupados e
exibidos. Por exemplo, o seguinte XML permite a scrccn mostrado na figura 11-4 a ser gerado, ao
agrupar parmetros dentro
strategyPanels.
<stategyPanel orientao = "horizontais
<strategyPanel title = "parmetros de tempo" =
recolhveisnfalse "orientao =" verticaln>
<parmetro name = "Start Time" xsi: type =
"UTCTimeStamp_t" fixTag = "168" use = controlType
"opcional" = "Clock" />
<parmetro name = "End Time" xsi: type =
"UTCTimeStamp_t" fixTag = "126" use = "opcional"
controlType = "Clock" />
</ strategyPanel>
<strategyPanel title = "Avanado" desmontvel =
orientao "false" = "vertical">
<parmetro name = "Taxa de Participao" xsi: type =
"Percentage_t" fixTag = "7022" usar controlType =
"opcional" = "SingleSpinner" />
<nome do parmetro = "Agresso" xsi: type = "Int_t"
fixTag = "7023" use = "opcional" controlType =
"ComboBox">
<enumPair uiRep = "High" wireValue = "3" />
<enumPair uiRep = "Medium" wireValue = "2" />
<enumPair uiRep = "Low" wireValue = "l" />
</ parameter>
</ strategyPanel>
</ strategyPanel>
Para mais informaes sobre a especificao FIXatdl, agradar seg a descrio fornecida por
FIX (2008) ou seu site www.fixprotocol.org.
E x i gn ci a d e i n fr a -es t ru t u r a s
316
Tempo Parmetro
Iniciar Timei
Avanado
03:45:00
SOU
Fim do tempo
11:45:03 SOU
... .
5v.i |
u
m
.
W'- '
'
Fonte: RX (2008) www.fixprolocol.org
Participao Taxa
Agresso
Mdio
...... .
Eui
i
|
Y
Wilh reproduzido permisso da FIX Protocol Ltd.
Figura 11-4 Uma tela de parmetro algortmica FIXatdl simples
Roteamento de ordens
Uma vez que tenhamos entrado com sucesso o nosso fim, ento, necessidade de encaminh -lo
para o destino desejado. Na figura 01/11 isso simplesmente representado por algumas flechas
passando por um processo de gateway e em seguida, atingindo magicamente o local de execuo
adequada. Na prtica, cada local pode ter seu prprio protocolo proprietrio para tratamento de
encomendas. Portanto, a ordem sistemas de roteamento tem que converter (ou codificar) os
detalhes de cada pedido para o adequado formato e depois transmiti-los para o destino
desejado.
Codificao Ordem
Antes de roteamento de ordens foi tratado por via electrni ca, codificao de ordem
significava apenas usando os termos corretos com o seu comerciante. Da mesma forma, para
poos de negociao, significou conhecer os sinais de mo corretos para comunicar o preo
direito, lado e tamanho.
Como locais mudaram para comrcio eletrnico, eles tm cada implementadas seus prprios
protocolos para como as ordens devem ser processados. Estes so frequentemente acessados por
costume interfaces de programao de aplicativos (APIs). Felizmente, um esquema de mensagens
comum, o Financial Information Exchange (FIX Protocol), tornou-se um padro de fato para
muitos mercados. CORRECO destina-se troca de todas as informaes relacionadas com
as transaces de valores mobilirios. Por isso, ele suporta a transmisso de ordens, dados de
mercado, informaes de segurana e os detalhes de pagamento. Ela existe em dois formatos
principais, um protocolo estritamente machinc legvel e um baseado em torno de um esquema
XML (FIXML).
O protocolo FIX original baseado em "TAG = Valuc" emparelhamentos, assim uma ordem
para comprar 1000 aes ir conter a string "54 = 38 = 1A 1000". Para o primeiro par, 54 o nmero
da etiqueta que representa o lado enquanto que o valor 1 mapeia para uma compra. Considerando
marcar 38 mapas para o tamanho do pedido.
Cada mensagem comea com um formato padro; isto reflecte a verso de FIX, o comprimento de
a mensagem eo tipo de mensagem (tag 35). Ele termina com uma soma de verificao que pode ser
utilizado para validao. Assim uma mensagem para uma nova ordem para comprar aes da IBM
5000 se parece com isso, com base em um exemplo de FIX (2008a):
8 = F I X . 4 0,2 UMA9 = 2 5 1 UMA3 5 = D UMA4 9 = A F U N D M G R UMA5 6 = A B R C ) K E R UMA3 4 = 2 UMA5 2
= 20030615 0 1 : 1 4 : 4 9 UMA1 1 = 1 2 3 4 5 UMA1 = 1 1 1 1 1 1 UMA6 3 = 0 UMA6 4 = 2 0 . 0 3 0 . 6 2 1 UMA2 1 = 3
UMA
1 1 0 = 1 0 0 0 UMA1 1 1 = 5 0 0 0 0UMA5 5 = I B M UMA4 8 = 4 5 9 2 0 0 1 0 1 UMA2 2 = 1 UMA5 4 = 1
UMA
6 0 = 2 0 0 3 0 6 1 5 0 1 : 1 4 : 4 9 UMA3 8 = 5 0 0 0 UMA4 0 = 1 UMA44 =1 5 , 7 5 UMA1 5 = U S D UMA5 9 =
0 UMA1 0 = 1 2 7
(Note-se a
UMA
personagem apenas uma representao do separador entre cada par).
Neste exemplo, a mensagem comea por indicando a verso 4.2 FIX , o comprimento da
mensagem,
251 bytes eo valor de D refere-se ao fato de que esta mensagem para uma nova ordem nica.
317
Claramente, esta abordagem muito bem para o envio de mensagens entre os sistemas de
computador, mas no muito propcios para os seres humanos a ler, por exemplo, durante o teste
ou depurao.
Ofertas FIXML uma sintaxe mais legvel, e uma vez que baseado em XML que permite aos
desenvolvedores crcate para filtros personalizados ou manipuladores. Ento, para nosso exemplo
nova ordem uma representao FIXML algo como isto:
<FIXML>
<Order C10rdID = "12345"
Lado = "1"
TransactTm = "2001-09-11T09: 30: 47-05: 00"
OrdTyp = "2" Px
= "93,25" Acct =
"26522154">
<Hdr
Snt = "2001-09-llT09: 30: 47-05: 00"
PosDup =nN
"PosRsnd ="
"SeqNum =" N
521 ">
<SNDR ID = "AFUNDMGR" />
<Tgt ID = "ABROKERn/>
</ Hdr>
<Instrmt Sym =nIBM "ID =" 459200101 "IDSrc =" l "/>
<OrdQty Qtde = "5000n/>
</ Order>
</ FIXML>
Tendo substitudo os campos numricos com marcas mais descritivos agora mais fcil de
ler o detalhes. Os agrupamentos significa que os vrios parmetros so colocados com a sua
marca associada, assim wc clcarly pode diferenciar entre os detalhes do cabealho e aqueles para o
instrumento. Embora, alguns traduo ainda necessria. Por exemplo, o valor de 1 para lado
meios que uma ordem de compra, enquanto que o valor de 2 para OrdTyp meios uma ordem de
limite com um limite (Px) de
93,25. Os detalhes do instrumento confirmar isto para a IBM, tanto do smbolo e do ID, que se
baseia na um CUSIP. Ns tambm podemos ver que a ordem est sendo enviado de AFUNDMGR
para ABROKER, usando a conta 26522154. Por fim, a mensagem em si tambm tem um nico
cliente identificador (ciOrdlD), ou seja 12.345.
A principal desvantagem com FIXML o aumento do tamanho das mensagens, o que pode
causar
problemas de capacidade e desempenho para a infra-estrutura necessria. Com variantes
anteriores, a mensagens poderiam ser 3-5 vezes o tamanho de uma mensagem equivalente
usando o FIX tag = valor sintaxe. Na verso 4.4, o esquema FIXML foi atualizado para
incorporar a mais recente XML melhorias. Ao agilizar a sintaxe e usando as abreviaturas mais o
novo FIXML mensagens de arco de cerca de 70% maior do que os equivalentes de marcao =
valor.
Lidar com diferentes tipos de mercado
CORRECO foi originalmente crcated para lidar com o fluxo de ordens. Porm, ele agora
tambm serve para CITAES mercados impulsionados, apoiando tanto o pedido de cotao
(RFQ) e pedido de stream (RFS) mecanismos que so comumente usados na renda fixa e
mercados cambiais.
Uma transao com base PDO comea com o cliente enviando uma Solicitao de cotao
mensagem para uma corretor especfico. Este pode, opcionalmente, especificar o Lado e
tamanho (OrderQty), mas o padro solicitar um mercado normal (nos dois sentidos) cotao. O
corretor deve ento responder com um correspondente Citao mensagem em que detalhe o
preo / s e tamanho / s eles esto preparados para comrcio em. Alternativamente, eles podem
enviar umaSolicitar cotao de Rejeitar mensagem. O cliente podem em seguida,

responder para a citao com um Citao Response, em que se pode definir o
QuoteRespType campo para "acertar ou lift" ou a negociar. Finalmente, se o RFQ resulta em
uma transao os detalhes so enviei para o cliente numa Relatrio de Execuo.
318
Preos de streaming para RFS arco manipulados via FIX de Dados de Mercado
mensagens. Novamente, essas arco desencadeada pela umaPedido de dados de mercado.
Um inicial Dados de Mercado Snapshot fornecido; citaes so ento transmitidos atravs
via posterior Incremental Atualizar mensagens. Para comrcio em resposta a qualquer
citao requer simplesmente enviando uma nova ordem com base no preo e tamanho citado.
CORRECO tambm suporta indicaes de interesse (IOIs). Para fazer negcios com qualquer
Indicao de interesse mensagem significa responder com um adequado Citao
Response, semelhante ao Mecanismo de RFQ.
Detalhes especficos de ativos
Inicialmente, Fix inicialmente catercd exclusivamente para aes, mas a sua gama de classes de
ativos suportados tem agora expandida para includc renda fixa, cmbio, mercado monetrio e
derivados. A verso atual do FIX (5.0) suporta:
As aces mundiais
EUA e governos europeus e obrigaes de empresas
Agncia dos EUA e ttulos municipais
Repos
EU e papel comercial europeu
Cambiais vista, a prazo e swaps
Futuros e opes listadas

Uma ampla variedade de diferentes tipos de classificao instrumento arco tambm catcrcd para.
Assim, os campos so fornecidos para dados, como a data de vencimento ou preo de exerccio. Mais
complcx, multi-leg ativos, tais como swaps, pode ser definida usando o Segurana Definio
mensagem. Estas podem ento ser transmitidas entre as partes, cada uma das pernas pode ser
tratado individualmente ou como parte de o todo. Uma abordagem semelhante pode ser usada para
futuros ou opes, estratgias de negociao spread.
Condies de encomenda
Condies de encomenda pode oferecer funcionalidade adicional significativa (e controlo de)
seus pedidos associados, como vimos no captulo 4. O lag CORRECO mais importante para as
condies de ordem TimelnForce; o arco valores permitidos mostrado em Tabic 11-2.
ValueOrder
0
1
2
3
4
5
6
7
8
9
tipo
Dia (ou sesso)

Bom at Cancelar (GTC)
Na abertura (OPG)
Imediato ou Cancelar (TOC)
Preencher Ou Kill (FOK)
Bom at Crossing (GTX)
Bom at a data (GTD)
No Fechar
Boa Atravs do cruzamento
No cruzamento
Tabela 11-2 Permitida valores para o TimelnForc FIX e tag

o TimelnForce etiqueta pode ser usada para controlar vidas ordem com valores tais como Dia
ou Bom at Cancelar. Para encomendas que o arco Bom at a data do prazo for especificado com
a Data de validade tag. Alternativamente, pode tambm ser utilizado para determinar se as
autorizaes de ordem preenchimentos parciais; Assim, h so valores para immcdiate-ou-cancelar e
encha-ou-matar. tambm usado para
319
especificar os requisitos de sesso, tais como na abertura ou fechar.

Tipos de ordem
Suportes CORRECO uma ampla gama de tipos de ordem, a maioria dos quais so especificados
usando seu OrdType tag, como mostrado na Tabela 11 -3:
ValueOrder
1
2
3
4
J
P
tipo
Mercado
Limite
Parar / Stop Loss
Limite de parada
Mercado Se Tocado
Pegged
Tabela 11-3 Exemplos de valores para a CORRECO OrdTyp e tag

Alm disso, cada um dos tipos de ordens usa suas prprias etiquetas personalizadas para definir
adicional parmetros, tal como um preo de desencadeamento ou valor de deslocamento. Alguns
exemplos esto apresentados na Tabela 11-4.
Ordem typeSpecific FIX

Parar / StopLimit
Discricionrio
Pegged
Icebergue
Tag
StopPx
Discretioninst
DiscretionOffsetvalue
PegPriceType
PegOffsetValue
DisplayQty
Mesa 11-4 marcas correo associada para diferentes tipos de ordem

Pare e ordens de limite de parada usado para ser especificado em FIX, definindo tanto o tipo de
ordem ea StopPx preo campo. Em FIX 5.0, esta abordagem tem sido substitudo por um mais
mecanismo sofisticado, baseado em torno de a Disparo Instrues bloco. Isso permite lor
todos os tipos de comportamentos desencadeados: alterao do status, preo e at mesmo tamanho ou
tipo de encomendas. o TriggerAction determina se o gatilho ativa, modifica ou cancela a ordem
affcctcd. o TriggerType determina o que realmente funciona como o gatilho, se se trata de um
movimento de preos, uma nova negociao scssion / leilo ou mesmo execuo parcial. Para priccgatilhos impulsionados, a TriggerPrice semelhante ao antigo StopPx etiqueta, enquanto que
o TriggerPriceType determina qual preo monitorado, por exemplo, o ltimo preo ou o
melhor compra / venda. UMATriggerPriceTypeScope campo, mesmo apoios a capacidade de
basear esta no local, mercado, nacional ou os preos globais. o TriggerPriceDirection
especificidades de campo se o gatilho atingido apenas em subida ou queda dos preos. Triggers
podem at ser com base nos preos de outros ativos, utilizando a TriggerSymbol ou
TriggerSecuritylD campos. Isto dever permitir desencadeia em futuros ou opes para basearse no preo do seu activo subjacente. Em termos de o que realmente acontece quando o gatilho est
activado, os campos TriggerOrderType, TriggerNewPrice e TriggerNewQty permitir
que o controle sobre a ordem de fundamentais Propriedades.
Ordens discricionrias so atribudos, definindo a Discretioninst tag, relacionando esta ao
preo apresentado. o DiscretionOf fsetvalue define o tamanho do preo de compensao.
Ordens atrelado pode ser especificado em FIX, definindo o tipo de ordem ea PegPriceType
e PegOffsetValue etiquetas. o PegPriceType suporta atrelar contra uma vasta gama de
32 0
preos, incluindo o ltima negociao, mdio, aberto ou at mesmo VWAP.

Iceberg, ou reserva, as ordens so criadas definindo o DisplayQty tag. CORRECO
tambm suporta misturando e combinando desses vrios tipos, por isso atrelado encomendas
tambm podem incorporar preos discricionria ou comportamento iccberg etc., desde que esta
apoiada pelo destino.
CORRECO pode lidar com tipos de ordem contingentes, bem como, tais como one Extino outro. Para isso, o ordens so criados como um New Order - Lista e assim esto
ligados pelo seu ListId lag. o ContingencyType tag seguida, determina se a relao uma
cancela-olher (1) ou um-gatilhos-outros (2).
Algoritmos de negociao
CORRECO lida com algoritmos de negociao numa variedade de maneiras. Uma boa
introduo fornecida por Roberto Rivcro (2005) na revista FIXGlobal. Claramente, wc precisa
especificar tanto a negociao e algoritmo seus parmetros.
H vrias maneiras de arco definir o nome do algoritmo em mensag ens FIX. Exatamente
qual mtodo utilizado depender da aplicao especfica o corretor / vendedor. Mesa 11-5
mostra alguns dos tipos mais comum, tal como descrito em uma apresentao por Scott Atwell
(2004) para o Protocolo FIX Limited (FPL) Algorithmic Trading e DMA grupo de trabalho.
TypeFIX campos
usava
Texto
TargetSubld (57) ou Texto (58)

ExecInst / OrdTypeExeclnst (18) ou
O r d T y p e
( 4 0 )
TargetStrategy (847)
TargetStrategy
Do utilizador Definiram
alcance
Tags personalizadas FIX dentro 5000-9999
Tabela 11-5 Diferentes maneiras de especificar algoritmos de negociao em FIX

Provavelmente, a forma mais comum apenas para passar o nome do algoritmo ("VWAP",
ou "ImpShort", "POV") como um campo de texto de uma das etiquetas de instruo, ou definido
pelo utilizador no- Os campos personalizados (na 5000-9999 faixa 3).
Para os parmetros, podem ser utilizadas algumas tags CORRECO existentes. Por exemplo,
o incio eo cais finais
pode ser definida usando o respectivo EffectiveTime e ExpireTime campos. Embora,
mais uma vez, Tudo depende de como o corretor / vendedor tenha optado por aplicar as coisas.
Algoritmo parmetros especficos muitas vezes ser definido usando tags personalizados definidos
pelo usurio.
FIX 5.0 docs fornecer um meio mais genricas de manipulao de parmetros do algoritmo. Existe
um grupo, que revoga (NoStrategyParameters), qual pode conter qualquer nmero de
parmetros. Para cada um um nome nico definida (strategyParameterName) juntamente
com seu tipo (StrategyParameterType) e valor (StrategyParameterValue). Por
exemplo, se um algoritmo dfice implementao precisa ser passado um preo de referncia e
uma averso ao risco poderamos defini-los como se segue:
NoStrategyParameters (957 ) = 2
StrategyParameterName (958 ) =
B e n c h m a r k P r i c e StrategyParameterType
(959 ) =
8 (Price)
StrategyParameterValue (960) = 7,4
StrategyParameterName (958 ) =
A v e r s o
a r i s c o StrategyParameterType (959 ) =
1 (Int)
StrategyParameterValue (960) = 5
Estes pode ser visto ai h lp: //www.nxprotocol.org/specificalions/fields/5000-9999
321
Como algoritmos de negociao, OMS SGA e evoluir, o nvel de padronizao deve esperamos
melhorar, tornando mais fcil para o buy-side para alternar entre corretores, sem ter de
alterar significativamente o formato de suas mensagens FIX.
Manipulao de listas / carteiras
o Protocolo FIX tambm suporta listas de negociao ou carteiras. o Nova ordem - Lista
mensagem permite uma onda de ordens a ser enviado, em uma nica hased ListlD.
UMAClOrdLinkiD identificador tambm pode ser utilizado para ordens de links. As ordens
constituintes ainda pode ser actualizada ou cancelada. No entanto, FIX tambm fornece uma Pedido
de Ordem de Ao de Massa aquele pode ser usado para actuar sobre todas as ordens que
correspondem a critrios especficos. Da mesma forma, existem pedidos equivalentes para cancelar
ordens en-massa ou para consultar o seu estado.
CORRECO ainda fornece mensagens para lidar com a mecnica de carteira de negociao.
Na
U.K. e dos Estados Unidos, esta muitas vezes realizada atravs de um leilo cego, no caso de o que
BidRequest mensagem pode ser utilizado para proporcionar um modelo de sntese da carteira.
Este descreve em termos de os seus sectores, pases, ndices e liquidez. Os corretores participantes
podem ento responder com propostas adequadas para o comrcio. O licitante vencedor ser
enviado um New Order - Lista e os detalhes do portflio atual. Para alguns pases, como o
Japo, os detalhes de carteira podem ser divulgadas para o leilo; caso em que os detalhes so
fornecidos carteira up-front, Embora o lado esquerdo pode ser indefinido. Comrcios principais
so servidos, bem como, com umaLista greve Preo mensagem, que pode ser usada para
detalhar os preos de exerccio acordados para cada constituinte. Dado que a carteira de negcios
geralmente se estendem por muitas contas diferentes, FIX mensagens tambm pode ser usado
para comunicar qualquer conta detalhes de alocao, pronto para liquidao.
Transmisso Ordem
Tendo considerado como codificar as ordens, precisamos agora de envi-los ao seu destino
desejado. Transmisso Ordem nos leva ao mago da questo tcnica de realmente fazer isso. Para
o protocolo FIX um monte de esta lgica est contida dentro do motor FIX especfica ou gateway
servidores. Estes so prontamente disponveis a partir de uma grande variedade de fornecedores.
Eles entendem a FIX protocolo de mensagens e fornecer a lgica necessria para o
estabelecimento de ligaes a outros FIX engi nes / porto de maneira s.
Originalmente, esses gateways foram apenas utilizado pelos clientes para estabelecer uma
conexo direta com seus corretores, como mostrado pela via 1 na Figura 11-5. O corretor, por sua vez
tm ligaes para as diferentes plataformas de execuo, muitas vezes estes seriam
implementados usando APIs nativas. Com o tempo, porm, um numher crescente de
modalidades de execuo, j comearam a conjunto os seus prprios gateways FIX. Assim, os
clientes tm agora a possibilidade de se conectar diretamente a locais especficos, alm de
roteamento atravs do seu intermedirio, como mostrado pelas vrias vias rotulado 2 na Figura 11-5.
Para garantir a qualidade dos dados de mensagens que incorporam tanto verificar somas e
mensagem comprimentos, como vimos na seo anterior. Assim, o motor FIX pode confirmar
que o mensagem recebida corresponde a uma que foi realmente transmitido.
Em termos de transmisso real, claramente queremos que a conexo com o corretor / execuo
local para ser to resistente quanto possvel. Consequentemente, quando o motor faz FIX uma
conexo estabelece uma nova sesso. Todas as mensagens enviadas durante esta sesso so
identificados por um nmero de sequncia nica (MsgSeqNum). As mensagens devem ser
entregues em ordem por isso, se um motor recebe uma mensagem cujo identificador fora de
seqncia pode emitir uma solicitao de reenvio. Da mesma forma, se um mecanismo que determina
que pode ter havido um problema com a transmisso
322
Requisitos de inf raestrutura
mensagem ele pode optar por retransmiti-lo, definindo o PossDupFlag para "Y". da
responsabilidade do motor, em seguida, receber a processar a mensagem, ou descart-lo se ele j tiver
sido processado com xito. Durante os perodos em que no h mensagens esto sendo
transmitidas, batimento cardaco mensagens tambm podem ser enviadas, para confirmar que a
ligao est ainda bem.
11.3 Negociao algortmica

Negociao algortmica fortemente dependente tanto o gerenciamento de pedidos e dados de
mercado Servios, como vimos volta na Figura 11-1. Um diagrama de infra-estrutura um pouco mais
detalhada para um plataforma de negociao algortmica tpico mostrado na Figura 11-6.
Plataformas de negociao so geralmente baseados em tecnologia cliente-servidor,
portanto, um aplicativo em estao de trabalho do operador interage com uma srie de servidores
back-end. Os dados de preos para o Cliente OMS / EMS fornecido por servidores de dados de
mercado, enquanto as ordens reais so tratadas por servidores de gerenciamento de pedidos
dedicados. Servidores de negociao algortmica fazer uso destes dois bem como servios. Eles
tambm podem usar servidores dedicados de anlise para processar dados histricos ou para
back-teste. Alguns algoritmos proprietrios ou com base no risco pode at mesmo usar o lucro e
perda (P & L) ou servidores de risco para acompanhar o seu desempenho e / ou exposio.
A maioria das plataformas de negociao algortmica dos corretores tm sido desenvolvidos
in-house ao longo da ltima para cinco dez anos. Muitas vezes, estes foram construdos a partir do
zero. Milhes de dlares e anos de esforo foram investidos como cada plataforma busca oferecer
"best of breed" algoritmos. Isto combinado com a garantia de que h um ambiente de
negociao flexvel e escalvel.
Os fornecedores de terceiros tambm oferecem plataformas de negociao algortmica
dedicados, muitas vezes baseadas em processamento de eventos complexos (CEP) sistemas.
Estes fornecem as construes bsicas necessrias para manipulao de dados de mercado e
processamento de pedidos e pode at fornecer algoritmos de negociao que podem ser prorrogado ou
usados como modelos para novas estratgias de marca. Assim, a implementao de negociao
algoritmos agora uma proposio muito mais vivel para o buy-side.
323
Client
e
Trader estao de
trabalho cliente
OMS / EMS
Encom
endas
Servidore
sP&
URisk
Analytics4- ^
Servidores de
negociao algortmica
servidor / s
Dados
armazenar
Dados
de
merca
do
servidor / s
Gerencia
mento de
pedidos
servidor / s
Manipulador
Posies
jGateway / s
j
de alimentao Infra-estrutura /
s
*1
Mercado
dados *
VenueExecution
Preos
Trades
"parel
T ** <r ~ ha
{\ Gateway de Execues
Encomendas
venueVenue
Figura 11-6 Uma infra-estrutura simples para negociao algortmica

Dito isto, a construo de uma plataforma de negociao algortmica no uma deciso a ser
tomada de nimo leve. isto leva equipes de desenvolvedores, quantos e comerciantes experientes para
criar algoritmos eficazes.
Requisitos de infra-estrutura para negociao algortmica

Como o uso de produtos electrnicos e algortmica negociao continua a aumentar, o associado
infra-estrutura vai jogar apenas como chave um papel como a qualidade dos algoritmos comerciais
reais.
Construo uma plataforma de sucesso para negociao algortmica no apenas ter o melhor
algoritmos. Se a infra-estrutura no resiliente, ou suficientemente escalvel, em seguida, a sua
utilizao ser limitado. Por isso, importante no subestimar o quanto trabalho est envolvido
para criar umaplataforma de negociao bem sucedida.
Velocidade / Latncia
Velocidade sempre foi importante na negociao; No entanto, os timeseales envolvidos tm
drasticamente reduzida. As pessoas agora falar em termos de microssegundos (10 6s). Para colocar
isto em perspectiva, um piscar leva entre 100-150 milissegundos (103 s).
A latncia um termo frequentemente utilizado. Representa os inerentes atrasos na transmiss o
e processamento de dados (por ordens ou dados preos de mercado). A Figura 11-7 mostra uma
outra verso do diagrama de infra-estrutura, com destaque para as vrias fases que as
encomendas e preos passam.
Assim, para chegar ao local de execuo de uma ordem enviada a partir do cliente atravs das
vrias passagens, chegando ao corretor, conforme mostrado pelo caminho A. O motor de negocia o
algortmica, em seguida, envia ordens (de novo via gateways) para o local de execuo, mostrado por
caminhos B e C. Por fim, a local de execuo deve receber e processar a ordem (caminho D).
32 4
R eq u i s i t os d e i n fr aes t ru t u r a
Encomendas
Eu
Eu gateway
^
/ "\ Execues
f gateway Pedidos j
Ordem
| Gesto ^
servidor / s
Servidor de negociao
algortmica / s
Client
e
Firewall
Figura 11-7 Latncia em infra-estrutura

Da mesma forma os preos a partir do local de execuo so emitidos para os fornecedores
de dados de mercado que, em seguida, distribu-los atravs da sua prpria infra-estrutura.
Manipuladores de alimentos para animais no corretor (ou cliente) recebem e estes em seguida, tornlos disponveis para todos os processos que precisam deles, novamente atravs de sua prpria infraestrutura de servidores de dados de mercado. Os tempos totais de viagem representam a
latncia total para envio de uma ordem ou recebendo um preo de dados de mercado, como
mostrado por:
Latncia total (ordem) = A + B + C +
D Latncia total (preo) = 1 + 2 + 3 + 4
Portanto, no h nenhum ponto que tem uma conexo super-rpida para as fontes de dados
externas, ou locais de execuo, se os processos internos esto causando um atraso significativo.
Por outro lado, existe nenhum benefcio em ter uma infra-estrutura rapidamente com conexes lentas
para locais externos ou mercado dados.
Idealmente, deve ser o nmero mnimo de passos to dados que atinge o seu pretendido destino
to rpido quanto possvel. As mensagens de dados deve ser to pequena quanto possvel.
Embora, os dados s pode ser comprimido tanto. O tempo que levam para ser transmitido tambm
depende da distncia fsica que eles devem viajar. Mesa 11-6 mostra os resultados de um teste de
ida e volta por Exponencial-e (2009) para o seu servio de roteamento, para dar uma idia do
tempo que leva para comunicao entre diferentes locais.
Assim, co-localizao tornou-se cada vez mais popular. Isso permite que os participantes do
mercado para hospedar seus sistemas de negociao informatizados nas mesmas salas de
mquinas como o local de execuo, minimizando assim quaisquer atrasos relacionados
transmisso. Corretores Caso contrrio, baseados EUA ter latncias considerveis quando se
lida com a sia ou na Europa, de forma semelhante europeu e asitico as empresas ser em
desvantagem quando tratamento de encomendas para os EUA
importante notar que as latncias ir constantemente variar, dependendo da carga geral. s
momentos em que os mercados so mais movimentado, ou em suas mais volteis, as latncias
inevitavelmente aumentar devido carga de trabalho superior. Portanto, importante controlar a
latncia em cargas de pico em vez de se concentrarem na um valor mnimo, que ter sido
alcanado dado optimal condies. Em termos de infra-estrutura, coisas como o balanceamento
de carga cuidadoso pode ajudar a garantir aquele processos no fiquem inundados por sua carga
de trabalho, introduzindo atrasos adicionais.
A l g o ri t h mi c T rad i n g & DM UMA
A partir da:
Londres
Novo
Iorque
32 5
Para:
Latncia / ms
Frankfurt
Nova Iorque
Chicago
Toronto
Zurique
10
68
85
25
90
246
260
Tquio
Sydney
Fonte: Exponcntial-e (2009)
Tabela 11-6 Uma comparao de ida e volta latncia snapshot para alguns locais-chave
Capacidade
Sobre o ltimos anos, eletrnica e trading algortmico levaram a tamanhos menores e comerciais mais
atualizaes pedidos frequentes. Consequentemente, o nmero de mensagens de dados tem
mercado massivamente aumentado, como ns pode ver na Figura 11-8.
SOP RA
TotalView-coceira 2.0 / 3.0 / 3. 1ii

MCQs
(3 rea de Reserva Equities

UTDF
3CTS
Nasdaq Nvel 2
DUQDF
CKQDS
MOO, 000 ,
j Fonte: Estatsticas compilar d por th e Informaes Financeiras Foru m sagacidade h dat um fro m
SIAC, NASDAQ uma NYSE rea d.
//// / / /
/ / / /
////
J
//
//
/ / //
Fonte: F1F (2009) Reproduzido com permisso da Informao Financeira
Frum
Figura 11-8 OPRA e aes consolidadas 5 taxas de pico de segunda

Isso mostra os 5 segundos taxas de pico histrico a partir dos dados do mercado principal
feeds de aes dos EUA e opes listadas. O aumento mais notvel por opes dos EUA. Em
mensagens de fatos de OPRA (Opes Preo Relatrios Authority) agora excede 1,2 milhes de
mensagens por segundo, tendo quase triplicou em apenas dois anos.
Em comparao, o patrimnio lquido alimenta tm taxas de atualizao mais baixos; de fato,
todos, mas a profundidade do livro alimentos (para NYSE AreaBook, NASDAQ TotalView ITCH
e NASDAQ Nvel 2) esto na parte inferior da Figura 08/11, com taxas de atualizao de pico
abaixo de 200.000 mensagens por segundo.
32 6
Estes incluem o Sistema de Cotao Consolidado (CQS) e sistema de fita Consolidado (CTS),
que carregam a Citao e atualizaes comerciais para a NYSE (Tape A), Regional (Tape B) ea
alimentao UTP Cotao de Dados (UQDF) e UTP Trade Data Feed (UTDF) para NASDAQ (Tape
C) stocks. Eles podem ser muito menor, mas a tendncia a mesma, estes tm tudo visto
aumentos considerveis nas taxas de atualizao nos ltimos anos.
Claramente, os nmeros da Figura 11-8 so enormes; no entanto, eles cobrem todos os ativos
negociados cujos preos / comrcios so transmitidos em cada um dos respectivos feeds.
Assim, o nmero de atualizaes de dados de mercado por segundo para um ativo especfico
ser, obviamente, muito menor. Sem um algoritmo vai ser exposto a centenas de milhares de
actualizaes por segundo. Ainda assim, em qualquer momento uma plataforma de negociao
algortmica pode ser negociado centenas ou milhares de diferentes ativos. Assim, estas taxas de
atualizao em massa tornam-se relevantes, e as infra-estruturas ter de ser capaz de lidar com
elas.
Outros factores
Velocidade e capacidade so obviamente importantes. No entanto, a confiabilidade tambm
vital. A orelha rpido grande, a menos que ele quebra todos os dias. Assim, a infra-estrutura
tambm tem de lidar com uso de cada dia, como bem como a movimentao das cargas em horrios
de pico. Nos mercados modernos, isso pode significa a infra-estrutura estar disponvel 24x7 (ou o
mais perto possvel). Por conseguinte, todo o processos do lado do servidor que vimos volta na
Figura 11-6 tambm precisa ser:
Resiliente
Manejvel
Escalvel
Hardware questes (ou software) no deve resultar em falha catastrfica. Portanto, se um mquina
ou processo no deve haver outra mquina / processo pronto para assumir imediatamente mais
em seu lugar. Isto pode ser alcanado atravs da execuo de mquinas / processos em tolerante a
falhas pares, ou o uso de "fazendas de servidores" para lidar com processos. Falhas tambm deve
no ser permitido propagar, assim um problema com a anlise no deve desativar o servidor de
negociao algortmica.
Problemas sempre ocorrer, portanto, a infra-estrutura precisa ser gerencivel. Falhas deve ser
simples de detectar e corrigir. O monitoramento deve destacar os servidores / processos que so sob
carga mais pesada, uma vez que estes podem ser mais propensos a falhar no futuro. O
balanceamento de carga pode igualmente ser adoptadas para tentar assegurar que o trabalho
distribudo uniformemente entre as diferentes processos / machi nes.
A escalabilidade outra questo fundamental. Obviamente, para a longo prazo, desejvel
ser-se capaz de facilmente estender capacidade. L tambm pode ser picos de curto prazo na
demanda, portanto, uma infra-estrutura flexvel, onde podem ser facilmente adicionados novos
servidores pode ser extremamente til.
Projetando um ambiente para negociao algortmica

Tendo considerado parte da infra-estrutura em torno de negociao eletrnica vamos agora lago
umaolhada em plataformas de negociao como reais podem ser concebidas e implementadas.
No captulo 5, vimos uma vasta gama de diferentes algoritmos de negociao. Ainda assim, todos
eles compartilham uma poro de funcionalidade comum. Fundamentalmente, Tudo comea com
um pedido, que detalha a negociao requisitos que bem como os especficos para o algoritmo. Uma
instncia do algoritmo ir, em seguida, ser criado com todos estes detalhes. Decises de colocao de
pedidos do Algoritmo de negociao so fundamentalmente com base em dados de mercado.
Assim, ele precisa de acesso para ver os preos disponveis e provavelmente a liquidez. Ele
tambm precisa ser capaz de criar, enviar e ordens de atualizao especfica para destinos, que ser
de um (ou vrios) locais de execuo. Figura 11-9 mostra um esboo simples dessas relaes.
327
Eventos Encomendar
/-
^\ / Order
^ Dados de mercado eventos
roteador
Figura 11-9 Um ambiente de negociao algortmica simplificada

Em termos de programao orientada a objetos (OOP), as elipses acima pode ser visto como
objectos. Cada um deles uma instncia de uma classe especfica, que vamos percorrer no seguinte
sub-sees. Todos eles "encapsular" a lgica necessria e os dados que eles precisam para
trabalhar. Por sua vez, pode ser feita de outros objectos. Por exemplo, o gerente de ordem mant m
uma lista de encomendas criana que capaz de enviar para o destino desejado.
Essencialmente, isso representa tambm um design minimalista para uma plataforma de negociao
algortmica. Dentro prtica, um pouco mais complexo do que esta, mas atravs da concepo do
ambiente baseado aulas em torno adequados um monte de complexidade pode ser escondido.
Algoritmo de negociao
O algoritmo de negociao efetivamente criado a partir de um fim-me, que encapsula o bsico
requisitos, tais como os detalhes de ativos, ta manho do alvo e direo (compra / venda),
juntamente com quaisquer limite de preo ou condies especficas. A ordem pai tambm precisa
manter detalhes de cliente para garantir que eles podem ser fornecidos com atualiza es de status
ordem.
Com base no tipo de negociao algoritmo especificado e quaisquer parmetros associados, a
algoritmo apropriado pode ento ser lanado. O algoritmo de negociao contm todas as vrias
informaes necessrias para a sua execuo. Por isso, mantm as assinaturas de dados de
mercado para obter acesso para os preos etc. O algoritmo tambm gerencia uma lista de todas as
ordens criana que gerou, por isso, se ele cancelar levou ele pode facilmente percorrer e cancelar todas as
ordens existentes. Ele tambm mantm os detalhes tais como a posio atual e talvez at mesmo o seu
desempenho em relao a qualquer benchmarks. Esta informao pode ento ser utilizada para
determinar se ele est frente ou atrs de suas metas, e assim decidc quo agressivamente os
pedidos futuros deve ser fixado o preo / tamanho. Obviamente, h tambm as regras de negociao
reais; vamos considerar estes em mais pormenor na prxima seo.
Dados de mercado
Dados de mercado geralmente fornecida para um ativo especfico em um local definido, embora
alguns fornecedores tambm fornecem alimentos consolidadas. Portanto, uma assinatura para os dados de
mercado para um ativo nos fornece streaming de atualizaes para cada vez que o preo ou tamanho
alteraes, ou para quando o comrcio relatrios so emitidos.
Ao longo deste livro, usamos livros de encomendas para visualizar a liquidez dispon vel,
como mostrado na Figura 11-10. Bccause do valor informaes contidas dentro da ordem livro,
muitas trocas comerciais e locais de dados de mercado tm taxas variveis para os diferentes
profundidades. Nvel 1 geralmente corresponde melhor oferta e oferecer citaes, enquanto Nvel 2
fornece
32 8
R eq u i s i t os d e i n fr aes t ru t u r a
Dados de
mercado:
Nvel 1 -C
Nvel 2/3
Buys
Identidade
B1 08:24:00
B2 08:21:25
B3 08:23:25
B4 08:24:09
TimeSizePricePriceSizeTime
100
1000
101
5000
99
102
2500
104
98
1000
97
106
Sells
1000
1500
2000
3000
08:25:00
08:20:25
08:19:09
08:15:00
Ide
nti
St
S2
S3
S4
Figura 11-10 Um livro de ordens exemplo

uma viso mais completa da carteira de encomendas, embora s vezes isso agrega ordens.
wSometimes l ainda a Level 3, que d uma viso completa da carteira de encomendas, exccpt para
ordens ocultas, de curso. Estes dados podem ser provenientes de uma nica assinatura, mas muitas
vezes vrios diferente subscries de dados de mercado ser necessrio.
Uma classe livro de ordens dedicado pode ser usado para juntar todos estes dados em conjunto para
proporcionar um imagem coerente. Obviamente, esta traduo deve ser rpido, de modo a no
introduzir algum latncia adicional significativo. A classe livro ordem tambm ter de definir
seus prprios eventos personalizados para corresponder a quaisquer alteraes na carteira de
pedidos. Por sua vez, as aulas para as nossas regras de negociao podem ento se inscrever
para estes eventos, de modo a ser notificado quando o livro changcs ordem. este deve permitir
que nossos algoritmos de negociao ou tticas de execuo para reagir a quaisquer mudanas
na liquidez.
Dados de mercado tambm importante para o acompanhamento comrcios relatados.
Algoritmos como POV necessidade rastrear o mercado de volume negociado. Note que no pode ser
por vezes atrasos substanciais nos dados declarao de transaces; de fato, alguns podem at mesmo
ser para os dias anteriores. Ento, quando reagindo ao comrcio carrapatos importante verificar
tambm que o tempo de comrcio e todas as bandeiras arco condies adequadas. Examinando os
comrcios relatados tambm importante para o acompanhamento da liquidez escondido, como vimos
no Captulo 8. A classe livro personalizado ordem poderia ser criado, que incorpora estimativas para a
liquidez escondido. Embora, mais uma vez, importante para garantir que quaisquer clculos so
executados
o mais rpido possvel, caso contrrio, novas atualizaes de dados podem torn-lo sem sentido.
Encomendas
Cada ordem criana que gerado pelo algoritmo de negociao deve conter seus requisitos
especficos. Ou seja, os detalhes de ativos, alvo tamanho e direo (compra / venda), em conjunto com
qualquer limite de preo ou outras condies. tambm necessrio algum tipo de identificador de
modo que possa ser ligada costas com a ordem de pai / algoritmo.
Encomendas se prestam bem a ser implementado em uma classe. Por exemplo, para enviar uma
ordem IOC com um preo limite de 7.9 a um especfico destino poderamos simplesmente usar
CODC como:
Ordem myOrd = New LimitOrder (7,9);
myOrd.setCondition (ImmediateOrCancel);
myOrd.send (destino);
O envio O mtodo ir lidar com as necessrias codificao e transmisso de dados.

Conseqentemente, todos os detalhes de implementao que vimos nas sees anteriores permanecem
ocultos, manter as coisas muito mais simples.
Uma considerao importante ao tratamento de encomendas o seu estado. S porque wc
enviou uma docs ordem no significa que ele ainda no chegou ao seu destino pretendido. A
transmisso pode falhar ou o destino pode rejcct a ordem. Assim, devemos trat-lo como uma ordem
pendente at wc receber um reconhecimento bem sucedido. O mesmo se aplica para qualquer
atualizao ou de ordem cancelamentos. Isto pode significar que certas aces so impedidos,
por exemplo, um pendente cancelar pode falhar se o destino emite uma atualizao que a ordem
acaba de ser preenchido.
A l g o ri t h mi c T r ad i n g & DM UMA
32 9
Aceite a ordem com

1
termo imediato (FOK, IOC )
Fonte: FIX (2008b) www.fixprotocoI.org
Reproduzido com permisso da FIX Protocol Ltd.
Figura 11-11 estados ordem FIX

Uma representao legal dos diferentes estados para um fim FIX fornecido no documentao de
FIX (2008b), como mostrado na Figura 11-11.
Destino
Encomendas precisam claramente de ser enviado em algum lugar. Portanto, um outro objectivo
chave que tem de ser implementado algum tipo de destino. Isto pode ser simplesmente um
invlucro para uma ligao a um CORRECO motor. O objeto de destino tambm pode
incorporar a lgica adicional, como mdia informaes latncia e detalhes de qualquer taxa extra.
Isto pode ento ser utilizado por quaisquer estratgias que necessidade de decidir entre locais de
execuo.
Outras classes
Algoritmos de negociao tambm podem usar uma vasta gama de classes adicionais. Por exemplo,
VWAP algoritmos precisam ter acesso a perfis de volume histricos. Algoritmos impulsionado cost vai precisar de acesso ao impacto no mercado e modelos de risco. Algoritmos orientado a
liquidez pode utilizar uma gama diversificada de mtricas de liquidez. A lgica associada com todas
estas anlises pode ser encapsulado em aulas dedicadas, que pode ento ser compartilhado entre
diferentes algoritmos de negociao.
Implementar regras de negociao

At agora, o algoritmo classe de negociao tem sido apenas um container. A fim de recriar a
algoritmos que vimos no captulo 5 precisamos adicionar alguma lgica comercial real para isso.
Tipicamente,
33 0
isso significa criar regras comerciais que respondem a eventos ou situaes especficas, como
Ve nd er s
Buys
vcAfinao Si Preo
Preo Sl / c
Tempo
Identidade
834: 00 1.1X1)
100101
SI
Bl
700 08:23:00
<)
1 ')
2JXM)
I.IC
112 08:21:25
08:20:25 S2
08:19:09
98
1,000
1114 3,000
111 8: 2 ':. 25 2.1X1)
08:15:00 Um
Bl 08:14:09 1,500 ) 7 100
S
Figura 11-12 Um algoritmo de comrcio baseado em regras

Esta abordagem baseada em eventos comum para a maioria das plataformas de negociao
algortmica. Obviamente, a eventos importantes so os relacionados com dados de mercado, para os
preos e liquidez, e para as encomendas, para preenchimentos e alteraes em status. Cada regra vai
reagir a um evento de uma maneira especfica, muitas vezes atravs da realizao de uma ao
conjunto. Por exemplo, um algoritmo POV ter de ter em conta qualquer nova volume de mercado; ele
pode, ento, atualizar sua quantidade alvo ou simplesmente emitir uma nova ordem criana. Da
mesma forma, algoritmos adaptativos vai reagir a mudanas no preo de mercado ou liquidez.
Codificao regras de negociao

A maioria das plataformas de negociao algortmica arco orientado a eventos, construdo
usando uma linguagem objcct-oricntcd tais como Java ou C ++; assim regras de negociao arco
muitas vezes escrito diretamente no cdigo.
Na programao orientada a eventos, cada evento representa uma mensagem que pode ser
transmitida entre os objetos. O arco objetos dito ser tanto produtores (editores) ou consumidores
(assinantes) para um evento especfico. Ento, todos os objetos interessados podem se cadastrar para
garantir que eles so notificada quando ocorre um evento. Estes registos podem ser tratadas por
um intermedirio separado, o que permite que os componentes a ser "baixo acoplamento". Assim, os
produtores e os consumidores realmente no precisa saber todos os detalhes sobre a cach outro; todos
eles exigem o acesso ao intermedirio. Isso nos permite adicionar dinamicamente novos
consumidores ou mesmo alterar a utilizar um objeto produtor diferente. Tal abordagem proporciona
uma grande flexibilidade.
O arco gatilhos reais chamados manipuladores de eventos. Estes responder cada v ez um evento
especfico acontece. Por exemplo, cada vez que um pedido recebe a preencher um OrderFillEvent
pode ser desencadeada. Ao se cadastrar um manipulador de eventos dedicado para estes, podemos ser
notificado por esta altura cach evento a ordem recebe a preencher. Podemos, ento, atualizar a nossa
posio global com base no novo tamanho de preenchimento, como mostrado no seguinte
manipulador de eventos de exemplo:
onOrderUpdate public void (OE OrderFillEvent) {
se (notYetProcessed (oe.getFilllD ())) {
posio = Posio + oe.getFillSize ();
flagAsProcessed (oe.getFilllD ());
331
adjustTarget ();
}
Alm de actualizao a posio que tambm pode usar esse evento para ajustar nossas metas, como
mostrando pelo adjustTarget () Espao reservado. Note-se que o notYetProcessedO
funo simplesmente nos protege de situaes em que poderamos receber vrias
confirmaes para o mesmo preenchimento.
Dados de mercado oferece dois tipos principais de informao, dados do volume de
encomendas em primeiro lugar bsicos, tais como a melhor proposta e oferta e seus tamanhos. Por
exemplo, vamos considerar recriando uma pegging simples ordem. Em cada atualizao de dados
de mercado (ou assinale) vamos verificar se o melhor lance ou oferta mudou:
onMarketDataUpdate public void {MarketDataEvent mde) {
E se {Mde.hasBestBidOrOfferChangedO
PriceChangeSufficient && ()) {
doPeg ();
}
}
E se a variao de preo suficiente, precisamos mudar o preo de nossa ordem existente, este
deciso tratado pela funo de espao reservado priceChangeSuf ficiente (). o doPeg
() Mtodo contm toda a lgica necessria para a ancoragem real. Toda a regra de negociao
realmente agir como um link para desencadear esta, com base na troca de dados de mercado.
Eventos de dados de mercado pode tambm fornecer informaes de relatrios comerciais.
Por exemplo, um simples Percent reativa de (POV) algoritmo Volume ter de responder ao
comrcio de dados de mercado relatrios, definio seu novo alvo com base no volume adicional:
onMarketDataUpdate public void (MarketDataEvent mde) {
if (mde.isTradeTick () && isValidTrade (mde)) {
adjustTarget (mde.getTradeSize ());
se (targetChanged ())
sendOrder ();
}
}
o isValidTrade {Funo) permite-nos verificar as bandeiras Relatrio de Comrcio e data para

Este o volume garantir o algoritmo deve ser tracking. Se o comrcio vlido um novo alvo
ento definido. Para uma abordagem POV verdadeiramente reativa, que pode ento emitir uma ordem,
desde que o tamanho de destino mudou o suficiente. Note que este apenas um exemplo simples,
como vimos no Captulo 5 tal abordagem reativa no a melhor forma de implementar um algoritmo
POV.
Obviamente, manipuladores de eventos pode ser muito mais complexo do que estes exemplos
bsicos. Para pedidos que tambm precisam lidar com rejeies, cancelamentos, etc., de forma
semelhante para os dados de mercado que precisamos para lidar com informaes do livro de
ordem tambm. Ns tambm precisamos lidar com infra-estrutura questes, por exemplo,
possveis falhas nas conexes para as nossas ordens ou os nossos feeds de dados.
No entanto, o ponto chave que os comportamentos mais complexos podem ser construdos
a partir de um grande nmero de regras relativamente simples. Se forem bem concebidos, as
regras muitas vezes pode ser usado em uma ampla gama de estratgias diferentes, e assim ajudar a
acelerar o tempo de desenvolvimento de novos strategics.
Regras de negociao Scripting

Algumas plataformas do fornecedor fornecer aplicaes que permitem regras de negociao
para fazer o script. Um bem exemplo disto o Apama Evento Modeler como mostrado na Figura
11-13.
332
Figura 11-13 Uma captura de tela da Apama Evento Modeler

The Event Modeler fornece uma abordagem orientada para o Estado; os vrios estados potenciais
pode ele visto no lado esquerdo da Figura 11-13. O cenrio exemplo apresentado impulsionado pela
espalhar entre os preos dos dois ativos. As setas mostram a progresso de um estado par a outro:
Ento, depois de comear e verificao das quantidades, o cenrio laos entre eficazmente os
"Espere por alargado" e estados "spread" de verificao. Somente quando a propagao favorvel
ser que vai mudar para "dar ordens". No meio da figura 11-13, podemos ver tambm as regras
para o "check- quantidades "estado. Se ele passa a regra volume limite de verificao 'ento ele vai
passar para a" esperar para propagao estado ". Caso contrrio, a mesma termina com uma
mensagem de status notar que os limites tm foi excedido.
Esta abordagem permite que os comerciantes crcatc estratgias por script regras adequadas
dentro umaaplicativo personalizado. Obviamente, o teste significativa ainda necessrio, mas
pode oferecer um rpido meios de prototipagem de novas estratgias.
Testing
Testing clcarly uma parte vital do processo. O mecanismo bsico de cada estratgia de negociao e
regra deve ser verificada, de modo um ambiente de teste dedicado geralmente necessria. Isto
permite ns testar cada componente separado para uma ampla gama de condies de mercado. Backteste pode em seguida, ser utilizado para analisar o desempenho geral, com base em dados histricos.
Note-se que enquanto ambientes de teste arco importante, no h substituto para a coisa real.
Portanto, depois de terem passado todos os vrios testes e anlises do desempenho comercial
algoritmos muitas vezes vai passar por um perodo de pequeno-scalc teste ao vivo. S depois de
cuidadosa real monitoramento de desempenho mundial e anlise dos algoritmos estar pronto para
mais uso generalizado.
333
Ambiente de teste
Um ambiente de teste necessita de ser capaz de recriar realisticamente a infra-estrutura real, por isso
ser semelhante ao layout vimos na Figura 11-1. Dados de mercado importante, da mesma forma que
precisamos ser capazes de despachar ordens e ver o seu efeito. Claramente, todos estes processos
precisa operar separadamente a partir dos exemplos de produo ao vivo, de modo que no h
confuso (ou qualquer acidentes).
Teste contra preos de mercado ao vivo certamente til; no entanto, histrico (ou "enlatados")
dados frequentemente usado como bem. Preos ao vivo de mercado so inerentemente incertas,
enquanto que usar dados histricos permite-nos controlar exatamente quais so as condies de
mercado so. Isso nos permite reproduzir cenrios especficos e assim testar o desempenho de uma
variedade de estratgias de negociao, ou regras, baseado em exactamente nas mesmas condies.
Um nmero de fornecedores j oferecem solues que pode armazenar e reproduzir dados histricos.
Validando a codificao e transmisso de ordens tambm importante, embora seja
assumidamente estes vai mudar muito menos frequncia do que as regras comerciais. Muitas vezes,
isso vai exigir uma mistura de inspeo visual pelos desenvolvedores e ordens de roteamento atravs
de trocas de teste.
Outro fator vale a pena considerar a latncia. Como estratgias cada vez mais procur ar
liquidez entre diferentes plataformas de execuo, eles precisam ser capazes de tomar conta de
latncia. Infelizmente, ambientes de teste, muitas vezes executar de forma muito diferente para o
mundo real, por isso, simuladores podem desempenhar um papel importante em reproduzir o
efeito de latncia.
Validando regras de negociao

Como j vimos, os algoritmos de negociao podem ser divididos em conjuntos de regras de
negociao. Cada um deles deve ser verificado individualmente. assim um desenvolvedor pode
criar testes especficos para garantir que, dadas as condies de mercado necessrios cada regra vai
reagir como se espera. Assim, repetindo dados histricos do mercado inestimvel, pois permite
controle refinado do condies de mercado. Em comparao com os dados vivos, WC
simplesmente no pode prever exatamente como o mercado ir se mover ao longo do dia, por isso
no h garantia de que uma condio de teste ser acionado.
tambm importante para testar condies de mercado extremas, tais como durante o 2007-09
crise financeira. Por conseguinte, os testes tambm podem ser realizados utilizando conjuntos de
dados histricos para perodos em que houve uma forte tendncia de preo, volatilidade, a negociao
pra ou mesmo sbita crises de liquidez.
Ns tambm precisa confirmar como regras de negociao executar "en-masse", como parte de um
algoritmo. Por exemplo, uma regra de stop-loss perfeitamente razovel pode realmente jogar estragos
com desempenho quando incorporados um algoritmo de busca de liquidez. Anlise do comrcio
ps cuidado pode-se destacar as ordens criana que mais contriburam para os custos globais de
transao. Em seguida, ele uma questo de perfurao para baixo para entender por que eles foram
colocados e confirmar se esta era a melhor abordagem.
Back-teste
Back-teste um importante mtodo para a verificao do desempenho potencial e rentabilidade
de negociao strategics. Por exemplo, vamos considerar uma estratgia de negociao que se baseia
no preo previses com base nos preos mdios em movimento histrico (MA), como mostrado
na Figura 11-14.
E se a mdia mvel de 10 dias se eleva acima da mdia mvel de 30 dias, em seguida, vamos tratcomo esta um sinal para comprar o activo. Por outro lado, quando cai abaixo da mdia de 30 dias ns
devemos olhar para vender o ativo. Para este exemplo, a regra parece funcionar muito bem. Ainda
assim, isso faz no garante seu sucesso futuro. Uma maneira comum de validar o seu potencial
verificar como ele docs ao longo do tempo. Por volta-teste para o ltimos meses wc pode
determinar se a regra
334
vlido ou se rompe ao longo do tempo. Normalmente, isso medido pela determinao a lucro
global e perdas (P & L) de uma estratgia simulada. Com base neste valor, podemos ento comparar
o desempenho de diferentes estratgias de negociao.
Nota vital lembrar que s porque uma regra vlida para um determinado perodo de histrico
docs de dados no significa que ele vai necessariamente continuar a faz-lo no futuro. Como o
prprio nome indica tudo docs back-teste destacar o desempenho com base em dados do
passado. Fatores como custos de transao tambm desempenham um papel fundamental: S
porque uma estratgia parece rentvel com base em preos prximos docs no significa que ele vai ser
realmente vivel.
Algoritmos de negociao pode ser re-testado, embora o foco ser geralmente sobre o
desempenho em vez de geral o P & L, uma vez que a deciso de comprar ou sell continua a ser
uma opo separada. Obviamente, isto requer muito mais dados do que os preos perto simples,
simulaes tero de incorporar dados para cada preo "tick" e todos os comrcios, como um
mnimo. Eles tambm ir geralmente recriar o livro de ordens, de modo a ser capaz de se replicar as
condies exactas do mercado.
Dados de mercado histrico inestimvel para testar o comportamento fundamental da
negociao algoritmos e regras. Tambm importante lembrar que nossas estratgias de
negociao, na verdade, condies de mercado changc. Cada um de nossos pedidos aumenta a
presso global compra ou venda e por isso tem um efeito sobre ambos o preo de mercado e
volume de negcios global. Consequentemente, h sempre alguma incerteza sobre como o mercado
vai realmente reagir a nossos pedidos.
Impacto no mercado e risco de sinalizao so fatores importantes, assim, para wc testes de
desempenho preciso tentar simular esses efeitos. Embora, como vimos no captulo 10, estimar com
preciso o impacto no mercado no trivial. Por isso, os simuladores so muitas vezes utilizados para
tentar fornecer um realista do mercado para fins de teste. Qualquer simulao deve ter em conta a
concorrncia de outros participantes e fornecer uma reao realista a quaisquer ordens de teste,
embora aplicando o mesmo comrcio regras como correspondncia o local de execuo. Muitos
destes foram desenvolvidos in-house, embora cada vez mais fornecedores esto oferecendo
simuladores de cmbio que fornecem este.
A qualidade global conseguido usando back-teste deve muito para a preciso do mercado
simulao. No captulo 15, vamos ver como a inteligncia artificial est sendo usado para tentar
fazer estas simulaes mais precisas.
11.4 Outro requisito s

Este captulo tem-se concentrado principalmente nos requisitos tcnicos para a implementao
de negociao strategics. A fim de implementar com sucesso esses strategics h tambm algum
outro arco consideraes importantes: gerando milhares de um pedido eletrnico tudo muito
bem, mas
335
poderia facilmente inundar o departamento de compensao e liquidao. Assim, vital para

garantir que sua infra-estrutura capaz de lidar com a carga potencial. Alm disso, plataformas de
negociao devem aderir s regras fixadas pelas diferentes modalidades de execuo, que eles usam.
Por isso, tambm importante para audit-los para o cumprimento regulamentar.
Compensao e liquidao
O objetivo final de qualquer plataforma de negociao para executar negcios com rapidez e
eficincia. Embora recebendo uma execuo de voltar de uma troca apenas metade da histria,
desde a colonizao ainda precisa acontecer.
Comrcio eletrnico tem levou a um aumento significativamente os volumes de negociao, que
poderia ter inundado os servios de compensao e liquidao. Felizmente, o afastamento da
negociao manual ajudou a agilizar o processo, j que a maioria (se no todos) do relacionada com o
comrcio informaes podem agora ser processados electronicamente. Isso aumentou a preciso
e permitiu a compensao e liquidao para tornar-se mais altamente automatizado.
Assim como o Protocolo FIX provou inestimvel como um meio de ligao entre plataformas de
negociao, ele tambm oferece solues para comunicao ps-negociao e liquidao. Uma
vez que uma ordem foi concluda, uma Relatrio de Execuo mensagem pode ser
enviada, detalhando o quanto estava cheio eo preo mdio. O cliente pode ento enviar uma
Alocao mensagem para especificar as contas reais que devem ser usados para a liquidao.
Como alternativa, eles podem at mesmo incluir esta pr-negociao na sua Novo Ordem
mensagem. Finalmente, o corretor pode emitir Confirmao mensagens que confirmam cada
alocao de comrcio, bem como as taxas, conta / s e outro detalhes liquidao. Mais detalhes
pode ser encontrada no site da FIX (www.fixprotocol.org).
Tal como acontece com qualquer outra pea de infra-estrutura, para uma plataforma de
negociao para ser bem sucedido importante que todos os seus componentes esto bem integrados.
Da, o apelo do comum protocolos, como o FIX, que fornecem uma estrutura de mensagens
uniforme permitindo linear atravs do processamento (STP) a partir de pr-negociao at
liquidao.
Cumprimento regulamentos
Negociao deve respeitar por regulamentos do mercado, quer seja realizada manualmente ou
eletronicamente. H tambm espao para evitar possveis problemas, assegurando que os sistemas
executar bsicos "checagens" para assegurar que as ordens so razoveis. Estes podem ser
aplicadas pela administrao ou pelos departamentos de conformidade dedicados.
Uma das vantagens do formato eletrnico (e algortmico) negociao que muito mais fcil
implemento uma trilha de auditoria completa, acompanhamento de quaisquer colocaes ordem,
alteraes e execues resultantes, do que para execuo manual. Isto torna mais fcil para
encontrar a causa de todos os problemas, deveria eles ocorrem.
Checagens
Sobre o ltimos anos, tem havido vrios casos de grandes chamado "dedo gordo" comrcios. Estes
so quando algum entra acidentalmente uma ordem com um preo ridculo ou quantidade,
normalmente enviando preo do ativo espiral para baixo e resultando na suspenso da
negociao. importante assegurar que existem sistemas e procedimentos para evitar que tais
comrcios. Isto pode ser conseguido assegurando existem certas verificaes de sanidade para
controlar pedidos ':
Preo
Tamanho
Valor
336
E se qualquer destes arco significativamente diferente da norma, ento eles provavelmente

justificar verificao. Essas validaes podem ser colocados dentro de tela de entrada de ordem,
a ordem sistema de gesto ou ambos.
Claramente, o pricc limite uma referncia importante. Se ele no tem relao com o preo
de mercado atual isso pode ser devido a um erro de entrada. Em alternativa, pode refletir um
problema com converso de moeda, ou at mesmo problemas com a fonte de dados do mercado.
Para as unidades populacionais, h tambm pode foi um desdobramento de aes ou dividendo,
para que ele possa ser baseada em uma pricc de idade.
Tamanhos ordem pode ser comparado a o volume mdio dirio (ADV). Um tamanho de ordem
que mais de 50% de o ADV pode ser um erro de digitao, ou pelo menos deveria ser discutido
cuidadosamente com o corretor / revendedor sincc ele vai precisar de tratamento especial.
Ao determinar o valor total da ordem podemos adicionar um nvel extra de validao. Para
exemplo, tanto o preo eo tamanho pode ser razovel; No entanto, se um clicnt geralmente envia
ordens no maior de $ 2 milhes, de repente, um pedido no valor de $ 20000000 chega pode ser
um erro.
Nota que todas essas verificaes so baseados em dados de mercado, de modo que eles tenham
sentido, vital que os preos so vlidos e atualizados. Assim, importante para a gesto de pedidos
sistema ter um acompanhamento em placc para garantir que os dados do mercado confivel e no h
latncia significativa nas atualizaes. Da mesma forma, uma plataforma de negociao
algortmica cego sem dados, de modo tal monitorizao ainda mais importante para estes.
Algoritmos de negociao tambm costumam fazer uso de dados histricos e anlises, por isso
importante para assegurar que existem mecanismos em placc para verificar a validade desses
tambm. Novamente, uma bom exemplo lidar com os ajustes necessrios para o histrico de
desdobramento de aes.
A regulamentao do mercado
Os comerciantes devem passar por exames, a fim de negociar nas bolsas mais organizados.
Isto assegura aquele Eles tm um profundo conhecimento das regras e regulamentos associados
negociao e assentamento. Por exemplo, eles ter de estar ciente da:
Preges, tanto contnuos e leiles, e Abrindo e fechando vezes
Encomende tipos e condies, e combinaes autorizadas durante cada sesso
Negociao pra / suspenses e paradas de todo o mercado
Requisitos de informao
Cdigo de conduta
Claramente, esses regulamentos devem ser seguidos se o comerciante est no cho da troca, o
envio de ordens de um scrccn ou usando um algoritmo de negociao. Portanto, a ordem sistemas
de gesto tambm deve estar ciente destas regras. Idealmente, deve ser capaz de evitar
quaisquer ordens incorretas sejam enviados para o local da execuo. Telas de entrada de ordem
tambm devem estar cientes destes e tentar fazer a vida mais fcil para o comerciante de apenas
oferecendo o opes e / ou combinaes apropriadas.
Plataformas de negociao algortmica deve tambm incorporar as regras adequadas e
regulamentos dentro de sua lgica. Por exemplo, eles devem, certamente, estar ciente das
diferentes negociao sesses, tais como a negociao em contnuo ou um leilo de chamada, e
ajustar em conformidade. Eles tambm devem estar ciente de quaisquer paradas de mercado, ou
atrasos na abertura ou fechamento do mercado. Mais uma vez, caso esta acontecer que precisam de
ser capaz de ajustar a sua estratgia de forma adequada, ou como um mnimo que deveriam a
bandeira que no tem sido um problema e eles exigem ateno ou interveno manual. Alguns
locais ainda estipular que eletrnico e plataformas de negociao algortmica tem que ser capaz de
ser desligada durante os perodos de instabilidade do mercado. Tambm deve haver processos
para lidar com quaisquer problemas tcnicos, como falha de um servidor de dados de mercado ou
o link para o
Al gori t h mi c Trad in g & DM UMA
33 7
intercmbio.
Tambm importante rever a lgica por trs algoritmos de negociao, a fim de tentar impedir
quaisquer violaes acidentais de regulamentao do mercado. Como exemplo, vamos considerar um
algoritmo qual alguma maneira atrs de seus alvos. Na tentativa de ser preenchido, pode colocar um
agressivo ordem. Embora, j que o mercado mudou substancialmente ao longo do dia este poder
ser suficiente para pender a balana e desencadear uma parada baseada no preo. Idealmente, deveria
haver preos cheques no lugar para evitar isso. Mais uma vez, essencial para testar como os
algoritmos de responder a tais eventos.
Claramente, uma auditoria completa do sistema um processo demorado; No entanto,
importante verificar que os sistemas so compatveis. Em geral, a regulamentao do mercado no
costumam mudar isso com freqncia. Assim, bochechas de conformidade so sobretudo
necessrios quando plataformas de negociao e algoritmos de expandir para atender a novos
mercados. Dito isto, este podem toda a mudana quando os mercados se tornam voltil. Um bom
exemplo disto a rpida mudana de regulamentos para curtas-vendas durante a crise financeira de
2007-09. Com efeito, dado o regulamento turbulncia no mercado resultante provvel Aumentar.
Por exemplo, no possvel a reintroduo de alguma forma de sobressalto 4 governar para as aes
dos EUA. Portanto, testes e auditoria um processo que deve evoluir continuamente, a fim de
manter o ritmo com as mudanas nos mercados do mundo.
11.5 S u m m a r y
Execues de gerenciamento de pedidos um papel importante em qualquer estratgia de

negociao, que composta por:
Entrada de pedidos, permitindo especificao de quaisquer condies comerciais
necessrias ou parmetros
Ordem de codificao, para converter os dados em Um formato do local de destino pode
usar
Transmisso de informaes relacionadas com o fim de e para o local
Gerenciamento de pedidos (OMS) e gesto de sistemas de execuo (EMS) fornecem uma

importante front-end de gesto de encomendas, como bem como oferecer funes como pr e
analytics ps-negociao. Eles tambm se conectar a servidores back-end, que lidam com a
ordem codificao e roteamento.
O Financial Information Exchange (FIX) ofertas de protocolo um esquema de mensagens

comum para o intercmbio de qualquer informao relacionada com transaces de valores
mobilirios. Ele lida com a transmisso de ordens, dados de mercado, informaes de segurana
e os detalhes de pagamento. CONSERTAR (5.0) apoia aces, obrigaes, acordos de
recompra, FX local, forwards, swaps e futuros cotados e opes.
Negociao algortmica e DMA arco dependente de sua implementao, eles precisam

facilmente plataformas acessveis e que so estveis pode lidar com cargas pesadas. Eles
tambm devem ser facilmente extensvel para aumentar a capacidade e permitir que novas
funcionalidades.
Regras de negociao podem ser codificados ou script para responder a eventos espec ficos,
normalmente estes so:
Os dados de mercado, para os preos e liquidez
Notificaes de encomenda, para preenchimentos e mudanas no estado
Testing uma parte vital desse processo. Regras comerciais individuais devem ser verificadas,
mas
At sua retirada em 2007, isso significava lhal vendas a descoberto s poderia ser realizada oul depois que o preo tinha se
movido para cima.
338
tambm importante ver como eles se comportam en-masse, como parte de um algoritmo.
Repetindo cenrios especficos permite que o desempenho do uma variedade de regras
diferentes para ser comparado baseado em exactamente nas mesmas condies. No entanto,
tambm sempre importante testar contra dados de mercado ao vivo. Por isso, os corretores
geralmente usam algoritmos internamente para um pouco antes tornando-os disponveis para
seus clientes.
Compensao e liquidao devem tambm ser considerado; importante para assegurar que
podem lidar com o volume de negcios de eletrnica e trading algortmico.
Plataformas de negociao tambm devem aderir ao as regras estabelecidas pelos diferentes

locais de execuo que eles se conectam, por isso essencial para audit-los para o cumprimento.
Parte IV
avanadas
Esta parte final o livro centra-se em algumas das tcnicas mais avanadas que so
ainda na vanguarda da negociao algortmica.
Captulo 12 considera como os algoritmos podem ser utilizados para as
carteiras de negociao. isto tambm analisa o potencial de algoritmos
otimizados para portfolio que tomar conta o risco de portflio e diversificao.
Captulo 13 introduz negociao multi-ativos e comentrios muitas das estratgias
comuns de negociao de ativos cruzados. Ele destaca os fatores adicionais que
devem ser considerados ao criar algoritmos para estes.
Captulo 14 examina o potencial para a incorporao de notcias. Isto cobre a
vrias fontes de informao e as anlises utilizado para criar significativa
indicadores. Tambm h uma avaliao das reaces do mercado para eventos
noticiosos.
Captulo 15 muda o foco para a minerao de dados e inteligncia artificial (AI).
Isso mostra como eles podem ser aplicados para melhorar o desempenho por
negociao minerao de relacionamentos, e fornecendo previses de curto
prazo.
Esperemos que, no final destes quatro captulos voc deve ter uma boa idia do
algumas das tcnicas que podem ser mais comumente utilizados no No tambm
futuro distante.
339
341
-Chapter12-
Portfolios
Portfoliotrading no apenas
tasking.Significantrisk
achievedby
e managingportfoliorisk.
cerca de redues multipode ser rastreamento
12.1 Introduo
Carteira Trading proporciona aos investidores um meio eficaz em termos de custos de cestas
inteiras de negociao ativos. Isso pode ser usado para converter novos fluxos de caixa, liquidar
posies existentes, ou umacombinao dos dois para a carteira reequilibra. Pode ainda ser
utilizado para facilitar a transio de carteiras de investimento inteiras, tambm conhecida como
gesto de transio.
Assim como com o comrcio ativo nico, as carteiras so negociadas em cada uma agncia
ou de mandante. Comrcios de agncia pode simplesmente ser trabalhado nas "melhores
esforos", ou pontos de referncia alvo, tais como o VWAP ou fecho dirio. Comrcios
principais so acordadas para um tempo de greve especfico, em que ponto
um instantneo de
todos os preos dos ativos tomada. Citaes pode ser obtido a partir de um nmero de
intermedirios, embora o vazamento de informaes , obviamente, uma preocupao central.
Assim, a negociao tambm pode ser cego realizado, caso em que o corretor apenas dado uma
descrio da carteira. este oferece apenas um valor aproximado, o nmero de ativos, e fatores
como coeficientes durante o pases, ndices e / ou sectores. Claramente, com esses comrcios
cegos o corretor / s tender a citar mais conservadora para se proteger da incerteza adicional.
Existem alguns tipos comerciais hbrido, bem como, nomeadamente agncia incentivo e
garantida comrcios benchmark. Uma agncia de incentivo comrcio significa a comisso do
corretor depende da desempenho em relao ao benchmark, enquanto um comrcio garantido
referncia impe um rigoroso alvo que o corretor deve atender.
Carteira Trading tambm um importante ferramenta para controle de risco e eficincia. A
maioria dos corretores fornecer anlises abrangentes de negociao pr-negociao e em tempo real,
que permitem aos investidores avaliar mais precisamente o impacto da negociao. Esta
informao pode tambm ser til para a sua estratgias de hedge. Detalhadas anlises ps negociao permitem medio de desempenho precisas. A alta nvel de automao associada a
carteira de negociao tambm permite a racionalizao da alocao de ps-negociao e liquidao.
Uma das principais consideraes quando da negociao cestas de ativos o risco da carteira.
Por isso, ir iniciar este captulo revendo isso com mais detalhes. Em seguida, depois de ver a
transao anlise de custo pode ser aplicado, vamos focar em estratgias de carteira de negociao
ideais. este inclui tcnicas como a cobertura e determinar o portflio de maquiagem ideal.
Finalmente, ns ir considerar um como melhor aplicar algoritmos de negociao para a execuo de
carteira comrcios.
342
Portfolios
12.2 O risco da carteira

Retorno de uma carteira a soma ponderada dos retornos para seus ativos constituintes. Ento o
volatilidade da carteira de associado o desvio padro desses retornos. O risco da carteira um
pouco mais difcil de definir. Para os propsitos deste livro , vamos assumir que isso possa ser
definido em termos da volatilidade da carteira (AP) e um termo de erro (E):
O risco da carteira = ap+e (12-1)
O termo de erro reflete a incerteza associada com quaisquer estimativas de risco. Dado que
volatilidade da carteira constitui a base para este risco, os dois termos so freqentemente
usados como sinnimos. Outro conceito importante intimamente ligada carteira de risco a
diversificao. Isto uma reduo significativa do risco que ocorre quando os riscos individuais na
carteira compensados entre si. Diversificao ajuda a reduzir a volatilidade global do valor de uma
carteira, e assim garantir um desempenho mais consistente. Muitas vezes, isto pode ser conseguido
simplesmente aumentando o nmero de ativos na carteira. Por exemplo, a Figura 12-1 mostra um
grfico de risco para carteiras
de vrios tamanhos.
Risco
Um estudo de carteiras de aes por Burton Malkicl (2004) confirmaram este efeito. Embora ele
constatou que a reduo do risco de em breve becamc insignificante uma vez carteiras eram
maiores do que 15 stocks (equivalente para o ponto de N na Figura 12-1). A chave para alcanar a
diversificao a ativos agrupar no correlacionados. Isto significa que o preo sobe / gotas
no ir afectar todos os ativos na carteira uniformemente. Assim, Malkiel (2004) encontraram que as
carteiras contendo estoques internacionais tiveram um risco muito menor do que as que se
concentram sobre os estoques norte-americanos.
Volatilidade da carteira
A relao entre a carteira volatilidade e que de seus ativos constituintes , na verdade, no linear.
Portanto, ao contrrio dos retornos no podemos simplesmente determinar que a partir da soma
ponderada de cada volatilidade do ativo. Este foi apontada pela primeira vez por Harry
Markowitz (1952) em seu artigo marco "Portfolio Selection". Ele observou que a
contribuio de cada componente para o global
A carteira
343
de risco depende de trs fatores principais:

sua proporo / peso na carteira
a varincia de seus retornos
a covarincia de seus retornos com todos os outros activos em carteira
Covariance uma medida da quantidade de duas variveis variam juntas. 1

Portanto, a volatilidade da carteira (AP) pode ser definida como:
p =EuE > iVar(rEu) + X
jCov(rEu>rj) (02/12)
*i = l
i*J
i>
Onde r, o retorno para o ativo i constituinte e Var (r), sua varincia, co, e vo, representam os
pesos dos ativos especficos i e j e Cov (r "rj) a covarincia entre seus retornos. Note-se que a
covarincia uma varivel com si igual a sua varincia. Podemos simplificar ainda mais equao
12-2 a:
V=J\i=i
<12-3)
A volatilidade global (op) de um portflio simples com dois ativos ponderados igualmente, que
tm volatilidades correspondentes AI e o2, pode ser determinada como:
(7 p = ^ (0. 5 * cr,) 2 + (0,5 * <r2) 2 + 2 (0.5 * 0.5) * Cov ( 1,2)
(04/12)
Exemplo 12-1: Vamos examinar o risco para uma gama de carteiras com base em diferentes As
composies de dois activos amostra. Ativos EFG tenha uma volatilidade de 40%, enquanto que
tem uma das HIJ 25%. A covarincia entre esses ativos de 0,05.
Assim, uma carteira que 100% EFG ter volatilidade de 40%, enquanto uma baseada unicamente
na HIJ ter 25%.
Sediada na equao 12-4 um portflio com 50% de cada ao tem uma volatilidade
de: op V = (0 - 5 * 0,40) 2 + (0,5 * 0,25) + 2 * 2 (0,5 * 0,5) * 0,05 =
28%
Em comparao, a soma ponderada das volatilidades de ativos de 32,5%.
Esta menor volatilidade devido baixa covarincia entre os dois activos. Em outras
palavras, o risco global reduzida, porque eles no so perfeitamente correlacionados. Se marcamos
o real pasta risco para todos os potenciais misturas, obtemos a curva mostrada na Figura 12-2. Com
base nisso, a menor volatilidade da carteira de 24,74% pode ser conseguido por um cesto que
compreende de cerca de 10% e 90% EFG HIJ.
1
A covarincia positiva entre duas variveis significa que eles se comportam da mesma forma, por isso, se um maior do que o
esperado, em seguida, provvel que o outro ir ser assim. Por outro lado, uma covarincia negativa significa que eles se
comportam em frente modas, assim um valor elevado para um implica um menor valor esperado para o outro. Uma covarincia de
zero, mostra que o itens so completamente independentes, de modo que nenhuma inferncia pode ser feita a partir de
qualquer valor. Para mais detalhes sobre o clculo covariance ver adenda A no final deste captulo.
344
Portfolios
40%
.52
cn
30%
20%
0%
20% 40% 60%
80%
100%
Proporo de EFG ativos

Figura 12-2 Carteira risco para uma gama de composies de carteira
A linha pontilhada mostra a Figura 12-2 marca as mdias ponderadas para cada carteira
composio. Ele corresponde ao risco que ele seria atingido se os dois eram 100%
correlacionados.
A fora da relao entre os retornos desses dois ativos 'pode ser quantificada usando
um
coeficiente de correlao {P). Essencialmente, esta a sua covarincia dividido pelo produto do os seus
desvios padro, conforme descrito em adenda A no final deste chaptcr.
Usando a equao 12-9, podemos determinar a real correlao (p) entre esses ativos:
PIJ =
0,05
Cov (i, j)
<J
Cy
Eu
0,25
0,40 *
= 50%
Exemplo 12-1 destaca o fato de que o risco geral da carteira pode ser menor ou igual a a soma
ponderada dos riscos de ativos individuais, e que esta , em grande parte devido correlao entre
eles. Por exemplo, se a correlao entre EFG e HIJ foi zero a carteira risco pode ser ainda mais
reduccd para cerca de 20%.
Claramente, carteiras normalmente tm mais do que apenas dois constituintes. Sincc eles
podem de fato ser bastante grande, as matrizes so muitas vezes utilizados para simplificar o
clculo da volatilidade da carteira. Assim, uma notao alternativa para a equao 12-3 :
= V w 'um W
(05/12)
Onde Q a matriz covariancc, W o vector de pesos activos e Wr sua transposta. A matriz de

covarincia representa todos os possveis pcrmuations em todo o portf lio, e para os efeitos
deste clculo frequentemente expressa em termos de $ / ao. Note-se, para obter mais detalhes
sobre como construir uma matriz covariancc seg Aditivo A, no final deste chaptcr.
Exemplo 12-2: Considerar um portflio simples com trs ativos. A carteira longa 120 de ABC ativo
(volatilidade = 0,245) e curto 80 DEF (volatilidade = 0.l61) e 40 HIJ (volatilidade = 0,387). O
vetor de pesos de ativos (W) e a matriz de covarincia ( 2) arco:
120 ^
W=
-8 0
345
'0,060
0,033 0,02 f
2 =0,033 0,026
<f
R
ON
0,021
0,002
0,002 0,150,
Substituindo na equao estes 12-5, a volatilidade da carteira esperado (em dlares) :
(120 -8 0
(0,060
0,033
0,021 ^ 1 f 120 ^
- 4 0 ) 0,033
0,026
0,002
-80
0,021
0,002
0,150
- 40
= $ 21,17
Consequentemente, nossa carteira de simples tem uma volatilidade esperada de $ 21,17.

Note que importante lembrar que todos estes so simplesmente estimativas. Eles contam com
previses para as volatilidades e correlaes individuais, que normalmente ir basear-se em dado
histrico. Sua preciso depende de quo bem estas previses corresponde realidade. Henee o
importncia do termo de erro (E) na equao 12-1.
Diversificao
A diversificao pode resultar em uma diminuio significativa no risco geral da carteira, como vimos
de volta na Figura 12-1. Na verdade, o seu efeito provavelmente melhor resumido por Burton
Malkiel (2004) como a coisa mais prxima que existe para um almoo livre em finanas.
50%
40%
30%
20%
10%
0%
0% 10%
20% 30%
40%
50%
60%
70% 80%
90% 100 /
Proporo EFG de ativos

Figura 12-3 Carteira risco para uma gama de diferentes correlaes
Se voltarmos ao nosso portflio de dois ativos do Exemplo 12-1, podemos ver como um menor
correlao entre os ativos leva a um risco de carteira inferior, como se mostra na Figura 12-3. este faz
sentido, porque com uma correlao de -1,00 o aumento do preo de um activo ser compensado por
uma queda no preo equivalente do outro. Em comparao, uma correlao de 1,00 significa que ambos
os preos vo subir, pelo que no h cobertura implcita.
Portfolios
34 6
Diversificao bem sucedida se baseia em agrupar ativos que no esto corrigidos, de modo
que a sua covarincia zero. Portanto, o preo sobe / gotas no vai afetar todos os ativos na
carteira uniformemente, reduzindo a volatilidade global da carteira e a ssegurando um mais
consistente desempenho. Por exemplo, a correlao deve ser menor para as populaes em
todos os sectores, indstrias ou pases diferentes.
Outra maneira de visualizar a relao entre o risco de correlao e mostrada na Tabela 121 que mapeia diretamente a correlao com a proporo de risco que pode ser divcrsifiable eliminado:
Portflio
intracorrelao
Percentagem
de risco
diversiflable
eliminado
1.00
0,75
0.50
0,25
0.00
-0.25
-0.50
-0.75
-1.00
0.00
12.50
25.00
37.50
50,00
62.50
75.00
87.50
100,00
Fonte: Wikipedia (2006)
Tabela 12-1 A relao entre intra-carteira de correlao e da quantidade de risco

diversiflable
Esta reduo de riscos pode ser aproveitada para determinar a composio tima de
carteiras, Markowitz como sugerido. Para cada grupo de ativos, a composio tima pode ser
descobriu alterando as ponderaes dos componentes para encontrar a soluo com o menor
risco. Este efectivamente o que fizemos no Exemplo 12-1.
Contudo, tambm importante levar em conta os retornos de cada activo; hcncc, ns podemos
enredo uma carta de risco versus retorno para as vrias combinaes de carteira. Um exemplo disto
mostrado na Figura 12-4, com base no pressuposto de que os retornos de ativos EFG e HIJ so 10%
e 5%, respectivamente.
Este tipo de curva de risco da carteira chamado s vezes uma fronteira eficiente de Markowitz.
A forma de cada curva est dependente da correlao entre os dois activos: quando os activos so
perfeitamente correlacionados, as formas de fronteira uma linha reta. A curvatura essa fronteira
aumenta medida que os ativos tornam-se menos correlacionada. Alguns ativos exibem uma
correlao perfeita, consequentemente, a diversificao possvel. Note, alguns ativos so
perfeitamente correlacionados negativamente tambm.
Decompondo o risco da carteira

O risco da carteira tambm pode ser decomposto em componentes mais simples, assim como
ns fez por Custos de transao no Captulo 6. Uma abordagem comum usado para retornos o
modelo de fator nico. Isto expressa resultados em termos de um valor esperado de fora em relao a
um pcrformancc fator especfico. Neste caso, o factor representa o desempenho de um marco
fundamental (ou o mercado). Portanto, os retornos (R) pode ser expressa como:
o%
5%
347
10% 15%
20 %
25 %
30 %
35 %
40 %
45 %
Risco
Figura 12-4 Exemplo de Markowitz fronteiras eficientes
R = A + / 3 rB+
Onde umarepresenta o out-performance, r B o valor de referncia (ou mercado) e de retorno e
um factor de erro independentes. A beta (ft )fator determina o quanto impacto o benchmark tem
sobre os retornos totais. Em comparao, (a) e o factor de erro fora-do desempenho representam
retornos que no so corrigidos com o ndice de referncia (ou mercado).
Uma abordagem semelhante pode ser usada para modelar a varincia destes retornos, ou o risco da carteira.
Nadine Gottschalk (2003) mostra que a variao pode ser representada como:
tR = f f f i o i + Var (e)
(06/12)
onde o H a variao do ndice de referncia (ou mercado) e retorna Var (e) representa um factor de
erro independentes. Assim, o risco da carteira pode ser dividido em dois principais componentes:
uma referncia sistemtica (ou mercado) risco
um risco especfico no sistemtica ou ativo

O risco sistemtico (ou mercado) representa o risco de um movimento de mercado. Mais uma vez,
o fator beta determina o quanto impacto isso realmente tem sobre a carteira total, com maior betas que
implicam mais riscos. Observe que isso tambm representa o nvel bsico de risco que pode no
reduziu pela diversificao. Embora ainda pode ser usado estratgias de cobertura separadas, por
exemplo, a negociao de futuros para neutralizar o risco de mercado.
O risco no sistemtico (ou especfica) realmente o fator de erro independente na equa o
12-6. Representa o risco que pode ser reduzido por diversificao.
Factores de risco especficos

Risco especfico por sua vez pode ser dividido em uma gama de outro risco comum fatores juntos com
um risco residual especfico de ativos. Os fatores comuns representar riscos que no podem ser sentidos
wide-mercado, mas fazer exercer um efeito em grupos espec ficos de bens.
348
Portfolios
Um meio comum de decomposio risco substituir o modelo de fator nico com mais modelos
complexos multi-fator. O estudo realizado por Eugene Fama e Kenneth French (1993)
umaexemplo disto bem conhecido. Eles analisaram os dados relativos uma mistura de aes e
ttulos dos EUA (governo e empresas). No geral, eles encontraram trs riscos comuns para as
unidades populacionais, nomeadamente o mercado e fatores relacionados ao patrimnio
tamanho e book-to-market da empresa (que relaciona o valor de balano da empresa para o seu
valor real de mercado). Para ligaes, eles notaram fatores comuns com base na sua maturidade e
risco de inadimplncia. Outros fatores comuns podem corresponder ao ativo da pas de emisso ou
moeda; ou para as empresas dos ramos ou sectores com o qual so Ihcy mais alinhados. Assim,
uma maneira de ver esta composio da carteira de risco mostrada na Figura 12-5.
Figura 12-5 Separar os componentes da carteira de riscos

Uma ilustrao NICC do impacto de alguns desses fatores fornecida por Ananth Madhavan e
Jian Yang (2003). Analisaram dados da reconstituio anual dos ndices Russell, os resultados so
mostrados na Figura 12-6. No geral, eles observam que em 2002 o risco ativo foi mais de 2% entre o
pr e ps-rcconstitution dos indiccs, com base na capitalizao de mercado. Embora grande parte
desse risco era sistemtico ou risco de mercado, interessante ver quanto foi atribudo outros
fatores comuns. Em particular, para ambos os indiccs o fator de Valor / Crescimento baseado
estilo- foi extremamente importante. Da mesma forma, vale a pena notar o quo pequeno o risco
residual especfico de ativos pode ser: Para o Russell 1000, podemos ver que era meramente igual
indstria combinada e risco do setor.
evidente que tais avarias de risco ser diferente para cada carteira, mas como Figura 12-6
mostra, os fatores de risco comuns pode jogar um papel significativo e portanto deve ser
considerado bastante de se concentrar unicamente no risco especfico de ativos.
349
100%
90%
E5 Especfica
80%
Indstria
70%
Setor
60%
Valor / Crescimento
* 3 50%
t:
Taman
. 1 40%
ho do
( 30%
Merca
20%
do
10%
0%
Russell 1000Russell
2000
Fonte: Madhavan e Yang (2003)

Figura 12-6 A desagregao dos fatores de risco da carteira
Medidas de risco do portflio

Quantificar e acompanhamento de carteira de risco so vitais a fim de minimiz-lo. Uma variedade
de risco medidas arco utilizado em ambas as anlises pr e ps-negociao. Alguns so mesmo
utilizados durante a execuo para acompanhar o desempenho em curso. Com base no anterior
decomposio de risco, ns pode razoavelmente facilmente dividir o risco do portflio em (ou
mercado) sistemtica e no sistemtica (ou especfica) componentes.
O risco de mercado pode ser trackcd usando coeficiente global beta do portflio, como vimos no
equao 12-6. Isso nos permite quantificar o nvel de risco no-diversifiablc que talvez seja
necessrio para se proteger.
Rastreamento de erro fornece uma medida de quo closcly uma carteira segue um ndice
especfico. Se o valor de referncia corresponde ao mercado, ento o erro de rastreamento reflete a
componente de risco especfico. Assim, um erro de alta acompanhamento implica uma proporo
considervel de risco especfico.
Uma abordagem alternativa para mensurao do risco oferecido pela contribuio marginal
para risco (MCR). Este medido para cada constituinte de um portflio. Ele reflete a forma como a
global pasta risco pode mudar se a posio de um ativo especfico aumentada. Portanto, a chave ao
risco de reduo alvejar os constituintes que tm uma MCR alta.
Beta
O coeficiente beta refere-se volatilidade dos retornos de um ativo ou carteira em
comparao com o resto do mercado. Essencialmente, ele funciona como uma medida do mercado
no diversificveis risco (ou sistemtica). Um beta mais elevado sugere uma maior volatilidade e
assim mais risco.
O beta para um activo baseado na covarincia dos seus retornos com o mercado:
,Cov {ruma, Rm)
'
Var (rm)
(07/12)
35 0
Portfolios
em que ra corresponde a retornos do ativo e RM representa aqueles do mercado. Por isso, a

razo entre a covarincia dos dois conjuntos de retornos dividida pela varincia do retornos do
mercado. Nota mercado muitas vezes ser representado por um preo chave de referncia, tais
como a de um grande ndice de aes.
Por exemplo, um activo (ou carteira) cujos retornos mudar em linha com o mercado tem uma beta
de 1. Assim, um aumento de 10% no mercado tambm significa um aumento de 10% para o ativo,
enquanto uma diminuio de 10% ir levar a uma queda semelhante. A beta de 2 significa que as
oscilaes de preos so duas vezes to rpida para o ativo quanto o mercado, de modo que um
aumento de 10% no mercado agora leva a um aumento de 20% no ativo. Por outro lado, um beta de
0,5 significa que a sensibilidade reduzido pela metade, ento uma queda de 10% do mercado apenas
os resultados em uma queda de 5% para o ativo. Activos com um beta negativo realmente avanar na
sentido oposto ao o mercado. Por exemplo, durante a crise do mercado os preos dos metais
preciosos muitas vezes aumentar, por isso as empresas cuja renda depende isso pode expor betas
negativos. A verso beta do zero mais difcil de encontrar, isso significa que no h absolutamente
nenhuma correlao entre os dois conjuntos de retornos.
Equao 12-7 tambm pode ser utilizado para determinar o beta de uma carteira, com base na
covarincia dos retornos da carteira com os do mercado. Em alternativa, ns podem determinar
a carteira beta a partir da mdia ponderada dos betas de seus ativos Constituinte. Para cada
componente a beta determinada a partir de sua covariancc com os outros membros do portfolio.
Usando a notao matricial podemos expressar isso como:
n
onde luj a matriz de covarincias, Wj o peso de cada activo (/) e a2 P a varincia de toda a
carteira.
teoria! n, se pudssemos construir um portflio de ativos com beta igual a zero no teria risco no
diversificvel. Consequentemente, ns poderamos usar a diversificao para reduzir o risco
global para uma quantidade insignificante. Na realidade, no entanto, a maioria dos activos tm algum
grau de correlao com o outro.
Erro de tracking
Muitas carteiras so geridas para um valor de referncia, tal como um ndice. Fundos passivos,
muitas vezes, como objectivo para coincidir com os retornos de um ndice de referncia especfico,
enquanto fundos ativos vai tentar superar eles. Rastreamento de erro fornece uma medida de quo de
perto uma dada carteira segue o benchmark. Portanto, os gestores de carteiras de rastreamento
de ndice passiva procurar minimizar seu erro de seguimento. Em geral, o acompanhamento de
erro calculado a partir do desvio padro da a diferena entre a carteira eo ndice de retornos:
n
Onde RP representa os retornos da carteira e RH so as do valor de referncia para perodos de

tempo N. Um erro de rastreamento de alta reflete um desvio significativo do valor de referncia.
Essencialmente, ele tambm reflete o risco activa de uma carteira, que uma medida mais
comumente adotada pelos gestores de fundos ativos.
A l g o r i t h m i c Tradin g & A DM
351
Contribuio marginal ao risco

A contribuio marginal para risco (MCR) pode ser usado por investidores para determinar o
sensibilidade de risco da carteira de um ativo especfico. Ele reflete a mudana real na carteira
global risco, de modo a diversificao tomado em considerao. Portanto, um ativo
relativamente arriscada pode ter a MCR inferior ao esperado.
Para qualquer dada carteira o vector de contribuies marginais ao risco pode ser definida como:
( 1 2 .8)
dWio
op
Onde Q a matriz de covarincia, w a vcctor de pesos dos ativos, cp o desvio padro de toda a
carteira e r, e Rp so os retornos do ativo (/) e da carteira respectivamente.
Note-se que geralmente o MCR medida por determinao do efeito da variao da existente
posio do ativo dado por 1%. Assim, a mudana padronizada em risco da carteira pode
simplesmente ser determinada pela diviso de 100 por equao 12-8.
Sediada sobre a similaridade com a equao 12-7 tambm pode expressar o MCR em termos de do
ativo beta:
=^
P.-O
Peu
d \ V;
"
Assim, o MCR equivalente a um risco da carteira de beta ajustado. Traders no pode variar a
contedo uma lista de comrcio; no entanto, eles podem usar o MCR como uma diretriz de como
vai negociao afetar o risco residual, como Robert Morton Kissell e Glantz (2003) apontam.
E se um particular ativo tem a MCR alta, ento negoci-lo de forma mais rpida ir ajudar a reduzir
o risco global. Por outro lado, os ativos com MCRs negativo realmente agir como hedges
naturais; Portanto, faz sentido de negociar estes mais lentamente para prolongar este benefcio.
12.3 Anlise de custos de transa o para carteiras

Portfolio risco e diversificao significa que anlise dos custos de transao um pouco mais
complicado quando se trata de carteiras. Nas sees seguintes, vamos considerar brevemente como as
estimativas de custos que vimos no Captulo 10 pode ser estendido para l idar com isso.
Impacto no mercado
Custos impaet mercado so aditivos, pelo que o clculo do impacto de mercado para uma
carteira somente uma facilidade de soma de todos os constituintes impactos. Usando o Kissell e
Glantz (2003) modelo impaet mercado, pode expressar o custo impaet mercado para uma carteira de
m stocks como:
M/
-F
-95x'j' '
f
x
t R . * ( *. / o- v
Euff
hh
um s
V'-
<
onde /, o custo impacto instantneo, X-, o total de pedidos para o ativo e para eaeh cada
perodo jo tamanho do pedido representado por XTJ enquanto vy o volume esperado. Embora
fcil de eompute, a natureza aditiva tambm significa que os custos de impacto mercado so no
reduzida por diversificao da carteira. Ento custos impaet so uma considerao importante
para as carteiras.
Portfolios
352
Risco de temporizao
Assim como no captulo 6, o risco de cronometragem para Carteiras podem ainda ser dividido em
separado e preo riscos de liquidez. O risco de preo baseado no portflio risco de que as
restantes posies. A partir da equao 12-5 Robert Kissell e Roberto Malamut (2005b) definem o
risco de preo para umacarteira como:
onde o vetor de posies de carteira residual que ARC deixou de ser negociadas para cada
perodo j, e C a matriz de covarincia em $ / ao.
Liquidez risco representa o risco de que nossas estimativas de impacto mercado ser impreciso
devido para os volumes de mercado inesperados. Ao assumir que nenhuma surpresa de liquidez
no so corrigidos, Kissell e Glantz (2003) so capazes de risco de liquidez de base na variao do
seu temporria funo de impacto no mercado. Portanto, para qualquer determinado activo o
risco de liquidez pode ser definido como A (h (x)):
Onde / o impacto no mercado instantnea, X o tamanho total da ordem e para cada perodo j
o tamanho de ordem representado por x) enquanto vy o volume expectcd.
Atravs de uma carteira inteira, o risco de liquidez pode ser representado como a soma destas
riscos individuais:
Assim como um todo, o risco da carteira de temporizao pode ser expressa como:
Assim, a principal diferena com os exemplos portflio de volatilidade que vimos na seo 12.2 o
adio do risco de liquidez. Isto coberto em mais algum detalhe no Kissell e Glantz (2003).
12.4 Carteira de negociao Optimal

No Captulo 7, observamos que a obteno de uma estratgia de negociao ideal obriga nos a conhecer o objetivos comerciais especificadas do investidor, que podem ser
para:
Minimizar o custo esperado para um dado nvel de risco
Melhoria Achicve preo mais um determinado nvel de custo
Balancc o trade-off entre o custo esperado e risco

Os mesmos princpios se aplicam para a carteira de negociao com a complicao adicional
de tentar maximizar a diversificao, e assim minimizar o risco da carteira. Mais uma vez, o
conjunto de ptima estratgias de negociao representado pela fronteira negociao eficiente.
Isto pode ser encontrado solving o seguinte optimizao para o custo esperado (E (x)):
35 3
min (E (x) + A.V (x))

x
onde V (jt) corresponde ao risco esperado e X representa o nvel de averso ao risco. Para
encontrar as melhores solues, tcnicas de otimizao de mdia-varincia pode ajudar a minimizar o
custo expcctcd impacto, enquanto covarincia ou multi-factor de modelos de risco podem ser
utilizados para fornecer o risco da carteira cxpected.
Dito isso, ao tentar minimizar o custo para expcctcd um determinado nvel de risco, o ideal so
solues um alvo em constante movimento. Isto porque o risco da carteira baseia-se nas posies de
negociao residuais, e por isso deve ser reavaliada cada vez que as mudanas no portflio. Assim,
cada changc exige a criao de uma nova fronteira de negociao eficiente, a partir do qual o custo
mnimo pode ento ser alvejado. Consequentemente, os custos de mnimo impacto ir variar ao
longo do tempo. Assim, para manter o mesmo nvel de risco WC pode ter de alterar o padro do nosso
negociao, como mostrando pelo caminho de amostra na Figura 12-7.
Fonte: Domowitz e Krowas (2004)

Figura risco da carteira 12-7 Acompanhamento e custo ao longo do tempo

Da mesma forma, melhoria de preos alcanando mais um determinado nvel de custo enfrenta o
mesmo prohlem. Efetivamente, esses dois objetivos agora tem que equilibrar dinamicamente o tradeoff entre o custo esperado e risco da carteira. Por exemplo, a partir de uma perspectiva de custo, pode
fazer sentido para negociar agressivamente uma dos ativos. No entanto, se este estava agindo como
um hedge natural para o carteira residual (a MCR negativo), em seguida, a diversificao pode
reduccd levar a um significativo aumentar em risco da carteira. Portanto, precisamos determinar o
que mais importante effcct e agir em conformidade.
Assim, encontrar a estratgia ideal de negociao para uma carteira requer tanto baseada no
custo-
Portfolios
354
modelos de execuo e tcnicas de otimizao de carteiras. Cada vez mais, estes arco convergindo
para proporcionar modelos de execuo da carteira dedicados.
Metas adicionais para carteira de negociao

Portfolio risco pode ser decomposto em uma srie de fatores diferentes, como wc serra na Figura 125. Assim, os gestores de carteira tambm pode acompanhar risco em termos de mercado de
ativos ou a sua especfica componentes. Ento, eles podem considerar questes como o pas,
moeda ou risco scctor. Como alternativa, eles podem se concentrar em minimizar o erro de
rastreamento para seu fundo. Portanto, investidores muitas vezes adotam uma srie de estratgias
adicionais para tentar minimizar os riscos para a sua carteiras, tais como:
Balanceamento de dinheiro
Beta / neutralidade Mercado
Setor / neutralidade Pas
Minimizao de erro de seguimento ndice

O mais fcil dessas abordagens o balanceamento de dinheiro, que apenas halanccs o valor
das posies longas e curtas, tornando o portflio de caixa neutro. Ainda assim, isso pode
deixar a exposio a risco de mercado. Portanto, o mercado de hedge neutro tenta garantir que o
beta lquido do portflio zero. Da mesma forma, at mesmo comercializar carteiras neutro
pode ainda para ser exposta risco considervel de outros fatores de risco comuns; da, a
neutralidade sector / pas pode ser visadas. Cada uma destas abordagens necessita de halancing
cuidadosa dos vrios grupos. Isto tambm aplica-se por erro de seguimento, onde uma carteira
pode ele divididos em ativos que ajudam ou dificultam o acompanhamento do ndice. Claramente, se
vrios objetivos arco exigido este ato de equilbrio pode becomc mesmo mais complicado; Assim,
pode ser til para dar-lhes prioridade.
O gerente de carteira precisa controlar o risco para toda a carteira de investimentos. Isto
tambm inclui a cesta de ativos que foram enviadas para negociao. Corretores / comerciantes
podem tambm precisa ser capaz de apoiar estes objectivos adicionais quando da negociao de
carteiras. Caso contrrio, durante o processo de negociao / transio da carteira de
investimentos poderiam ser expostos a riscos desnecessrios, particularmente se a negociao se
estende por dias ou mesmo semanas. Esses objetivos podem tambm aumentar a global
desempenho. Assim, no s as estratgias de negociao de carteira precisa equilibrar os custos com
impacto carteira de riscos, eles tambm podem precisar de tomar em conta quaisquer dessas
exigncias adicionais.
Hedging
Incorporando os requisitos de cobertura de risco em uma estratgia de carteira de negociao pode
representar algum dificuldades. Wc precisa encontrar o equilbrio certo entre a aplicao da
cobertura e permitindo as ordens de comrcio constituintes optimamente.
Essencialmente, isso semelhante ao que vimos para a estratgia de negociao par, cxccpt
que podem envolver vrios grupos. Por exemplo, se o valor executado por um grupo comea a
ficar para trs ento podemos precisar cither:
Comrcio de forma mais agressiva para esse grupo
Abrandar a negociao para o outro grupo (es)

Como um exemplo simples, vamos considerar a seguinte lista de caixa comrcio equilibrado
apresentados na Tabela 12-2, essencialmente wc pode ver isso como uma carteira de trs ativos.
Enquanto conseguirmos negociar cada ativo em linha com os outros, devemos manter esta cobertura
natural. Assim, para o primeiro perodo (t), podemos emitir 10% de cada posio do alvo como uma
ordem de limite.
Vamos supor que at o final deste perodo apenas as decises de ABC e XYZ tem
concluda, de modo a ordem de limite para 50 HJK ainda por preencher (ou existente).
355
Posio em t /
Enviados
Preen
chidas
SideAssetPrice
Alvo
Abc
Comprar HJK
Vender XYZ
31
31
31
Lquido
50050
500
1000
50
100
0
50
0
100
-50
Tabela 12-2 A carteira de negociao frente e verso simples

Ento, por o fim do primeiro perodo de nossa cobertura rudimentar j foi quebrada. Para remediar
esta situao poderia:
1. Aguarde at que a ordem de compra para o HJK para concluir antes de colocar mais
ordens.
2. Converter o restante para comprar um limite ou fim mercado mais agressivo.
Opo 1 pode vir a ser caro se os ativos mais lquidos ABC e XYZ tm tendncias de preos
desfavorveis. Efetivamente, temos parado de negociao at que as capturas de ativos ilquidos -se,
expondo-nos a temporizao de risco para os outros constituintes. Da mesma forma, a opo 2 poderia
tambm revelar-se caro, uma vez que pode simplesmente no ser capaz de comprar qualquer HJK
dentro acccptable limites de preos. O custo de recuperar o atraso, a tornar-se neutra em dinheiro
novamente, poderia realmente compensam os benefcios de cobertura.
Neste caso, porque s esto se esforando para ser em dinheiro neutro, uma possvel soluo a
curto prazo para este problema para compensar o equilbrio por adicionalmente a compra de
outros 50 dos mais ABC lquido. Embora, para os requisitos de cobertura mais complexas tal
abordagem no pode ser sempre possvel.
Uma soluo comum incorporar um valor legging, tanto quanto ns vimos para o par de
negociao. Isso permite que um dos grupos (neste caso, um lado da carteira) a ficar para os outros /
s por um quantidade especfica. Isto d a estratgia de negociao algum espao para respirar
antes qualquer correctivas sejam tomadas medidas para fazer cumprir os requisitos de cobertura.
Caso contrrio, poderamos potencialmente perder boas oportunidades comerciais para alguns
ativos s porque uma ordem para um ativo menos lquido lutando.
Note que se h uma incompatibilidade significativa na liquidez da carteira constituintes em
seguida, o custo de cobertura eficaz pode ser difcil de alcanar. Em alguns casos, pode tambm valer
a pena lidar com os ativos ilquidos mais separadamente. Isso destaca a importnci a da prnegociao anlise, para identificar quaisquer possveis problemas e determinar o quanto de um
problema que pode Pose antes negociao comea.
Balanceamento de caixa se aplica, obviamente, apenas para carteiras de dois l ados. O objetivo
ficar "dlar neutro ", para que os dois lados compensados entre si. Essencialmente, o produto da
venda de cobertura os custos das compras.
Ns j vimos um exemplo simples de equilbrio de caixa, de volta na Tabela 12-2. Outro exemplo
de uma caixa lista equilibrado do comrcio mostrada na Tabela 12-3. Os compram e vendem os
lados j esto equilibrados, para que possamos dividir off ordens criana para o primeiro perodo com
base numa percentagem de o seu valor. Para lado da compra, ns simplesmente atribudo a meta
para o primeiro perodo de at 10% da posio, como mostrado no alvo marcada coluna (TGT).
Enquanto que para o lado da venda, a quantidades tericas tm Heen ligeiramente mais atribudo
aleatoriamente. Isso nos permite levar em conta fatores como liquidez de curto prazo e preos
favorveis. Embora, em termos de o dinheiro restante neutro, a soma de nossas posies sell
side-alvo ainda se encontra a nossa meta.
356
Portfolios
Buys
De
ativos
Abc
Sells
Ativo
Pr
3600
PQR
20
1300
104
50
2000
STU
30
700
84
2520
800
80
4800
vw x
70
600
66
4620
50
600
60
3000
Yza
40
400
32
1280
80
200
20
BCD
90
500
50
Pr
Pos
30
1200
120
DEF
40
500
GHI
60
JKL
MNO
Tgt
Valor
Eu
1600
15.000
Pos
Tgt
Eu
Valor
2080
4500
15.000
Tabela 12-3 metas comerciais Exemplo para manter um portflio equilibrado de caixa
Os preos de mercado mudam constantemente, por isso pouco provvel que atingir o
equilbrio de dinheiro simplesmente perfeito por percentagens de negociao. Ajustes ter de ser
feita com base nas alteraes de preos em tempo real. Embora, impraticvel para mudar
constantemente o tamanho das encomendas existentes; particularmente para locais onde isso
iria resultar em uma perda de prioridade sobre a carteira de encomendas, ou aqueles que cobram para
ordenar os updates. Assim, as estratgias podem incorporar limites mnimos para garantir que o
preo a mudana grande o suficiente para justificar a alterao das ordens.
Esta abordagem tambm pode ser utilizada para que sejam carteiras No, na verdade, de caixa
equilibrado. Para exemplo, poderamos modificar a estratgia de negociao para influenciar as
taxas de negociao para a compra e vender lados tentar melhorar o equilbrio. Se a carteira era
lquida longa, poderamos negociar lado da compra de forma mais agressiva at que em relao com
o lado da venda. No entanto, por muito desequilibrada carteiras Anna Bystrk Richard e Johnson
(2005) sugerem que pode valer a pena negociao separadamente cada lado, as tcnicas de gesto de
riscos sincc tendem a ser mais eficazes para carteiras halanced.
Mercado neutralidade
A carteira normalmente dito ser neutro em termos de mercado, se a sua verso beta lquido zero.
Em outras palavras, o os retornos da carteira deve ser corrigida com o mercado. Esta
abordagem popular com fundo gestores uma vez que significa risco geral do mercado
minimizada, deixando-os expostos a nica a riscos especficos que esto centrados na.
Portanto, quando se tenta manter uma abordagem neutra em termos de mercado dos ativos com
um beta maior muitas vezes sero negociadas mais rpido do que aqueles com um mais baixo. Por
exemplo, vamos considerar o comrcio lista apresentada no Quadro 12-4.
Ativ
os
Buys
Pr
fi
Posio
fi-wgt
Alvo
Posio
Residual
Mkt Val
fi-wgt
30
40
2.0
1200
0,480
480
0,384
1.0
500
0,133
100
720
400
21.600
DEF
16.000
0,142
GHI
60
1,5
800
0,480
240
560
33.600
0,448
JKL
50
0,5
600
0,100
60
540
27.000
0,120
MNO
80
0,5
200
0,053
20
180
14.400
0,064
112.600
1.157
Eu
1,247
Tabela 12-4 Exemplo comprar metas comerciais para manter uma carteira neutra
mercado
Ativos e ABC GHI tm as maiores betas, combinada com suas posies relativas este
357
significa que mais contribuem para o total beta lquido, como pode ser visto no peso beta (fi-WGT)
coluna.
Como uma linha de base, podemos negociar 20% de cada um dos activos no prximo perodo.
Embora, isso vai no fazer nada para aliviar o desequilbrio beta relativa. Uma maneira simples de
mudar isso para ajustar esta proporo por beta de cada ativo, portanto, na verdade negociar 40%
do ABC e apenas 10% dos JKL. Se estes executar integralmente o que deixa posies residuais com
um beta lquida significativamente inferior, como mostrado na Tabela 12-4. Por isso, deve reduzir
em cerca de 8% 1,247-1,157.
Embora este ajustamento beta simples funciona para listas do comrcio de um s lado (ou
carteiras), ns precisa ser mais cuidadoso com os dois lados. Por exemplo, vamos agora supor que o
vende mostrando na Tabela 12-5 representar a outra metade de nossa lista.
Sells
Ativo
sPQR
Pr
fi
Posio
fi-wgt
Alvo
Posio
Residual
Mkt Val
fi-wgt
20
1,5
1300
0,260
390
910
18.200
STU
30
0,8
700
0,112
112
588
17.640
0,126
VWX
70
1.3
600
0,364
156
444
31.080
0,360
Yza
40
1,5
400
0,160
120
280
11.200
0,150
BCD
90
1.2
500
0,360
120
380
34.200
0,365
112.320
1.243
1.256
0,243
Tabela 12-5 Exemplo metas comerciais sell para manter uma carteira neutra mercado
Usando a mesma abordagem ajustado beta podemos reduzir o beta net para este lado para 1.243.
A reduo menos acentuada porque ao contrrio dos buys os betas so mais equilibrados.
Esta simples abordagem resulta em um lado da compra com um beta lquido de 1,157 e um sell
side com
1.243. Os valores de mercado so praticamente os mesmos; porm, nossa lista residual ainda mais
exposto ao risco de mercado do lado da venda. Por isso, importante considerar tambm a beta rede
quando manipulao de listas de duas faces / carteiras.
Uma abordagem diferente poderia ser a de trocar 20% do lado da compra, mantendo a sua lquido,
tal como beta
1.247. Enquanto que no lado da venda podem ser utilizados na abordagem de beta-ajustado,
reduzindo-o a 1.243. Alternativamente, ns tambm podemos usar um fator de escala para o
comrcio mais dos activos beta mais elevados no vender lado, para tentar corrigir o desequilbrio.
Neutralidade Categorizados
Carteiras tambm poder ter uma exposio significativa a fatores comuns, como pas, moeda
ou risco sector. Para reduzir esse ns pode tentar negociar a carteira de forma a neutralizar estes
fatores de risco.
Por exemplo, a Tabela 12-6 apresenta as atribuies de campo para a nossa lista de comrcio
exemplo, usando os cdigos ISO de pas para Frana (FR), Alemanha (DE) e Reino Unido (GB).
Os saldos lquidos so apresentados na Tabela 12-7. Observe que as compra e vende so
razoavelmente equilibrada, embora h mais exposio lquida a ativos do Reino Unido do que nos
outros pases. Novamente, destinam-se a comrcio 10% desta lista no prximo perodo. Para tentar
reduzir o risco pas que pudermos negociao vis para o lado que maior para cada pas. Assim, para
o U.K., o foco ser a reduzindo o $ 42,000 valor de ativos para vender, enquanto para Frana e
Alemanha, o foco ser na reduo das compras. Da mesma forma, uma vez que o Reino Unido tem
o maior desequilbrio lquido tambm deve direcionar estes activos mais do que os outros.
358Portfolios
Ativ
os
Abc
Buys
Pr
30
Ctry
Residual
Mkt Val
Posio
Mkt Val
Alvo
FR
1200
36.000
90
Posio
1110
33.300
DEF
40
GB
500
20.000
54
446
17.840
GH1
60
DE
800
48.000
88
712
42.720
JKL
50
FR
600
30.000
52
548
27.400
MNO
80
GB
200
16.000
28
172
Eu
150000
Sells
Ativo
Pr
PQR
20
STU
30
VWX
70
Yza
40
BCD
90
Ctry
13.760
135.020
Residual
Mkt Val
Posio
Mkt Val
FR
1300
26.000
38
1262
25.240
FR
700
21.000
26
674
20.220
GB
600
42.000
150
450
31.500
FR
400
16.000
18
382
15.280
DE
500
45.000
25
475
42.750
Alvo
Posio
150000
134.990
Tabela 12-6 metas comerciais Exemplo apontar para uma carteira neutra categoria
Uma forma de atribuir os comrcios alvo base-las puramente sobre os desequilbrios.
Dado umasoma total de US $ 30.000 para ambos os compra e vende, podemos atribuir semestre
deste para restabelecer o equilbrio para os ativos do Reino Unido, enquanto que o restante dividido
igualmente entre a Frana ea Alemanha.
o desequilbrios lquida pode ento ser usada como um ponto de partida, a atribuio desta para o
lado que possui o maior valor. O residual pode ento ser dividido igualmente entre compra e
vende. Assim, para o Reino Unido $ 6.000 ter como alvo vende, deixando $ 9.000 para dividir entre
eles. Assim, nossos valores-alvo de US $ 4500 para as compras do Reino Unido e $ 10,500 para
ordens de venda. Os valores-alvo restantes so mostrados na Tabela 12-7.
Valor de
Mercado
Ctry
Buys
DE
FR
GB
48.000
66.000
36.000
45.000
63.000
42.000
Lquido
3000
3000
-6000
Alvo
Buys
5250
5250
4500
Valor
Sells
2250
2250
10.500
Valor residual
Buys
Sells
43.200
59.400
32.400
43.200
59.250
32.550
Lqui
do 0
150
-150
Tabela 12-7 Os saldos lquidos para uma carteira neutra categoria

Uma vez que o lista dinheiro equilibrado, vamos tambm tentar preservar isso, como no h
nenhum ponto a introduo de riscos adicionais. Neste exemplo, o alvo na compra e venda ainda
adicionar at US $ 15.000 por isso no h necessidade de fazer mais alteraes.
Finalmente, precisamos agora de converter os saldos alvo em aces-alvo para cada um dos
ativos. Para simplificar, vamos atribuir-lhes uniformemente para cada pas, embora fatores
como liquidez ou tendncias de preos poderia tambm ser tidos em conta. Os aju stes tambm
poderia ser feita de garantir quantidades so arredondadas para satisfazer as suas tamanhos de
lotes. Quantidades alvo amostra so mostrados na Tabela 12-6.
Fornecida conseguirmos negociar essas metas, podemos ver na Tabela 12-7 que os valores
lquidos para a lista residual ser quase zero. No entanto, a necessidade de outros requisitos balancc
359
meios que os desequilbrios categoria, muitas vezes, ser reduzida de forma mais gradual do que isso.
Alm disso, note que exatamente os mesmos princpios podem ser utilizados para outros factores
comuns, tais como moeda ou risco sector.
Minimizao tracking error

Rastreamento de erro relaciona os retornos da carteira aos dos um ndice especfico. Uma
alternativa caminho de ver isso para dizer que uma carteira com um erro de rastreamento mnimo
deve ter um lquido beta de 1,0. Em outras palavras, o desempenho da carteira corresponde
exatamente seu ndice de referncia, assim variaes no valor so inline com o outro.
Vimos tambm como ajustes poderiam ser feitos para tentar alcanar um beta lquido de 0,0 para
carteiras neutras de mercado. Uma abordagem semelhante pode ser usada para minimizar o erro de
seguimento, excepto o alvo beta net agora 1.0. Ento, novamente, temos como alvo os eleitores
com as maiores pesos beta, como vimos na Tabela 12-4.
Minimizar o risco geral da carteira

Ns pode tambm procurar minimizar o risco geral da carteira com base na formao da matriz ns
Serra na equao 12-5. Ao usar a primeira derivada desta equao, podemos tentar encontrar uma
mnimo possvel:
w'Q.
d (Risco) _
dW
= 0 => w T Q = 0
ylw Qw
Onde Q a matriz de covarincias, W o vector de pesos activos e W sua transposta. Kissell e

Glantz (2003) constataram que a soluo deste para os rendimentos w:
Woptimal = A * B * W
Onde A e B so as seguintes operaes de matriz:

A = -inverse (diagonal (Q))
B = Q + inversa (A)
Eles enfatizam o fato de que esta soluo s vlida para a execuo de um nico ativo. o
mudana de posio resultante vai afetar o risco de todo o portflio, de modo que para cada um
comrcio subseqente nova soluo deve ser recalculado.
Como exemplo, vamos reutilizar o portflio e matriz de covarincia do Exemplo 12-2:
'120''0.060
W=
0,033 0,02 f
-8 0 Q = 0,033 0,026 0,002

-4 0
0,021 0,002 0,150,
Podemos, ento, usar as operaes de matriz apropriados para determinar o produto:
-1,269
-0,140
-0 .55 0 -0,350 '' 120 ^

0.000
-0 ,077
-0 ,013
0.000
-8
0=-14
-40 ,
'6 2
oo
'0.000
A*B*W=
9
-1 6
=> V =
69
-2 4
Isto implica que os coeficientes so ptimas 58 de ativo ABC, de -149 e -16 DEF de HIJ.
Dadas as nossas posies atuais, isso implica o vetor v, que representa o possvel transies
para chegar a este estado ideal. Note que no pode negociar qualqu er DEF desde o ideal
Portfolios
360
posio de -149 encontra-se fora de nossa faixa permitida. Assim, podemos vender 62 de ABC
ou comprar 24 HIJ.
Usando a equao 12-5, podemos agora aplicar cada uma dessas posies potenciais para
confirmar que d o menor risco. Por exemplo, introduzir os valores para a ABC d:
^ 0,060 0,033
<^ =(58 -8 0
)
-40
0,021 " r ^ 58
0,033 0,026 0,002
-8 0
0,021
-4
0
0,002 0,150
= $ 14,74
Negociao ABC reduz o portflio risco para $ 14,74 Considerando que o comrcio HIJ s reduzlo para
$ 18,97. Portanto, o comrcio ideal vender 62 aes da ABC.
Como vimos volta na Figura 12-7, a soluo ideal quando se tenta minimizar o esperado custo
para um determinado nvel de risco um alvo em constante movimento. Cada muda o comrcio global
composio da carteira e assim o risco global. Portanto, para encontrar os prximos comrcios ideais
ns deve simplesmente continuar a repetir esse processo at a execuo for concluda.
12.5 Negociao com algoritmos portflio

Algoritmos de negociao convencionais podem facilmente ser utilizados para as carteiras de
negociao, embora claramente h complicaes quando da negociao de listas que abrangem
vrios mercados, moedas e / ou tempo zonas.
Outra considerao importante a forma como as estratgias de negociao escolhido afetar
o risco da carteira, ou atingir qualquer um dos outros objectivos especficos abrangidos na seco
anterior. Standard single algoritmos de ativos no possuem mecanismos embutidos para acomodar
isso. Portanto, vou tambm olhar para alguns mtodos para adaptar algoritmos para lidar com esses
requisitos.
Negociao Carteira de negociao com algoritmos padro

Em geral, qualquer um dos algoritmos de negociao de ativos nicos que vimos no Captulo 5 podem
ser utilizados para carteira de negociao. A lista de negociao podem compreender de dezenas, ou
mesmo centenas de ativos, que poder ser compra, vende ou uma mistura dos dois. Estes podem todos
ser comercializados com um nico algoritmo, visando uma referncia como VWAP ou seu preo de
chegada. Como alternativa, eles podem ser para uma gama de diferentes algoritmos, dependendo a
dificuldade relativa de cada ordem. o algoritmos de negociao pode ser especificada pelo
investidor, ou determinado pelo corretor / dealer.
Pode "tamanho serve para todos"?

Ao escolher algoritmos de negociao para as carteiras devemos primeiro considerar se uma nica
algoritmo adequado para todos os componentes da lista de negociao. Um exemplo interessante
dado por Ian Domowitz e Henry Yegerman (2005a) de ITG. Este baseia-se numa grande carteira de
transio que foi aferido usando o VWAP dirio para cada ativo. A estratgia resultou em
custos de transao que foram aproximadamente o dobro da estimativa de pr -negociao
anlise. Ao analisar os pedidos de volatilidade e tamanhos de os constituintes, eles concluram
aquele custos poderiam ter sido reduzidos com a adoo de estratgias de negociao diferentes,
ao invs de um size fits all "abordagem. Isso ilustrado na Figura 12-8.
Encontrar uma alternativa melhor que classificou as ordens em trs grupos principais, com base em
cada volatilidade do ativo e o tamanho relativo da ordem em relao ao volume mdio dirio
(ADV). Nos dois extremos, eles encontraram pequenas encomendas para os ativos volteis e
grandes encomendas para ativos com uma volatilidade muito menor.
361
10,00%
250,00% 300,00%
0.00%
Fonte: Domowilz e Yegerman (2005a)
Reproduzido com permisso da ITG Inc. e The Comrcio
Figura 12-8 Volatilidade contra percentual de ADV

Como vimos no Chaptcr 7, voltil ativos terno um estilo de negociao mais agressiva,
contrariando a risco temporal associado. Isso tambm ajudado pelo tamanho ordem pequena, o
que significa menor mercado custos de impacto. Assim, Domowitz e Yegerman props uma
estratgia agressiva para tal encomendas. Por exemplo, pode wc usar um algoritmo dfice
aplicao.
Por outro lado, para os pedidos maiores uma abordagem mais passiva faz sentido, para tentar
reduzir o impacto global do mercado. De forma semelhante, uma vez que a volatilidade desses ativos
menor, o preo risco no ser to significativa. Assim, um VWAP durante todo o dia pode ser uma
escolha adequada. Dito isso, um risco temporal compreende tanto o risco de preo e risco de
liquidez, de modo a liquidez pode tambm ser um fator considervel para grandes encomendas, como
Domowitz e Yegerman apontar. Assim, a negociao oportunista pode tambm ser apropriada, em
funo da incerteza das estimativas de custos de transao. Essas ordens, que so mais de 40% do
comrcio de ADV, podem se estender por vrios dias. Em tais casos, uma estratgia mais agressivo
pode ser adequado para o primeiro dia, seguido de negociao mais passiva em quaisquer dias
subsequentes.
Entre esses dois extremos so ordens que podem ser adequados para mais oportunista
negociao. Em termos de algoritmos de negociao, esta pode variar entre um VWAP com um
horizonte curto, um por cento de volume ou de uma linha de preo. Alternativamente, um dficit de
implementao ou mesmo um algoritmo baseado em liquidez pode ser usado. A escolha tambm
depende de outros fatores, como a averso ao risco dos investidores, a liquidez e dinmica de
preos.
Algoritmos de negociao standard e carteira de risco

Claramente, algoritmos de negociao concebidos para a execuo de ativos individuais tm
nenhuma considerao de risco da carteira. Eles so exclusivamente focado na otimizao da
execuo de seu indivduo encomendas. assim o comerciante manusear a lista ter que fazer isso
manualmente. Eles podem decidir dividir
-lo em ondas (ou fatias), cada ponderados para tentar
manter a diversificao. Alternativamente, os activos de maior risco pode ser tratado em primeiro
lugar; assim algoritmos de negociao tambm podem ser selecionados com base em se eles arco
ideal para o portflio como um todo, ao invs de uma ordem especfica.
Somente as abordagens mais simples orientado a programao, como TWAP, proporcionar uma
consistncia de
Portfolios
362
negociao de todo o portflio. Por exemplo, se todas as encomendas so negociados usando

TWAP, ns sabemos que no meio de negociao que deve ter 50% das posies desejadas para
cada e cada componente.
Em comparao, usando algoritmos mais dinmicos, muitas vezes, levar a uma mudana na carteira
composio como eles so negociados. Por exemplo, a Figura 12-9 mostra como diferentes a
resultante horrios de negociao pode ser para uma srie de ordens usando um dficit de
implementao (IS) algoritmo (algoritmo Assistente neste caso do Instinct).
Fonte: Instinet (2006)
Reproduzido com permisso da Instinet
Figura 12-9 Exemplo horrios dfice implementao

Desde o algoritmo de dficit de implementao est tentando adotar a estratgia ideal de
negociao para cada ordem, os padres comerciais resultantes so claramente muito diferente. Os
pedidos maiores (em termos de percentagem do ADV) arco permitiu mais tempo para negociar
para reduzir o impacto no mercado, enquanto
uma abordagem mais agressiva levado para os
ativos volteis para reduzir o risco timing. Assim, para este exemplo, as relativamente pequenas
encomendas de Cisco (CSCO) e Citigroup (C) devero concluir em primeiro lugar, com a mais
voltil Cisco negociadas mais rpido. Prximo de completar deve ser a ordem para A Continental
Airlines (CAL), cuja elevada volatilidade significa que a negociao agressiva necessria. Por
fim, o despacho de Medtronic (MDT) leva mais tempo, uma vez que sua volatilidade
relativamente baixa permite a fim de ser negociadas de forma mais passiva.
Tomado por sua vez, cada um destes horrios podem bem ser a estratgia ideal de negociao
para o ordem correspondente. Ainda assim, este docs no significa necessariamente que ele a
melhor estratgia de negociao para a carteira um todo. A diversificao fortemente dependente do
portflio de maquiagem. Assim, uma alterao significativa na carteira relativa posies poderiam
conduzir a uma mudana considervel na
363
risco da carteira. Por exemplo, vamos comparar o exemplo portflio na Figura 12-9 tempo entre
perodos 1 e 3. Inicialmente, a maior posio de destaque para a Cisco, seguido por Medtronic,
Continental Airlines e, finalmente, Citigroup. Seguindo os horrios alvo, em o incio do perodo
de 3 a posio da Cisco caiu a ser apenas a terceira maior posio, apenas acima Citigroup. Assim, a
carteira residual agora dominado pela Medtronic e Continental Companhias areas. Hcncc, o
risco geral da carteira pode ser muito diferente entre esses dois perodos.
No novidade, este problema no exclusivo para os algoritmos baseados em shortfall.
Outra negociao algoritmos tambm ter de enfrentar esta questo, uma vez que improvvel que
seja equilibrada em toda a negociao carteira. Em particular, esta diz respeito a algoritmos
dinmicos, que so movidas por condies de mercado. Ela tambm afeta algoritmos orientado
a programao como VWAP, uma vez que no h garantia que os perfis de volume para os
vrios activos ser semelhante o suficiente para preservar a carteira misturar. Os activos ilquidos
tambm vai ficar para trs os mais negociadas. Mais uma vez, isso poderia reduzir a diversificao
global. Assim, uma estratgia de negociao mais agressiva pode ser a nccessary compensar isso.
Observe que esse problema no apenas restrito a algoritmo escolha. Um problema semelhante
surge para carteiras que abrangem vrios pases. Embora mercados como a Europa esto se tornando
mais uniforme, no pode ainda haver pequenas diferenas no mercado aberto e closc vezes. Assim,
algumas ordens pode comear a negociao antes de outros, causando um desequilbrio. Incio
Explicit e fim vezes pode ser ajustado para evitar que esta, embora, obviamente, esta reduz o
potencial comercial horizonte. As coisas tornam-se ainda mais complexo para as carteiras
verdadeiramente globais, onde as diferenas de fuso horrio dificultam negociao simultnea
(se no impossvel). Por exemplo, durante o Manh Europeia logo aps os mercados asiticos
fecharam e antes de os EUA abriram.
No entanto, mantendo um portflio consistente ponderada no necessariamente a melhor forma
de minimizar o risco da carteira. De fato, tudo que faz garantir que o risco da carteira permanece
consistente. Em vez disso, precisamos avaliar cada fim de determinar o quanto isso contribui para
o global risco. Para minimizar esse risco em geral, estamos, portanto, precisa se concentrar em
reduzir os cargos de esses ativos o que mais contribuem. Alm disso, observe que os maiores
contribuintes de risco no vai ser necessariamente as ordens para os ativos mais arriscados, desde
cobertura natural ocorrer entre os ativos na carteira. Ento, em vez de selecionar o algoritmo ideal
com base na especfico requisitos de ordem deve wc tentar determinar a melhor abordagem para todo
o portflio.
Algoritmos de alfaiataria para carteira de negociao

Personalizar algoritmos de negociao para incorporar marcas portflio de risco um monte de
sentido. Embora as exigncias de cobertura pode revelar-se bastante complcx, a reduo do risco
potencial e os custos relacionados poupana pode ser substancial.
Estendendo algoritmos de negociao existentes para incorporar modelos de carteira tem
sido um tpico soluo (e lgico). Como a demanda cresce, alguns vendedores tambm esto criando
novos algoritmos sofisticados, projetados a partir do zero para atender a carteira de negociao.
Uma abordagem alternativa oferecida por Robert Kissell, Andrew Freyre-Sandcrs e Carl
Carrie (2005). Eles descrevem um "algoritmo de algoritmos" que administra a carteira
requisitos comerciais, enquanto algoritmos individuais podem ainda ser usado para cada ordem
constituinte. A diviso macro / micro-nvel semelhante diviso do trabalho entre adotamos
algoritmos de negociao e tticas de execuo no Captulo 5. Este oferece a perspectiva de
reutilizao algoritmos de negociao de ativos individuais existente para fornecer uma ampla
variedade de estilos de negociao.
Nas sees seguintes, vamos delinear estas duas abordagens principais em mais algum detalhe.
Como o mercado para a carteira de negociao algortmica cresce, Ser interessante ver o que
outros variantes aparecem no futuro.
364
Portfolios
Algoritmos que incorporam modelos portflio de risco

Podemos incorporar modelos portflio de risco em algoritmos de negociao pela ampliao das
instalaes existentes algoritmos ou atravs da criao de novos algoritmos especficos das
carteiras a partir do zero. De qualquer jeito, algoritmos baseados em dficit, com seus modelos
de custos inerente, fornecer um bom ponto de partida.
O CORC de tal abordagem um modelo de carteira de risco centralizada. Uma forma de atingir
esta ter o algoritmo para cada constituinte activo rastrear uma combinao da sua prpria mercado
modelo de impacto, juntamente com este modelo de risco da carteira compartilhada. Assim, cada
algoritmo capaz de tomar decises que ter em conta todas as outras posies de carteira atuais.
Correlaes entre os ativos tambm pode ser usado para encontrar hedges naturais, e assim
maximizar diversificao. Os ajustamentos podem ser efectuados a tentar preservar essas
relaes, minimizando o risco geral da carteira. Desde o risco da carteira deve ser re-avaliada como
posies mudar, Isso tambm permite que os comerciantes para tirar proveito de outras
oportunidades, tais como blocos de redes de passagem.
Aes negociadas 20.000
Fonte: lnslinel (2006a)
Reproduzido com permisso de Instinct
Figura 12-10 Exemplo horrios dfice portflio otimizado implementao

Por exemplo, a Figura 12-10 mostra um exemplo portflio de dois lados, cada ordem
negociado em paralelo usando um dficit de implementao do algoritmo portflio otimizado (neste
caso, da Instinet PRO Assistente 2que incorpora fator de risco a curto prazo Northfield
Information Services ' modelo). Cada algoritmo ajusta a sua prpria estratgia ideal baseado em
correlaes com os outros constituintes, a fim de ajudar a minimizar o risco total da carteira.
Nota Assistente de PRO de Inslinel desde ent o tem sido substitudo com iheir carteira algoritmo.
365
Neste exemplo, as duas unidades areas, Continental Airlines (CAL) e da AMR Corporation
(AMR), esto altamente correlacionados. Assim, estes pedidos realmente actuar como eficaz
hedges para o outro desde tanto CAL e AMR tem preos semelhantes e que esto comprando e
vendendo quantidades equivalentes. A reduo do risco realizada a partir desta cobertura nos permite
comrcio -los de forma mais passiva, apesar de eles serem estoques razoavelmente volteis. Como
podemos ver na Figura 12-10, a negociao para ambas as ordens espalhado ao longo do dia,
ajudando a reduzir o seu impacto no mercado.
Um nvel semelhante de correlao existente entre a Microsoft (MSFT) e Yahoo (YHOO). Porm,
uma vez que estes so ambos ordens de compra a concentrao sector resultante poderia, na verdade,
aumentar o risco potencial de carteira. Assim, ambas as ordens so executadas razoavelmente
rapidamente, como mais um algoritmo tpico dfice aplicao. O ilquidos Opes Xpress (OXPS)
no tem hedge natural na carteira, por isso deixou de negociar durante todo o dia, principalmente para
minimizar os custos de impacto.
Claramente, se compararmos isso com uma abordagem puramente baseado dficit de
implementao, que vimos volta na Figura 12-9, uma das diferenas mais notvel o facto de muitos
dos pedidos so agora comercializados em todo o dia. Isso por causa da reduo de risco
proporcionado por diversificao. Ele permite uma negociao mais passiva, a tentar reduzir os
custos de impacto mercado.
Outro maneira de ver a eficcia de algoritmos otimizados para carteira comparar o seu
desempenho em termos de risco. Por exemplo, a Figura 12-11 mostra um exemplo de Olivier Thiriet
(2006) do Credit Suisse. Esta traa o erro de rastreamento para uma carteira de 214 Aes japonesas,
com 104 buys, no valor de $ 20 milhes, e 110 vende, no valor de $ 22 milhes. Deles PHD
personalizado (carteira de cobertura de Dispositivo) algoritmo alcana um erro de seguimento
inferior usando o padro em linha mercado nico ativo (efetivamente POV) algoritmos, e muito
menos do que o VWAP onipresente.
12
ooooooooooo
ornofnotnoroqe ^ o
cr \
-PHD
Fonte: Thiriet (2006)
LIGAR oor
jN
PO
rn
Mercado INLINE
-uma- LA
-VWAP
Reproduzido com permisso do Credit Suisse e do comrcio
Figura 12-11 Comparando o risco da carteira de uma gama de diferentes tipos de

algoritmos
Um "algoritmo de algoritmos"
O "algoritmo de algoritmos" uma abordagem centrada-porlfolio delineado por Kissell, Freyre-
366
Portfolios
Sanders e Carrie (2005). Ele responsvel por gerenciar os requisitos carteira de negociao
enquanto so algoritmos individuais ainda usado para cada ordem constituinte. Portanto, um
algoritmo de portflio pode controlar o risco global, a emisso de ajustes para alterar os padres de
negociao do algoritmos para a carteira constituintes.
Esta abordagem inovadora deve permitir algoritmos de negociao activo nico para ser
usado por negociao carteira tima com o mnimo de alteraes. A exigncia principal que
eles suportar atualizaes dinmicas de seus parmetros, permitindo que o algoritmo de
portflio para dinamicamente control-los. Portanto, ao invs de adotar um "one size fits all"
abordagem, podemos usar o algoritmo que mais apropriado para cada ordem constituinte, dado
fatores tais como o ativo de volatilidade e tamanho da ordem. Assim, uma carteira pode empregar de
uma gama de POV, VWAP, dficit de implementao ou algoritmos baseados em liquidez. O
algoritmo portflio autnomo acompanha o progresso de cada um destes pedidos, ajustando-os
quando se torna necessrio em a fim de manter o risco global mnimo.
Obviamente, alguns algoritmos arco mais adequado para esta abordagem do que outros. O
alvo taxa de participao de algoritmos POV torna extremamente fcil de controlar, uma vez que
o algoritmo portflio pode alterar o padro comercial simplesmente aumentando ou diminuindo este
alvo. Uma abordagem semelhante pode ser tomado com algoritmos com suporte um fator de
inclinao, como alguns TWAP ou VWAP variantes. Para algoritmos baseados em dficit, o
parmetro de averso ao risco Pode ser actualizado para desencadear mais ou menos agressivo
negociao. Alternativamente, a carteira algoritmo poderia algoritmos de tambm diminuir,
definindo, ou modificar, limites de preo.
Ao longo do tempo, como as mudanas de perfil da carteira de risco, o algoritmo mais
adequado para umaordem constituinte pode tambm mudar. assim o algoritmo de portflio pode
precisar para cancelar a pedir para o algoritmo original e substitu-lo por uma nova ordem para a
posio residual. Assim, a carteira de componentes pode ser trocado de um algoritmo VWAP a um
dfice de liquidez ou com base um.
Em termos de o algoritmo atual portflio, claramente isso precisa acompanhar aten tamente a
carteira risco das posies residuais, como bem como determinar a estratgia ideal de negociao
para cada ordem constituinte. Alm disso, necessrio garantir que as poupanas projectadas
obtido a partir de diversificao superam qualquer incorridos pela alterao de negociao ideal
de cada pedido individual estratgia.
Uma abordagem que se presta bem a isso est baseado na contribuio marginal para arriscar
(MCR) medida, como descrito por Bystrk e Johnson (2005). Por determinao do MCR para
cada constituinte, podemos quantificar o seu efeito sobre o risco da carteira. Assim, posies
que tm um grande MCR positivo deve idealmente ser reduzidos mais cedo, enquanto aqueles
com um MCR negativo deve ser preservada, uma vez que est realmente ajudando compensar o
risco global. Esses ajustes pode ento ser aplicada ao algoritmo de negociao constituinte.
Por exemplo, a Figura 12-12 ilustra como a taxa de participao-alvo pode ser variada ao longo
do tempo para uma gama de diferentes riscos. Inicialmente, a taxa de participao elevou-alvo arco
para os constituintes que tem uma MCR positivo, enquanto eles so descidos para aqueles com um
negativo um. Como negociao avana, a urgncia para o comrcio aqueles com uma MCR
positivo diminui, enquanto torna-se mais importante para os outros para recuperar o atraso.
Alm disso, observe que no h ajustes so necessrios para os componentes que tm uma
contribuio negligencivel para arriscar. Alternativamente, quando dois componentes com diferentes
liquidez ambos tm a MCR positivo semelhante, pode ser mais rentvel para o comrcio a um lquido
mais rpido, uma vez que negociao agressiva por um ilquidos poderia levar a custos proibitivos.
.Fonte: Bystrk e Johnson (2005) Reproduzida
367
com a permisso de Mileto Trading and The Trade
Figura 12-12 As taxas de participao com base na contribuio marginal ao risco
12.6 Resumo
Negociao Carteira fornece um meio rentvel de negociao cestos inteiros de ativos.

Redues de risco significativos podem ser alcanados atravs do rastreamento e
gerenciamento de risco da carteira.
Volatilidade da carteira simplesmente o desvio padro dos retornos da carteira. Contudo,

a relao entre o risco total e cada carteira constituinte no-linear. Cada A contribuio da
componente para o risco global depende da sua proporo / peso no carteira, a variao
dos seus retornos e da covarincia dos seus retornos com todos os outros activos na carteira.
A diversificao reduz o risco da carteira, ocorre porque os riscos individuais podem

compensar outro. Simplesmente aumentar o nmero de ativos pode reduzir o risco global.
O risco da carteira tambm pode ser decomposta em:

Referncia sistemtica (ou mercado) risco
No sistemtica (ou especfica do activo) de risco, o que pode ser reduzido por
diversificao
Gestores de carteiras podem ter objetivos comerciais adicionais, uma vez que eles tamb m
podem rastrear em risco termos de outros componentes, tais como mercado, setor ou riscopas:
Beta / neutralidade Mercado
368
Portfolios
Setor / neutralidade Pas

Minimizao de erro de seguimento ndice
Carteira de negociao Optimal reduz o risco da carteira, reduzindo as posies desses

activos o que mais contribuem. Note-se que os maiores contribuintes de risco No ser
necessariamente o ordens para os ativos mais arriscados, devido cobertura natural.
Algoritmos de negociao convencionais podem ser facilmente usado para as carteiras de

negociao. Embora, algoritmos dinmicos, muitas vezes, levar a uma mudana na composio
da carteira desde portflio risco no considerada.
Portflio otimizado algoritmos precisa controlar risco para todo o portflio. H dois
principais maneiras de fazer isso:
Estendendo algoritmos existentes para incorporar modelos de carteira
A adoo de um "algoritmo de algoritmos" para gerenciar os requisitos carteira de
negociao enquanto so algoritmos individuais ainda usado para cada ordem
constituinte
369
Adendo A: Covariance
Covariance apenas uma medida da quantidade de duas variveis I e J em conjunto variar:
E {(I - H) (J - V ))
COV(I, j) =
onde a funo E () representa o valor esperado (ou mdia), e variveis ne v arco dos respectivos
valores mdios para as variveis / e J. Uma covarincia positiva significa que os dois elementos em
conjunto variar, por isso, se o valor de / mais do que a sua mdia, ento provvel que J tambm ter um
valor mais elevado do que o normal. Por outro lado, uma covarincia negativo significa que eles comportar
em formas opostas, assim um valor elevado para um valor inferior indica uma esperada para o de outros.
A covarincia zero mostra que os itens so completamente independentes, de forma nenhuma inferncia
pode ser feita a partir de qualquer valor.
Por vezes, a relao entre as variveis comparada utilizando a correlao coeficiente (/>).
Essencialmente, esta a sua covarincia divididos pelo produto dos seus desvios padr o:
.CovO, J)
Pi.i K ** ~~ - )
w - M i X J - f j ))
Onde /vchHj e um "o) so as mdias e desvios padro das variveis I e J

respectivamente.
Exemplo 12-3: Vamos determinar a covarincia entre os quatro ativos cujos preos de
amostra so apresentados na Tabela 12-8.
De
ativo
s
UMA
B
C
D
Preo
srie
TR2
Eu
10
3 ,5 0
3 ,5 0
3 .2 8
3 .3 4
3 .6 9
3 .8 6
3 ,5 8
3 .6 9
3 .1 2
3 .1 7
3 .47
0 .0 6
4 .3 4
4 .6 9
4 .8 6
4 ,5 8
5 0
4 .2 2
4 3
4 .4 8
0 .0 9
5 .9 3
5.61
5 .9 4
5 .6 0
0 .0 7
6 .3 0
6 .9 4
6 .6 2
0 .0 5
4.41
4 .4 2
5 .5 4
5 .4 2
6 .4 2
6 .5 4
4 .2 8
5 .5 8
5 .6 8
6 .5 8
6 .3 4
5 .4 4
6 .6 9
5 3
6 .8 6
5 .8 2
6 .5 8
6.9 3
Tabela 12-8 Amostra de sries temporais para o clculo covariance

Tabic 12-9 mostra os clculos intermedirios para determinar a covarincia entre o preos de
ativos A e B. Umuma corresponde srie das diferenas da mdia (Jj).
Srie
Eu
AA
UMA B
UMAUMA
UMAB
10
0 ,3 9
0 ,1 1
0 ,2 2
-0 .3 5
-0 .3 0
-0 .1 4
0,21
0 ,3 8
0 ,1 0
0 ,5 2
-0 .2 6
-0 .4 6
0 .0 2
0 .0 5
0 ,1 5
0 .0 9
0 ,1 4
0 .0 2
0 .0 3
-0 .1 9
- 0 .1 3
-0 ,0 7
-0 ,0 7
-0 .2 0
0 .0 0
0 .0 0
0 .0 4
0 ,2 2
0 ,0 1 P 0 . 1 1
Tabela 12-9 clculos intermedirios de exemplo para covariance

A covarincia de amostra para ativos A e B igual soma L (AUMAUMA b ) Ajustado dividindo
pela (- /) onde n o tamanho da amostra:
370
Portfolios
Cov (A, B) Z = (AA AB) / (n-l)

= (0 + 0 + 0,04 + 0,02 + 0,05 + 0,15 + 0,01 + 0,11 + 0,09 + 0,14) / 9
= 0,07
Este processo ento repetido durante todas as outras possveis combinaes.
Note que Cov (A, B) = Cov (B, A), de forma semelhante Cov (A, A) = Variao ^ A) ou (f como
mostrado nas Mesa 12-8. Assim, a matriz covariancc (F2) para este exemplo conjunto pode ser
definida como:
0.06
0,07
-0 ,0 3
0,02
0,07
0,09
-0,0 2
0,03
-0 ,0
3
0,02
-0 ,0
2
0,03
0,07
0,01
0,01
0,05
371
Chapter13
Negociao multi-ativos
Negociao multi-ativos nada de novo; No entanto, a negociao entre
diferentes classes de ativos representa um novo conjunto de questes para
algoritmos de negociao.
13.1 Introduo
Negociao multi-ativos estorninho para atrair quase tanto como o hype negociao
algortmica. Dentro As suas forma mais simples, isso significa que sistemas nicos que permitem
que investidores e comerciantes para gerenciar negociao atravs de mltiplas classes de
ativos. Embora, em termos de negociao algortmica o mais interessante perspectiva
comercializao de ativos cruzados. Isto oferece a possibilidade de simultaneamente
negociao um amplo variedade de diferentes tipos de ativos usando uma estratgia de negociao
individual.
Historicamente, os mercados mundiais tm sido altamente segmentado, tanto a nvel regional
e em frente classcs ativos. Negociao eletrnica ajudou abrir os mercados, permitindo uma gama
muito mais ampla de acesso. Negociao qualquer activo a nvel mundial est rapidamente se
tornando uma questo tcnica simples. Aumento do nmero de ordem (OMS) e sistemas de
gerenciamento de execuo (EMS) agora fornecem plataformas unificadas que permitem
negociao atravs uma gama de classcs ativos. Da mesma forma, protocolos de comunicao,
tais como FIX tm se expandido para atender a aces, obrigaes, e FX uma srie de
derivados.
Os fundos de hedge so, indiscutivelmente, o principal motor por trs da actual tendncia
para a negociao multi-ativos. Suas estratgias esto se tornando cada vez mais complexa
medida que constantemente procuram novo fontes de lucro, ou alfa. A gesto de risco tambm se
tornou progressivamente mais sofisticada em seu uso de derivativos para a proteo. Uso buy-side
Por conseguinte, o total de derivados aumentou vertiginosamente nos ltimos anos, levando ao
aumento da procura de multi-ativos apoio.
O sell-side teve de evoluir para lidar com uma nova era de margens menores e maiores volumes.
Muitas empresas comearam a reorganizar-se; os antigos silos de classe de ativo so desaparecendo.
Aes e derivativos de empresas esto se fundindo, em alguns casos, at mesmo fixa mesas de
renda e de renda varivel esto se integrando. Balco de vendas esto se tornando mais clientefocado, capaz de atender negociao uma ampla gama de ativos. O objetivo tentar alcanar uma
maior eficincias de escala e assim reduzir os custos globais. Estratgias de negociao de
ativos cruzados tambm oferecem eles um meio significativo de diferenciao, bem como os
benefcios associados com ser de primeira-to markct.
A concorrncia entre plataformas de execuo tambm est ajudando. Como vimos no
Captulo 3, a competio agora verdadeiramente global e comeou mesmo para abranger todas
as classes de ativos. Trocas esto cada vez mais catering para aes, derivativos e at mesmo de
negociao de renda fixa. Para exemplo, tanto NYSE e NASDAQ tm se expandido para oferecer
negociao de ETFs, futuros e
Negociao
37 2
ativos
multi-
opes. A NYSE tem ainda relanou sua plataforma de bond-trading. Muitos dos Europeia e
bolsas de valores tambm lidar com ttulos, enquanto alguns dos intercmbios nrdicos tambm
servem para derivados. Na sia, Austrlia, Coria e Cingapura tm todas as concentraes
observadas entre as suas aes e bolsas de derivativos. Da mesma forma, as principais bolsas de
derivados comearam hranching para fora em outras classes de ativos tambm. Por exemplo,
Eurcx tambm comedores de ligao negociao enquanto o ISE criou o seu prprio mercado de
aes. A concorrncia tambm est a aumentar hetween o "dark pool" ATS. Com efeito, se alguns
dos participantes mais recentes ATS em opes FX e ser bem sucedida, podemos fuses e
aquisies seg nesta arena tambm.
Regulamentos tambm vai desempenhar um papel importante na expanso da negociao multiativos. Dentro Europa, MiFID significa que a regulamentao agora divididos entre uma ampla
seo de classcs ativos, o que deve ajudar CLCAR o caminho para a comercializao de ativos
cruzados. Embora, em os EUA significa que os rgos reguladores diferentes que for que ele mais
complicado, como evidenciado com dificuldades mais ativos mais recentes, como ETFs e futuros de
aes individuais.
Outro fator que ser crucial para o crescimento do comrcio multi-ativo a prestao de
mecanismos unificados para compensao e liquidao. Servios de corretagem tero de expandir
entre as vrias classes de activos. Acordos de compensao para lateralizao col e margem
requisitos tambm ter que abrangem uma gama muito mais ampla de ativos.
Embora as divises entre os mercados do mundo esto cada vez mais tnue hccoming, o
resultado exato de toda essa mudana ainda incerto. No momento, muito poucos locais de execuo
realmente fornecer comercializao de ativos cruzados. Algumas das razes para isso so
destacados em um artigo por Ivy Schmerken (2006): Muitas trocas ainda executar plataformas
separadas e motores correspondentes para cada classe de activos, alguns podem ter meia dzia de
sistemas diferentes. Embora possa ele juros, a demanda ainda no hecn suficiente para justificar a
despesa de fundir estes sistemas. Dito isto, como trocas migrar para novas plataformas de suporte
para mltiplas classes de ativos est se tornando uma considerao chave. Outro fator importante
que, enquanto as ordens ligados podero ele conveniente, como "one-stop shopping" contrria s
obrigaes best-cxccution do corretor. No curto prazo, muitas das solues comercializao de
ativos cruzados so susceptveis de ser de corretores e outros terceiros. Ordens complexas pode
facilmente ser dividida em vrias pernas e encaminhado para locais diferentes. Latncias
reduzidas tambm ajudaram a reduzir a legging risco de tais estratgias. Por isso, provvel que
no futuro previsvel grande parte da inovao na transversal negociao de ativos ser fornecido
por algoritmos / plataformas especializadas como corretores de procuramos continuar a diferenciarse com novos servios de valor acrescentado.
13.2 Estratgias de negociao multi-ativos

Apesar de todo o hype, comercializao de ativos cruzados no nada novo. Posies de caixa em
ttulos e aes, commodities tm sido coberto com futuros e opes desde a criao de contratos de
derivativos. A capacidade de proteger contra um largo espectro de riscos derivados de um fez
ferramenta praticamente indispensvel. Arbitragem de ativos cruzados no nada novo,
tampouco. Em particular, o ndice arbitragem e comrcio base foram em torno de dcadas. No
entanto, o alto custo de entrada fez com que historicamente tal arbitragem foi monopolizada pelos
criadores de mercado, comerciantes e comerciantes proprietrios. Mais recentemente, o comrcio
eletrnico tem ajudado a reduzir o custo de entrada. Acesso mais fcil e diminuindo os custos de
transao fizeram negociao vivel para um cross-ativo muito mais ampla gama de investidores e
comerciantes. No lado negativo, foi tambm substancialmente reduzido as escalas de tempo; muitas
oportunidades pode agora duram apenas minutos, segundos ou at menos.
H dez anos, os precursores dos algoritmos de negociao modernos eram ferramentas de
eficincia, ajudando comerciantes lidar com o fim de fluxo cada vez maior. Finalmente, eles foram
embalados em estratgias discretas e disponibilizados aos clientes como algoritmos de

negociao. Hedging dos concessionrios e
373
sistemas de arbitragem conter indiscutivelmente muito mais tcnicas proprietrias. No entanto, no

existe uma verdadeira razo pela qual os mais estabelecidos no poderia passar por uma
transformao semelhante. Dentro verdade, vrias corretoras j comeou a lanar algoritmos que
fornecem cobertura e outros tipos de comercializao de ativos cruzados. Da mesma forma, fundos
de hedge e outros investimentos instituies comearam a criar seus prprios algoritmos
dedicados, para proteger sua prpria tcnicas proprietrias. Fornecedores j comearam a
fornecer plataformas voltadas para isso, por exemplo, Flextrade, Progress Apama e Optimex de
AlgoTrader.
Ao contrrio de algoritmos de negociao existente, ele um pouco mais difcil prever
exatamente o que futuros algoritmos multi-ativos pode parecer. Em termos gerais, ns pode usar
alguns dos tipos existentes de negociao como base, conforme descrito na Tabela 13-1:
Estratgia
Utilid
ade
Estruturado
Hedging
Arbitragem
typeExamplesAssets
envolvido
FX dinheiro comrcios
estoque
FX
Cobrindo as vendas a
Da
Da Lend / Rev repo
descoberto Principais notas
ligao
Opo
protegidas Hedging mercado
Futuro / s
Futuro / s
Hedging os "gregos"
Stock / s
Ligaes
Opo / s
ADR arbitragem
DR
Da / s
estoque
Basis trading
Futuro / s
Ligaes
ndice de arbitragem
Futuro / s
Stocks
Opo arbitragem
Opes
Opes
Aes / Bonds
Futuro / s
estoque
Opo / s
Hedging taxas de juros
Tabela 13-1 Alguns exemplos de tipos de comercializao de ativos

cruzados
As estratgias de utilidade so adies relativamente simples, tais como a incorporao de
FX comrcios de dinheiro com a negociao de aes, a fim de facilitar a troca de moeda cruz ou
cobrindo curta vendas usando o estoque de emprstimos ou acordos de recompra reversa.
Os produtos estruturados so combinaes de dinheiro e activos derivados projetado para atender
objectivos de investimento especficos, tais como o reforo retornos ou reduo do risco. O
mais produtos simples, como principais notas protegidos possam assim formar a base para alguns
estratgias de negociao multi-ativos.
Da mesma forma, fornece cobertura um mecanismo de compensao de risco, geralmente atravs
de derivados. Embora isto seja muitas vezes simplesmente aplicado s posies existentes, a
cobertura pode tambm ser utilizada em conjunto com negociao normal, como por carteira
transies. De cobertura tambm forma o espinha dorsal de muitas das tcnicas de arbitragem
que buscam extrair lucros sem risco quando o preo desequilbrios ocorrer.
Note que um conhecimento razovel dos derivados importante para muitos destes negociao
estratgias. Ento se voc novo para esses instrumentos, pode valer a pena reler o partes
correspondentes do Captulo 3 eo Anexo E. Alternativamente, para uma avaliao mais detalhada
"Compreenso Mercados Futuros 'por Robert Kolb e James Overdahl (2006) ou" Opes,
Futuros, e outros derivados "por John Hull (2003) so dois bons pontos de partida.
Dentro as sees a seguir, vamos olhar para cada um desses vrios tipos de estratgia antes de rever
algumas das consideraes-chave para algoritmos de negociao multi-ativos.
Negociao
37 4
ativos
multi-
13.3 Estratgias de utilidade

Estes so simples extenses de procedimentos, que so rotineiramente realizados manualmente.
Para exemplo, quando da negociao de activos denominados em moedas estrangeiras
poderamos automatizar o FX comrcios de caixa. Manipulao automtica tambm pode cobrir
as vendas a descoberto, por emprstimo ou encontrando reverso repos para emprestar o ativo
necessrio. Como os volumes continuam a aumentar e os comerciantes se mais agitado o
mercado para esses convenincias podem expandir bem.
Trades FX de caixa
Quando da negociao pares ou carteiras de ativos com vrias moedas s taxas de cmbio arco
um considerao importante. certo que muitas vezes pode ser especificado moedas de
liquidao; Contudo, quaisquer alteraes na taxa de cmbio pode significar fixando-se em uma taxa
de desvantajoso. Portanto, quando da negociao de ativos denominados numa moeda diferente,
pode ser conveniente tambm executar um comrcio dinheiro FX, para garantir que h uma
quantidade suficiente de moeda local para assentamento.
Sistemas de negociao pode ser prorrogado para emitir comrcios de caixa de cmbio para
combinar o valor negociado. Dependendo do valor e da volatilidade da moeda, isso poderia
ser carricd fora automaticamente aps a concluso da ordem. Alternativamente, a moeda
poderia ser negociado em em paralelo com a ordem. Algoritmos de negociao existentes poderia
ser alargado a incorporar a manipulao da moeda, ou poderia ser feito manualmente usando
DMA. O cliente tambm pode querer executar este atravs de mltiplos ativos, de modo a
posio lquida da moeda poderia ser negociado. Isso pode ser manuseado pelo corretor ou, se
informaes de execuo enviada de volta para o clicnt em tempo real, eles poderia se encarregar
de isso por si mesmos.
Por exemplo, vamos considerar um pares de trocas comerciais entre as empresas farmacuticas
Gencntcch (EUA) e GlaxoSmithKline (Reino Unido) por US $ 10 milhes. O algoritmo rcio ir
constantemente construir posies nas duas empresas. Para garantir nossa conta esterlina dinheiro
do Reino Unido suficiente para liquidao do algoritmo poderia emitir ordens de caixa
incremental FX para esterlinas com base em o tamanho atual da nossa posio GlaxoSmithKline.
Isso pode significar simplesmente a emisso de limite ordens; Alternativamente, um algoritmo
separado pode ser usado para lidar com a negociao de FX.
Cobrindo as vendas a descoberto

Para vender a maioria dos ativos de dinheiro curto ns geralmente vai precisar para cobrir a posio
por meio de emprstimos a activo, quer via do emprstimo de ttulos ou acordos de recompra reversa.
Como os mercados de emprstimo de aces e repos tornar-se cada vez mais eletrnico isso tambm
abre a possibilidade de automatizar curta cobertura. Assim, um algoritmo poderia digitalizar os
mercados de crdito e / ou recompra de fonte do activo necessria. Uma vez que pode ser mais
difcil de tomar emprestado o ativo, a venda a descoberto poderia mesmo ser feitas depende do
sucesso desta transao. Poderia at ter em conta o custo dos emprstimos ao colocar a curto
ordens de venda para garantir a taxas de arco coberto.
13.4 Estratgias estruturadas

Os produtos estruturados so ativos sintticos criados para atender aos requisitos especficos de
investimento, tais como o reforo da produtividade, aumentando a eficincia fiscal ou reduo do
risco de um determinado ativo. A engenharia financeira usada para determinar as combinaes
necessrias de dinheiro e derivado ativos para cumprir estes objectivos.
Os produtos estruturados foram principalmente dirigida aos pequenos investidores, embora o
uso por investidores institucionais tambm est crescendo. Mais de $ 100 bilhes em novas
questes foram feitas em 2007
375
de acordo com estimativas do Structured Products Association (SPA) (2008). 1De fato, sua
crescente popularidade significa que eles esto comeando a emergir como uma classe de activos
separado. Nota que so principalmente concebidos para ser mantido at o vencimento, por isso este
um nico mercado OTC com pouco ou nenhum comrcio secundrio.
Embora produtos estruturados podem ser altamente complexos e adaptados s necessidades
de umainvestidor especfico, h arco tambm algumas variantes cada vez mais comuns, tais
como notas estruturadas, como Chris Biscoc (2005) ressalta. Algoritmos de negociao podem
bem que evoluir aproximado para alguns dos produtos mais comuns ou simples.
Principais notas protegidas

Notas protegidas principais oferecer uma garantia para retornar uma porcentagem do jogo
(normalmente 100%) do montante investido na maturidade. Assim como esta, eles tambm oferecem
o potencial de adicional retornos, derivadas do desempenho de outro assct / s. Note que uma taxa
de participao pode ser definir nos retornos melhorados, de modo que o investidor pode receber 70
ou 80% deles.
Equity linked notes so efetivamente instrumentos de dvida combinada com uma opo
sobre especfico estoque ou ndice. eles fazem geralmente no tem nenhum pagamento de cupes;
em vez dos retornos em arco maturidade com base nos ganhos da equidade subjacente. O valor do
investimento protegido
a maturidade, embora ainda seja exposto para o emissor risco de
inadimplncia.
Taxa de juros linked notes so baseados nos movimentos para as taxas de refer ncia do
mercado, tais como o Fed Fundos ou LIBOR. Intervalo de notas de acumulao nica acumular
juros nos dias em que a taxa de referncia dentro um intervalo definido.
Moeda (ou FX) linked notes aumentar seus retornos a partir do desempenho de uma moeda, ou
cesta de currcncics. H tambm variam notas de exerccio onde os juros so acumulados apenas no
dias em que o currcncy est dentro de limites definidos.
Hbridos linked notes at mesmo permitir que o desempenho depender de mltiplas classes de
ativos.
Muitas dessas notas estruturadas tm um prazo de entre 1-3 anos. O princpio bsico atrs deles
investir em ttulos isentos de risco que fornecem a proteo. Por exemplo, de zero obrigaes de
cupo podem ser comprados em um desconto para o conseguir. O restante dos recursos podem ser
utilizados para comprar derivados para aumentar o rendimento. Esta pode ser a compra de longo
prazo chamada opes para o estoque, moeda ou mercadoria necessria. Alternativamente,
algumas estruturas podem incorporar mais derivativos exticos, tais como opes de barreira.
Como exemplo podemos construir a principal $ 1000000 dois anos nota protegida por compra de
dois anos cupo zero com notas do Tesouro um nocional de US $] milhes de euros. Estes so
preos em 90, deixando US $ 100.000 para comprar opes de compra de dois anos para fornecer o
reforo da retorna. Um algoritmo de negociao personalizada pode ser utilizado para ligar estas duas
ordens juntos.
13.5 Estratgias de hedge

Hedging simplesmente um mecanismo de compensao de risco. Desde posies podem ser
constantemente expostos a risco de mercado, hedging efetivamente um ciclo contnuo que
compreende da seguinte trs fases:
analisando os vrios riscos para as posies existentes
determinar o que necessrio para neutralizar los
emisso de ordens de achicve as posies de hedge alvo

Para os ativos de caixa, tais como aes ou ttulos, muitas vezes utiliza derivados de cobertura.
Enquanto para
Com base em dados de MTN-I, Prospect notcias e SlrucluredRetailProducts.com.
Negociao
37 6
ativos
multi-
posies de derivativos da cobertura podem ser baseados em activos subjacentes, ou outros

derivados umacombinao dos dois.
Os custos de transao significa que no necessariamente rentvel para ajustar
constantemente a cobertura de posies. Como sempre, um ato de equilbrio carcful entre riscos e
custos. Dito isso, comrcio eletrnico tornou muito mais vivel para executar cobertura em tempo
real.
Para os cargos existentes, empresas de investimento j manter a sua prpria cobertura, o que
pode em seguida, ser negociados manualmente ou atravs de algoritmos de negociao ou DMA. Para
carteira comrcios os corretores tambm poderia incorporar qualquer cobertura necessria, como vimos
para o comrcio de caixa de cmbio. No captulo 12, vimos que os algoritmos de negociao de carteira
dedicados que incorporam o risco da carteira j esto disponvel. Estendendo-los para tambm lidar
com derivados de cobertura no to grande um salto.
Por exemplo, considere um fundo de investimento US $ 1 bilho coberto com S & P 500. A
operao de carteira para aumentar o fundo de 10% seria necessrio um aumento correspondente no covcr
futuros. Assim, alm da carteira de aes do corretor poderia tambm negociar o futuros
adicionais para a cobertura. Alternativamente, se o corretor est fornecendo estado frequente
atualizaes, os comerciantes buy-side poderia gerir os futuros hedge si, embora eles podem ser
prejudicados por eventuais atrasos.
Nos seguintes sub-sees, vamos delinear alguns dos tipos de cobertura plebeu que pode ele
incorporados em algoritmos personalizados.
Cobertura de risco de mercado

Futuros pode fornecer um meio custo-effieient de cobertura de risco de mercado, particularmente para
carteiras. Para carteiras de aes, um futuro de ndice nos permite compensar o risco de mercado. O
nmero de futuros contratos necessrios pode ser determinada com base na beta global da carteira
(FI P ), usando a seguinte equao:
Nmero de Contratos = -J3P- = -fiF
VF
PFm
(13-1)
onde V Pe V Fso os valores de mercado correspondentes da carteira e de um contrato de

futuros. O valor de futuros pode tambm ser expressa em termos do seu preo PFe seu multiplicador
contrato m.
Lembre-se que o beta real de uma carteira para um ndice especfico pode ser determinada por
comparando seus retornos com os do ndice, como vimos no captulo 12. A carteira beta (pP) Por
sua vez pode ser derivado a partir da sua covarincia:
=Cov
"
(rp, rm)
Varir-m)
onde r pe r mso os respectivos retornos para a carteira eo ndice.

Exemplo 13-1: Vamos supor que temos de acrescentar US $ 5 milh es S & P 500 aes ao
nosso portflio. Para se proteger contra um mercado em queda podemos vender um nmero equivalente
de Setembro contratos futuros. Por convenincia, vamos basear esta no seu valor de fechamento (1,559.7)
com um multiplicador de US $ 250 / ponto. Uma vez que este uma cesta de aes S & P, que
assumir o beta 1 . 0 .
Usando a equao 13-1, temos:
Nmero de contratos = - $ 5.000.000 / ($ 250 * 1,559.7) = -12,82 -13 ~
377
Portanto, a venda de 13 contratos de futuros devem fornecer cobertura suficient e para o nosso
portflio. UMAms depois, o S & P 500 caiu 1.549,37-1.445,94, enquanto o preo de futuros caiu
para
1.449,9. Assim, a posio acionria v uma perda de quase 7%, ou $ 333.780. Por outro lado, o
valor dos futuros cobertura curta na verdade aumentou, devido queda de 109,8 no preo. este
equivale para US $ 250 x 13 x (1559.7-1449.9) = $ 356.850.
Mesa 13-2 resume os valores de mercado a cada data. No geral, o hedge funcionou: Se ns
necessria para liquidar a carteira em agosto, as menos-valias realizadas com a venda de aes
seria mais do que compensado pelo ganho de nossos futuros.
Encontro
Mercado
Valor / $
Posio
Da carteira
S & P 500 SEP
Slock portflio
17 Agosto
S & P 500 SEP
Lquido
Valor / $
5000000
-5.069.025
4.666.219
-4.712.175
16 Julho
-69.025
-45.956
Tabela 13-2 Um exemplo de futuros curta cobertura

Exemplo 13-2: Vamos agora considerar curto-circuito uma cesta $ 5000000 de stocks. Em
comparao com o S & P 500 tem a cesta um beta de 1,5. Para se proteger contra um mercado em
alta, vamos precisar de comprar mais futuro do que antes:
Nmero de contratos = - 1,5 * $ -5.000.000 / ($ 250 * 1,559.7) = 19,23 ~ 19
Portanto, neste caso temos de Huy 19 de futuros para cobrir a nossa curta cesta. O beta tambm
significa que o mercado em queda, provavelmente, ter ainda mais vigor neste portflio. De fato, pela
17 agosto s vale $ 4475000. Ento, se tivssemos que comprar de volta as aes que pudssemos
realizar um lucro de $ 525,000. No entanto, estes lucros potenciais ser reduzido em perdas
resultantes da hedge no mercado futuro. Os valores de mercado e o / ^ - equivalentes ajustadas
so apresentados na Tabela 13-3:
Mercado
Encontro Posio
Valor / $
Da carteira
S & P 500 SEP
Da carteira
Agosto
17
S & P 500 SEP
16 Julho
-5.000.000
7.408.575
-4.475.000
6.887.025
/ {- ajustado
Valor de
Mercado / $
-7.500.000
7.408.575
-6.712.500
6.887.025
Valor
Lquido / $
2.408.575
2.412.025
Tabela 13-3 Um exemplo de futuros longos de cobertura

A posio de futuros longa diminui no valor de 250 x 19 x (1559.7-1449.9) = $ 521.550. Assim,
a cobertura nos impediu de realizar quaisquer lucros direcionais significativas. Mais importante,
porm, que nos protegido de quaisquer perdas por conta de um mercado em ascenso.
Por exemplo, vamos considerar se o S & P tinha, na verdade, subiu para 1600, e para o futuro
setembro 1605. Nossa posio de aes de curto, ao invs, ser vale $ 5250000, efetivamente uma
perda de
US $ 250.000. Isto compensado pela um ganho de $ 215.175 no valor da posio de futuros,
como mostrado na Tabela 13-4. Apesar de no ser perfeito, esta cobertura ainda tem prestado um
seguro importante mecanismo contra os movimentos de mercado.
378Multi-ativo
comrcio
DatePosition
Mercado
Valor / $
Da carteira
S & P 500 SEP
Da carteira
17 Agosto S & P 500 SEP
-5.000.000
7.408.575
-5.250.000
7.623.750
16 Julho
({-adjusted
Valor de Mercado /
$
-7.500.000
7.408.575
-7.875.000
7.623.750
Lquido
Valor / $
2.408.575
2.373.750
Tabela 13-4 Um cenrio alternativo para longas futuros de cobertura
Cobertura de risco de taxa de juro

Ativos de renda fixa so, obviamente, affectcd por changcs nas taxas de juros. Quando as taxas
de juro de mercado aumentar diminuio vnculo priccs, e vice-versa. Isso ocorre porque os
fluxos de caixa so fixados, de modo uma taxa de juros mais elevada reduz seu valor presente.
Para uma ligao padro que podem representar seu valor currcnt (V) como a soma de toda a sua
caixa futuro flui (C), cada descontado a valor presente (P (i)) com base na taxa (R):
x-'-rAT:
no = c
iC
ii
onde Tt o tempo que resta at o vencimento para cada pagamento (em anos). Observe a taxa
(r) eficazmente o rendimento at o vencimento (YTM) da obrigao. Representa a taxa de
juros global que seria ganho por compra no mercado atual pricc e segurando at o vencimento.
Exemplo 13-3: Vamos considerar uma ligao de 2 YCAR com um cupom anual de 5% para um
notional valor de US $ 100.000. fixado o preo de tal forma que o seu rendimento at o
vencimento (YTM) tambm de 5%.
Assim, no final do primeiro ano recebemos um cupom de US $ 5.000, whieh tem um valor de
eurrent (5000 * E W l) = $ 4.756.
No final do segundo ano, recebemos tanto o pagamento e cupo final o valor nocional total. Isto
d um valor eurrent total de $ 99.764, apresentado na Tabela 13-5.
Tem
po
(anos)
Dinh
eiro
fluxo
1
2
Total
5000
105000
Present
e valor
YTM = 5,00% YTM = 5,01% YTM = 4,99%

Pesada
Present
Peso
e valor
Tempo
4756
95.008
99.764
0,05
0.95
1
0,05
1.90
1.95
4756
94.989
99.745
Presente
valor
4, '757
95.027
99.784
Tabela 13-5 valor de Clculo um vnculo

Agora vamos considerar a situao, se as taxas de juros aumentar em um ponto base (bps). o
rendimento de ttulos para o mercado tambm vai aumentar para 5,01%. O valor presente do
segundo ano pagamento agora (105.000 * E 00501''2) = $ 94.989, ento o valor total do vnculo
diminui por $ 19. Por outro lado, se as taxas de diminuio de um ponto base o valor aumenta para
$ 99.784, ou
De $ 20.
Assim, a alterao mdia em valor para um 1 bps mudar nas taxas de juros = (19 + 20/20) =
19,5 $. Esta medida de risco por vezes referido como o valor PVBP (pricc de um ponto-base),
enquanto que, se medido em dlares chamado o valor DV01 (dlar de um ponto changc base).
Alternativamente, podemos usar a durao para representar a sensibilidade de um ttulo de taxa de
juros
379
movimentos. Este inversamente relacionado com a taxa de cupo, por isso obrigaes de taxa
mais altas tm duraes mais curtas, enquanto que para obrigaes de cupo zero a durao
igual ao seu vencimento. A durao
(D) pode ser expressa como a soma dos vencimentos ponderadas para os fluxos de caixa associados:
nP (i) T,
Para Exemplo 13-3, a coluna de peso na Tabela 13-5 simplesmente cada valor presente dividido
pelo total. Hencc, a durao do vnculo de 1,95 anos quando o rendimento de mercado de 5%.
Essas mtricas de risco tambm pode ser aplicado a carteiras de ttulos, como uma soma
ponderada com base em o tamanho da posio de cada ligao. Hull (2003) mostra que o nmero
de futuros de taxas de juros (AO necessrio Para cobrir este risco pode ser determinada utilizando a
seguinte equao:
N=
D~ -S
DfF
Onde Ds a durao da carteira (ou vnculo) e DF a durao do subjacente (mais barata de

entregar) uma ligao para o futuro. O valor da carteira Se o valor de umaF. futuro
alternativa podemos expressar isso com base em DV01:
D
U V V0 UJ 1
futuro
( 1 H)
Existem vrias formas de determinar o DV01 para um futuro, o mais fcil fazer uma
aproximao baseada na DV01 do activo subjacente mais econmica, o "mais barata de
entregar "(CTD). Assim, o DV0 \ fUlure por sua vez baseado no DVOI desse vnculo e um CTD
fator de converso (CF).
W0
W= -
DV 01 ,
Exemplo 13-4: A carteira de obrigaes no valor de $ 10 milhes de um DV01 de US $ 195. Os

futuros atuais contrato para um lao de dez anos tem um preo de 94,20, com um nocional de US $
100.000.
Cada contrato futuro vale a pena (94,2 / 100) x $ 100.000 = $ 94.200.
No vencimento do futuro, o mais barato para entregar vnculo tem um DV01 de US $ 250.
Para simplificar, vamos supor que o fator de converso 1, ento o DV01 do nosso futuro de
$ 250. Usando a equao 13-2:
195
# Contratos
=x=
250
$ 10000000
-82. 8
$ 94.200
OO Q
Portanto, com a venda de 83 contratos de futuros que deveria ter coberto a nossa carteira
de obrigaes. E se as taxas de juro aumentam, tanto a carteira de ttulos e os contratos futuros vai
valer menos. A perda de valor da carteira de ttulos devem ser compensados pelo lucro dos
futuros curtos posio. Por outro lado, uma queda nas taxas de juros vai fazer a carteira de
obrigaes no valor de mais, ao passo que a posio de futuros vai perceber uma perda.
Negociao
38 0
ativos
multi-
H alguns outros pressupostos importantes com esta abordagem: Em primeiro lugar,

baseia-se no mais barata de entregar ttulos no mudar. Tambm no representam risco de base, a
possibilidade que o preo vista do ativo eo preo de futuros no convergem, para o vencimento
encontro. Basis trading abordado com mais detalhes na seo 13.6.
Tambm importante lembrar que o DV01 aplicvel s pequenas changcs nas taxas de juros.
Ainda, isto no uma relao linear. Com grandes mudanas nas taxas de variaes de preos mais
significativas pode ocorrer. Isso devido ao um convcxity propriedade callcd: obrigaes ou das
carteiras com maior convexidade ver aumentos maiores em valor como taxas de declnio do que
aqueles com menor convexidade. Para compensar esta situao, possvel ajustar o clculo de
cobertura tambm incorporar convexidade.
Finalmente, no h qualquer garantia que as alteraes das taxas de juro ser aplicada
uniformemente em toda a curva de juros. Se isso no acontecer, a carteira sero expostos a riscos
diferentes, dependendo na maturidade. Este pode ser manipulado por identificar estas "lacunas" e
adicionando cobertura adicional para eles. Mais detalhes sobre Todas estas consideraes podem
ser encontrados na casca (2003).
Hedging fatores de risco derivados (os "gregos")

Derivados de cobertura nos obriga a compreender plenamente as suas sensibilidades para o do
pricc ativo-objeto, bem como fatores como taxas de juros. H muitos preos diferentes
modelos de derivados; no entanto, o modelo Black & Scholes (1973) facilmente o mais
conhecido:
Um preo de opo de compra (C) pode ser definida como uma funo do preo do seu activo
subjacente
(S) e o tempo que resta at ao vencimento (7):
C (S, T) = 54 (DJ) - Ke-rT<$> (d2)
(13-3)
Onde K o preo de exerccio da opo, r a taxa de juros e O o padro normal, funo de

distribuio cumulativa. O primeiro componente (S 0 (d /)) corresponde a uma probabilidade
ponderada estimativa do preo do ativo na expirao, enquanto o segundo (Ker> O (d 2)) representa
uma preo de exerccio de desconto. Por sua vez, os factores dt e D2 so definidas por:
4 = ln (* / * H (r + A2 / 2) t
(13-4)
Onde um a volatilidade do preo do ativo. O preo de opo sensvel a todos estes tecla
parmetros, cada um dos quais tiver sido atribudo um nome baseado no nome para a sua smbolo
matemtico. Desde que a maioria destes so grega, eles ficaram conhecidos como os "gregos".
Delta representa a taxa de variao no valor em relao ao o preo do ativo subjacente. Rho
mede a sensibilidade a mudanas na taxa de juros. Vega reflete o impacto das mudanas no
volatilidade e teta corresponde ao efeito do tempo sobre o valor do derivado. Gamma
umafactor de risco secundrio, em vez de directamente para um mapeamento de os parmetros
nas equaes 13-3 ou 13-4 mede a taxa de variao em delta com base em mudanas na pricc
subjacente.
Desde o foco deste captulo comercializao de ativos cruzados, vamos concentrar-se nos hedges
de segmentao do risco de mudanas no preo subjacente, ou seja, delta e gama.
Delta Hedging
Delta hedging equilibra alguns dos o risco de uma posio de opo pela compra ou venda de um
conjunto valor do activo subjacente. Isso protege contra os movimentos de preos no
subjacente.
O valor de delta varia entre -1.0 e 1.0. Um delta de 1,0 significa que para cada aumento (queda)
de US $ 1 em ativo subjacente o preo do derivado tambm vai subir (descer) por $ 1.
381
Por outro lado, um delta negativo significa que os movimentos de preos do derivativos no oposto
direo. assim um delta igual a -0.5 significa que um aumento de preo de $ 1 lor do activo
subjacente ir resultar em uma queda de preo de US $ 0,5 para o derivado.
Usando o modelo de Black Scholes, equao 13-3, o delta de uma opo de compra realmente
igual ponderao 0> (di), assim que estes tm que variam de deltas 0 a 1,0. Por outro lado, para
put opes do delta - 1), assim
estes variam de 0 a -1,0.
O tamanho do delta rcllects como provvel a opo para ele exerceu. Uma opo dito
ser at-the-money quando o seu preo de exerccio igual ao preo de seu subjacente mercado. Uma
opo de compra (venda) in-the-money quando o preo de mercado subjacente maior (menor) do
que o seu preo de exerccio, enquanto que se o oposto verdadeiro que dito ser out -of-themoney. At-THC-dinheiro opes tendem a ter deltas em torno de 0,5, como eles se tornam in the-money mais profundo isso se torna mais perto de 1,0, enquanto profundamente out-of-themoney opes tm deltas aproximando 0.0. Mais prximo a expirao, deltas tendem a tornar-se
mais perto de 1,0. Deltas tambm variam de acordo com as mudanas no preo do activo
subjacente, volatilidade e taxa de juros, como ns pode ver a partir da equao 13-4.
Ao calcular o risco delta para as posies que devemos incorporar tambm se eles so longa ou
curta. Isso feito por negar os deltas de posies curtas. Assim uma posio chamada de longa e
um arco curto posio put ambos realmente delta positivo, devido s duplas negativas para o short
put. Da mesma forma, chamada curta e posies de longo colocadas so ambos delta negativo.
Por exemplo, uma posio longa de 50 opes de compra com um delta de 0,5 tem um ajustado
delta- posio de 50 x 0,5 = 25. Para cobertura delta esta posio que ns podemos vender 25 aes
do subjacente de ativos. Alternativamente, poderamos comprar 100 out-of-the-money coloca cada
um com um delta de -0.25 (embora cobertura com outra opo pode introduzir fatores de risco
adicionais). De qualquer maneira ns alcanar o nosso objectivo de alcanar um delta posio
neutra.
Exemplo 13-5 (um): Ns vendemos 100 outubro 50 opes de compra para EFG a $ 4. EFG
atualmente negociao em $ 45 e a sua volatilidade de 20%.
Uma vez que temos vendido uma opo de compra que so delta negativo, portanto, podemos
proteger este por a compra de aes da EFG. Tendo em conta que a opo de compra delta
inicialmente de 0,15, isso significa a compra de 15 aes. O hedge ser atualizado em uma base
diria para a vida da opo. Tabela 13-6 mostra como esta progride ao longo do tempo.
Encontro
13 ago 07
14 ago 07
15 ago 07
16 ago 07
Pre
o do
45,30
46,90
47,80
48.60
Opo
delta
0,15
0,19
0.33
0,44
Aes
da
15
19
33
44
Hedging
P/L$
30,4
29,7
35,7
53.80
0,75
75
17 set 07
0,89
89
160.2
18 setembro
55.60
07 setembro
92
59,8
19
56.25
0,92
07 setembro
118,8
57.50
0.95
95
20
07
Tabela 13-6 Um exemplo de delta hedging
Como as opes de compra se tornar mais profunda in-the-money, suas abordagens delta 1,00,
por isso, o final de setembro ns efetivamente tm uma posio chamada totalmente coberto.
provvel que a opo ser atribudo, fazendo-nos perceber uma perda. Embora, o delta hedging
significa que grande parte
382
ativos
Negociao
multi-
esta perda sero cobertos pelos ganhos com a nossa cobertura longa.
Com qualquer estratgia de cobertura, vital para encontrar o justo equilbrio entre o custo de
eficcia e risco. Isto particularmente verdadeiro para o delta hedging desde o delta affectcd por
tantos factores. Mudanas no preo do activo subjacente, sua volatilidade, a taxa de juros eo
tempo que resta de expirao podem desencadear uma mudana no delta. Em teoria, devemos ajustar
constantemente o hedge posio para garantir que continuemos delta neutro. Infelizmente, devido
a custos de transao impraticvel.
Re-hedging podem ser carricd fora de forma ad-hoc com base em (1) tempo, (2) delta ou
(3) a preo do ativo subjacente, como Euan Sinclair (2008) aponta em seu livro "Negociao
volatilidade '. Assim ajustes de posio pode ser feita em intervalos de tempo discretos, quando
o reachcs delta umaspecillc nvel ou quando o activo subjacente atinge um nvel de preos
conjunto, como para cada US $ 1 ou 1% movimento. Alternativamente, Sinclair (2008) descreve
algumas abordagens mais sistemticas com base na teoria da utilidade, que levam em conta a
averso ao risco do comerciante. Estes uso delta bandas, com cobertura correspondentes
realizadas quando o delta move fora sua faixa permitida. As posies curtas so cobertos mais na
defensiva, enquanto as posies longas so tratados mais frouxamente (os deltas so permitidos "para
executar"). A largura da banda corresponde a delta risco do comerciante averso.
O tipo de ser de volatilidade utilizado para estes clculos tambm podem desempenhar um papel
importante. Como vimos no captulo 10, a volatilidade implcita calculada com base nos preos de
contratos de opes de mercado, enquanto volatilidade realizada determinado a partir dos
changcs pricc activo subjacente. Ambos pode ser usado para tentar prever o que a volatilidade
futuro pode ser. Para delta hedging, Sinclair (2008) observa que o uso de volatilidade implcita
reduz a variao do lucro e perdas (P & L) ao longo do tempo, embora a final P & L menos
certo quando comparado ao uso de volatilidade realizada.
Delta hedging uma ferramenta importante; da, locais j comearam a oferecer ligado
ordens entre um estoque e suas opes. Por exemplo, o Internacional Securities Exchange (1SE)
introduziu o "buy-escrever" encomendas em 2004. A perna estoque enviado para NYFIX para a
execuo, aps a concluso a opo perna, em seguida, becomcs ativo em carteira de encomendas
do ISE. Inicialmente, apenas umaRazo 1: 1 foi apoiada, embora este tenha sido sincc estendido para
suportar qualquer proporo.
Gama Hedging
Gamma hedging uma extenso do delta hedging, que tambm tem o objetivo de manter a
estreita gama a zero. Obras de cobertura de delta bem para pequenos movimentos no preo do
subjacente. Contudo, o delta podem mudar rapidamente quando a opo quase at-the-money. Ao
controlar a gamma, podemos diminuir essa taxa de changc e assim melhorar a eficcia do delta
hedging.
Como j vimos, gamma uma segunda medida de risco derivado que representa o quanto o delta
vai mudar quando se move pricc do ativo subjacente em uma unidade, tal $ 1. Por exemplo, vamos
considerar uma opo de compra com preo de US $ 6 com um delta de 0,5 e uma gama de
0,25. Quando subjacentes aos aumentos de preos de ativos por US $ 1, o delta significa a opo
de compra ser aumentar para US $ 6,5, enquanto seu delta aumentar para 0,75 por causa da gama.
Com base no modelo de Black Scholes, equao 13-3, ns podemos realmente definir gama
como:
<PidQ
SCTylr
onde (p a funo densidade de probabilidade normal padro, S do activo subjacente preo,
um a sua volatilidade, T o tempo de expirao e d, como definido na equao 13-4.
Infelizmente, a gama do activo subjacente ou quaisquer futuros / forwards zero. Assim,
relquias gama de hedge principalmente sobre as opes, ou quaisqu er outros derivados que
tenham um no-linear
383
relacionamento com o preo do activo subjacente.

Exemplo 13-5 (b): Vamos adicionar uma cobertura de gama para a nossa posio do Exemplo 13-5
(a).
Inicialmente, o delta opo de compra de 0,15 ea gama de 0,1.
Nosso delta lquido de -100 x 0,15 = -15. Isso compensado para 0,0 atravs
da compra de 15 EFG. Nosso gamma lquido atualmente -100 x 0,1 = -10.
Ns pode compensar esta gama com uma posio longa em uma opo chamada barata out-of-theMoncy. Para este exemplo, vamos supor delta da chamada de 0,088 e sua gama de 0,08. Comprar
125 de estas opes compensa o gamma por 125 x 0,08 = 10, tornando-nos o valor de gama neutro.
Embora, tambm altera nossa delta lquido:
Delta Net = (-100x0.15) + 15 + (125x0.088) = 11.
Ento, para permanecer delta neutro precisamos reduzir nossa posio comprada em EFG 15-4.
Note-se que o cuidado deve ser tomado quando gama de cobertura, uma vez que as novas
posies de opo podem tambm introduzir outros riscos. Por exemplo, ser delta e gama neutra
pode muito bem levar a volatilidade (vega) e risco. Proteo vega tambm conta com opes.
Ento, para tornar-se neutra vega que pode muito bem precisa assumir uma nova posio de opo e
reequilibrar a carteira, a fim de atingir as caractersticas de risco desejados. Taxa de juros (RHO)
riscos com base Time (teta) e tambm pode ser introduzido. Estes arco alm do escopo deste
livro, mas Hull (2003) um bom ponto de partida.
13.6 Estratgias de arbitragem

Arbitragem simples, tais como activos lista com preos diferentes em vrios locais, fcil de
compreender e aproveitar. Essencialmente, "ns comprar na baixa e vender na alta". Embora,
todos comrcio tem riscos associados: Por exemplo, depois de ter comprado o activo no primeiro
local, e se o preo de mercado no segundo local tem ajustado? De repente, a nossa margem de
lucro podem ter desaparecido, alm de tambm temos de ter em conta os custos de transao.
Assim, a tentar garantir lucros qualquer arbitragem de sucesso deve minimizar o risco atravs da
incorporao de tcnicas de cobertura.
Como bem como simples arbitragem de preos, cada classe de ativos tambm pode ter suas
prprias oportunidades arhitrage particulares. Por exemplo, curva de rendimentos arbitragem leva
vantagem de discrepncias na fixao de preos entre as obrigaes de curto, mdio ou longo prazo.
Da mesma forma, a arbitragem de cash-flow decompe ligaes em seus constituintes eficazes.
Se existem alternativas mais baratas para criar o mesmo fluxo de caixa, arbitradores podem
aproveitar a discrepncia. Um exemplo disto est descascando os cupons de ttulos, tais como
ttulos do Tesouro dos EUA, e negociando as obrigaes de cupo zero e suas tiras de cupom
separadamente.
No entanto, o foco deste captulo de negociao multi-ativos: Oportunidades de
arbitragem comercial em diferentes pases podem envolver vrias moedas, portanto, um
comrcio dinheiro FX tambm pode ser necessrio para minimizar o risco cambial. Por
exemplo, h pode ainda haver discrepncias de preos entre as empresas cotadas dupla, ou aes e
seus recibos de depsito.
Os derivados so a principal fonte de arbitragem multi-ativos. Na verdade, um dos mais
antigos tipos de arbitragem trading base. Isso normalmente usado para tirar proveito de erro
de preo entre futuros e suas mercadorias ou ttulos subjacentes, embora a princpio pode
apenas como bem ser aplicado para as opes. Desde ambos os futuros e opes pode ser baseado
no mesmo subjacente ativos em dinheiro, no , na verdade, o potencial para um conjunto de trs vias
de arbitragem entre eles. Isto demonstrado por ndices de aces por vias (a), (b) e (c) na Figura 131, que
384
ativos
Negociao
multi-
baseado em um diagrama de Sheri Markose e Hakan Er (2000).
Futuros
ETFs
! Opes
-4 "
Disponibilidades de caixa
Figura 13-1 Cross-ativos oportunidades ndice de arbitragem

ndice de arbitragem se concentra em mispricing entre futuros de ndices e o dinheiro
subjacente ndice, como mostrado por via de (a) na Figura 13-1. Como base comercial, que se baseia
no conceito do valor justo do futuro. Para opes, a arbitragem muitas vezes baseada no princpio
da Put-Call paridade, mostrado por via de (b). Pathway (c) mostra o potenci al de arbitragem
entre futuros e opes; este impulsionado pela relao de paridade Put-Call-Futures.
A introduo de ETFs tem proporcionado oportunidades adicionais para a arbitragem. Assim,
a figura 13-1 tambm mostra caminhos (d), (e) e (f) para os ndices de caixa. A criao diria e redeno
mecanismo (d) para ETFs fornece uma arbitragem natural com os activos subjacentes, enquanto
ETFs pode agir como substitutos para os ativos em dinheiro no ndice de arbitragem (e) e,
potencialmente, at mesmo colocar-Call arbitragem opo (0- A criao de futuros de aes
individuais com base em ETFs deve adicionar ainda mais permutaes.
Nota que muitas das vias apresentadas na Figura 13-1 tambm pode ser aplicado para outros tipos
de undcrlier. H tambm outras arbitragens baseadas em derivativos, sueh como dividendo
arbitragem.
Claramente, peas de velocidade um papel fundamental na arbitragem bem sucedida. Assim, o
comrcio eletrnico tem tido um enorme efeito. As arbitragens mais simples quase
desapareceram, pois, mesmo para mercados fragmentados agora relativamente fceis de
detectar e tirar proveito dos tais oportunidades dentro milissegundos. Mesmo as oportunidades de
mercado ou multi-multi-activos mais complexos arco provvel ser acompanhada de perto. Muitas
vezes, os timescalcs envolvidos, e as margens associadas, para tal oportunidades foram
drasticamente reduzidos. Ento vital para obter a cobertura direita.
tambm importante notar que s porque uma oportunidade de arbitragem existe, que no docs
significa necessariamente que rentvel. O custo de hedge deve ser considerado, alm do
associado custos de transao. Ento, minimizao de custos outro foco importante.
Aproveitando-se de qualquer equipamentos, tais como compensao comrcios atravs de uma
CCP ou cross-margining (para reduzir os pagamentos de margem para quaisquer posies em futuros)
tambm podem fazer uma diferena significativa.
Dada a progresso de equipamentos electrnicos e de negociao algortmica, provvel que no
futuro as oportunidades de arbitragem se tornar ainda mais complexo, possivelmente envolvendo
extico derivados. Como diz o ditado, "No h tal coisa como um almoo grtis" -, oportunidades de
arbitragem pode muito bem ser l fora, mas fazer um lucro a partir deles muitas vezes no-trivial.
Listagem mltipla / depositrio arbitragem recibo

Algumas empresas so dual-listados ou listadas em vrias bolsas. Contudo,
o mais
oportunidade de arbitragem generalizada vem de negociao entre depositary receipts e o deles
subjacente estoques locais.
Figura 13-2 mostra alguns exemplos das diferenas de preos entre ADRs e outra cruzada
aes listadas em os EUA, tiradas de um extenso estudo realizado por Louis Gagnon e Andrew G.
385
Karolyi (2003). Cada parcelas grfico ambos o preo em dlares do ADR e do preo local de o
estoque convertidos em dlares. Oportunidades mispricing surgir tanto a diferena de moeda e
informao local. Fusos horrios diferentes e lnguas pode significar que os fluxos de informao
para os mercados a taxas diferentes. Para aes de grandes empresas dos pases desenvolvidos
pases, como a British Petroleum (BP) e Toyota Motor Corp., este deve representar menos de
umaproblema. Na verdade, podemos ver muito poucas discrepncias de preos para estes.
Embora, para menores slocks bon ou as de pases em desenvolvimento, pode haver
inconsistncias bastante substanciais. Para exemplo, a Figura 13-2 mostra diferenas claras para
Taiwan Semiconductor Manufacturing e lnfosys tecnologias. Eles tambm descobriram aes que
cross-listados tendia a seguir US mercado ndices mais de perto do que outras aes domsticas.
Bp Pfc (BP, Reino Unido)
Toyola Motor (TM, Japo)

8- 1
W*
s?
I / 1 B 8J
0 1 / 0 1 ( 1 9 96
0 1 ( 0 1/1 9 99
V C . S. p r i c e
P f c e differenc e
ver
*HomepriCE
v c S . Shai e & turno
Taiwan Semiconductor Manufacturing Co. (TSM. Taiwan)
Si
0 1 < 0 1/1 9 9
0 1/0 V 1 9 98
U S pric e
P r i c e d i f f e r e n c UE
0 1 / 0 1 . ' 2 0 0 0 0 1/0 1/2 0 0 1
0 1 ( 0 1/2 0 02
- Hom e pric
. S nhereo turnoverj
Fonte: Gagnon e Karolyi (2003)
VC . S. p r i C E
P r i cu id f fe re n ce
H s a p r l c*
U. . S atordoamento * 9 <volume de negcios
lnfosys Technologies (INFY, ndia)
O K Q I r X QO 0 7 * 0 1 (2 0 0 0 0 1/0 1/2 0 0 1 0 t / 1 0 / K 0 2 0 IOW 0 2

v c . S pr i CE
- Diferena de preo
0 H 5 1 . 2 0 02
H o me priCE
VC . S. B h s r s t u o r n o v e r
Figura 13-2 preos ADR contra suas aes locais

Outro fator a considerar para recibos de depsitos a taxa de administrao que cobrada
pela sua converso. Quando isto tomado em considerao, que pode reduzir
significativamente o nmero de oportunidades de arbitragem.
A fim de implementar esta arbitragem precisamos um modelo que compara os dois preos,
respondendo por quaisquer diferenas cambiais e quaisquer taxas adicionais. As encomendas para
o ADR e o estoque deve tambm ser dependente, bem como para o par de negociao. Tal como
acontece com qualquer moeda cruz arbitragem, a fim de tirar o mximo proveito dos
desequilbrios dos preos importante para minimizar o risco cambial. Ento, como vimos para
o comrcio de divisas cruzadas, pode ser utilizado um comrcio separado dinheiro FX.
Na
verdade, os corretores j esto comeando a prestar servios de converso automatizada,
nomeadamente ADR Direto da BNY ConvergEx. Isso permite que os clientes para converter de e
para ADRs como bem como fornecendo uma converso de moeda automtica.
386
ativos
Negociao
multi-
Basis trading
Em geral, a negociao de base refere-se a uma arbitragem entre um contrato de futuros e seu
produto dinheiro subjacente. Embora, em teoria, pode tambm ser aplicado para a arbitragem entre
outros derivados e seus correspondentes activos subjacentes. O nome derivado do conceito de
base do futuro (Z?), que a diferena entre o atual pricc mercado vista (5) e o preo do contrato de
futuros (F):
B= S-F = F = S
5)
-B
(13-
Isto tambm por vezes referido como o base, total ou o valor bruto. Note-se que quando o
base bruta positivo o preo de futuros esteja abaixo do preo vista, o que referido como
normal backwardation. Alternativamente, uma base negativa significa que o preo futuro maior
do que o dinheiro pricc, s vezes descrito como contango.
As alteraes de base ao longo do tempo, embora geralmente menos voltil do que quer o
dinheiro ou os preos futuros. No entanto, no sentido de vencimento do futuro os dois preos
comear convergem, sincc na data do vencimento, no h diferena real entre um contrato de
futuros eo dinheiro activo, salvo os custos de transao. Esta convergncia significa que a base
deve tambm diminuir, e deve chegar a zero quando o contrato de futuros expira, como mostrado na
Figura 13-3.
Figura 13-3 Convergncia de base para zero

Outro forma de expressar a relao entre os preos vista e de futuros o custo de transportar
modelo:
F=S+C
(13-6)
onde o custo de carregamento (C) representa o custos lquidos associados posio de caixa:
Custo de carregamento = custo + Financiamento custo de armazenamento - Os rendimentos
auferidos
Por sua vez, este custo pode ser representado Como:
C = (S-rT, 3B5) + A-I
(13-7)
387
Onde rest financiando taxa de juros, T o nmero de dias at que o contrato de futuros expira, A
representa os custos de armazenamento e / Corresponde ao rendimento do trabalho.
O custo de captao o interesse que teria de ser pago para financiar uma posio de caixa
para o perodo do contrato de futuros, muitas vezes isso com base na taxa repo. Os custos de
armazenamento e rendimentos auferidos ser diferente dependendo do que o activo subjacente .
Por exemplo, com ativos de investimentos, como ttulos ou aes, os custos de armazenamento
ser insignificante enquanto o rendimentos auferidos Que Ele considerveis (Bonds pode ganhar
juros acumulados, enquanto as aces podem recebimento de dividendos.). Como alternativa,
para as commodities os custos de armazenamento podem ser considerveis enquanto sem
renda ser gerado.
Quando o custo lquido de carry positiva a posio de futuros mais atraente, uma vez que vai
no precisa fazer quaisquer pagamentos at que o futuro chega a termo, alm de chamadas de
margem. Considerando que, se o eost de carry negativa ele realmente paga para assumir a
posio de caixa em seu lugar.
o base lquida, tambm denominado base de valor, ajusta o valor bruto para o eost de carry:
A base lquida = base Gross + Custo de transporte
Conseqentemente, a base lquida representa a diferena entre o valor justo do futuro e seu preo
real de mercado. Um valor positivo indica que est subvalorizado, enquanto um negativo significa que
muito caro.
Comprar os meios de base que emitem uma ordem de compra para o ativo em dinheiro,
enquanto, simultaneamente, vender o contrato de futuros correspondente. Isto tambm chamado
comrcio de cash-and-carry. Quando ns somos a base de longo, ns nos beneficiamos de
eventuais aumentos de base; em outras palavras, de preo sobe para caixa do ativo ou preo cai para
o futuro. Efetivamente, sendo longa a base permite ns para ganhar o custo do transporte.
Vendendo a base o processo inverso, de modo caixa do ativo vendido eo futuro comprado.
Isso tambm conhecido como reverse negociao cash-and-carry. A posio base de curto iro
beneficiar de diminuir de forma; efetivamente paga o custo de transporte.
Estas estratgias podem efetivamente ser implementada por meio de um m odelo de
precificao adequada e ligando as encomendas para o futuro e para o ativo subjacente / s.
ndice de arbitragem
ndice de arbitragem em focuscs as oportunidades de lucro que surgem entre futuros de ndice e os
seus constituintes subjacentes. Normalmente, a maioria arbitragem ndice realizada por
ndices de aes, embora tambm poderia ser aplicada para ndices de obrigaes ou mesmo
CDS ndices. Efetivamente, outro exemplo de negociao com base, exceto que a posio de
caixa corresponde a uma cesta de ativos.
Com base na equao 13-6, podemos usar o preo vista eo custo lquido de carry para determinar
o valor justo de o contrato de futuros. Oportunidades de arbitragem surgem quando o preo de
mercado para o futuro de ndice se desvia significativamente desse valor justo. Se o preo de
futuros exceder o valor justo, em seguida, um comrcio cash-and-carry pode lucrar comprando os
constituintes do ndice, enquanto a vender o contrato futuro muito caro. Inversamente, quando o preo
futuro menor que seu valor justo, podemos usar um comrcio cash-and-carry reversa para comprar
os futuros e vender o ndice. Geralmente, essas posies ser fechada para fora uma vez que a
discrepncia de preos desapareceu, em vez de quando o contrato de futuros expira.
Como observamos em o eost de carry, os rendimentos auferidos dependente do activo subjacente.
Assim, estimar com preciso os fluxos de caixa de dividendos chave para o sucesso de arbitragem
ndice de aes. A emisso de dividendos razoavelmente sazonal; No entanto, mesmo por curtos
perodos eles podem ser adiados ou at mesmo trouxe para a frente. Da mesma forma, enquanto
analistas pode oferecer razovel
Negociao
388
ativos
multi-
As estimativas para os valores normais de dividendos, os dividendos especiais podem ser

muito mais difcil de prever. Infelizmente, muitas vezes fazem dividendos especiais uma
proporo substancial do dividendo global fluxo de caixa, como James Cummings e Alex Frino
(2007) nota. Claramente, o risco de impreciso maior para ndices maiores, tais como o Russell
2000 e por perodos mais longos.
Exemplo 13-6: Vamos determinar o custo do transporte e do justo valor para o S & P 500 SEP
2007 futuro usando os seguintes dados para o dia 26 de junho de 2007, a partir de
www.lndexArb.com (2007).
O contrato de 07 de setembro tem 87 dias para PRAZO
A taxa de juros de curto prazo de cerca de 5,52%.
O valor do ndice de caixa 1.492,89

Antes de ns pode substituir estes valores na equao 13 -7, precisamos estimar uma figura
para os rendimentos auferidos a partir de dividendos (I). A estimativa de www.indexArb.com
(2007) para isso $ 57.411, que pode converter em pontos de ndice usando um divisor
apropriado. Nisso caso, o divisor 8,883.46 dando um dividendo ajustado de 6,46 pontos do
ndice. Observe que deve assumir o custo de armazenamento de zero. Assim, o custo de
carregamento pode ser determinada Como:
C = (1.492,89 * 1,0552
87/365
) -6,46 = 12,78
Usando a equao 13-6 o valor justo do futuro (1492,89 + 12,78) = 1505,67.

Exemplo 13-6 (um): Vamos agora assumir as atuais S & P 500 setembro 07 futuros pricc
1.510,00.
Comparado ao nosso valor justo de 1.505,67 o contrato futuro parece as, com uma base de 17,11. Por isso, pode valer a pena considerar um comrcio cash and carry, vendendo o Setembro
futuro e comprar a cesta equivalente de aes. A Tabela 13-7 mostra o resultante fluxos de caixa para
tal uma estratgia.
Subjacente
fluxo de
caixa / $
Encontro Aao
Comprar aes por US $ 250 x 1.492,89
26 de junho Emprestar dinheiro em 5,52%
Vender setembro futuro, em 1.510,00
Vender aes por US $ 250 x 1.533,38
Recebimento de dividendos, US $ 250 x 6,46
21 de setembro
Pagamentos de juros para 87 dias emprstimo
Futuro expira, US $ 250 x (1510,00-1533,38)
Montantes brutos
Futuros
fluxo de
caixa / $
-373.222,50
383,345.00
1,615.00
-4,810.58
6,926.92
-5845,00
-5845,00
Total
1,081.92
Flui Tabela 13-7 Exemplo dinheiro para cash and carry ndice de arbitragem
Note que o S & P 500 um ndice baseado capitalizao de mercado, de modo que cada
componente tem um ponderao com base no tamanho da sua empresa. Para tornar as coisas um
pouco mais fcil ns assumir ns pode crcatc uma cesta de aes equivalente ao valor do contrato
de futuros. O valor desta cesta igual ao multiplicador de futuros ($ 250) vezes o fecho do ndice
price.2 O S & P 500 contrato de futuros expira em a terceira sexta-feira do ms de entrega, neste
caso setembro 21; altura em que temos de vender de volta nossas existncias (com mercado em
ordens abertas), enquanto o futuro liquidada em dinheiro.
Alternativamente, ns poderamos usar o contrato E-Mini que tem um multiplicador de US $ 50.
389
Alm disso, observe que durante toda a vida deste comrcio, haver vrios outros fluxos de caixa,
tais como os dirios pagamentos de margem de futuros e de pagamentos de juros de emprstimo. Os
dividendos de aes vai tambm ser pago de forma intermitente ao longo do perodo, e poder ser
reinvestido at ao termo para mais reduzir custos. Pela simplicidade, todos esses fluxos de caixa
so apenas apresentados na Tabela 13-7 como somas acumuladas a ser pago no vencimento.
No geral, ns pode ver que, neste exemplo, o lucro derivada somente a partir da perna de caixa,
qual teve um lucro bruto de cerca de US $ 7.000. Grande parte disso foi devido ao aumento global da
ndice de aes, embora os pagamentos de dividendos assegurada, na verdade, que a estratgia
fez mais do que empatar. Em compensao foram os pagamentos de juros e a perda de quase US $
6.000 em o posio de futuros. Os futuros perna fez fornecer uma cobertura bem sucedida, uma vez
que se o ndice tinha cado que teria sido na posio oposta. Se isso tivesse acontecido, o lucro dos
futuros contrato teria compensado a perda nos estoques.
Exemplo 13-6 (b): Na realidade, o preo setembro S & P 500 2007 de futuros fechou em
1.497,80 em dia 26 de junho.
Comparado ao nosso valor justo de 1505,67 o contrato futuro parece agora underprieed, com
umabase de -4,91. Portanto um dinheiro e inverter carry trade realmente mais adequada. Assim,
devemos considerar a compra do futuro setembro e vender o equivalente cesta de aes. o fluxos de
caixa resultante para esta abordagem esto apresentados na Tabela 13 -8.
Fluxo de
caixa
subjacente /
$
Encontro Aao
Vender aes por US $ 250 x 1.492,89

26 Junho Emprestar dinheiro em 5,52%
Compre setembro futuro, em 1.497,80
Comprar aes por US $ 250 x1.533,38
21 SeptInterest
a partir de 87 dias emprstimo
Futuro expira, US $ 250 x (1533,381497,80)
Bruto valores
Futuros
cashflow / $
373222,50
-383,345.00
4,810.58
8,895.00
-5,311.92
8,895.00
Total
3,583.08
Tabela 13-8 Exemplo fluxos de caixa para o dinheiro inversa e realizar ndice de
arbitragem
Desta vez, a nossa posio de futuros longa realmente se beneficia com o aumento do nvel de
ndice, levando para um lucro bruto de $ 8,895. Em comparao, a nossa posio de caixa de curto
percebeu perdas de
$ 10.122, os quais foram compensados pela renda de $ 4.810 de juros. Porm, uma vez que
foram curta stoek, no houve renda adicional de dividendos.
Note-se que para ambos estes exemplos, o valor final do cesto stoek realmente baseado sobre o
preo de liquidao de futuros (1.533,38), ao invs de o priee abertura do S & P 500 em
21
(1.520,11). Isto porque priee abertura do ndice baseia-se quando a NYSE abriu em vez de quando
Todos os leiles de abertura da manh tinham completado, o que poderia realmente ser alguma hora
aps a abertura oficial. Portanto, o ndice oficial aberta , na verdade com base em preos prximos
de alguns estoques a partir do dia 20. Assim, no termo do CME em vez fornece umacotao
especial de abertura (SOQ), que no finalizado at que todo o ndice do constituinte preos oficiais
de abertura so definidas. Isso garante que arbitradores podem liquidar suas operaes em
nveis coordenada. Porm, isso no significa que no h, por vezes, pode ser uma diferena
considervel entre estes dois preos. O SOQ foi introduzido em Junho de 1987 a tentar minimizar o
390
ativos
Negociao
multi-
volatilidade, antes deste acordo foi baseado no preo de fechamento. Para maiores informaes,
consulte o CME (2005) documentao.
H arco algumas complicaes posteriores, que foram omitidos Exemplo 13-6 (a) e (b) para
maior clareza. Estratgias de arbitragem do mundo real devem lidar com o risco de que o custo
de carregamento incerta. Ao longo do comprimento do comrcio curto prazo taxas de juro
poderia deslocar, de forma semelhante a fluxo de caixa de dividendos pode ser diferente da sua
estimativa. Arbitradores deve tambm explicar os fatores tais como custos de transao, as taxas
de juros de mercado e regulamentaes.
Os custos de transao, obviamente, tm um impacto direto sobre as oportunidades de
arbitragem; custos elevados pode fazer mispricings mesmo significativas no rentveis.
Consequentemente, os modelos de arbitragem deve tambm factor de lance offer spread para as
aes e futuros, bem como quaisquer taxas ou comisses. Para ondas maiores, o impacto no
mercado pode ser um fator importante tambm. Alm disso, quando os estoques de curto -circuito
o custo dos emprstimos deles tambm deve ser considerada. Isso significa que os futuros sobre
ndices so mais frequentemente subestimados do que as, como Catherine Shalen (2002)
ressalta.
Taxas de financiamento tambm pode ter um efeito. A mesma taxa de financiamento foi utilizado
em toda Exemplo 13-6 (a) e (b). Embora, as taxas de juros para emprestar ser um pouco maior do
que esta taxa de mercado, enquanto aqueles para os emprstimos ser menor.
A regulamentao do mercado tambm pode ter um impacto perceptvel sobre a arbitragem. A
venda a descoberto restries, como a regra de up-tick, torn-lo mais difcil de manter o dinheiro
e futuros pernas sincronizada. Coleiras do mercado tambm representam um problema
considervel. Por exemplo, a NYSE Regra impe 80A um colar com base no ndice DJIA; quando
acionado requer indexao ordens de arbitragem para o S & P 500 aes estar se estabilizando.
Portanto, se o ndice cai 190 pontos (a partir do encerramento prvio) ordens de arbitragem s
pode ser vendido em um up-tick; Por outro lado, se ele sobe por este montante ordens de compra
deve estar em a-tick para baixo.
Para contrariar algumas dessas questes, arbitradores, muitas vezes fechar fora de suas posies
antes do contrato de futuros expira. De fato um estudo do NYSE por George Sofianos (1990)
descobriram este
para ser verdade por mais de 70% das posies, com liquidao ocorra em
consequncia da reverso do original mispricing ou dentro alguns dias. Arbitrageurs tambm pode
comerciais, por vezes apenas uma poro do ndice real, em vez criando um subconjunto que actua
como um proxy. Embora este oferece custos de transao reduzidos, ele cria o risco potencial de erro
de rastreamento entre o proxy eo ndice real.
Claramente, a arbitragem ndice de sucesso no-trivial. Embora no exista ainda muito
dinheiro para ser feito a partir desta, no sem algum risco ou dificuldade. Para automatizar esse
processo, requerem modelos de preos detalhados que precisam de ter em conta todos estes
factores. Da mesma forma, a realizar a negociao precisaremos uso abordagens para lidar com
cestas de ordens, como ns serra no captulo 12. Isto tambm ter de ser ligada negociao de
futuros.
Index ETF Arbitrage

A criao diria e mecanismo de resgate para ETFs garante que existe uma naturais arbitragem
entre estes fundos e os seus activos subjacentes. Portanto, quando o ETF negociada a
um
prmio (desconto) ao seu valor patrimonial lquido (NAV) negociantes podem simplesmente vender
(buy) do ETF e comprar (vender) os activos subjacentes. Isso garante que qualquer manipulao dos
preos para o ETF mantido a um mnimo.
O rpido crescimento do mercado de ETF tem dado origem a novas oportunidades de
arbitragem. Dentro particular, para o ndice de arbitragem que pode substituir o componente em
numerrio. ETFs so atraentes para arbitrageurs porque eles arco:
Sediada no ndice real

fcil a curto
391
no sujeitas a quaisquer regras up-tick

potencialmente muito mais barato para o comrcio do que uma cesta de aes
Desde ETFs representam uma parte pro-rata em um fundo modelado sobre o ndice eles devem ter
um de erro de seguimento negligencivel. Seu mecanismo de criao de dirio inerente sig nifica
que as vendas a descoberto no apresentam problemas. Como Gary Gastineau (2003) observa,
isso tambm significa apertos curtos no so possvel. A falta de uma regra de up-tick tambm
os torna muito mais flexvel quando vender. Assim ETFs circumvcnt muitos dos problemas que
vimos na seo anterior. Eles oferecem um baixo risco e custo alternativa eficaz para arbitradores
de ndice, desde que tenham liquidez suficiente.
H uma diferena fundamental entre o uso uma cesta de aes ou um ETF para a perna de
dinheiro uma arbitragem ndice, como Andrew Economopoulos (2005) destaca: Para ETFs, os
dividendos so acumulado no fundo e distribudo 45 dias aps a data ex-dividendo. O valor de esses
dividendos acumulados vai realmente ser descontados, por isso o priee de um ETF mercado vai ser
ligeiramente inferior do seu valor patrimonial lquido (NAV). Isso tambm significa que o ETF pode
realmente comrcio em um pequeno prmio para o ndice, que tambm ser refletido em quaisquer
futuros baseados valor justo sobre o preo de ETF.
Indiscutivelmente, o recurso principal de ETFs o seu potencial para reduzir
substancialmente a transao despesas. Por exemplo, Economopoulos (2005) d um exemplo do
S & P 500, onde dez Partes de arco equivalente para SPDR o ndice. Para uma carteira no valor de
$ 25000000 ele estimou um custo total de $ 170.362 para a negociao do ndice dinheiro. Em
comparao com o custo SPDR ETF
$ 45.357, enquanto os futuros do custo de apenas US $ 2.777. Mesa 13-9 ajuda a explicar essas
diferenas.
Aes compradas
ndice de
caixa
ETF
714.185
266.810
Mdia
spread ($)
0,219
0,15
Custo (bps)
68
18
Fonte: Economopoulos (2005)
Tabela de comparao 13-9 custo de ida e volta entre dinheiro e ETFs

o principal causa o grande nmero de aes que tm de ser negociados. Combinado com um
maior spread isso leva a um custo ndice de caixa total de 68 bps, enquanto o ETF custa cerca de 50
bps menos. Mesmo tendo em conta os custos de 4,6 bps as ofertas de gesto de fundos ETF
umaconsidervel poupana de mais de cash equities comerciais.
Note-se que conseguir essas economias exige a ETF de ter liquidez suficiente. Ento o
prmio de liquidez deve ser suficientemente baixo; caso contrrio isto cancelar todas as
economias. Para exemplo, Economopoulos (2005) aponta que, antes de 1996, embora o SPDR ETF
oferecido uma vantagem de custo, a sua liquidez no foi suficiente para atrair os comerciantes como
um substituto de dinheiro. Ele tambm observa que a relao mispricing declinou depois de
novembro, 1997, sugerindo aumentou arhitrage. Isto parece estar ligada reduo para metade do
CME da denominao S & P 500 contrato de futuros, e sua introduo no incio do contrato E mini. Da mesma forma, uma estudo anterior de Lom Switzer, Paula Varson e Samia Zghidi
(2000) descobriram que o introduo do ETF SPDR tinha melhorado a eficincia de preos no
mercado de futuros, observando que mispricing foi negativamente relacionada com o volume
SPDR.
Outro benefcio da arbitragem usando ETFs que j no precisa trocar de cestas ativos.
Assim uma abordagem par negociao mais simples podem ser utilizados, embora ainda vamos
precisa claramente um modelo de preos sofisticado.
392
ativos
Negociao
multi-
Opo arbitragem
Paridade Put-Call um princpio fundamental na precificao de opes, mais notavelmente
demonstrada por Hans Stoll (1969). Ele destacou a relao entre os valores de mercado para um
par de idntico Chamada Europeu e opes de venda e seu activo subjacente, como mostra a
equao 13-8:
C, + Xe ~H P =, + EU,
(13-8)
Onde C o preo da opo de compra, P o preo da opo de venda, / o preo do subjacente,

x o seu preo de exerccio, r a taxa de juros e t o tempo que resta at ao vencimento. Nota que
isto depende do colocar a chamada e com o mesmo preo de exerccio e expirao.
Stoll mostrou que usando este princpio o retorno de qualquer um do trio pode ser recriada por
uma combinao apropriada de os outros dois. Conseqentemente, todo o conceito de sntese
posies de opo foi gerado. Por exemplo, uma chamada de longa sinttica apenas uma posio
longa no subjacente combinado com a compra de um (ATM) put at-the-money.
Alternativamente, um sinttica longas de venda corresponde para uma posio curta no instrumento
subjacente, juntamente com a compra de um Caixa eletrnico opo de chamada.
Usando Paridade Put-Call devemos sempre ser capaz de inferir o preo justo para uma
chamada ou uma opo de venda opo com base nos preos dos outros dois ativos. Portanto,
qualquer erro de preo pode ser facilmente descoberto e levado vantagem de por arbitradores. Se
a opo de compra relativamente ovcrpriccd em seguida, um estratgia de converso podem ser
utilizados. Isto significa vender a chamada e atravs da criao de hedging umaposio longa
sinttica chamada. Alternativamente, se a opo de venda muito caro, podemos adotar uma
reverso, ou estratgia de converso inversa, que consiste em vender a opo de venda
superfaturada e cobertura com um sinttico longo colocar.
A estratgia de converso compreende a venda de opes de compra de ATM, e comprar o
subjacente e ATM coloca. Alternativamente, podemos ver isso como indo longo do subjacente e
criando um posio curta sinttica. Figura 13-4 mostra os pagamentos para essa estratgia.
Figura 13-4 Pagamentos para a estratgia de converso

Quaisquer ganhos no subjacente sero compensadas por perdas de chamadas; Similarmente,
qualquer perdas ser compensada por ganhos nos coloca. Assim, a posio completamente coberto.
393
Exemplo 13-7 (a): Ativo HJK est sendo negociado atualmente em US $ 50. A OCT 50
chamada fixado o preo em US $ 3 enquanto a OCT 50 put de $ 2. A taxa de juros 5,52%.
Com base na equao 13-8, devemos primeiro determinar o fator de desconto, assumindo que
ambos Opes expira em um ms, ento en = e '/, 2x00552 = 0,995.
Ns agora pode substituir esses valores na equao Paridade Put-Call (13-8):
3 + (50 x 0,995) = 2 + 50 => 52.75 + 52
Claramente, quer o opo de compra muito caro ou a venda undcrpriced. Assumindo que o
preo da opo de chamada justo, em seguida, a opo de venda deve ser realmente $ 2,75.
De qualquer maneira, ns pode tirar vantagem deste com uma estratgia de converso:
Renda
Comprar subjacente
Vender ATM chamadas
Comprar ATM puts
Despesas
$ 50 x 100 = $ 5.000
$ 3 x 100 = $ 300
$ 2 x 100 = $ 200
Total = $ -4900 =
$ 300
$ 5,200
vSetting se a converso comrcio custou $ 4.900, por isso de US $ 100 mais barato do que
simplesmente comprar o subjacente. Esta poupana deve-se diferena de preos entre o ATM e
chama coloca. Este lucro imediatamente bloqueado na, como mostra a Figura 13-4.
Em Outubro, se o preo do ativo sobe a US $ 60 o opes de compra ser em-the-money e assim
que ser exercido. A posio subjacente longa podem ser utilizados para a entrega. As opes de
venda ir becomc intil. No geral, ns recebero US $ 5.000, dando
um lucro bruto de US $
100.
Por outro lado, se o pricc caiu a US $ 40 o puts ser in-the-money, enquanto as opes de compra
ser intil. Assim, podemos exercer as opes de venda para vender a nossa posio subjacente para
US $ 5.000, novamente deixando um lucro bruto de US $ 100.
Alternativamente, se o pricc no muda podemos vender o activo subjacente para US $ 5.000, com
um lucro bruto de US $ 100.
Independentemente do resultado, um lucro bruto de US $ 100 deve ser alcanado. Tudo o que
resta subtrair quaisquer pagamentos de juros e custos de transao.
Para uma estratgia de reverso, ns vendemos opes de venda ATM, e vender o subjacente e
comprar ATM chama. Ns tambm podemos ver isso como o curto-circuito subjacente e criao
de uma posio longa sinttica. Figura 13-5 representa os potenciais pagamentos para esta
abordagem.
Exemplo 13-7 (b): Ativos HJK ainda negociado a US $ 50, mas agora a chamada outubro 50
caiu para $ 2 enquanto a OCT 50 put subiu a US $ 3.
Vamos assumir que o preo da chamada justo, caso em que, com base na actualizao
foi calculado em Exemplo 13-7 (a), a opo de venda deve ser fixado o preo em $ 1.77.
Desta vez, o posto muito caro em relao ao a chamada, caso em que podemos adotar uma
inverso:
Renda
Vender subjacente $ 50 x 100 = $ 5.000
Comprar ATM chamadas
Vender ATM puts
$ 3 x 100 = $ 300
Total = $ 5.100 =
$ 5,300
Despesas
$ 2 x 1 0 0 = $ 200
-
$ 200
Negociao
394
ativos
multi-
Mais uma vez, a configurao do comrcio reverso provou mais rentvel do que
simplesmente o curto-circuito subjacente. Uma vez mais, o lucro derivado da diferena de
preos entre as chamadas ATM e puts, e imediatamente bloqueado. Como podemos seg a partir da
Figura 13-5, eventuais perdas na subjacente so compensadas por ganhos com as chamadas,
enquanto os ganhos so neutralizados pelos puts.
Em Outubro, se o preo do ativo sobe a US $ 60 opes de compra ser em-the-money e assim que
ser exercidas, o que nos permite achatar nossa curta subjacente para US $ 5.000. Os puts expirar
sem valor. Assim, o lucro bruto global continua a ser de $ 100.
Se o preo cai a US $ 40, em seguida, o nosso opes de compra ir expirar sem valor. Embora, as
opes de venda ns vendemos expirar in-the-money, de modo que o comprador vai querer vendernos 100 HJK por US $ 5.000. Isso achata a nossa posio curta, deixando-nos com US $ 100 de
lucro novamente.
Se o preo no muda, ns podemos nivelar nossa posio curta, a um custo de US $ 5.000.
o lucro lquido para esta estratgia tambm vai incorporar os juros eventualmente produzidos para o $
5000 sobre o ms, o que vai ajudar a compensar os encargos financeiros associados com o curtocircuito subjacente.

A relao de paridade put-call vimos na equao 13-8 relaciona os preos das opes com o pricc
do activo subjacente. Da mesma forma, podemos relacion-los para posies em futuros, como
Alan Tucker (1991) mostrou com a Chamada-Futurcs Put (PCF) relao de paridade.
O preo de um futuro de ndice de aes pode estar relacionada com o pricc ndice subjacente (S)
pelo seu valor para a frente:
F, = S, E<rq> t
Onde q uma taxa constante que representa os rendimentos de dividendos, r a taxa livre de risco
e T o tempo de expirao. Shcri Markose e Hakan Er (2000) reorganizar isso para mostrar que
descontando o preo dos futuros d o ndice de aes subjacente pricc ajustado para
dividendos:
F, E ~rT = S, EqT
395
Ns pode substituir esta no lado direito da equao Paridade Put-Call (13-8) para express-lo em
termos de preo de futuros, e assim definir a paridade P-C-F:
C, + XerT= P, + F, e
rT
Se o contrato de futuros undcrpriced em relao s opes que pode tirar partido utilizando um
estratgia de converso. Essencialmente, este o mesmo que vimos no Exemplo 13 -7 (a),
exceto ns ir por muito tempo o contrato de futuros, em vez de o subjacente. Para contrariar esta
situao, um sinttica futuro curto criado com a venda de chamadas ATM e de comprar os puts
equivalentes. O sinttico futuro completado por emprestar um montante adicional em
dinheiro, com base na diferena com desconto entre o preo de exerccio e os preos futuros ou
seja (X- FJ e'rT.
Considerando que, se o contrato de futuros muito caro em comparao com as opes, em
seguida, podemos adotar umaestratgia de reverso, como vimos no Exemplo 13-7 (b). Mais uma
vez, em vez de curto-circuito subjacente ns vender o contrato de futuros. Este ento coberto com
uma posio de futuros longa sinttico, a partir de a compra de chamadas ATM e venda de opes de
venda e emprstimo (X- F,) ERX.
Negociao um contrato de futuros uma alternativa muito mais barata para negociar uma cesta de
aes. assim negociao baseada exclusivamente em futuros e opes podem provar ndice um
custo-eficaz e eficiente meios do ndice de arbitragem.
Em seu estudo de FTSE-100 arbitragem PCF, Markose e Er (2000) nota que quando o futuro de
ndice pelo seu valor justo a-chamada de venda e as condies de paridade Put-Call-futuros so
idnticos. Eles concluram que algumas das oportunidades de arbitragem PCF mais rentveis
eram para contratos futuros mais de maturidade, tal como 20-50 e 50-80 dias. Eles tambm
observaram que o chamado efeito de preto poderia ter um impacto substancial sobre as perspectivas
para a arbitragem. Isto devido ao formadores de mercado para opes sobre ndices, muitas
vezes usando o Fisher Black (1976) preos mtodo, uma modificao da frmula Black Scholes
que calculada com base nos futuros preo bastante do que o ndice. O efeito pode significar que
futuros sobre ndices superfaturada levar a chamadas carssimas e puts undcrpriced, e vice-versa.
Markose e Er (2000) encontraram que o efeito preto limitado a eficincia de PCF arbitragem e em
algumas circunstncias, a arbitragem possvel notar-se que mesmo exacerbar os futuros
subjacentes mispricing.
Pagamentos de dividendos da empresa pode ser uma importante fonte de rendimentos.
Dividendo arbitragem combines uma posio no estoque com profundas opes in-the-money, a fim
de travar nos lucros.
Quando um dividendo formalmente anunciado, a empresa vai spccify quando o pagamento ser
realmente ser feito, chamado a data de vencimento. Eles tambm estipular a data de registo que
determina a direito real, uma vez que apenas os acionistas registrados no momento recebero
pagamentos. No entanto, uma vez que leva tempo para comrcios a ser compensados e liquidados, a
troca ser geralmente estabelecer um prazo distinto. Este o ex-dividendo (ou ex-div) data, que
muitas vezes dois dias antes da data de registro. Qualquer pessoa comprar o estoque antes da
data ex-dividendo ir receber o dividendo, mesmo que, posteriormente, vender o estoque. Assim,
o preo de mercado normalmente reflete este fato com uma queda de preo igual ao dividendo,
conforme mostrado na Figura 13-6.
Se ns comprar as aes pouco antes da data ex-div estamos efetivamente pagando um prmio com
base sobre o valor do dividendo. A queda de preo na data ex-div vai perceber uma perda imediata
para posies longas. S na data de vencimento posterior o dividendo vai realmente ser pago. Assim,
uma rpida venda muitas vezes retornar uma perda, ou na melhor das hipteses um lucro
insignificante. Para travar nos lucros do dividendo, existem dois tipos principais de arbitragem
baseados tanto opes de compra ou de venda de venda opes de compra.
396
ativos
Negociao multi-
Figura 13-6 O efeito dos preos dos pagamentos de dividendos de aes

Ao comprar uma opo de venda em-the-money, ao mesmo tempo como a compra de unidades
populacionais, temos trancado em um preo de sada. Embora, haver um prmio significativo a ser
pago para tal opes. Para que esta estratgia seja rentvel, este prmio deve ser menor do que o
lucro do exerccio eo pagamento de dividendos.
Exemplo 13-8: da EFG negociado a US $ 50; ele vai ex-div sobre o 20 de setembro de pagar
$ 2 / share. A setembro 55 put custa $ 6.
Para travar nos lucros de dividendos podemos comprar 100 EFG e 100 setembro 55 puts. O
dinheiro resultante Comos so mostrados 13-10 na Tabela:
DateActionCash
fluxo / $
-5000
-600
5500
200
Comprar aes por

18 Setembro
Compre setembro 55 put por US $ 6 x
100
Exerccio
colocar por US $ 55 x 100
US $ 50 x 100
20 de setembro
Pagamento de dividendos $ 2 x 100
Total
100
Tabela arbitragem 13-10 Dividend usando puts

O custo do exerccio de $ 100, enquanto US $ 200 feita a partir do dividendo; por
conseguinte, o setembro 55 coloca so suficientemente baratas para resultar em um lucro lquido
de US $ 100. Este comrcio livre de risco, uma vez que aplainaram a nossa posio longa com o
exerccio das opes de venda, portanto, no so afetados por preo changcs na data ex -div.
A abordagem alternativa vender uma opo chamada in-the-money. Embora, esta relquias
sobre o fato que os documentos de cesso no ocorrer antes da data ex-div (que o comprador no
exerc-los). Em que ponto, a queda de preo vai afetar tanto o estoque e as suas opes. Ns deve
ser capaz de comprar de volta a opo de compra de forma mais barata, o que vai compensar as
perdas de nossa posio de estoque, deixando o pagamento de dividendos como lucro.
Exemplo 13-9: Da HJK negociado a US $ 60; ele vai ex-div em 16 de outubro de pagar
$ 2 / sharc. Uma outubro 50 chamada custa R $ 10.
Podemos travar nos lucros de dividendos, indo longo 100 HJK e venda de 100 chamadas.
Assumindo que as opes de compra foram no atribudo, os fluxos de caixa para as aes e opes
equilibrar deixando $ 200 lucro do dividendo, conforme demonstrado na Tabela 13-11.
O fluxo de caixa / $
DateAction
15 outubro
16 de
outubro
397
Comprar aes por US $ 60

x 100 outubro 50 apelo por US $ 10
Vender
xVender
100 aes para $ 58 x 100
Comprar chamar por US $ 8 x 100
Pagamento de dividendos, US $ 2 x
100
-6000
1000
5800
-800
200
Total
200
Tabela arbitragem 13-11 Dividend usando chamadas cobertas

Assim, o principal risco com essa estratgia a probabilidade de a opo de compra que est sendo
atribudo antes do dale ex-div, que seria levar a uma perda de lucros de dividendos. Outros
exemplos podem ser encontradas em TheOptionsGuide.com (2007).
13.7 Algoritmos que adapta pela negocia o multi-ativos

De muitas maneiras, algoritmos de negociao multi-ativos so semelhantes aos algoritmos de
carteira de negociao de dois lados que vimos no captulo 12. Porm, uma vez que envolvem um
leque mais diversificado de mercados so mais propensos a sofrer de marcadas diferenas em
liquidez. Isso poderia representar problemas reais para conseguir a melhor execuo. Portanto, os
modelos de risco precisa comear a expandir a lidar com isso.
Fatores a considerar para algoritmos de negocia o multi-ativos

Obviamente, o principal ponto de partida para qualquer negociao multi-ativos j ter sucedido
algoritmos em lugar de cach negociao das classes de ativos-alvo. Isso garante que todas as
questes especficas de classe de ativos j foram identificadas e os ajustamentos adequados
foram feito.
Negociao multi-ativos adiciona um extra nvel de complexidade, uma vez que invariavelmente
significa negociao atravs de diferentes plataformas de negociao, moedas e fusos horrios. Por
isso, vital que qualquer algoritmos de negociao pode lidar com diferenas em:
Liquidez
Latncia
Transparncia
Consistncia
Dependncia
Caso contrrio, pode haver uma exposio de risco adicional considervel.
Liquidez
Como ns serra no Captulo 3, a liquidez varia consideravelmente entre os diversos mercados e
classes de ativos, tal como acontece entre os ativos especficos. Algoritmos de negociao multi-ativos
precisam equilibrar sua negociao com base na liquidez dos ativos-alvo. Simplistieally, isso
significa uma incidncia no menor denominador comum, de modo que o ativo mais ilquidos
impulsiona a taxa de negociao.
Por exemplo, quando a negociao uma das obrigaes das empresas contra a sua stoek, ordens
somente pode ser colocado para a perna estoque uma vez uma execuo foi confirmado para o
vnculo menos lquido. Alternativamente, poderamos usar legging para fornecer um pouco mais
de flexibilidade sobre a execuo, tal como vimos em pares comrcios. Embora, para ativos
ilquidos muito isso poderia nos expor a significativa
398
ativos
Negociao
multi-
risco. Embora tais abordagens vai funcionar, eles poderiam perder oportunidades para o mais lquido
ativos.
Latncia
Latncia pode ser to importante quanto a liquidez. Isso torna mais difcil de confiar nas priees
ns podem ver, uma vez que pelo tempo nossa ordem tratado o preo pode ter mudado.
Cada classe de ativos pode muito bem ser negociados em plataformas diferentes, atravs de
execuo diferente estabelecimentos e possivelmente at mesmo abrangendo fusos horrios. As
trocas so agora foeussed em alcanar tempos de resposta inferiores a 10 ms. No entanto, ainda
existem muitos locais onde esta figura mais como 100 ms ou mais. Assim, no esto vinculados a
haver diferenas de latncia entre a estabelecimentos.
O mecanismo de negociao real outro fator chave para a latncia, j que bem possvel que
a negociao pode precisar para abranger ambos os livros de encomendas e pedido-de-oramento
(PDO) ou de solicitao-para- stream (RFS) plataformas baseadas. Em tais atenuaes, a diferena
de latncias pode variar desde milissegundos para segundos.
Por exemplo, vamos considerar execuo um comrcio pares simples, ambos os ativos tm o
mesmo liquidez, exceto um em comrcios um local com uma latncia de 50 ms enquanto para o
outro 500ms. Se colocarmos uma compra de correspondncia e de venda para cada ativo h pelo
menos 450ms de incerteza. Um comerciante ocupado pode no notar este atraso; afinal de contas,
equivalente a algumas piscadas. No entanto, ele ainda pode ter um efeito aprecivel. A fim de
compensar esta situao, o algoritmo de negociao ter a tendncia para a negociao local com
maior latncia.
Transparncia
A transparncia tambm podem variar consideravelmente entre os mercados. Dentro um
mercado nico, diferindo nveis de transparncia tm-se revelado bastante sucesso. Locais
primrias altamente transparentes permitir a fcil descoberta de preo, enquanto locais mais
opacos habilitar a descoberta volume. De fato, os ATS "dark pool" provaram to bem sucedido
para as aes porque apesar de ser opaco sua descoberta preo tende a basear-se nas trocas
primrios.
Do outro lado, as diferenas de classes de ativos na transparncia pode representar mais de um
problema, j que no h ligaes equivalentes. Por exemplo, todo o livro de ordens pode ser visvel
quando da negociao stocks, mas por outros ativos que s poderia ser capaz de ver a melhor
proposta e oferta. Embora ns pode ter a confiana de execuo nas melhores condies para
nossa negociao de aes, muito mais difcil ter essa para os demais ativos.
Consistncia
Consistncia outra grande faetor para garantir a bem sucedida negociao multi -ativos,
particularmente para os custos de transao. Como vimos na seo 13.6, h uma ampla gama de
oportunidades de arbitragem entre as classes de activos. Para que estes sejam rentveis, vital que
qualquer adicional custos so considerados quando se olha para os preos relativos. Isso pode
ser to bvia como incorporando as diferentes oferecem spreads de oferta, comisses ou taxas
de roteamento / manuseio. No entanto, tambm deve incluir factores de ativos especficos, tais
como taxas de armazenamento / entrega, acumulados juros ou dividendos pagamentos.
Dependncia
Ao longo dos anos, os estudos microstrueture analisaram as relaes de preos em muitos dos
diferentes classes de activos. Por exemplo, estudos tm foeussed sobre se os mercados de futuros
conduzir ou retardar os mercados para seus activos subjacentes. Tais relaes inter-mercado so uma
fonte de informao importante para previses de curto prazo de priees eo out ro mercado
399
condies, como ns ver no Captulo 15. Aproveitando-se destes poderia ser a diferena entre uma
estratgia de negociao rentvel e uma deficitria um.
A minimizao do risco
Menores custos de transao pode ser alcanado para carteiras atravs da maximizao da
cobertura natural, ou diversificao, por tanto tempo quanto possvel. Portanto, bastante provvel
que os modelos baseados no risco, semelhantes aos que vimos para a carteira de negociao, vai
estar no centro da prxima gerao de multi- algoritmos de ativos. Claramente, a construo de
modelos de risco de multi-ativos mais complexa que o os ativos individuais existentes. No
entanto, estes devem esperamos fornecer a flexibilidade necessria para conseguir a melhor
execuo para todos os activos numa carteira mista.
Por exemplo, vamos considerar o comrcio manequim lista apresentada no Quadro 13-12.
De ativos
Euro mid-cap estoque
Euro opes equidade de
venda
Euro FX
Opes de venda americanas
equidade
EUA
estoque grandetampo
Tamanho / $
mm
10
2
10
2
10
Lado
Liquidez
Risco
Compra
rCompra
r
Compra
rCompra
rCompra
r
Mdio
Baixo
Alto
Mdio
Alto
Alto
Mdio
Mdio
Baixo
Baixo
Tabela 13-12 Potencial de prioritizao uma carteira de exemplo
Neste caso particular, o estoque europeu mid-cap e suas opes de venda tem o menor liquidez.
Nota que as opes de venda so destinados para hedge e por isso pode ser feito dependente sobre a
posio do activo subjacente. A out-of-the-money coloca para o estoque dos EUA de grande
capitalizao so atribudo um risco global menor do que o comrcio FX, uma vez que o tamanho
necessrio menor. Assim, para esta cesta da posio de estoque mid-cap representa o maior risco,
para que possamos atingir este mais agressivamente. Isto claramente um exemplo simplista, mas
destaca o fato de que a liquidez no deve ser o nico determinante ao avaliar estratgias de
negociao.
Uma abordagem mais quantitativa seria determinar a contribuio marginal para arriscar (MCR)
para cada ordem em a lista de trocas comerciais e, em seguida, ajustar a sua execuo em
conformidade, como vimos no Captulo 12. Tambm deve tentar incorporar fatores como latncia nas
estimativas para risco temporal.
Negociao algoritmo de escolha

As ordens de multi-ativos mais simples poderia ser tratado por pequenas extenses para
algoritmos existentes. Por exemplo, ns poderamos estender o mecanismo de comrcio de pares
/ spread que vimos no Captulo 5. Uma perna adicional poderia incorporar comrcios manipulao
de caixa de cmbio com relativa facilidade.
Alternativamente, para Strategics onde existe uma clara dependncia entre a ordens, um
algoritmo condicional poderia ser criado; Essencialmente, isso s iria usar ordens condicionais.
Isto poderia ser usado para tentar cobrir as vendas a descoberto com as encomendas de crdito /
repos. Ele tambm pode fornecer o mecanismo de notas estruturadas simples, ou mesmo alguma
cobertura.
Para que as estratgias mais complexas, o "algoritmo de algoritmos" abordagem que vimos no
Captulo 12 parece um ponto de partida razovel. Mais uma vez, o algoritmo de carteira precisaria
contm a lgica de controle exigido, embora as decises individuais podem continuar a usar
padro algoritmos de ativos individuais. Assim, aes, obrigaes, moeda, futuros e opes de
posies poderia ser cada um manipulado por seus prprios algoritmos, que o algoritmo portflio
verifica continuamente e ajusta. E se as ligaes entre o investidor eo corretor so suficientemente
rpido e confivel, no existe uma verdadeira razo pela qual o algoritmo poderia portflio no
residir no buy-side, com
40 0
ativos
Negociao multi-
atualizaes enviadas aos algoritmos individuais sendo trabalhado sell -side.

Da mesma forma, desde cobertura e arbitragem contar com informaes de posio e
potencialmente analytics proprietrias estes so bons candidatos para o desenvolvimento inhousc por buy-side.
13.8 Resumo
Estratgias de negociao multi-ativos esto agora mais acessveis devido negociao

eletrnica:
Strategics de utilidade incorporar comrcios de caixa de cmbio ou covcr vendas a
descoberto.
Alguns produtos estruturados podem ser recriadas usando algoritmos.
Estratgias de hedge compensar o risco, se esta quanto durao, beta, gama ou
delta.
Strategics arbitragem aproveitar de erro de preo entre os ativos, mesmo entre
classes de activos. Hedging tambm vital para bloquear esses lucros em por ficar livre de
risco.
Para lidar com o comrcio atravs de diferentes classes de activos, vital que strategics ter em
conta das diferenas de:
Liquidez
Latncia
Transparncia
Para melhor execuo, estratgias tambm devem assegurar que os preos arco comparado de
forma consistente, por incluindo quaisquer custos especficos de ativos relevantes ou fatores.
As estratgias podem tambm usar relaes de preos inter-mercado estabelecidas para ganhar
uma vantagem de previses de preos a curto prazo.
Negociao multi-ativos pode necessitar de extenses para algoritmos de negociao para

lidar com existente:
Adicionando ordens condicionais
Adotando a / abordagem comercial propagao pares
Lidar com os diferentes pernas como uma carteira, possivelmente adotando um
"algoritmo de algoritmos "para minimizar o risco
401
Captulo 14
Notcia
Informao tudo. Manipulao de notcias automatizado e interpretao

pode ser complexo, mas estas tcnicas oferecem o potencial para aumentar
ainda mais o desempenho estratgia de negociao.
14.1 Introduo
Mercados do mundo arco guiado pela informao, muita da qual relatada em notcias e histrias.
Adaptar-se a fatos noticiosos pode dar aos comerciantes uma vantagem significativa sobre a resto do
o mercado. Ao longo dos ltimos anos, a incorporao de notcias em negociao algortmica
sistemas tem atrado cada vez mais ateno.
Claramente, o aumento implacvel tanto na velocidade e capacidade de computadores ofertas
umaenorme potencial para a anlise baseada em notcias. No entanto, as pessoas so ainda muito
mais hbeis em notcias interpretao e eventos do que mquinas. Anlise de notcias baseado em
computador um no-trivial tarefa. Parte da dificuldade simplesmente o fato de que as notcias
so muitas vezes baseadas em textos no estruturados por isso difcil para sistemas baseados em
regras para process-lo, e ainda mais difcil para eles para interpretar de forma confivel isto. A
digitalizao crescente de notcias aos formatos legveis por computador est a ajudar a colmatar esta
lacuna. Tcnicas de processamento de inteligncia artificial complexo e de linguagem natural so
tambm a ser empregue. Como veremos nas sees seguintes, o progresso est sendo feito em
anlise eomputcr base, mas h ainda um longo caminho a percorrer.
14.2 Tipos de not cias

Novos itens podem representar uma ampla variedade de informao. Em termos gerais, podemos
classificar a maioria dos itens de notcias em trs classes principais: global / regionais,
macroeconmicos e corporativos.
Evento
Exemplos
Mundial / Regional
Os acontecimentos polticos, guerras e terrorismo, naturais

desastres
Taxa de juros, a folha de pagamento no-agrcola dos EUA, Gross
Produto Interno Bruto (PIB) anncios
Fuses e aquisies, falncias, tabuleiro /
mudanas de executivos, lanamentos de produtos,
relatrios trimestrais / anuais, anncios de
dividendos
Macroeconmico
Corporativo
Tabela 14-1 tipos de notcias chave
402
Novo s
Tabela J4-1 mostra alguns exemplos. Note que os trs tipos de notcias podem ter distintas
efeitos sobre o volume ea volatilidade dos mercados e ativos especficos. Embora, o inteiro efeitos
de notcias globais / regionais pode ser bastante difcil de interpretar. Assim, este captulo se
concentra sobre o impacto de ambos macroeconmica e notcias corporativas.
Notcias macroeconmicas
Mais notcias macroeconmicas vem na forma de anncios regulares que fornecem
informaes sobre os principais indicadores econmicos. H sim uma vasta gama de diferentes
indicadores; alguns dos principais para a economia dos EUA so apresentados na Tabela 14-2.
ClassAnnouncementType
Consumo
Investimento
Exportaes Lquidas
Governo Despesas
FOMC
Estoque de dinheiro
Atividade real
Preos
Voltada para o futuro
FreqTime
PIB
Produto Interno Bruto (PIB)
Despesas de Consumo Pessoal
Os estoques empresariais
Pedidos de Bens Durveis
Ordens de fbrica
Despesa da construo
New Home Sales
Balana comercial
Oramento do Estado
Alvo Federal Funds Rate
M2
/ Emprego Non-Farm Payrolls
Desemprego iniciais
Produo industrial Utilizao da
Capacidade
As vendas de varejo
Rendimento das Pessoas Singulares
Crdito ao Consumidor
Producer Price Index (PPI)
ndice de Preos ao Consumidor (IPC)
ndice de indicadores principais
ISM / NAPM Index
ndice de Confiana do Consumidor
Os comeos de carcaa
Q
M
M
M
M
M
M
M
M
6W
W
M
W
M
M
M
M
M
M
M
M
M
M
08:3
0
08:3
08:30
08:30
10:00
10:00
10:00
08:30
14:00
14:15
16:30
08:30
08:30
09:15
08:30
08:30
15:00
08:30
08:30
08:30
10:00
10:00
08:30
Tabela 14-2 Algumas das principais anncios macroeconmicos dos EUA

O sistema de classificao baseia-se aqueles comumente adotada na literatura econmica.
Dentro os EUA, a maioria dos anncios so feitos mensalmente (M), embora alguns arco emitido
trimestral (Q) ou semanalmente (W). Os indicadores tambm podem ser referidos como pr cclico ou anticclica; isso s mostra se eles se movem em no mesmo sentido que o ou cconomy
no. Por exemplo, o PIB e Non-Farm Payrolls arco indicadores pr-cclicos, enquanto
reivindicaes do desemprego um anticclico.
o Produto Interno Bruto (PIB) provavelmente o indicador mais conhecido de uma economia.
Ele representa o valor total dos bens e servios produzidos por um pas, geralmente mais de um ano.
Outra forma de expressar PIB :
PIB = consumo + investimento + Net Exportaes - as despesas do governo
Anncios do PIB so geralmente feitos trimestralmente e muitas vezes em vrias etapas, comeando
40 3
com uma figura avano, seguido por nmeros preliminares e depois finais. O PIB real
umaIndicador do PIB com base que inclui ajustes para variaes de preos e da inflao.
Consumo representa o consumo privado; em outras palavras, gastos domsticos em comida,
roupa e contas de servios pblicos, sade, educao e seguro.
Investimento corresponde ao investimento em capital, que por sua vez dividido em vrias subcategorias: Os estoques empresariais reflecte as trs fases de produo, nomeadamente fabricao,
comrcio grossista e retalhista. Efetivamente, ele atua como um indicador importante para a
demanda do consumidor. Durable Goods Orders mede o nmero de pedidos feitos com os fabricantes,
similarmente Ordens de fbrica monitora as colocaes totais da ordem. Estes do uma
indicao da sade dos sectores da fbrica / fabricao. Os restantes indicadores de
investimento destaque o estado dos mercados edifcio / habitao. Despesa da construo fornece
uma estimativa do despesa interna total em todos os tipos de construo, enquanto New Home Sales
concentra-se em habitaes familiares. Estes podem ser utilizados para estimar a futura demanda
por hipotecas. Habitao Os indicadores do mercado tambm muitas vezes atuam como um
indicador importante para a sade geral da economia.
Exportaes Lquidas so reflectidos pelo balancc do comrcio. Essencialmente, esta a diferena
entre o valor das importaes e exportaes de uma economia.
As despesas do governo representada pelo oramento global, que incorpora o custo de servios
governamentais e projetos como bem como a massa salarial para o setor governamental
funcionrios.
Outro indicador econmico importante a taxa de fundos alvo Federal, que reflecte
Poltica monetria EUA. Para os mercados monetrios, o indicador M2 mede a total de U.S
moeda em poder das reservas, corrente, poupana ou contas correntes.
o Verdadeiro Atividade
indicadores
fornecem um ponto de vista sobre as actividades econmicas importantes como o emprego, as
vendas no varejo, crdito e renda pessoal. No FarmPayrolls,
ou o
relatrio Employment, fornece uma contagem do nmero de assalariados a tempo parcial e integral.
Embora o Desemprego iniciais mostra o nmero de pessoas recentemente fora do trabalho.
Produo industrial d uma medida da produo das indstrias nacionais. As vendas de varejo
valoriza o total de vendas das lojas de varejo, e assim reflete os gastos dos consumidores. Medidas
renda pessoal total da renda antes e depois de impostos, enquanto que as medidas de Crdito do
Consumidor a nvel da dvida pessoal.
o ndices de Preos fornecer medidas dos custos mdios para os fabricantes (PPI) ou para
consumidores (CPI). Por isso, eles agem como indicadores de inflao, se para commodities
priccs ou domstica.
A maioria dos indicadores de medida mencionados fornecem uma medida desfasado do
desempenho econmico. O ndice de Indicadores principais tenta fornecer uma previso para a
economia nos prximos seis a nove meses. O Instituto de Gesto de Fornecimento (ISM) Survey, exAssociao Nacional de Gesto de Compras (NAPM), d uma indicao sobre se o setor industrial
est se expandindo ou contraindo. Da mesma forma, a pesquisa de Confiana do Consumidor mede o
nvel de otimismo realizada pelos consumidores.
Indicadores macroeconmicos pode ser ligeiramente diferente para outros pases, mas
essencialmente eles todos oferecer o mesmo tipo de informao.
Notcias corporativas
Para as empresas, a notcia chega em duas formas principais: Relatrios da empresa fornecer
regularmente indicaes sobre a fora econmica da uma empresa. Outras notcias corporativas
apenas um pega-tudo para qualquer evento importante que pode acontecer para uma empresa.
Relatrios da Companhia de resultados, mostrando o seu desempenho histrico, e as
estimativas para
40 4
Nov o s
rentabilidade futura e crescimento. Muitas vezes, estes so feitos anualmente, embora para
alguns pases, como como os EUA, eles so arquivados trimestral. Ao contrrio de indicadores
macroeconmicos, estes no arc amarrado datas especficas, as empresas podem escolher
livremente a antecipar ou atrasar os seus relatrios. O mesmo aplica -se para todos os anncios
de dividendos.
Em termos de outras notcias corporativas, uma vasta gama de eventos especficos podem
ocorrer. Isso pode incluir qualquer coisa a partir de:
Novas questes ou recompras de aes, ou dvida
Novos ou perdidos encomendas / vendas
Lanamentos de novos produtos
Ventures / fuses / aquisies conjuntas
Mudanas de gesto
Aes judiciais
Falncia
Upgrades de Analista / downgrades

Obviamente, essa notcia tende ser menos previsveis, tanto em termos de quando libertado e
como o mercado reage a isto.
14.3 A nova face da notcia

Notcias tem vindo a mudar ao longo dos ltimos anos, a partir de como ele entregue para
onde ele est sendo originada.
Cada vez mais, as notcias esto sendo totalmente digitalizados em formatos legveis por
mquina. Isto tornando muito mais fcil para os programas de computador para filtrar e at
mesmo analisar a informao de notcias.
A internet tambm teve um impacto significativo, tornando fontes alternativas de informao, tais
como fruns e blogs, facilmente acessvel. Na verdade, estes so mesmo de comear a competir
com os servios noticiosos regulares para entregar colheres, embora credibilidade e
confiabilidade so ainda emite.
Digitalizao de notcias
Notcias est disponvel digitalmente, de uma forma ou outra, ao longo de dcadas. P orm,
somente sobre a ltimos anos temos visto mais esforos para tornar mais fcil para os computadores
para realmente processo e interpretar isto.
Quando telas de notcias primeiro tornou-se acessvel digitalmente, eles eram simplesmente
cpias do telas de terminal originais. Um exemplo simulada na Figura 14-1.
09
09
09
09
09
09
08
08
08
06
05
04
03
01
00
55
51
49
NEWS Futuros escorregar como os medos persistem no subprime

NEWS DEF Corp resultados Q2 $ 0,25 EPS
NEWS AN Outros oferta raise para Target Corp One to $ 5,50 / sh
VEND de destino acionistas ficando impaciente sobre licitao
NOVIDADES BANCO-2 anota $ 7 bilhes no setor subprime, quedas
NEWS um Outro diz fuso faz sentido
H0T1 mais desgraa e tristeza, poll espera turbulncia para continuar
ALER Commodities rali como leo atinge nova alta
NOTCIAS AFG Inc expande para a sia com US $ 500 mn nova fbrica
Figura 14-1 Uma tela do terminal notcia exemplo
A l g o ri t h mi c T rad i n g & A DM
40 5
A nica maneira de lidar com notcias neste formato extrair o texto cru, tambm
conhecido como "screen scraping". Assim como web page raspagem, este tem sido utilizado
como um meio de fuso manchetes de uma gama de fontes ou adicionando filtragem rudimentar.
Embora tal abordagem til para a entrega de ttulos para os comerciantes para ler, menos
adequado para anlise de notcias informatizado e interpretao.
No incio dos anos 90, os fornecedores introduziram feeds de notcias de que poderia entrega r
manchetes separados e histrias. Por exemplo, jornalistas da Reuters com etiquetas cada ttulo e
histria com especfica categorias. As categorias de mercados, pases, idiomas, indstrias
abrangidas e empresas. Este foi um mecanismo de entrega mais verstil, tornando o armazenamento e
recuperao de notcias muito mais fcil. Os cdigos de categoria poderia facilmente ser usado para
filtrar as notcias. No entanto, a notcia foi ainda em um nico corpo do texto, que teve de ser
analisado para interpretao e anlise.
Manchete: 09:05 NEWS DEF Corp Q2 resulta $ 0,25 EPS
Eu Symbol | DEF.Q | Tipo | Pesquisa
Histria:
EuTempo | 09: 05 |
Fonte | VENl
EuSymbol | DEF.Q
| Tipo EuPesquisa
| Pas |
EUA Eu Ttulo | DEF Corp Q2 resulta $ 0,25 EPS
I Histria | * lucros do segundo trimestre por ao $ 0,25
* A receita do segundo trimestre subiu 15 por cento US $ 100 milhes
* Estimativas de lucros do segundo trimestre por ao
$ 0,20 Vista receitas $ 85000000
Figura 14-2 Um exemplo categorizados manchete e histria

Um exemplo simulado mostrado na Figura 14-2 com base no ttulo vimos na Figura 14-1 para
DEF Corp. Os dados so entregues em um formato totalmente digital, assim, para facilitar a leitura,
como mostrado texto simples com os diferentes campos separados (usando Eu caracteres). A
progresso natural a partir deste foi para os vendedores para iniciar a digitalizao do contedo
de notcias real.
<Notcias>
<Headline> DEF Corp resultados Q2 $ 0,25 EPS </ Headline>
<Time> 9:05 EST </ Hora> <Source> RTRS </ Fonte>
<Categoria> CorpEarnings </ Categoria> <Country> EUA </ Country>
<Sector> Tecnologia </ Sector> cldentifiier> DEF.Q </ Identificador>
<Resultados>
<Tipo> EPS </ Type>
<Valor> 25 </ Value>
<Unidades> CPS </ Unidades>
</ Resultado>
<Estimativa>
<Tipo> EPS </ Type>
<Valor> 20 </ Value>
<Unidades> CPS </ Unidades>
</ Estimativa>
<Histria>
* Lucros do segundo trimestre por ao $ 0,25
</ Histria>
</ Notcias>
Figura 14-3 Um exemplo notcia elementized em XML

Na verdade, eles comearam a converter seus feeds de notcias para entrega em vrios formatos,
muitas vezes
406
Novo s
baseada na Extensible Markup Language (XML). Portanto, a nossa histria exemplo pode agora
olhar algo como a Figura 14-3 (novamente reformatado para facilitar a leitura). Claramente, isto
permite mais campos a serem adicionados aos dados e torna as informaes mais fceis de acessar.
Para este exemplo, tanto os ganhos reais por ao (EPS) e os nmeros estimados so agora
facilmente acessveis para os sistemas informatizados, sem a necessidade de qualquer anlise de
texto. Isso permite que programas para ler nestes valores em muito da mesma forma que eles possam
usar o lance e oferecer preos a partir de dados de mercado alimenta. Assim, eles so muito mais
facilmente incorporado em regras de negociao estratgias e algoritmos. Esta tecnologia j
disponveis; por exemplo, o Dow Jones Elementized Feed de Notcias publica principais
elementos de dados corporativos e econmicos, tais como nmeros de ganhos ao publicar
simultaneamente as notcias sobre os ganhos.
Digitalizao de relatrios corporativos / investigao

A digitalizao tambm est comeando a ser estabelecido para a comunicao corporativa e
pesquisa. o eXtensible Business Reporting Language (XBRL) fornece um quadro para que as
empresas criar relatrios de leitura ptica. Em vez de apenas serem tratados como blocos de
texto e tabular dados, relatrios XBRL assegurar que cada item tem a sua prpria marca nica.
Assim, cada item no balano ou despesas marcado, e pode at ser atribudos a grupos ou ligados a
outro itens. A taxonomia atua como o sistema de classificao que permite que os dados e as tags
para ser interpretados corretamente. Isto permite que a mesma conjunto de informaes que devem
ser visualizados e processados em
uma variedade de formas diferentes, enquanto mantm a
consistncia. Sendo machinc-rcadable, este deve permitir que os sistemas automatizados para
executar a maior parte do processamento de dados de rotina e etapas de validao. A esperana
que esta ir liberar os analistas, o que lhes permite se concentrar em mais aspectos de valor
agregado, sejam eles pesquisadores sell-side, buy-side investidores, auditoria contadores ou
reguladores.
Para as prprias empresas, XBRL exigir claramente um monte de trabalho. Esperamos que ele
vai ajudar a simplificar o processo de coleta de dados e elaborao de relatrios corporativos,
permitindo finanas divises para mais rapidamente e gerar relatrios gerenciais de forma
confivel e demonstraes financeiras. Ainda assim, a absoro de XBRL mais provvel de ser
determinado por regulamento, em vez de ganhos de eficincia a longo prazo.
Claramente, a migrao para algo como XBRL uma tarefa muito maior do que elementized Feed
de notcias. Ao invs de um punhado de grandes novidades fornecedores, existem centenas de
milhares de empresas em dezenas de pases com uma ampla gama de practiccs de contabilidade e
relatrios.
A principal fora motriz por trs da adoo do XBRL ser os EUA A SEC j pavimentou o
caminho para a apresentao em XBRL por empresas norte-americanas e est olhando para
transformar sua banco de dados de informaes da empresa (EDGAR). At data, esta t em sido
um depsito voluntrio programa, embora deva ser obrigatrio para as maiores empresas a
partir de 2009 e para todos empresas pblicas at 2011. Outros pases tambm comearam a
adotar XBRL. Por exemplo, na Europa, o espanhol Slock Troca agora usa-lo para receber e
distribuir a partir de relatrios mais de 3000 Companhias listadas. O Banco Nacional da Blgica tem
planos para migrar a apresentao de contas para as empresas comerciais e industriais para XBRL. Da
mesma forma, o governo do Reino Unido planeja fazer XBRL obrigatrio para a apresentao de
contas da empresa. A mudana para IFRS (International Financial Reporting Standards), um
conjunto unificado de normas de contabilidade, tambm deve ajudar na transio caso da Europa para
XBRL. Na sia, a tarefa mais complexa, uma vez que cada pas tem seu prprio conjunto de normas
de contabilidade, cada um dos quais ter de ser tratado por taxonomias XBRL seus prprios. Dito
isto, em 2005, mais de 800 empresas chinesas arquivado seu semestre relatrios com a Shanghai
Stock Exchange usando XBRL. Tquio The Stock
407
Exchange tambm lanou um projecto-piloto.

Intimamente ligada com XBRL o Research Information eXchange Mark-up Language
(R1XML). Este quadro destina-se distribuio de investimento e financeira pesquisa. Tomados
em conjunto, estes projectos significa que a maioria dos relatrios corporativos relacionados ser disponvel em formatos completamente machinc legvel. Ainda que esta seja mais aplicvel
para os sistemas quantitativos ao investimento, algoritmos de negociao tambm podem se
beneficiar da capacidade de rapidamente interpretar as informaes-chave, tais como figuras
rendimentos / estimativas, em tempo real atualizaes. Mais informaes sobre XBRL podem ser
encontradas em www.xbrl.org, enquanto a homepage para R1XML www.rixml.org.
Alterar fontes de notcias

A Internet est em constante transformao da notcia, em termos de como a informao fornecida e
a rapidez com que, assim como a partir de onde pode ser originado. As principais agncias de
notcias e servios de imprensa ter sido eletrnico por um longo tempo. No entanto, os meios
convencionais est comeando a enfrentar a concorrncia fresco de mdia social, que abrange o
conjunto de tecnologias j utilizadas para compartilhar informaes e opinies, tais como blogs,
fruns, wikis e podcasts. Social sites de mdia pode oferecer lampejos de informao bem antes
de atingir a grande mdia como oficial de imprensa e agncias de notcias. Figura 14-4 d uma
ilustrao agradvel de esta mudana:
Fonte: Monitorl 10 (2007)
Reproduzido com a permisso de Monitorl 10, Inc.
Figura 14-4 O novo ciclo de divulgao de informaes

Empresas como a Collcctivc Intelecto, arrasto atravs de milhares de sites e quadros de
mensagens para recolher informaes teis. Press releases oficiais e outras informaes podem ser
extrado de uma gama de governo, de regulamentao e de web corporativos locais, enquanto
opinies e os boatos podem ser provenientes de blogs e fruns de discusso.
Scrviccs que ambas as fontes de mdia convencionais e alternativas de agregao tambm esto
sendo estabelecidas. Estes fornecem um mtodo uniforme de acesso a dados a partir de uma enorme
gama de feeds. Por exemplo, primeira faixa scans de produtos da Relegence mais de 18.000
business-centric diferente
Novo s
40 8
fontes, desde a agncias de notcias e negcios de mdia, para nacionais e estrangeiros jornais, como
bem como sites e blogs governo e web corporativa. O seu email Pista produto pode at mesmo
incorporar e-mail e seus anexos. Isso particularmente til dada a forma como muita informao
comunicada por e-mail, a partir de memorandos internos aos boletins de notcias e notas de
pesquisa. As principais agncias de notcias ARC tambm comeando a oferecer servios
semelhantes, para exemplo, notcias e informaes da Dow Jones est disponvel atravs da
sua prpria soluo atual conscincia (Dow Jones Factiva).
Assim, uma nova gerao de servios de notcias alternativas e complementares tem Heen criado.
Ir estes ser o equivalente a ECNs para a notcia?
Potenciais benefcios
Terceirizao de informaes de fontes alternativas pode dar uma cabea comear de novo mais
significativo notcias convencional feeds. Por exemplo, mais quinze dias antes ganhos do Google
Q4 2005 anncio um blog criado por um tcnico Yahoo previu que eles iriam perder o seu
Estimativas Q4. certo que isso poderia ser visto como desinformao da concorrncia, de fato
CNN Money pegou a histria em janeiro 31s1 com um relatrio intitulado "Rival trashes do Google
perspectivas de crescimento ". No entanto, a previso provou ser preciso com as aes caindo
em at 10% pouco depois da apresentao de resultados, como se mostra na Figura 14-5 (um).
Claramente, muito mais fcil para julgar tais informaes com retrospectiva. Apesar de um
ponto de vista alternativo a partir da um especialista de domnio ainda til, mesmo se tivesse
provado ser errada.
(uma)
Ja n 12: Em seu blog. especialista
Yahoo! tecnlogo Amr Awadallah " pr ev
qu e o G oogle vai perder 4T 05
\
ga n h os . E l e ar g u m en t a m s tha t aps a
otimizao b u s ca d e c o l o c a o d e
a n n c i o s mo t or n o 3 T 0 5 ,
Google sobr e-estimado ganhos futur os, citando \ <
"Evidncia de Google mudando th e posies e \ j" " quantidade da
sua ads. - motor de busca
3 0 o 3 S o ? 33
Comprar * ~
1 Ja n 31s Google
J anuncia aps o f ec har qu e
el e p er d e Q 4
G P F J ganhos devido
desacelerao Cr es c i m en t o
A d S en s e ...
> CNNMoney.com
1 cita o blog de Awadallah "~
f V quando se discute
Miss GOOG
S'-jck para
baixo
S t r e e taxa de analistas de t <3GOG a *
M a r C H 1 4:
(W portanto, ,
G e n en t ec h ( D N A ) a n u n c i a q u e I n s t it u t o N a c i o n a l d o C n c er
( N C I ) M O N i T O R K Fas e I I ! ens a ios mostr ar t ha t seu medicamento Avastin efetivamente trata cncer de
pulmo
4 horas antes
G en en t ec h '
sa n n c i o ,
website e NCI
w w w. ca nc er . g o v
mensa gens de t h e
Avastin Fa s e 1 1 1
ju l ga men t o
r es u lta d os
Fonte: Monilorl 10 (2007)
Reproduzido de permisso wilh Monilorl 10, Inc
Figura 14-5 Dois exemplos de informaes disponveis antes de as agncias de

notcias
Blogs e fruns no so a nica fonte de notcias leads; rgos reguladores tambm pode
dar um viso sobre os prximos anncios. Isto particularmente apropriada em o campo de

medicamento. Por exemplo, a Figura 14-5 (b) destaca um exemplo para Genentech: Avastin a
sua
40 9
nome comercial para Bevacizumab, uma droga anti-angiogenie que tenha sido aprovado para uso
contra o cncer colorretal desde 2004. Em maro 14 de 2005, o Instituto Nacional do Cncer (NCI)
publicou os resultados da Fase III ensaios utilizando Bevacizumab combinado com quimioterapia
para pacientes com cncer de pulmo avanado. Cerca de quatro horas mais tarde, Genentech
lanado esta notcia imprensa, resultando em uma caminhada de 25% no preo de suas aes.
Qualquer pessoa que fez a ligao entre Bevacizumab Genentech e poderia ter tido uma vantagem de
mercado significativo.
Uma nota de cautela

Credibilidade vital para a notcia. As agncias de notcias e servios de imprensa cuidadosamente
construdo a sua reputaes longo do ltimo sculo. Ainda, erros humanos ou tcnicos pode
significar notcias incorretas ou velhas histrias s vezes pode ser pego: Os executivos-chefes foram
dadas prematura obiturios e relatrios da empresa de anos antes de ter aparecido como se apenas
emitido.
Claramente, ao utilizar informaes obtidas de fontes alternativas, como a Internet ou blogs
notcias fruns, devem ser tomadas mais cautela. Anncios de notcias falsas so no incomum
para micro-tampo ou penny stocks, com fraudadores adotando "pump and dump" tticas. Embora,
conforme David Leinweber e Ananth Madhavan (2001) apontam, aes de grande capitalizao
no so imunes para tal fraude ou: Eles usam o exemplo da Lucent Technologies, que maro 2000
Serra seu valor de mercado queda de US $ 7 bilhes em um dia, desencadeado por uma srie de
postagens falsas. O golpe foi succcssful porque no incio dos quadros de avisos ano de internet e salas
de chat foram cheio de rumores negativos sobre a empresa, que foram confirmadas quando Lucent
emitiu um ganhos de advertncia no dia 6 de janeiro. Ento, no dia 22 de maro, quando um
scries de postagens sugeriu que Luccnt faria no satisfazer as suas projees de lucros Ql estes
realizados mais peso do que poderiam ter sido cxpcctcd. Na verdade, o preo das aes da Lucent
comeou a cair rapidamente. Em seguida, na mesma tarde, uma nova postagem foi feita intitulado
"LUCENT DIVULGA RESULTADOS AVISO! Droga! ", Juntamente com comentrios de um
investidor decepcionado e que parecia ser um liberao de imprensa de Luccnt, semelhante ao de
janeiro. Esta foi transmitida para mais de 20 diferentes quadros de mensagens. No dia seguinte,
o preo da Lucent continuou a cair antes de a empresa finalmente foi capaz de convenc- o
mercado que a notcia era fraudulenta. A SEC subsequente investigao descobriu que um nico
fraudador tinha usado um trio de aliases para postar a notcia falsa artigo em conjunto com uma
enxurrada de respostas e comentrios para dar credibilidade a ele. Os nomes utilizadas foram
especificamente choscn para ser semelhantes aos de cartazes estabelecidos, embora com utilizador
nomes como "hol_like_wasabc" claramente difcil dizer amigo do inimigo. Como eles
encontraram o fraudador? Bem, sem surpresa, ele fez um lucro enorme de comprar Lucent nos dias
22 e 23 de maro.
Assim, os fornecedores de terceirizao de dados a partir de sites de mdia social esto
incorporando filtros e ranking mecanismos para garantir que apenas as fontes mais confiveis so
usados. Os analistas so, por vezes, envolvidos para garantir a qualidade dos dados adicional.
Alguns fornecedores at mesmo usar sistemas de votao para incorporar o feedback do usurio
final sobre a qualidade / pertinncia de determinados artigos e fontes. Ganhar uma slida
reputao leva tempo e resultados, assim, para a experincia momento d os meios de comunicao
estabelecidos a borda.
14.4 Tcnicas de manejo de not cias In formatizado

Manipulao de notcias Informatizado foi originalmente baseado no catcgorisation simples e
filtragem tcnicas. Em um esforo para analisar e interpretar esta informao estes evoluram
em mesmo mecanismos mais complexos.
41 0
Novo s
Filtragem Notcias
Dada a quantidade de informaes disponveis, a filtragem notcia vital para garantir os
comerciantes e investidores notar as histrias que so importantes para eles, em vez de ser
distractcd pelo fluxo geral de notcias.
Voltar nos dias de terminais, os servios de notcias dircctly controlada a filtragem,
proporcionando pginas especficas para os principais tpicos de notcias. Enquanto "screen
scraping" tcnicas podem ser usadas, foi difcil de alcanar Uma exactido de 100%, em
particular para as empresas uma vez que uma grande variedade de nomes e podem ser usadas as
abreviaturas. Filtragem tornou-se muito mais fcil quando os vendedores comearam a marcao
notcias com dados adicionais, tais como a categoria codcs Reuters News 2000. Adicionando este
meta- dados permitiu aos usurios configurar filtros personalizados para si, com base em qualquer
combinao de cdigos de categoria. Da mesma forma, a notcia elementized alimenta
oferecem a perspectiva de ainda mais fino filtragem gro. Em vez de ter que contar com os
catcgorisations atribudos por editores de notcias e / ou jornalistas, podemos agora crcate
filtros que jogo do contedo efectivo da notcia.
Fora dos servios tradicionais de notcias, informaes em sites, blogs e fruns muito mais
desestruturado. Mais uma vez, estes foram inicialmente tratadas com "scrcen raspagem" simples
programas. Este, desde ento, evoluram para tcnicas mais avanadas com base em texto e anlise
estatstica, ou at mesmo o processamento de linguagem natural. Software comercial para fazer
estes dados processamento est se tornando disponveis, servios de feeds de notcias
semelhante alternativos comearam anexando meta-dados adicionais para a informao em
bruto, o qual pode ento ser utilizada para a filtragem mais padronizado.
Clustering est estreitamente alinhada com a filtragem, assegurando que no vemos um punhado
de manchetes, de vrias fontes, todos para o mesmo evento. Isto pode ser to simples como a
remoo manchetes duplicados. Alternativamente, abordagens mais sofisticadas cluster
baseado na sua interpretao da informao real, lidar com o fato de que fonte pode cach uso
ligeiramente diferentes ttulos para a mesma histria. Este oferecido por sistemas como o de
Relcgancc Primeira Trilha e Infonic de Exploso>.
Associao Notcias
As notcias todos diferem em seus efeitos. No entanto, as relaes implcitas significa que alm do
efeitos imediatos impacto, secundrias e tercirias tambm pode se propagar em todos os
mercados. Por exemplo, os fatores macroeconmicos muitas vezes, tm impacto mais imediato
no fixo mercados de renda e divisas; em ltima anlise, no entanto, eles tambm podem affcct
preos das aes. Da mesma forma, uma m notcia para uma empresa pode fazer com que a sua
pricc a cair, mas tambm pode affcct o preo da sua principal competio ou mesmo todo o scctor.
Idealmente, gostaramos de seg qualquer notcia associado que pode nos afetar. Por exemplo,
wc poderia simplesmente reduzir o nvel de filtragem, por exemplo deslocando o foco da empresalcvcl para de nvel de sector. Ainda assim, ns no queremos ser to inundados com notcias de
que perdemos itens-chave. o objetivo atingir o melhor equilbrio entre estes dois extremos. Uma
maneira de combater isso incorporar um modelo de dependncia que reflete todas as relaes de
chave. Por exemplo, considere uma cadeia de fornecimento. altamente provvel que um problema
com um fornecedor de componentes pode tambm afectar outras empresas, a montante ea jusante.
Em os EUA, as empresas devem divulgar financeira para informaes qualquer cliente que
representa mais de 10% do total das vendas, ou qualquer indstria segmento que compreendia mais
de 10% das vendas anuais, bens ou lucros consolidados. este dados pode ser usada para inferir as
principais dependncias.
Existem vrias maneiras de construir modelos de dependncia. Por exemplo, servios como
TextMap crcatc-los com base na anlise de entidades distintas de arquivos de notcias
histricas. Figura 14-6 mostra um mapa associao para notcias sobre o Google.
411
Figura 14-6 Um mapa de associao para o Google

Ns tambm poderamos ponderar a importncia de cada relacionamento com base no nmero
de notcias corresponde. Embora, ns provavelmente deve tambm tentar incorporar como estes
correlacionam com priccs de ativos reais. Portanto, por enquanto, a modelos de dependncia
mais precisa arco ainda crcatcd manualmente, e, geralmente, com base na anlise fundamental.
Assim, Connect da Relegence servicc incorpora mapeamentos de propriedade de relaes
empresariais e cadeias de abastecimento de o corretor Credit Suisse.
Um exemplo NICC de quo til essas relaes podem ser dada por Lauren Cohen e Andrea
Frazzini (2008). Em 2001, a Callaway Golf Corp foi o principal cliente para Clube de golfe
cabeas de Coastcast Corp., respondendo por 50% de sua produo. No dia 7 de junho de 2001,
Callaway foi rebaixado por um dos analistas que cobrem-lo; no dia seguinte, baixo suas
projees de receita Q2 por $ 50 milhes. Efetivamente, isto significa quase um 50% reduo dos
seus lucros esperados por ao (EPS), caindo de 70 para baixo a 35 -38 centavos por
compartilhado. Isto resultou numa uma queda de 30% em seu preo de mercado para fechar em $
15,03 no dia 8 de junho. No entanto, essa notcia negativa sobre seu maior cliente no parecem
afetar Coastcast de preo da ao em tudo. Cohen e Frazzini procurou os arquivos para as
agncias de notcias e publicaes financeiras, mas poderia encontrar nenhuma meno de Coastcast
nos dois meses depois da Callaway cair. Era no at 05 de julho que o pricc de Coastcast comeou a
diminuir de forma constante, anunciando um EPS de -4 centavos em 19 de julho.
Figura 14-7 mostra a evoluo dos preos ao longo deste perodo (normalizados em relao ao Ist
Maio nveis de 2001). Qualquer um closcly rastreamento ambas as empresas teriam cerca de um ms
antes de o preo do Coastcast Corp. caiu em uma forma similar a Callaway Golf Corp. Para provar seu
ponto Cohen e Frazzini testou uma estratgia de comprar empresas cujos clientes tiveram retornos
mais positivos no ms anterior e de curto-circuito aqueles com a pior. Eles encontraram
41 2
Notcia
- - C * H w * y ELY fciwonier}
Coutcust PAH
Fonte: Cohen e Frazzini (2007), Journal of Finance, Wiley-Blackwell Reproduzido

wilh permisso da editora
Figura 14-7 reao tardia do preo do Coastcast Corp. queda em sua liderana cliente
Callaway Golf Corp.
potenciais retornos anualizados de 18,6%. Sem surpresa, a anlise baseada associao provando
ser cada vez mais popular.
Anlise Notcias
Atualmente, a forma mais comum de anlise de notcias est interpretando seu sentimento. Quando
ns pode determinar de forma confivel se uma notcia especfica bom ou ruim, podemos ento
comear a estimativa o seu impacto sobre o mercado.
A maneira mais simples de tentar determinar o sentimento de procurar, e contar, palavras
especficas, como "excede" ou "lucros". Claramente, isto tem os seus limites, sincc o texto pode conter
palavras que por si s pode ser interpretado como positivo, por exemplo, "subindo", mas em contexto
so realmente negativo, por exemplo, "A dvida est a aumentar". A prxima progresso lgica
estender a contagem para frases. Um estudo da Young-Woo Seo, Joseph Giampapa e Katia Sycara
(2002) usado bigramas (duas palavras-chave ligadas) para inferir sentimento. Sua tcnica extrai
as frases-chave removendo primeiro quaisquer palavras desnecessrias ou identidades, por isso
"Aes da Companhia ABC aumentou" torna-se os bigrama "As aes subiram" para o ABC. Estas
bi-gramas, em seguida, so traduzidos numa baseado em sentimento uma gama de cinco
classificaes diferentes, como se mostra na Tabic 14-3.
As notcias tambm diferem em termos de saber se eles esto relatando fatos aps o evento
ou reflectindo previses para o futuro. Ento notcias que certas utilizaes frases como "receita
subiu" ou "aes caram", enquanto incerto notcias inclui palavras como esperar, previso,
antecipar ou aviso. No geral, esta tcnica pode alcanar resultados razoveis, em especial para
simples texto como manchetes. No entanto, tudo o que no contm um bom ou mau bigram
classificadas, a informao to til como neutro pode ser ignorado. Portanto, eles que
concludcd As suas
Aula
BOA
BOM,
INCERTO
NEUTRO
BAD,
INCERTO
MAU
41 3
Exemplos
.. . Compartilhar sof ABC Companhia ros ehor 2 percen t
o n th e NASDA q t o $ 24-15 / 16 .
.. .
Bigramas: "receita subiu", "excede as expectativas", "ao subiu", "rose
lucro "
.. . ABC Company predictsfourth - trimestre
s a l r i o s w i l l b e alta .
.. .
Bigramas: "esperar ganhos", "previses de lucros", "antecipar ganhos"
.. . ABC um d XYZ Inc. d anunciar plano sto pan desen industr yinitiative .
.. .
Bigramas: "empresa alliance", "aliana corp", "anuncia produto"
.. . ABC (Nasdaq: ABC) warne d o n Tuesda y t h um t Q u a r t a q u a r t e r r e s u l t s coul d f a l l shor t d e x p e c t a t i v a s .
.. .
Bigramas: "lucros de alerta", "curto expectativa", "ganhos de alerta"
.. . Compartilhar sof ABC (ABC: down $ 0,5 4 a $ 49,37) f e llin conde
y New Yor ktrading .
.. .
Bigramas: "compartilhar off '," compartilhar down "," reduo de lucros ","
queda por cento ", "queda de vendas"
Fonte: Seo, Giampapa e Sycara (2002)
Tabela 14-3 Exemplo classificaes sentimento

incapacidade de lidar com a gramtica complexa impediu de superior a 75% de preciso.
Uma complicao adicional o facto de que os artigos de notcias frequentemente contm
informao sobre um gama de itens ou empresas. Portanto, para garantir uma anlise de
sentimento exato que realmente precisa de ser capaz de extrair o mbito exacto da todas as
palavras-chave ou frases. Isso levou Seo, Giampapa e Sycara (2002) para estudar abordagens futuras
com base em mais sofisticado processamento de linguagem natural (NLP) e tcnicas de anlise
semntica. Estas tcnicas so mais adequada, uma vez que podem lidar com mais gramtica
complexa. Por exemplo, eles quebram sentenas em unidades gramaticais, ento frases como "os
lucros caindo" pode ser atribuda a uma entidade especfica.
Sistemas comerciais capazes de anlise de sentimento de grande escala esto agora se
tornando disponvel. Por exemplo, o sentimento de Infonic> ofertas uma capacidade potencial de
10 artigos / segundo com altos nveis de preciso. Adota uma abordagem hbrida: a primeira fase
realiza a anlise lingustica para extrair as principais caractersticas de cada documento. A segunda
fase do processamento executa a classificao real, com base na aprendizagem de mquina.
Sentimentos numricos so, em seguida, atribudo para cada histria, em conjunto com um nvel
de confiana. Ele tambm pode atribuir pontuaes separadas, se a histria diz respeito a vrias
empresas. Os principais servios de notcias esto comeando a oferecer anlise de sentimento
tambm. Com efeito, Reuters usou o software Infonic a disponibilizar anlise de sentimento para a
sua prprios feeds de notcias atravs do seu motor NewsScope Sentiment.
Interpretao Notcias
A progresso lgica de anlise para os sistemas sentimento para ser capaz de executar um
cheio interpretao da notcia. Em vez de simplesmente se decidir uma determinada histria boa
ou ruim, eles comeam a estimar o quanto a informao deve alterar preo do ativo. assim sistemas
de interpretao ter de identificar e extrair toda a informao chave a partir da notcia histria.
Novamente, isso pode usar abordagens baseadas PNL. Alternativamente, com a crescente
41 4
Novo s
disponibilidade de notcias legvel por mquina e relatrios corporativos isso pode ser apenas
uma questo de extrao de dados usando as tags necessrias.
No entanto, a informao originria, ento ele deve ser usado para determinar o seu efeito
sobre o preo do ativo. Precificao de ativos no trivial, por isso, a fim de interpretar o
potencial impacto sobre preos a nova informao ter de ser incorporado em modelos de
precificao de ativos dedicados. Obviamente, isso mais fcil de fazer para algumas histrias do
que outros. Por exemplo, um anncio de
um novo contrato pode significar ajustes a valores
relativos s vendas esperadas e custos, ao passo que o renncia de um executivo snior mais difcil
de quantidade. Tcnicas de interpretao notcias mais avanados podem at tentar "ler nas
entrelinhas". Por exemplo, um estudo realizado por Antonina Kloptchcnko et ai. (2004)
constataram que o tom usado nos relatrios das empresas, muitas vezes melhores reflete o
desempenho futuro do que os resultados reportados.
Os novos preos-alvo gerados por esta anlise pode ento ser utilizada para tomar decises de
investimento. Ainda assim, em termos de execuo a sua utilizao discutvel. Os changcs podem
no ser refletidas em breve nos mercados de sistemas de execuo de beneficiar desta informao
no real Tempo.
Notcias de minerao
Notcias minerao combina a anlise de dados histricos com informaes de arquivos de
notcias. Actualmente, grande parte das pesquisas se concentra em interpretar o texto da notcia
headlines histrias / e usar isso para explicar as mudanas pricc. Tcnicas de reconhecimento de
padres so usados para inferir a impacto no mercado de notcias. Inteligncia (AI) tcnicas
artificiais, tais como redes neurais ou mquinas de vetores de suporte, em seguida, so treinados
sobre esses dados histricos, a fim de aprender a changcs prever futuros.
Como vimos nas sub-sees anteriores, interpretar com preciso o significado de notcias uma
tarefa complexa. Muitos estudos lutam para alcanar a preciso melhor do que 50%. No
entanto, dado tempo, provvel que a anlise semntica ir melhorar o suficiente para fazer tais
tcnicas de adio de valor (em um futuro no muito distante). Entretanto, os dados tambm cada
vez disponvel em formatos legveis por mquina tais como XML.
Analisando o impacto de curto prazo de notcias uma meta mais fcil do que a estimativa
o seu meio e Efeitos de longo prazo. Ao comparar os dados de notcias, tais como figur as EPS,
com mercado expectativas, podemos determinar o quanto de uma surpresa a notcia realmente .
Se a notcia atende s expectativas, em seguida, o mercado provavelmente j incorporaram esta
informaes no preo do activo, de modo uma mudana significativa pricc improvvel. Enquanto
que se o notcia uma grande surpresa, ento, um perodo de volatilidade ser provvel, enquanto o
mercado se ajusta a esta nova informao. Seo fornece J4.5 uma reviso de estudos empricos de
mercado detalhando estes efeitos de curto prazo.
Note-se que quando se tenta avaliar o impacto de uma determinada notcia ou manchete, em vez
do que trat-la como um evento discreto, podemos olhar para trs sobre notcias anteriores para
confirmar quanto novas informaes na verdade ele contm. Encadeando juntos notcias, ns
podemos determinar a quantidade relativa de cada uma nova informao contm. Assim, ns
pode comear a analisar se tem notcia cl'fcct um impulso substancial. Isso poderia tambm nos
permitem estudar como efetivamente nova informao assimilada pelo mercado, e se sub ou
excessiva reage notcia.
Um exemplo interessante dado em um estudo realizado por Gur Huberman e Tomer Regev
(2001). EntreMed Inc. (ENMD) uma empresa farmacutica foeussed em liberar medicamentos para o
tratamento do cncer e doenas inflamatrias. Em 3 de maio 1998, a edio de domingo do New
York Times (1998) tinha uma articlc sobre sua primeira pgina intitulado "ESPERANA NO
LABORATRIO: Um
415
relatrio especial; A Awe Cauteloso Cumprimenta Drogas que Erradicar a tumores em ratos ". Este
descritas o potencial de endostatina, uma protena anti-angiognico. A endostatina foi encontrado
para inibir a crescimento dos tumores de cncer, e em estudos em ratos demonstraram nenhum
aparecimento da resistncia aos medicamentos. De fato, aps cyclcs repetidas foi mesmo encontrado
para remover os tumores em ratos completamente, curar eficazmente o cancro. O artigo tambm
mencionado EntreMed, uma vez que eles teve a licencc para produzir os medicamentos com base
nesta pesquisa. Na segunda-feira seguinte, Preo da EntreMed tem incio s 85 caindo para
fechar em torno de 52, acima dos 12,063 na anterior Sexta-feira, um aumento de 330%. Isto
Fonte: Huberman e Regev (2001), Journal of Finance, Wiley-Blackwell

Preo de negociao Figura 14-8 EntreMed eo volume em torno notcia de sua nova
droga
Ainda assim, como Huberman e Regev, note a notcia na verdade no traz qualquer
significativa novas informaes ao mercado. Na verdade, foi apenas uma verso mais completa de
um artigo anterior impresso no New York Times (1997) no dia 27 anterior novembro, Intitulado
testes em ratos Bloquear um Defesa por Cancer ". Este cobriu a publicao de os mesmos
resultados de pesquisa na revista Nature. Houve tambm a cobertura em moneyline da CNN e Sinais
de rua da CNBC sobre 27 novembro. Embora esta notcia anterior foi lanado por volta de
Ao de Graas, que ainda viu um reao do mercado considervel com um aumento de preos de
28,4%. Eles concluram que a principal diferena parece ser devido a ser colocado na primeira
pgina do New York Times contra pgina 28, gerando aumentos correspondentes de 330%
versus 28%. Certamente, no havia um excesso reaco de a notcia em maio. O aumento de preos
persistente em EntreMed pode refletir uma compreenso reao por parte dos investidores
profissionais em Novembro; Alternativamente, pode tambm reflectir a macia publicidade
adicional que a empresa recebeu. Ento, quando rastrear o impacto da notcia que tambm deve
considerar a quantidade de ateno a informao poderia receber.
Novidades minerao tambm pode ser usada para inferir as relaes que so mais
complexas. Por exemplo, os efeitos indirectos e correlaes que pode ocorrer entre ativos,
normalmente atravs de aes indstrias e sectores. No caso de EntreMed, e Huberman Regev
(2001), note que na Maio 4o as sete empresas do ndice NASDAQ Biotechnology Combinada
(excluindo ENMD) serra um retorno mdio dirio de 4,89%, enquanto o destaque foi para o setor.
41 6
Novo s
Tambm importante considerar outras fontes de informao aquando da realizao de notcias

minerao. Precificao de ativos , fatores to importantes complexos, tais como as condies
de mercado ou fundamental dados, so necessrias para explicar changcs de preos do ativo.
Por exemplo, considere o substancial lag preo, o que vimos para a relao fornecedor-cliente
entre Coastcast Corp. e Minerao Callaway Golf Corp. Os dados podem ser usados para se
chcck quaisquer outras variveis do mercado poderia explicar tal uma defasagem, exceto investidor
sub-reaclion.
Como acontece com qualquer mtodo de previso, deve ser tomado cuidado para assegurar que
os dados no excessiva cabido, como veremos no captulo 15. Um mtodo comum de excluir um
determinado perodo do dados histricos e arquivos de notcias, muitas vezes o mais recente.
Quaisquer relaes baseadas na a Principal conjunto de dados podem, ento, ser sobre retcsted o
perodo de excluso para chcck sua adequao. Todas as regras que sobreviver a este teste pode
ento ser exposto a mais testes com notcias em tempo real e preos.
14.5 Reaes do mercado s notcias

Anncios de notcias representam um fluxo de informao para os mercados. Como a maioria dos
ativos priees so baseados em tais informaes no de surpreender que a notcia pode ter um efeito
marcante.
Um grande nmero de estudos empricos que analisaram o impacto de notcias para a maior parte
do principais mercados. Nesta seo, ns ir rever estes para ver os efeitos de ambos
macroeconmica e notcias corporativas sobre preos, volumes de negociao, a liquidez e
volatilidade. Ns tambm deve considerar como de outros fatores, tais como o ciclo de
negcios, afetam a resposta do mercado notcia.
As reaes a notcias macroeconmicas

Notcias macroeconmicas d uma indicao peridica do desempenho de uma economia. Os
anncios podem ser usados para prever o futuro crescimento econmico, para que eles possam ter um
marcado efeito na negociao da maior parte das classes de activos. Por exemplo, se os principais
indicadores mostram sinais de uma recesso, em seguida, os governos pode ser solicitado a alterar
as taxas de juros ou alterar o seu fiscal poltica. As empresas podem muito bem ter de ajustar os
seus rendimentos expccted luz destes novo condies. Da mesma forma, os investidores
podem optar por alterar suas carteiras, trocando a maior mais seguro aes de segunda linha ou
aumentar a proporo de ttulos.
O impacto das notcias sobre os preos dos ativos varia um pouco para diferentes classes de
activos. Para exemplo, a notcia de uma queda da taxa de juros vai ajudar a aumentar o preo dos
ttulos existentes, ao passo que enfraquece a moeda. Para as empresas, o quadro um pouco mais
complcx, uma vez que eles podem beneficiar de menor taxa de juros, mas tambm podem
sofrer com a moeda mais fraca. Embora, em condies de volume de negcios, liquidez e
volatilidade, a reao geralmente um curto significativa aumento prazo para todas as classes de
activos.
Preo
Em seu estudo de Tesouro dos EUA, Pierluigi Balduzzi, Edwin Elton e T. Clifton Verde (1997)
constataram que o anncio do Non-Farm Payroll teve o maior impacto sobre os preos. o impacto
foi persistente e quase imediata; tambm se comportou aproximadamente simetricamente entre
surpresas positivas e negativas. Alm de Non-Farm Payrolls, eles descobriram que anncios
para PPI, CPI, Confiana do Consumidor, pesquisa ISM / NAPM, New Home Sales, Pedidos
de Bens Durveis, comea a habitao e reivindicaes jobless iniciais todos tiveram um
impacto noticcablc sobre o preo de mercado. Por exemplo, a Figura 14-9 mostra a reao ao
Consumidor Pricc ndice de a nota 10 anos.
Um efeito comparvel foi observado para a nota de Tesouraria de 5 anos em anlise por Michacl
Fleming e Eli Remolona (1997). Os principais anncios eram muito semelhantes, com No- Farm
Payrolls dominando, enquanto PPI, CPI, Confiana do Consumidor, pesquisa ISM / NAPM e
Negativo Surpresas
417
Positivo Surpresas
Fonte: Balduzzi, Elton e verde (1997)

Copyrighl 2001, Escola de Administrao de Empresas da Universidade de Washington
Figura 14-9 respostas Preo da nota de Tesouraria de 10 anos ativo para surpresas na
CPI
New Home Sales tambm foram encontrados para ser significativo. Embora, eles encontraram
Bens Durveis Pedidos e comea a habitao teve um efeito muito menor. Em vez disso, eles
observaram que as vendas de varejo e a taxa alvo de fundos federais eram mais importantes,
como ns pode ver a partir de sua relao rankings na Tabela 14-4.
Infelizmente, a complexidade da relao entre os indicadores de macro e os preos dos
ttulos significa que cada estudo parece encontrar ligeiramente diferentes relacionamentos. Parte
disso pode estar relacionada com os prazos de investimento associados a activos diferentes.
Balduzzi, Elton e Green (1997) analisaram o efeito sobre as contas de 3 meses, notas de 2 anos e
ttulos de 30 anos. Elas observada que o tamanho da reao tende a aumentar com a maturidade do
Tesouro, com destaque para o aumento da volatilidade dos preos dos ttulos de longo prazo.
Um estudo posterior hy Fleming e Remolona (1999) tambm foeussed sobre esta tendncia. Eles
descobriram que este efeito ocorre para a maioria anncios, com exceo dos ndices de
preos (CPI e PPI), em que a reaco parecia permanecer constante para vencimentos ao longo de
quatro anos.
O nmero de anncios que afetam diferentes valores mobilirios tambm parece variar de
acordo com a data de vencimento. Balduzzi, Elton e Green (2001) relatou que nove anncios afetou
significativamente o preo do projeto de lei de 3 meses, enquanto havia 13 para a nota de 2 anos, 16
para a nota de 10 anos, depois de cair para 10 para o bnus de 30 anos. Isto poderia ser devido a
diferenas na aplicabilidade de cada anncio para tanto a curto e longo prazo expectativas.
Para as taxas de cmbio, Alain et Chaboud ai. (2004) analisaram o impacto de anncios
usando dados de EBS. Eles descobriram aumentos repentinos de preo ocorreu quase
instantaneamente, mas s durou cerca de 5-10 minutos e estabilizada em geral menos de uma hora.
Surpresas para o PIB e Non-Farm Payrolls geralmente teve o maior efeito. No geral, eles descobriram
que notcias que indicava mais forte do que atividade esperada para os EUA foi seguida
sistematicamente por valorizao do dlar. Uma tendncia semelhante foi relatado em um estudo
anterior por Torben Andersen et al. (2003). Eles observaram as maiores variaes de preos para NonFarm Payrolls e Comrcio Saldo surpresas, seguido de Pedidos de Bens Durveis, vendas no
varejo e dos fundos federais
418
Notci
a
Anncio '
Emprego (Non-Farm Payrolls)

Producer Price Index
As vendas de varejo
ndice de Preos ao Consumidor
New Single-Famlia Home Sales
Federal Funds Target Rate
Confiana do consumidor
NAPM Pesquisa
Produo industrial
Os comeos de carcaa
Produto Interno Bruto
Balana comercial
Despesa da construo
Crdito ao Consumidor
Os estoques de fbrica
Pedidos de Bens Durveis
Principais Indicadores
Oramento Federal
Rendimento das Pessoas Singulares
Os estoques empresariais
Efeito em: 2
Rankin
PriceVolumePriceVolume
-23,1
-8,59
-6,51
-6,48
-5,08
-4,61
-4,42
-4,17
-3,87
-3,42
-3.2
-2.5
-1,79
-1.7
1.61
-1,41
-0,46
-0.29
0,19
0,05
60,52
27,87
39.03
24.56
23.97
60,8
9.62
35.83
17.81
12,05
29.04
4.94
-5,35
2.24
27,55
-5.1
2.28
-1,86
-1,66
24.88
1
2
5
6
7
8
9
11
12
13
14
15
16
17
18
19
22
23
24
25
de:
2
8
4
12
13
1
16
5
14
15
7
21
19
23
9
20
22
24
25
11
Fonte: Fleming e Remolona (1997)
Tabela 14-4 Impacto das surpresas do anncio macroeconmicas no 5 anos EUA

Nota do Tesouro
Taxa alvo. Embora, havia pequenas diferenas observadas nas diversas taxas de cmbio, para
instncia, a balana comercial teve o maior impacto para o iene / dlar, enquanto o PIB do
avano de avisos foram importantes tanto para o euro eo franco suo em relao ao dlar.
Relativamente s aces, um estudo realizado por Rui Albuquerque e Clara Vega (2007)
analisaram a resposta de as aes do Dow Jones Industrial Average do (DJIA) e Portugal PSI-20 a
indiccs notcias macroeconmicas. Eles agruparam os anncios em classes, como o consumo e
investimento, mas tambm analisou o impacto de anncios individuais. Em geral, para o DJIA,
anncios macroeconmicos dos EUA conduziu a uma resposta imediata que estabilizou durante a
primeira hora. Embora, para os ndices de preos (CPI e PPI) eo desemprego inicial Reivindicaes
eles encontraram o impacto s foi aprecivel para em torno do primeiro dez minutos. No geral, as
respostas mais positivas foram para uma boa notcia em despesas de consumo pessoal, utilizao
da capacidade, a renda pessoal, o ndice de Leading Indicators e do Comrcio Equilbrio. As
respostas mais negativas foram por notcias sobre o PIB Advance, ISM / NAPM pesquisa,
comeos de carcaa, New Home Sales eo Federal Funds Target Rate. Por exemplo, eles
descobriram que um desvio padro inesperado surpresa no Fundos Alvo Federal
1
Nole lhal Fleming e Remolona (1997) tambm incluiu resultados IES de leiles do Tesouro em [estudo herdeiro. Estes tm
sido excludos para facilitar a comparao com outros estudos. Para referncia os resultados do leilo para a nota de 10 anos
teve a 3rd mais efeito significativo sobre os preos e os 6 "1mais efeito em volumes. O leilo hond 30 YCAR foi de 4Ul dentro
condies de preos e de 3rd para volumes.
2
Os shows de coluna efeito os coeficientes reais de regresso do preo e volume com o fator surpresa qual baseia-se na
diferena entre o anncio real e os valores de previso esperados.
41 9
Taxa poderia levar a uma diminuio de 0,5% no DJ1A. Estudos semelhantes que incidiram sobre o
impacto de anncios de FOMC encontrados em torno de uma resposta de 1% para fundos federais
surpreende. Michael Ehrmann e Marcel FRATZSCHER (2004) analisaram o impacto sobre o S & P
500 e Ben Bernanke e Kenneth Kuttner (2005) estudaram o valor do ndice ponderado CRSP.
Albuquerque e Vega (2007) razo que a diferena nos resultados devido sua amostra baseando
o DJIA, que uma pequena amostra de grandes empresas, que muitas vezes so menos afetados pela
monetria surpresas polticas.
Uma comparao til de efeitos para uma gama de contratos futuros fornecida em um estudo por
Andrew Clare e Roger Courtenay (2001), mostrado na Figura 14-10. Usando dados para 1994- 99,
que investigou o impacto dos anncios de taxa de juros macroeconmica e do Reino Unido,
whieh so geralmente libertados s 9:30 e 12:00. O objetivo de seu estudo foi determinar o efeito
da independncia operacional que est sendo concedida ao Banco da Inglaterra em 1997
permitindo Comit de Poltica Monetria para definir as taxas de juros.
f nt cr c t t mudana rsie *
Al l macroeconomi c libertao de dados s
SitrllugCurto
LongoCILT
l. g Gill
FTSF.-I08
Mlkutr>apsisunairemtbr
Fonte: Clare e Courtenay (2001)
Reproduzido com permisso do Deutsche Bundesbank
Figura 14-10 Impacto de notcias macroeconmicas sobre os preos de futuros e moedas

Eles rastrearam a reao dos preos de moedas e contratos de futuros LIFFE para curto prazo
(Short Sterling) e longo prazo (Long Gilts) da dvida eo ndice de aes FTSE -100. A mdia
42 0
Novo s
respostas por hora so apresentados na Figura 14-10. A partir destes grficos, claro que o
interesse alteraes na taxa tm efeito muito mais considervel em ambos os futuros ea moeda de
outros dados macroeconmicos. Curiosamente, o maior impacto global das taxas de juro foi de O
FTSE-100 futuros, embora estes tinham muito menos resposta a mais gerais no Reino Unido
anncios macrocconomic. Em comparao, a moeda e Long Gilts apareceu a ser os mais
afetados por notcias macroeconmicas geral. The Long Gilts tambm parecia ser mais voltil
do que o Short Sterling, que semelhante ao que temos visto por ttulos do Tesouro dos EUA.
Volume
A programao fixa de muitos anncios macroeconmicos dos EUA faz seu efeito sobre
actividade de trading e volumes fceis de detectar. Por exemplo, o pico repentino n a atividade de
negociao inter-negociante para notas do Tesouro s 8:30 da manh claro, para ver na Figura 1411, tomada de um estudo de Fleming e Rcmolona (1997). H tambm um pico perceptvel para a
10:00 notcias. Fleming e Remolona (1998) observaram uma tendncia quase idntico para o
volume negociado.
Nmero de comrcio s
14
Hora do dia
Fonte: Fleming e Remolona (1997) Reproduzido com permisso do Federal Reserve Bank of New York
Figura 14-11 atividade Intraday em dias o anncio de cinco anos Notas do Tesouro U.S
Portanto, anncios macroeconmicos podem levar a grandes, mas de curta durao, aumenta no
volume de negcios. Isto foi relatado por uma ampla gama de estudos. Por exemplo, Fleming e
Remolona (1998) observaram volumes elevados na nota de 5 anos por mais de 90 minutos aps o
Emprego e os anncios de ndices de preos CPI / PPI. De modo semelhante, um estudo do cffect de
Anncios FOMC por Michael Fleming e Monika Piazzesi (2005) analisaram o impacto para 3
e 6 meses e 2 contas, notas de 5 e 10 anos. Eles encontraram um aumento significativo volume que
durou cerca de 45 minutos aps os anncios, enquanto volumes manteve-se superior do que o
normal para 1 Zi para 2Vi horas.
Na seo anterior, vimos como cada tipo de anncio tinha um efeito marcadamente diferente no
priee mercado. Fleming e Remolona (1997) tambm analisaram o impacto de cada anncio sobre o
volume de negcios. Os resultados so apresentados na Tabela volta 14-4. o maior influncia
foi realizado pelo Federal Funds Target Rate e os Non-Farm Payrolls, que tiveram coeficientes
virtualmente idnticos a partir da anlise de regresso. Em termos de importncia, estes foram
seguidos por vendas de varejo, o levantamento ME1 / NAPM, GOP, e PP1
421
anncios. No total, cerca de uma dzia dos anncios teve um impacto notvel sobre volume de
negociao. Balduzzi, Elton e Green (2001) encontraram um nmero similar de chave anncios.
Os efeitos de volume tendem a ser comparveis em toda a gama de ttulos do Tesouro,
Embora os tamanhos relativos diferentes. Flamengo e Piazzesi (2005) encontrou o maior percentual
aumenta para o Contas de 3 e 6 meses, com picos de cerca de 400%. Em comparao, os aumentos de
cinco e dez notas anos atingiram cerca de 150%. Da mesma forma, um estudo realizado por Balduzzi,
Volume de Elton e Green (2001) encontrado para a nota de 10 anos atingiu o pico em cerca de
170-200% do nveis normais nos primeiros quinze minutos aps o anncio. Embora, para o ms 3 bill eles descobriram que os efeitos de volume a ser muito mais fraca.
Outra tendncia Fleming e Piazzesi (2005) foi relatado uma ligeira diminuio dos volumes
cerca de uma hora antes dos anncios. Eles atribuem isso como sendo "a calma antes da
tempestade "quando os comerciantes esperam para ver o que o anncio traz notcias. Fleming e
Remolona (1998) observou um ligeiro atraso de at dois minutos aps o anncio quando os volumes
permanecem em nveis normais. Isto pode ser atribudo s um atraso enquanto o mercado reage
notcia.
Para as taxas de cmbio, Chaboud et ai. (2004) focusscd em um subconjunto de indicadores,
em seu estudo do impacto dos anncios macroeconmicos. As reaces mostradas na Figura 14-12
arco de Emprego (Non-Farm Payrolls), sincc este teve o maior impacto. Note que este
essencialmente uma variao percentual, uma vez que 100 representa o volume mdio de um minuto.
Para comparao, os volumes mdios de dias no-anncio so mostrados como linhas pontilhadas.
Fonte: Chahoud et ai. (2004) Federal
Reserva Borda
Figura 14-12 volume mdio de um minuto em dias para o anncio (a) Euro / Dlar,
(b) O dlar / iene
PIB tem quase tanto efeito, seguido de vendas no varejo, balana comercial e as Produtor
ndice Pricc. Os resultados FOMC teve impacto menos imediato; no entanto, seu efeito global
parecia durar mais tempo. Alm disso, como se pode ver pelas escalas relativas na Figura 14-12, o
Dlar / Yen foi muito menos afetado que o euro / dlar; essa tendncia foi consistente em todo o
outros indicadores macro.
Liquidez
Um aumento considervel na oferta lance espalhar muitas vezes acompanha macroecon mica
anncios. Por exemplo, Fleming e Remolona (1998) observaram aumentos acentuados na
42 2
Notcia
propagao do Tesouro dos EUA cinco anos regista cerca de 8:30 e s 10:00 horas no dia do
anncio. Estudos empricos tambm encontrar uma tendncia consistente para o efeito na oferta
escondeu espalha: Just antes do anncio, eles comeam a aumentar, atingindo o pico em torno
da poca da notcia. o diferenciais mantm em nveis mais altos do que o normal durante entre
meia hora a duas horas depois. Flamengo e Piazzesi (2005) encontraram a nota de 10 anos
recuperou mais rpido, em torno de
30 minutos. o 3 e 6 meses e contas a nota de 2 anos levou muito mais tempo para se recuperar. UMA
efeito semelhante foi observado por Fleming e Remolona (1997a) e Balduzzi, Elton e verde
(2001). O ltimo estudo tambm observa que o relatrio Emprego causou o mais efeito, tanto
em termos da dimenso do aumento de difuso e a sua durao.
Volatilidade
O efeito da notcia sobre a volatilidade de curto prazo pode ser extremamente importante,
muitas vezes mais do que As suas efeito sobre os volumes de negociao. Alguns dos
volatilidade devido ao mercado para ajustar o novo informaes entregues no anncio da
notcia, enquanto alguns dos que tambm devido sbita mudanas no volume de
negociao e liquidez.
Para Tesouro dos EUA, os picos distintos em resposta a notcias macroeconmicas s 8:30 am
e 10:00 esto novamente evidente na Figura 14-13 (como um desvio-padro das variaes de preos
de log), tomadas de Fleming e Remolona (1997).
Preo volatil dade
J.4
Hora do dia
Fonte: Fleming e Remolona (1997) Reproduzido com permiss o do Federal Reserve Bank of New York
Figura 14-13 volatilidade intradia em dias para o anncio 5 anos de notas do Tesouro U.S
Estudos realizados por Fleming e Piazzesi (2005), Fleming e Remolona (1997a) e Balduzzi,
Elton e Green (1997) tudo descobriu que a volatilidade aumentou imediatamente aps a anncio,
permanecendo em nveis normais superiores a mais de uma hora. Por exemplo, Balduzzi, Elton
e Green (1997) verificaram que a volatilidade para a nota de dez anos se hospedaram no mais
do que o dobro seus nveis normais durante 30-45 minutos depois. Fleming e Piazzesi (2005)
constatou que as maiores mudanas na volatilidade foram para as contas ms 3 -6 e as notas de 2
anos.
Em termos de tipos de anncio reais, Balduzzi, Ellon e Green (2001) descobriram que os maiores
aumentos da volatilidade foram para o emprego e os anncios PP1, tanto para Contas de 3 meses e
notas de 10 anos.
Para as taxas de cmbio, h um aumento semelhante na volatilidade em torno do anncio, como
demonstrada pelos retornos mdios absolutos de um minuto na Figura 14 -14, tomada de um
estudo realizado pela Chaboud et ai. (2004).
Fonte: Chaboud el ai. (2004)
42 3
Federal Reserve Board
Figura volatilidade 14-14 Intraday (em bps) nos dias o anncio de (a) Euro / Dlar, (b) Dlar /
Yen
Eles descobriram que a volatilidade tambm segue as mesmas tendncias que vimos para
negociao de FX volumes. Assim, anncios de emprego, o PIB e meta para a taxa dos fundos
federais tiveram a maior impacto, seguido de vendas no varejo, balana comercial e do PPI.
As reaes a notcias / anncios corporativos

Notcias corporativas , obviamente, muito mais estreitamente ligada a activos especficos do
que notcias macrocconomic. Dito isto, as informaes tambm podem ter um efeito
considervel sobre outras empresas do mesmo sector / indstria, ou a cadeia de abastecimento.
Anncios de lucros so o equivalente corporativo de indicadores macroeconmicos, de modo H
sim uma srie de atividades em torno destes. Com efeito, a anlise da S & P 500 empresas por Paul
Tetlock, Maytal Saar-Tscchansky e Sofus Macskassy (2008) constataram que a empresa
notcias tenderam a se agrupar em torno de anncios de lucros.
Preo
Dentro um estudo de estoques franceses, Angelo Ranaldo (2008) confirmou que os eventos de
notcias, e particularmente ganhos anncios, desencadeou mudanas significativas de preos a
curto prazo. o efeito sobre os preos era muito maior e durou at uma hora para anncios de
lucros, reflectindo a informao adicional que eles transmitem. Ele tambm observou que para
intraday anncios a mudana de preos, na verdade, comeou por volta dez minutos antes de uma
correspondente notcia em seus dados. Potencialmente, estes movimentos so prematuras do
mercado devido ao facto aquele l arco muitas fontes de informao disponveis para os
comerciantes, enquanto seu estudo centrou-se em Notcias Reuters.
Uma anlise interessante de o efeito de anncios de lucros durante a noite foi realizada por
Louhichi Wael (2008), novamente para as aes francesas. No geral, ele descobriu que os preos
poderiam aumentar em 1,7% para as unidades populacionais em que o anncio foi uma boa notcia,
embora m notcia levou a uma queda de cerca de 1%. Estes retornos anormais persistiu por mais de
uma hora para ambos os tipos de notcias. Desde seu estudo centrou-se em anncios durante a
noite a maioria dessas mudanas foram alcanado no leilo de abertura, dando origem a um
aumento de 0,96% para uma boa notcia e -1,28% para ms notcias. Ele tambm observou uma
ligeira inverso cerca de meia hora aps o anncio de mau notcias, sugerindo uma possvel reao
inicial.
Para as unidades populacionais, os efeitos de notcias pode durar dias, semanas ou at mais.
(2008) O estudo de Wael tambm analisou o desempenho de seis dias antes e depois de cada anncio.
Ele encontrou os resultados anormais foram centrados principalmente no dia do anncio, embora
houvesse
42 4
Notcia
algumas reverses menores ao longo dos dias seguintes, particularmente para ms notcias. O
efeito mdio prazo de notcias sobre os retornos acionrios dos EUA tambm foi analisado por
Paul Tetlock, Maytal Sarre Tsechansky e Sofus Macskassy (2008). Seguiram em torno de
350.000 artigos de notcias para S & P 500 empresas. A notcia foi tomada, tanto do Dow Jones
News Service (DJNS) eo Wall Street Journal (WSJ) de 1980 a 2004. Histrias para foram
classificados como usando a anlise de sentimento positivo ou negativo baseado em lxico. No
geral, eles encontraram efeitos persistiu por mais de dez dias aps o anncio. Figura 14-15 mostra
um grfico do retornos de eventos anormais cobrindo dez dias antes e depois de uma notcia.
Fonte: Telloek, Saar-Tsechansky e Maeskassy (2007), Journal of Finance, Wiley-Blackwell

Figura 14-15 valuations das Empresas ao redor notcias

Como podemos ver na figura 14-15, notcias positivas levou a melhorias semelhantes em retornos,
embora a reao notcia da agncia de notcias Dow Jones parecia a ficar para trs que para jornal de
Wall Street. Considerando que, por notcias negativas, houve uma diferena marcada na perdas,
com mais efeito observado a partir de notcias publicadas no Wall Street Journal. Eles tambm
observou que o mercado antecipou a notcia ao longo dos dias anteriores. Na verdade, o retorno
dos dia antes do anncio poderia ser quase to importante como aqueles no prprio dia da histria
quebrou. Tambm houve um atraso considervel em ver o efeito completo da notcia, sugerindo que
que leva o mercado de um certo tempo para reagir totalmente a ele. Este desvio pode realmente durar
muitos dias. A ligeira inverso que visvel para a reao notcia ruim da Dow Jones tambm
sugere que pode haver uma ligeira reao exagerada para ms notcias.
Um estudo anterior de estoques dos EUA por Wesley Chan (2002) encontraram resultados
muito semelhantes. Ele observou que os estoques enfrentando retornos negativos associados com
as notcias continuaram a sub-executar seus pares. Em comparao, as aes com retornos
negativos semelhantes, mas no pblico notcias tendiam a ver uma reverso de preos no ms
seguinte. Muito menos deriva preo era evidente
425
com retornos positivos. Ele tambm descobriu o desvio a ser mais pronunciada para menores e
menos empresas de lquidos.
Um dos fatores que fazem anncios corporativos diferente macroeconmica
notcia que as datas exatas destes avisos pode variar consideravelmente. As estimativas para estes
costumava ser a partir de clculos baseados no calendrio, embora seja cada vez mais comum para as
empresas fornecer as datas previstas para a sua prxima anncio. Produtos como Thomson First
Call Corporao Financeira de agora fornecer fontes centralizadas para estas datas. De outros
de fornecer um aviso para os prximos anncios, as datas estimadas pode realmente ser usados para
ajudar a prever se a notcia vai ser bom ou ruim. Isso ocorre porque as empresas tendem a ser
desejosos de anunciar uma boa notcia e adiar a emisso de ms notcias. Uma anlise mais
quantitativa da presente cffeet foi realizada por Mark Bagnoli, William Kross e Susan Watts
(2004). Eles analisaram os retornos para os estoques dos EUA com base na defasagem entre
as datas estimadas e do anncios corporativos reais, para cerca de 26.000 exemplos entre 1995-8.
Eles encontraram que, em mdia, anncios final continha m notcia 44,5% do tempo, enquanto esta
era nica de 36,1% para anncios incio ou no prazo. A proporo aumentada de modo que aps
sete dias tarde, mais de 50% das notificaes tiveram ms notcias. Para relatar perdas eles
descobriram que este foi mais do que 90% mais propensos com anncios tardias do que aqueles
dentro do prazo. Eles no encontraram nenhuma tais tendncias ohvious para as empresas que fizeram
os primeiros relatos.
No geral, Bagnoli, Kross e Watts (2004) descobriram uma queda mdia de um centavo /
share abaixo das previses de consenso para cada dia de atraso a contar da data prevista do
anncio. Em termos de preos de mercado, eles observaram declnios semelhantes para as
unidades populacionais que foram atrasado em fazer anncios. Por exemplo, um atraso de quatro
dias levou a uma perda cumulativa de por a 1% das declaraes. Em adio a estas perdas, eles
tambm notar-se que a reaco no mercado o prprio dia do anncio dependia da tarde que tinha
sido. As empresas que relataram tarde vi reaes ainda mais adversas aos maus resultados do que
aqueles com resultados semelhantes que relataram a tempo. Em comparao, eles encontraram a
reao do mercado a ser mais agressivo para anncios adiantados.
Volume
Sem surpresa, notcias corporativas tambm leva a notveis aumentos de volume de curto prazo.
Ranaldo (2008) observaram esta em termos de volume hoth e nmero de negcios em seu estudo
sobre Francs stocks. Wael (2008) tambm descobriram que, para ambos os volumes de
negociao notcias boas e ruins aumentou ligeiramente at trinta minutos antes de a notcia
breaks. Embora, a mais significativa foi a mudana ainda centrado nos dez minutos em torno do
anncio real. Ele tambm observou que os volumes de negociao elevados persistiu por cerca de
dois dias em que a notcia era ruim, e por cinco dias aps uma boa notcia. Efeitos de volume
similares foram encontrados para o estoque Espanhol troca por David Abad, Sonia Sanabria e Jos6
Yagiie (2005). Eles observaram que tanto volume de negociao e frequncia eram
anormalmente elevado at trs horas antes do anncio, juntamente com um aumento considervel
quando a notcia foi divulgada. Estes efeitos em seguida, persistiu em nveis anormais para o resto do
dia de negociao.
Como j vimos com os preos, o efeito das notcias sobre os volumes de negociao muitas
vezes pode ser mais prolongada para as unidades populacionais; de fato, o aumento de volume
pode variar ao longo de dias e semanas. Para exemplo, um estudo de estoques dos EUA por Joon
Chae (2005) anncios encontrados teve um efeito considervel sobre volumes por mais de 15 dias
depois. Ele tambm observou que a o volume anterior anncios de lucros regulares realmente
diminuiu ligeiramente em antecipao dos resultados. Embora para anncios no programadas,
tais como mudanas no Ratings Moody, incorporaes ou aquisies, ele descobriu que o
volume aumentou visivelmente nos dias de antemo.
42 6
Novo s
Liquidez
O efeito de notcias corporativas sobre a liquidez menos clara, uma vez que os resultados de
emprica pesquisa so misturados. Alguns estudos encontram redues na liquidez em torno
anncios marcada enquanto alguns relatam aumentos e outros acham que as mudanas sejam
insignificantes.
A diminuio da liquidez em torno de anncios corporativos tem sido observado para estudos da
NYSE por Kenneth Kavajecz (1999), Itzhak Krinsky e Jason Lee (1996) e Charles Lee, Belinda
Mucklow e Mark Ready (1993). Estes mostraram como os spreads cotadas aumentou enquanto a
profundidade disponvel, a partir de especialistas e da carteira de encomendas, diminuiu. Da
mesma forma, Jean-Francois Gajewski (1999) encontrado que alargaram-se depois anncios
corporativos para as aes francesas.
Foi encontrada uma notvel aumento na liquidez para ocorrer aps o anncio em um estudo de o
intercmbio Espanhol estoque por Abad, Sanabria e Yagiie (2005). Eles usaram uma vasta gama de
medidas para analisar a liquidez disponvel. No tempo antes do anncio, eles encontraram no
h mudanas notveis na profundidade livro oferta lance propagao ou ordem. Embora, por cerca
de 90 minutos aps o anncio, eles observaram um estreitamento acentuado do spread e um em
aumentar a profundidade disponvel. Aps este perodo, estas voltaram para nveis normais.
Wael (2008) encontrada uma diminuio semelhante dos spreads para as unidades populacionais
franceses, mas tambm observou que propagao nveis eram visivelmente maior nos dias que
precederam a notcia. Alternativamente, Kazuhisa Otagawa (2003) encontrado uma reduo
consistente dos spreads tanto antes como depois trimestral anncios de lucros para as aes
japonesas. No dia do anncio, a profundidade do mercado era encontrada para melhorar um
pouco tambm.
Nem toda a investigao tem encontrado uma mudana notvel na liquidez em torno de eventos de
notcias corporativas. Por exemplo, em um estudo de estoques alemes Peter Gomber, Uwe
Schweickcrt e Erik Theisscn (2004) alteraes controladas usando o Liquidez Medida Xetra
(XLM). Em geral, eles no encontraram alteraes significativas na liquidez disponvel no
momento da notcia real. Embora, eles foi observada uma ligeira diminuio da liquidez nos quinze
minutos antes de a notcia solte, que eles atribuem aos comerciantes que tm acesso a mltiplas
fontes de informao. o efeito foi mais evidente para as unidades populacionais no -DAX
menos lquidos. Quinze minutos depois uma notcia item, o seu custo XLM tinha aumentado em
cerca de 3%, portanto, dando uma ligeira reduo da sua liquidez global. Em comparao, as aes
DAX na verdade, viu ao redor uma reduo de 3% na sua Custo XLM depois uma notcia,
sugerindo uma ligeira melhoria.
Algumas destas diferenas pode ser atribuvel aos mercados em estudo. Por exemplo, os
mercados onde a liquidez fornecida pelos criadores de mercado ou especialistas podem bem
exposio aumentou os spreads em torno de anncios, como traficantes de tentar minimizar o
custo de negociao com comerciantes mais informados. Embora, como Ranaldo (2008) aponta,
este efeito pode ser reduzido a concorrncia entre os fornecedores de liquidez. Em alguns
mercados, a liquidez pode mudar a ordens ocultas ou sobre a "dark pool" ATS. Por exemplo, um
estudo da ECN INET (agora parte da NASDAQ) por Bidisha Chakrabarty e Ken Shaw (2006)
mostraram que tanto o nmero e tamanho mdio das ordens ocultas aumentou cerca de anncios
de lucros, com durao de at sete dias depois.
O contedo informativo das notcias outro fator potencial. Um aumento na liquidez
depois um anncio pode sugerir uma diminuio da assimetria de informaes entre os operadores
econmicos. UMA estudo de estoques franceses por Fatcn Lakhal (2008) constataram que a
incerteza em torno de lucros previses desencadeada um aumento nos spreads, levando a uma
diminuio da liquidez disponvel. Dentro Comparativamente, a certeza de anncios trimestral foi
encontrado para levar a um aumento em liquidez. Wael (2008) tambm observou que o impacto
imediato sobre a liquidez aps um anncio era muito dependente do que informao foi
transmitida.
427
Anncios que atenderam as expectativas (no h notcias) vimos uma diminuio imediata em
seus spreads, que, em seguida, gradualmente revertido para nveis normais ao longo dos 90
minutos seguintes. Notcia inesperada levou mais tempo para reagir: Para uma boa notcia, os
spreads voltaram ao normal cerca de meia hora aps a anncio, enquanto que para as ms
notcias que levou quase uma hora. Da mesma forma, inesperada notcia parecia que levar aos
spreads muito mais elevados na meia hora antes de cada anncio, novamente este cffcct foi mais
pronunciada para as ms notcias.
o nvel de informao tambm pode ser refletido em diferenas entre trimestrais e relatrios
anuais. Um estudo de anncios de lucros por Theresa Libby, Robert e Mathieu Digitalizar Robb
(2002) descobriram que as mudanas na liquidez foram maiores para anncios trimestrais do que
os anuais.
Disperso nas expectativas do mercado pode ser outro fator responsvel por essas diferenas.
Por exemplo, um estudo de NASDAQ por John Affleck-Graves, Carolyn Callahan e Niranjan
Chipalkatti (2002) encontraram que as empresas com lucros menos previsveis teve
consistentemente maior se espalha, particularmente nos dias cerca de anncios.
Um ltimo fator potencial o momento dos anncios. Um estudo do estoque espanhol troca por
Abad, Sanabria e Yage (2005) descobriram que os anncios durante a noite levou a uma melhoria
imediata de liquidez no seguinte aberto. Eles argumentaram este foi porque os investidores e os
comerciantes tiveram o tempo para avaliar corretamente as informaes. Para intraday anncios, eles
descobriram que ele levou cerca de 90 minutos aps a notcia antes de uma notvel melhoria da
liquidez foi observada. Eles tambm observaram uma tendncia para as empresas espanholas para
preferem lanamentos intraday quando os ganhos foram menores do que o esperado.
Volatilidade
A volatilidade geralmente mais elevada imediatamente aps um anncio corporativo. Ranaldo
(2008) nveis mais elevados foram encontrados para persistir durante 10 minutos aps a notcia
especfico da empresa e por mais de 40 minutos aps o comunicado de resultados. Da mesma
forma, Abad, Sanabria e Yagiie (2005) observou aumentou significativamente os nveis de
volatilidade para cerca de 45 minutos aps o comunicado de resultados.
A volatilidade pode tambm ele afectado pelo facto de a notcia boa ou m. No
novidade que, aps ms notcias Tetlock, Saar-Tsechansky e Macskassy (2008) revelam a
existncia de maior nveis de volatilidade. Wael (2008) tambm observou que leva mais tempo
para o mercado se ajustar a m notcias do que bem. Assim, uma maior volatilidade persistiu por
quase uma hora depois de ms notcias, em comparao com cerca meia hora para uma boa notcia.
Outros fatores que afetam o impacto da notcia

O efeito que a notcia tem, obviamente, depende da informao que ele traz para o mercado.
Notcias fornece informaes que confirma ou confunde o consenso de mercado. Ento o grau de
surpresa indica como o mercado vai reagir. A actualidade das notcias tambm determina se nova
informao ou simplesmente uma confirmao dos dados existentes.
As condies do mercado e do ciclo de negcios so outra considerao importante, uma vez
que estes refletir o sentimento dos investidores. Dentro um mercado em declnio, mesmo boa
notcia pode deixar de huck a tendncia. Portanto, a reaco de notcias tambm dependente das
condies prevalecentes.
Reaes a surpresas
A fim de avaliar o grau de surpresa, precisamos uma fonte comum de expectativas. Para indicadores
macroeconmicos isso significa dados de previses do consenso. Estes so fornecidos em
publicaes como o Wall Street Journal e do Barron. Outra fonte, amplamente utilizado em
estudos de investigao, as previses do consenso de Servios do Mercado Monetrio
Internacional (MMS). Estes inquritos dos gestores do mercado monetrio fornecer estimativas
para o que eles esperam
428
Notcia
os prximos anncios econmicos para ser. Com base nestes valores esperados, podemos ento
determinar a quantidade de uma surpresa os anncios reais realmente arco.
Na anlise de US Treasuries, Balduzzi, Elton e Green (1997) confirmaram que o tamanho da
surpresa afectada a mudana pricc. Eles destacaram os impactos potenciais por expressando as
alteraes de preos causadas por um desvio padro surpresa, como uma porcentagem da volatilidade
diria, mostrado na Tabela 14-5.
Macroeconmico
anncio
Mudana de preo
em%
da
volatilidade diria
89
39
Non-Farm Payrolls
PPI
CPI, Pedidos de Bens Durveis, as vendas de varejo,
ndice NAPM, Consumer Confiana
As reivindicaes jobless iniciais, Capacidade de utilizao,
Produo Industrial, New Home Sales
Fbrica Ordens, M2 Medianas
25-30
12-19
4-9
Fonte: Balduzzi, Ellon e Green (1997)
Tabela 14-5 Efeito de surpresas macroeconmicas sobre EUA 10 anos do Tesouro notas
Por exemplo, uma surpresa um desvio-padro em Non-Farm Payrolls foi de cerca de 110.000. Um
anncio inesperado com um correspondente aumento poderia levar a uma mudana pricc equivalente
a cerca de 90% da volatilidade diria. Dada uma volatilidade diria de 0,47% para o 10- YCAR nota,
isso equivale a uma variao de preo de 0,418%, devido surpresa. Eles tambm confirmaram que
os indicadores pr-cclicos, tais como Non-Farm Payrolls, teve um efeito negativo sobre os preos dos
ttulos, enquanto os contra-cclicas, tais como As reivindicaes jobless iniciais, teve um efeito
positivo.
Em termos de volume de negociao, Balduzzi, Elton e Green (1997) encontraram pouca evidncia
para ela sendo afectada pelo tamanho de surpresas. Eles argumentaram que o volume de negociao
mais estreitamente relacionado com a disperso de pontos de vista em todo o mercado.
Pontualidade
A actualidade de um anncio particularmente se aplica aos anncios macroeconmicos regulares. Ela
ajuda a quantificar o seu contedo de informao, relacionando-os aos dados de que estamos baseado
em. Fleming e Remolona (1997) usaram a oportunidade de um anncio para ajudar explicar seu
impacto sobre os preos do Tesouro EUA. Da mesma forma, David Vcredas (2006) usou-a para
explicar o comportamento dos futuros do Tesouraria.
Por exemplo, a Figura 14-16 mostra alguns dos principais anncios macroeconmicos dos EUA
ordenada em termos dos dados que so baseados em, feita a partir de um artigo e por Fleming
Remolona (1997). Consequentemente, a medida de Confiana do Consumidor prospectiva no lado
mais esquerda. A maioria dos anncios so no meio, uma vez que um relatrio sobre Resultados
para no ms anterior. No lado direito, a balana comercial relata dois dados meses de idade, assim
como um anncio que transmite menos novas informaes ao mercado quando comparado para
outros indicadores. Menos relatrios oportunos so susceptveis de ter menos impacto sobre os preos
e volumes, que de fato o que observou Fleming e Remolona (1997) para os EUA Mercados
Tesouro. Assim, os relatrios timeliest, tais como o emprego, PPI, CPI e Varejo Vendas tendem
ter os efeitos mais fortes.
Em comparao, os indicadores sobre o futuro, ou seja, a confiana dos consumidores e Pesquisa
ME1 / NAPM ter um pouco menos impacto. Este provavelmente porque eles so previses
42 9
Confiana do consumidor
Produtor
- N / D Levantamento P M
, '"Hotel Empr ego
ndice irice
corre
ReUil5ale.- Produto
= R-Consumidor
P riceil
industrial! >mie capacidade de utilizao 1
comea lousing
Produto Interno Bruto"
Taxa oramento eral
i IX As encomendas de bens rveis

A renda pessoal
Novas vendas de casas unifamiliar es Principais indicadores
Inventrios Factoiy
A despesa da
Consumidor
construo
Autocarro! > Estoques ess Balana comercial
1) 11 para 1 n LLI 11111111111111111111 n 1.111 u 1 doente 1.111 n 1111111111111111

22 25 28 31 3 6 9 12 15 18 21 24 27 30 5 8 11 2 14 17 20 23
Concorrente
Um ms anterior
Dois meses anterior
Datas de lanamento
Fonte: Fleming e Remolona (1997) Reproduzido com permiss o do Federal Reserve Bank of New York
Figura 14-16 US datas de lanamento do anncio macroeconmica

ao invs de relatrios reais, assim que os mercados de ttulos atribuir mais peso aos dados reais.
Vercdas (2006) levou uma abordagem semelhante em seu estudo sobre o 10-YCAR nota do
Tesouro dos EUA futuro. Ele actualidade usados para avaliar o impacto de anncios diferentes, como
mostrado na Figura 14-17. A confiana do consumidor frente procura (CC) e ISM / NAPM
inquritos foram dadas mais peso no mercado de futuros, enquanto que o emprego continuou a ser o
relatrio mais significativo. Tal como acontece com os ttulos subjacentes, anncios importantes
como o PIB ea balana comercial na verdade, tinha apenas um efeito limitado, uma vez que
retransmitir muito pouca informao nova.
9P |
MSATUAL
UMMSIJVTRR
Pi
Bl
Tuberculose
mo MS DEPOIS
Fonte: Vcredas (2006), Jornal Empirical Economics, Physica -Verlag Heidelberg,

Figura 14-17 O impacto da actualidade para os EUA de 10 anos do Tesouro not a futuro
Outro ponto a considerar que as reaes do mercado so nem sempre para os nmeros mais
recentes. As revises dos principais indicadores macroeconmicos pode ter um efeito considervel
bem. De fato, Veredas (2006) observa que as repetidas revises para ajuda PIB para reduzir o
interesse do mercado em que como um indicador.
43 0
Novo s
As condies de mercado
Em seu estudo da resposta do Tesouro dos EUA a notcia, Fleming e Remolona (1997) tambm
considerados os potenciais effccts eaused pelas condies do mercado. Eles demonstraram que
a reao preo para dada uma surpresa foi muitas vezes maior durante condies de aumento
incerteza. Como indicadores para a incerteza do mercado, eles usaram a vo latilidade implcita
das opes de futuros do Tesouro em conjunto com o changc esperado no alvo dos fundos
federais Rate. Para a impacto dos preos sobre a nota de 5 anos, eles descobriram que a incerteza
de volatilidade implcita ajudou a explicar a reao do mercado aos anncios para Durable
Goods Orders, Habitao Inicia e PIB surpreende. A mudana esperada no alvo dos fundos federais
Taxa ajudou explicar a reao do Emprego e encomendas de bens durveis surpresas.
Em termos de volume de negociao, eles notaram que ambos os indicadores ainda tinha um efeito,
embora o ligaes eram um pouco mais fraco do que para os preos. Ambos os indicadores de
incerteza ajudou a explicar os aumentos de CPI, PPI e Balana Comercial surpreende. Tal como
acontece com os preos, a Federal esperado Fundos Target Rate tambm ajudou a explicar os
aumentos do Emprego e encomendas de bens durveis surpresas.
Ciclo de negcios
O ciclo de negcios est intimamente relacionado com as condies de mercado. Ns pode
quebrar a cyelc em quatro etapas principais, que reflectem quando o mercado , na sua parte
superior ou inferior, e quando ele ou expandindo ou contraindo. Notcias surpresas maio bem
ter consideravelmente diferentes impactos dependendo do que fase do ciclo de negcios do
mercado s. Intuitivamente, podemos expcct o maior impacto para a expanso e contrao partes
do ciclo, uma vez que estas fases so mais propensos a ter uma maior incerteza / volatilidade.
Uma medida do ciclo de negcios um ndice do Instituto de Gesto de Fornecimento (ISM).
Ao contrrio de fatores como o PIB, uma medida voltada para o futuro, baseado em uma pesquisa
de as expectativas do mercado da indstria transformadora. Mais detalhes sobre o ISM pode ser
encontrado no Niemira e Zukowski (1998).
David Veredas (2006) usou o ISM para confirmar se os ciclos de negcios, de fato, alterar o
impacto das notcias macroeconmicas sobre o preo do US 10 anos futuros Nota do Tesouro. Ele
encontrado uma forte correlao inversa (-0,71) entre o preo futuro eo ISM, que mostrado na
Figura 14-18. Para cada pico no ISM, o preo do futuro do Tesouro foi geralmente a baixo, e viceversa: Com base em dados histricos, veredas (2006) concluiu que quando o ISM foi superior a 55 o
ciclo de negcios estava em uma parte superior, enquanto que abaixo de 50 foi em um inferior. No
meio desta gama, um valor crescente foi tratada como a parte de expanso do ciclo, enquanto uma
queda para um indicou uma contrao.
Veredas tambm analisou o impacto de surpresas sobre o preo do contrato de futuros
durante ciclos especficos. No geral, ele descobriu que as notcias tendem a ter mais efeito em
ciclos para baixo do que para cima em ciclos. Ele observou que as ms notcias tiveram mais
impacto nos momentos bons do que ruins, enquanto boa notcia teve menos efeito quando o ciclo j
estava deprimido. Como exemplo desta Figura 14-19 mostra parcelas correspondentes do impacto das
surpresas nos valores para Confiana do Consumidor. Note-se que as linhas a cheio mostram a
resposta mdia, enquanto que as linhas a tracejado so nicas surpresas negativas e as linhas
tracejadas nicos positivos. O eixo dos tempos representa dez intervalos de um minuto.
Quando o ciclo de negcios baixo ou contratao (mostrado no lado direito da Figura 14-19) ean
ns ver que qualquer tipo de notcia tem um impacto negativo sobre os preos. Curiosamente, em
essas fases deprimidas surpresas positivas parecem causar o maior impacto.
431
Fonte: Veredas (2006), Jornal Empirical Economics, Physica -Verlag Heidelberg,

Figura 14-18 ISM versus a 10 anos preo nota do Tesouro dos EUA (eixo contnuo,
direita)
Fonte: Veredas (2006), Jornal Empirical Economics, Physica -Verlag Heidelberg,

Figura 14-19 respostas de impulso de US 10-year nota preo do Tesouro a choques nos
Confiana do Consumidor, quando a economia est no (a) superior, (b) parte
inferior, (c) expanso, (d) parte contrao do ciclo
Quando o ciclo a uma parte superior ou na expanso (mostrado no lado esquerdo da Figura 1419), ns pode ver que surpresas negativas levaram aos maiores preos gotas. No geral, para Confiana
do Consumidor a queda de preo mais significativo parece ser causada por surpresas negativas em um
ciclo de expanso. Veredas observa que sempre que o indicador foi contra a tendncia parecia
Novo s
43 2
para ter mais impacto, provavelmente devido a mais publicidade. tambm interessante notar que
na maioria dos Nestes casos, o impacto inicial dissipou-se razoavelmente rapidamente, com os
preos para retornar normal dentro de uma ou duas horas de a notcia.
14.6 Incorporando notcias em estratgias de negociao

Precognio, ou "segunda viso", seria claramente um add-on muito til para a maioria dos
investimentos e estratgias de negociao. Contudo, o foco deste livro sobre a execuo, no
investimento. Embora possamos no ser capazes de prever com segurana exatamente quais
informaes notcia trar, ns pode ainda estimar quanto o mercado pode reagir, como vimos na seo
anterior. Estes curto previses prazo de condies de mercado podem permitem aos nossos
strategics comerciais a vantagem lago de a resposta do mercado, em vez de simplesmente reagir s
condies de mudana rpida.
Mesmo que ns estamos usando notcias para aumentar strategics de negociao, ao invs de
gerar idias de investimento, algumas precaues so ainda necessrias. A interpretao correta
vital caso contrrio, as estimativas para a resposta do mercado ser errado. A preciso ea
validade do informao tambm importante.
Uma maneira fcil de incorporar notcias em estratgias de negociao a utilizao de
indicadores. Eles providenciam um meio simples para algoritmos para interpretar notcias se bom
ou ruim, e assim por responder em conformidade. Estes podem em seguida, ser adicionada a
algoritmos de negociao adaptativa ao longo do tendncia dos preos e indicadores de liquidez de
curto prazo que muitos j utilizam. No futuro, poderemos tambm comear a ver-driven algoritmos de
notcias mais oportunistas.
Precaues para um manuseamento notcias automatizado

Ns nos tornamos usada para algoritmos de negociao e tticas de execuo que fazem
rotineiramente decises automticas sobre a localizao, preo e volume das ordens. Estas
decises so muitas vezes Sediada em uma mistura de dados histricos e em tempo real de
mercado, eo arco respostas conduzido por regras especificada por comerciantes especializados e
submetidos a testes rigorosos. Cada vez mais, no entanto, os algoritmos esto se tornando ainda
mais adaptvel, respondendo dinamicamente s mudanas nas condies de mercado, tais como
liquidez. Portanto, reagindo notcia pode ser vista apenas como um outro em tempo real
adaptao. Assim como com qualquer outra coisa, a mxima de computador padro de "Garbage
in, garbage out "se aplica. Dados ruins ou interpretaes pobres poderiam levar a erros caros.
As condies de mercado, tais como preos, spreads ou profundidades, correspondem a
efectiva quantificvel factores. Notcia sempre uma interpretao, mesmo se isto feito por um
fornecedor, em vez do que os sistemas in-house. Assim, exatido e autenticidade so, obviamente, as
principais preocupaes ao sair de um sistema para reagir automaticamente a notcia headlines /
histrias. Apesar de, a curto prazo, se imprecisa ou at mesmo falsa menos significativa, uma vez
que todo o mercado reage mesma notcia. Dado que os dados ruins de notcias de um tipo ou outro
quase certo que rastejar atravs, em algum momento, importante aplicar algumas eontrols / cheques
sanily adicionais. Se o mercado reage como esperado, ento podemos assumir a notcia est sendo
tratado como vlido por outros participantes do mercado. Se no, ento ele pode ser mais seguro para
acionar um alerta permitindo que um comerciante para acompanhar a situao e quer intervir ou
retomar o algoritmo de negociao. Estas verificaes podem precisar de ser executado repetidamente
depois de quaisquer anncios de notcias. Assim, uma resposta agressiva imediato a uma notcia pode
no ser a melhor abordagem, embora nem est esperando at que a reao do mercado tem diminudo.
Precisamos atacar algum tipo de equilbrio, tentando capitalizar com segurana em condies
vantajosas, sem correr riscos excessivos, bem como o comportamento de um dficit de adaptao ou
um algoritmo baseado em liquidez.
Por outro lado, podemos nem mesmo ser alertado sobre uma notcia. A filtragem de notcias pode
no identificar a histria como sendo relevante para o nosso fim. Sistemas de manuseio de notcias
pode no conseguir
43 3
identificar corretamente as entidades principais afetados pela histria. Alternativamente, o fornecedor

de notcias pode, acidentalmente, falhou uma marca importante, ou deixar de marcar consistentemente
todas as histrias da mesma forma. Acontea o que acontecer, porm, a notcia ainda vai se
espalhar e o mercado ainda vai reagir. Conseqentemente, em tais casos, ns somos dependentes do
algoritmo de negociao simplesmente adaptando-se s novas condies de mercado, da mesma forma
que faria se no houvesse componente notcia.
Indicadores baseados em notcias potenciais

Convertendo informaes textuais de notcias em um indicador numrico torna muito mais fcil
para sistemas baseados em computador para reagir a ela. Obviamente, isso mais fcil de fazer para
algumas novidades, tais como macroeconmico ou anncios de lucros, do que outros. Como vimos
na seo 14.3, o crescente digitalizao de notcias e relatrios corporativos significa que em breve
muito desta chave informao ser estar prontamente disponvel digitalmente.
Indicadores de Notcias pode variar de uma contagem simples do nmero de andares a mais
complexa anlise baseada em sentimento. Elas tambm pode ser usado para quantificar a diferena
entre as estimativas de consenso e anncios reais.
Fluxo de notcias
Segue o velho ditado "No h fumo sem fogo", o fluxo de notcias em si uma importante sinal de
negociao. O volume sheer de notcias itens podem ser tanto um indicador como o real informao
eles transmitem. Claramente, no podemos utilizar com segurana o nmero de manchetes de prever
preos futuros; para que precisamos de saber se a notcia era bom ou ruim. Embora, uma sbita onda
de manchetes sugere que a volatilidade pode aumentar, uma vez que as raas de incerteza
volatilidade. Portanto, Controlando a quantidade de notcias, geralmente associado a um determinado
tpico ou ativo podemos determinar mdias histricas.
30%
25% -
ndice de
Notcias
Finn Notcias
HEarnings
Notcias
o
f>
S
Fonte: Ranaldo (2008)
o
**>
Ti
o
<N
oi
<N
Reproduzido com permisso do autor
Figura 14-20 padres de notcias Intraday
434
Novo s
Tempo de efeitos dia pode ser necessrio tidos em conta, bem como, uma vez que eventos de
notcias pode agrupar em torno do abrir e fechar, como podemos ver na figura 14-20. Isso mostra os
resultados de um estudo de padres para as unidades populacionais de notcias francesa por Ranaldo
(2008). Em particular, ele encontrou os picos de notcias foram mais pronunciados para o ndice CAC
40 em comparao com notcias especficas da empresa. Assim, quando os nveis de notcias aumentar
significativamente acima da mdia histrica, temos um indicador imediato que algo incomum est
acontecendo. Isso nos d uma maneira muito rpida e fcil de rastrear potenciais problemas, j que no
precisa mesmo de ler ou interpretar as notcias reais. Por exemplo, calcula um ndice Relcgence
notcias de calor, com base na
nmero de histrias para uma empresa especfica, convertendo isso para uma escala que varia de -4 a
+4.
Para os comerciantes, um indicador de fluxo notcias actua como um alerta simples, permitindolhes a estudar situao com mais cuidado. Enquanto que para os algoritmos de negociao, ele
pode ser usado como um indicador aquele volatilidade de curto prazo tende a aumentar. Assim,
os algoritmos de risco e baseados nos custos pode ento ajustar suas estratgias de negociao de
acordo.
Notcias sentimento
Na seo 14.4, vimos como itens de notcias poderiam ser analisadas para extrair se representada
bom, m informao ou neutro. Ao atribuir estes sentimentos scores numricos podemos
calcular mdias, para que possamos determinar a hora sentimento do mer cado prevalecentes por
hora ou dia a dia. Ns tambm pode acompanhar o sentimento ao longo do tempo como se fosse
pricc ou retornar dados. Por exemplo, a Figura 14-21 mostra grficos das priccs aes e sentimento
para duas empresas, a partir de um estudo realizado por Sanjiv Das (2005). Os sentimentos foram
determinados a partir da anlise estatstica de mensagens de publicaes de boletins; cada ponto nos
grficos representa a chegada de uma nova mensagem.
Apple Computer, 18 de outubro 2000
Dell Computer, 13 de novembro de 2000
4^
Kf *
Fonte: Das (2005) Reproduzida
jfrfui "
com a permisso do autor
Figura 14-21 Os preos das aes (superior) e sentimento (inferior) ao longo do traado
dia de negociao
Obviamente, mudanas substanciais no preo pode ter um forte impacto sobre o associado
sentimento, como podemos sec na Figura 14-21. Embora, inferindo alteraes futuras no preo
com base em o sentimento mais complcx. Por exemplo, a mudana no sentimento continuou por
Dell Computador visto na figura 14-21 no imediatamente refletida no pricc mercado. Assim, no
nvel de empresas individuais, a relao entre sentimento e complcx pricc podem
435
torn-lo difcil de forma confivel vantagem lago desta informao.

Pontuaes Sentiment tambm podem ser agregados em todos os setores ou indiccs para
criar mais amplo indicadores, como mostrado na Figura 14-22. Sanjiv Das Mike e Chen (2007)
encontrado um significativamente forte correlao entre o sentimento e retorna para os ndices do
que para aes individuais. Dentro seu estudo, eles agregadas o sentimento para as 25 aes do
ndice de Stanley Tech High Morgan (MSH), com base em cerca de 150 mil mensagens de
publicaes de boletins. A correlao entre o duas sries mostrados na Figura 14 -22 foi
relativamente baixa, apenas 0,48. Embora, usando anlise de regresso Das e Chen encontrado que
o ndice MSH 35 foi fortemente relacionada ao seu valor de no dia anterior e tambm foi
significativamente relacionado com o valor de ndice de sentimento do dia anterior. Em comparao,
o ndice de sentimento foi encontrado para ter nenhuma dependncia em relao ao ndice de
aes, de modo que eles concluram que a causalidade fluiu a partir do sentimento para o ndice de
aes. Assim, o sentimento oferecido algum poder explicativo para a nvel da MSH 35.
Ms / Dia (2001)
Fonte: Das e Chen (2007)
Reproduzido com permissionCopyright
2007, o Instituto de
Pesquisa Operacional e Cincias de Gesto, 7240 Parkway Drive, Suite 300, Hanover, Maryland 21076
Figura 14-22 Comparando-se o ndice de MSH com sentimentos agregados

Eles tambm descobriram que maior volume de negociao foi significativamente
correlacionada com o sentimento positivo, mas no encontrou nenhuma relao entre o volume eo
sentimento do dia anterior.
Notcias surpresas
Como j se viu, o tamanho das informaes contidas na surpresa uma notcia pode muitas vezes
tm um efeito substancial sobre as condies do mercado, em particular os preos. Alguma novidade
obviamente, presta-se a esta abordagem mais do que outros. Anncios macroeconmicos ou
corporativos entregar novos nmeros ao mercado, se eles representam Non -Farm Figuras ou das
folhas de pagamento lucro trimestral de uma empresa. Estes podem ser comparados com rapidamente
figuras esperadas para determinar a quantidade de uma surpresa que eles representam. Um bom
exemplo deste
dada em um estudo realizado por Linda Goldberg e Deborah Leonard (2003).
Figura 14-23, reproduzido a partir deste estudo, mostra as variaes mensais em dados do NonFarm Payroll juntos com as expectativas do mercado de pesquisas MMS entre janeiro de 2000 e
Junho de 2002.
43 6
Novo s
Variaes mensais, em milhares

500
V
ISTO
u
m
.'
Eus
-500
Desvio padro 3.0 u
* "
L a r k e X t/
^ Anncio
EU . , -f
1
8 ' Sji
expectativa
tI! I
J
II
1,5
0
-1.5
-3.0
1/2000
4/00
7/00
10/001/01
4/01
7/0110/011/024/02
Fonte: Servios de mercado monetrio.

Fonte: Goldberg e Leonard (2003)
Reproduzido com permisso do Federal Reserve Bank of New York
Figura 14-23 americanos Non-Farm Payrolls: Anncios expectativas e notcias

Para quantificar o tamanho de nenhuma surpresa que a diferena normalizada entre real e
nmeros esperados por dividindo pelo desvio padro de Non-Farm Payrolls em relao ao
expectativas para o perodo. Para a anlise em tempo real, poderamos adotar uma abordagem
semelhante usando um desvio padro com base em dados histricos. A normalizao confirma
que os eventos tais como os de 7/00 e 2/01 arco estatisticamente significativa. Com base nos
resultados empricos dispomos j vimos, podemos esperar que o fator surpr esa de tais eventos
para ter um efeito perceptvel no mercado. Uma vez que esta notcia fcil de interpretar,
tambm provvel que o impacto ser relativamente curta durao, como o mercado pode incorporar
rapidamente as informaes em seus preos.
Outros tipos de notcias pode exigir muito mais anlise, a fim de interpretar o seu
informaes. Modelos quantitativos ou anlise fundamental pode ser obrigado a recalcular
novos valores justos para os ativos. Algumas notcias pode ser extremamente difcil de
quantificar, tais como o demisso de um executivo snior ou perder um contrato chave. Hencc, essa
notcia tende a tomar j para o mercado a reagir. L pode tambm ser um leque mais vasto de
interpretaes, de modo que este disperso de vista poderia levar a um aumento da volatilidade. Pode
at haver um declnio na enquanto liquidez o mercado analisa os efeitos potenciais. Assim, mesmo
para mais notcias complexo itens sem interpret-los totalmente, pode ser capaz de fazer algumas
estimativas simples de sua efeito de curto prazo sobre a liquidez do mercado e volatilidade.
Algoritmos baseados em Notcias

Algoritmos baseados em notcias j atraiu o apelido de "fluxo de notcias" algoritmos. Nota
que o nosso foco permanece sobre a execuo, em vez de negociao automatizada.
Consequentemente, a notcia simplesmente tratados como informaes que afetam nossas
decises de execuo. Ao contrrio de preo, volume, liquidez ou volatilidade, no notcia uma
varivel de mercado principal - ele chega esporadicamente. a chegada de notcias um fator que tem
um claro impacto de curto prazo sobre essas variveis do mercado, como vimos no seo 14.5.
Centrando-se exclusivamente em notcias no pode garantir para atender aos objetivos especficos de
investimento, tais como minimizar os custos de transao de impacto ou de mercado. Por esta razo,
algoritmos baseados News- so clcarly mais oportunista na natureza.
437
Incorporando notcias manipulao em algoritmos existentes

Assim como pricc e comportamento adaptativo de liquidez est sendo incorporada algoritmos
existentes, o mesmo pode ser feito para a notcia. Adicionando uma capacidade de manuseio de
notcias pode muito bem melhorar a sua desempenho quando notcias sobre eventos ocorrem.
Por exemplo, algoritmos VWAP poderia modificar seus perfis de volume alvo para explicar o
comunicado de imprensa, enquanto algoritmos baseados em dfice poderia alterar as suas
estimativas de volatilidade de curto prazo. Do mesmo modo, os ajustamentos podem ser
temporrios Feito para modelos de ordem limite usados por algoritmos baseados nos custos ou
tticas de execuo para determinar a abordagem ideal para a colocao de ordem. Assim, torna-se
notcia de apenas um outro fator, como o preo e de liquidez, em que algoritmos e tticas de
execuo basear suas decises de colocao da ordem.
Notcias algoritmos adaptativos

Estes so os equivalentes baseados em notcias de algoritmos de preos adaptativa. Nesse caso
a News- algoritmo adaptativo pode negociar uma ordem de venda de forma menos agressiva
quando boa notcia chega, enquanto para uma ordem de compra pode ser mais agressivo. Claramente,
esta abordagem est intimamente relacionado com Preo- algoritmos adaptativos. No entanto,
desde a notcia o gatilho as decises esto fazendo de forma eficaz estimativas de curto prazo
de como eles acham que o preo reagir notcia. Enquanto o mercado reaco se comporta como
esperado, a adaptao notcia deve dar resultados um pouco melhores do que a abordagem baseada
no preo mais reativo. Mais uma vez, este facto evidencia a importncia de inhuilt monitoramento
para garantir que o mercado reage como a nossa interpretao da notcia sugere.
Algoritmos-driven Notcias
Os preos de mercado e comrcios variar continuamente ao longo do dia, tais como, por
conseguinte, os algoritmos por cento do volume ou em linha pricc pode acompanhar
constantemente estes dados e ajustar sua negociao padres de conformidade. Em comparao, a
chegada de notcias um evento muito mais discreta. Cada dia no pode ser apenas um punhado de
notcias que podem afetar uma ordem, e muitas vezes no pode haver nenhum. Mesmo para um
cenrio de pior caso, no provvel que seja apenas alguns pedaos de notcias significativas chegar
em um dia. Pode muito bem haver 30 ou 40 histrias diferentes, mas muitos dos estes ser
simplesmente a mesma informao de diferentes fontes, possveis revises ou dirias resumos
delineando o efeito a notcia teve no mercado. Assim, se uma ordem ser movidos unicamente
pela notcia de que tendem a comportar-se mais como uma ordem condicional, sendo apenas ativado
se bom aparece (ou m) notcia. Para algumas empresas de investimento ordens de notcias
condicional maio ato como um espao reservado til para reduzir (ou aumentar) a sua posio se
ocorrer um determinado evento. Essencialmente, porm, muito parecido com uma ordem de
paragem, mas com base em informaes, em vez de pricc.
De fato, uma ordem de paragem (ou
trailing stop) pode ser usado to bem, -given um razoavelmente preciso estimativa para o potencial
impacto da notcia.
No futuro, os algoritmos orientado a notcia pode muito bem tornar-se mais complexa, mas no
momento difcil dizer o que forma estas podem tomar.
14.7 Resumo
Adaptar-se a fatos noticiosos pode dar aos comerciantes uma vantagem significativa,
embora as pessoas arco ainda mais hbeis em interpretar notcias e eventos do que mquinas.
As principais agncias de notcias e servios de imprensa ter sido eletrnico por um longo
tempo. Convencional
43 8
Novo s
mdia tem agora de enfrentar a concorrncia dos meios de comunicao social, tais como
placas e blogs de mensagens.
Anlise de notcias baseado em computador uma inteligncia artificial complexa tarefa

no-trivial e tcnicas de processamento de linguagem natural esto sendo empregados para
analisar texto no estruturado:
Notcias filtragem procura por chaves para reduzir a quantidade de informao.
Notcias associao utiliza relaes de detectar cffccts secundrios / tcrtiary.
Anlise notcia principalmente anlise de sentimentos no momento.
Notcias interpretao combina informao com modelos de precificao de ativos
para previses.
Notcias minerao combina a anlise de dados histricos com informaes de
notcias arquivos, ajudando a encontrar relaes causais entre as notcias e preos de
mercado.
Reaes do mercado s notcias dependem das informaes transmitidas e condies de

mercado. Com notcias macroeconmicas, a reao varia para diferentes ativos. Por
exemplo, a notcia de uma queda da taxa de juros vai ajudar a aumentar o preo dos ttulos
existentes, mas enfraquece a moeda. As corporaes podem se beneficiar de menor
taxa de juros, mas pode tambm sofrem com a moeda mais fraca.
Para notcias corporativas, a reao mais ligada a activos especficos, embora pode
tambm ter um efeito sobre outras empresas no mesmo sector / indstria.
Indicadores baseados em notcias podem facilmente ser adicionado a algoritmos de

negociao existentes:
Fluxo de notcias pode ajudar a prever a volatilidade futura.
Sentiment pode ser trackcd ao longo do tempo como se fosse dados de preos ou de retorno.
Surpresa refere-se diferena entre as estimativas de consenso e valores reais.
Notcia no uma varivel principal mercado como o preo. Cada dia l pode ser apenas um
punhado de notcias que afetam um ativo. Assim:
Notcias algoritmos adaptativos utilizar indicadores adequados para estimativas de
curto prazo de como o mercado pode reagir notcia.
Algoritmos-driven notcias so susceptveis para ser mais como ordens condicionais,
desencadeadas por um resultado ou informaes set.
43 9
Chapter15
Minerao de dados e
inteligncia artificial
Negociao um complexo
processo; mercados continuam ficando mais rpido e
os volumes de dados manter

artificialintelligenceoffer
manchando
minerao escalating.Data
e
a potentialto dar aos comerciantes uma vantagem
ou predictingtrends.
15.1 Introduo
Algoritmos de negociao e tticas de execuo so inerentemente reativa, responder s condies de
mercado com base em regras pr-definidas. No Captulo 10, vimos como eles podem ser reforada por
utilizando modelos de previso de curto prazo para condies de mercado-chave, tais como volume
e preo. Estes permitem uma abordagem mais pr-ativa, fazer encomendas mais passivamente preos.
Contudo, em mercados volteis, tais como aqueles durante a crise financeira de 2007-09, sbita
deslocamentos inesperados podem ocorrer. Esses so difcil de prever e podem previses errado ps
com base em anlise estatstica de dados histricos. Tcnicas como a minerao de dados e artificial
oferta inteligncia o potencial para melhorar as previses de curto prazo para as principais variveis
do mercado, mesmo durante mercados volteis. este porque eles podem incorporar uma gama muito
maior de fatores em seus modelos de previso. Eles tambm podem ser capazes de lidar melhor com
hoje mais marketplaces complexas, onde a negociao fragmentada entre vrios locais.
Minerao de dados toda sobre encontrar e confirmando as tendncias e / ou relacionamentos,
alguns dos quais podem ser bvias, enquanto outros podem ser muito mais sutil. Muitas dessas
tcnicas so puramente estatstico Natural. Certamente, grande parte da anlise da microestrutura do
mercado que temos j visto nos captulos 8 e 10 podem ser vistos como uma forma de explorao de
dados. Da mesma forma, textuais anlise podem ser incorporados. Ento associaes tambm pode
ser inferida a partir de informaes em notcias ou relatrios da empresa, como vimos no captulo 14.
Inteligncia Artificial sistemas (AI) so projetados para se adaptar e aprender, e para que eles
possam efetivamente pensar por si mesmos. L arco dois tipos principais, a saber convencional e
AI inteligncia computacional. Convencional AI uma abordagem top-down, que aplica a lgica e
as regras para tomar decises. Essencialmente, algoritmos de negociao so um exemplo de
convencional AI. Inteligncia computacional leva uma abordagem bottom-up, e inspirado
biolgica mcchanisms. Por exemplo, as redes neurais tente reproduzir a ao de nosso crebro de
neurnios, enquanto a computao gentica simula a evoluo.
Em termos de comrcio e finanas, existem trs principais aplicaes para estas tcnicas: '
Predio
Encontrar associaes / relaes

'Como suggesled em uma reviso por Stephen Smith (1998).
44 0
artificial
A minerao de dados e inteligncia
Gerando strategics comerciais
Todos estes so bastante intimamente relacionados. Previso e minerao associao usam

frequentemente semelhante mtodos para encontrar relacionamentos nos dados. Estes podem
formar a base de novas regras de negociao ou estratgias. Sistemas de inteligncia artificial
so capazes de testar um grande nmero de variaes, em paralelamente, buscar a soluo tima.
Hcnce, eles tambm podem ajudar na criao, teste e ajuste fino de regras para estratgias de
negociao / algoritmos e seus parmetros associados.
Nas sees seguintes, ns ir rever essas tcnicas e examinar alguns dos relatrios sobre a sua
eficcia, em particular para previses de curto prazo. Ns tambm ir considerar como eles podem
ser incorporadas para melhorar a execuo.
15.2 Minerao de dados

Como o prprio nome sugere, minerao de dados toda sobre dados. Atravs da aplicao de
tcnicas analticas, tendncias e pode ser encontrado / ou relaes de dados dentro de, ou entre
diferentes datascts.
Tcnicas de minerao de dados

Dongsong Zhang Lina e Zhou (2004) fornecem uma viso geral de minerao de dados para o
mercados financeiros. Existem vrios tipos principais, a saber:
Classificao e agrupamento anlise
Minerao de sries temporais
Associao de minerao regra

Estes empregam uma gama de diferentes mtodos de anlise / infcrence estatsticos. Eles podem
tambm incorporar mecanismos baseados em Al tais como redes neurais e algoritmos genticos.
Classificao e agrupamento anlise

Classificao e agrupamento anlise ambos buscam identificar caractersticas comuns nos dados.
Algum semelhanas pode ento ser utilizado para as previses, se sincc os resultados so
conhecidos por uma entidade (ou pode ser estimada com preciso) que so susceptveis de ser
comparveis com aqueles por semelhante Propriedades. Note-se que muitas vezes tais previses
incidir sobre a direo em vez do valor potencial. Por exemplo, as condies especficas
podero ser usadas para determinar se um estoque taxa do ndice ou troca ir aumentar ou diminuir
em um determinado intervalo de tempo. Essas anlises podem tambm ser utilizado para a gesto de
riscos ou para detectar potenciais investimentos.
A classificao pode ser estritamente hierrquica, em que propriedades do caso, como pas,
moeda, a indstria eo sector so teis. Outros fatores, como os ndices financeiros (por exemplo,
preo reservar) tambm pode ser usado. A anlise de agrupamento tambm pode ser aplicada para
criar intermediria hierarquias, com base em resultados, como retornos de preos ou
volatilidade.
Alternativamente, uma abordagem mais geomtrica pode ser tomada. Isso muitas vezes
conseguida usando AI- tcnicas baseadas, o que deve abranger na seco 15.3. Por exemplo, o
algoritmo k-vizinhos ncarcst classifica com base no voto da maioria de seus vizinhos. Da mesma
forma, probabilstica redes neurais empregar uma votao ponderada para cada categoria com base na
distncia de teste casos. Mquinas de vetores de suporte tambm pode ser usado para procurar o
PLANC / s que optimamente separar / s quaisquer categorias ou clusters.
Minerao de sries temporais

Em finanas, anlise de sries temporais frequentemente utilizado para a previso. Como vimos no
captulo 10, modelos baseados em regresso, como ARMA, arco utilizado para fazer previses de
curto prazo para os preos ou volatilidade. Perfis de volume histricos so um outro exemplo,
utilizando modelos baseados em mdias para
441
estimar os volumes de negociao futuras.

Anlise de sries temporais tambm pode usar modelos de fatores de tentar identificar
quaisquer caractersticas regulares, tais efeitos cclicos e sazonais. Assim, os dados so
frequentemente de-tendido e normalizada. Tcnicas de ajuste de curva pode ser aplicado, bem como,
usando dados defasados, mdias mveis simples ou mesmo Transformadas de Fourier ou ondas
para tentar modelar os dados. As transformaes tambm podem ser utilizados: deslocando,
descamao ou entortar os dados para tentar destacar quaisquer padres. Devido ao no-linear
natureza de muitas destas tcnicas padres, AI, tais como redes neurais e mquinas de vetores de
suporte, provaram ser eficazes ferramentas de previso. Ns vamos cobrir isso mais profundamente na
seo 15.3.
Alm de previso puramente quantitativa, estas tcnicas tambm podem ser usadas mais
qualitativamente. Por exemplo, uma aplicao comum identificar pontos de viragem no tempo
srie, para determinar quando uma mudana repentina de direco provvel.
Associao de minerao regra

Regras de associao so, provavelmente, mais conhecido por seus exemplos carrinho de
compras. Supermercados pode usar suas bases de dados enormes para determinar as relaes, como
a que tipo de clientes de leite vai comprar com base na sua escolha de cereais matinais.
Em estatstica, uma associao representa qualquer relao hctwcen duas variveis que faz os
dependentes. Em termos de probabilidade, isto significa a ocorrncia de um evento torna mais
provvel que os outros vai acontecer. Correlao frequentemente utilizado para medir estatstica
associaes. Como serra wc no captulo 12, o coeficiente de correlao pode ser encontrada
dividindo a covarincia dos dois variveis pelo produto dos seus desvios padro.
EU Mortes de pedestres DOT

Fonte: US DOT (2009), US DOA (2009)
Figura 15-1 Associao e causalidade

Nota, importante diferenciar entre associao e causalidade. A estatstica associao entre dois
tipos de dados simplesmente isso; isso no implica mais nada. Stephen Johnson (2008) ilustra
isso com dois conjuntos de dados no relacionados clcarly, nomeadamente os EUA importaes
de limes frescos provenientes do Mxico e a taxa de letalidade da estrada EUA. Figura 15-1 mostra
um enredo semelhante de importaes de limo contra mortes de pedestres para o perodo 1994-2000.
Para isso amostra, o coeficiente de correlao (p) -0,965. Como podemos ver a partir da
inclinao negativa em Figura 15-1, parece haver uma associao negativa significativa entre os
dois, com fatalidades diminuindo as importaes de limo aumento.
44 2
artificial
Ao olhar para as associaes, tambm importante considerar a medida de confiana que

podem ter neles. R2 uma medida estatstica da "bondade de ajuste" entre os diferentes conjuntos de
dados. No caso de modelos estatsticos, que mostra como a probabil idade de resultados futuros
devem ser previsto pelo modelo. Um R2 de 1.0 (ou 100%) representa uma combinao perfeita, de
modo que o R2 de 0,93 significa que podemos estar confiantes de que esta associao vlido para
esta amostra de dados.
No entanto, ns realmente podemos inferir qualquer ligao entre as importaes de limo e
acidentes de trnsito?
Mesmo quando encontramos uma associao estatisticamente significativa, difcil provar um nexo
de causalidade. Modelos de probabilidade pode quantificar a probabilidade de ocorrncia de cada
um, enquanto que o teorema Baycs 'ajuda a relacionar as probabilidades condicionais entre dois tais
eventos. Modelos de previso pode tambm ser utilizados, para verificar se um evento pode ser
ligada a eventos subsequentes ou reaces especficas. Embora, importante lembrar que ainda
estamos lidando com probabilidades, no certezas.
Encontrar padres / associaes

No captulo 10, vimos como a anlise estatstica dos dados histricos poderia ser usado para fornecer
modelos de previso de variveis de mercado-chave, tais como preo, volatilidade e liquidez. Grande
parte deste centrada em dados para um ativo especfico. No entanto, a informao til tambm pode
ser inferido de relacionamentos entre ativos, ambos no mesmo mercado e entre os diferentes
mercados ou at mesmo classes de ativos. A minerao de dados pode ajudar a encontrar essas
associaes, permitindo-nos criar modelos de previso que so baseados em uma ampla gama de
dados.
Algumas destas associaes j esto bem conhecido, tal como a beta de um estoque versus o seu
ndice. Outros exigem um pouco mais de trabalho para encontrar. Por exemplo, as relaes avano
/ atraso pode ser encontrada entre alguns sectores-chave e ao mercado como um todo, ou na cadeia
de abastecimento. Eles podem tambm existem entre os pases e entre o dinheiro e mercados de
derivativos. Portanto, tcnicas de minerao de dados automatizadas fornecem uma forma de
buscar til ou promissor relacionamentos. Os resultados podem ento ser examinados mais de
perto para ver como eles so to vivel indicadores preditivos. Eles tambm podem estar
relacionados com outras fontes de informao, tal como notcias e indicadores macroeconmicos,
como vimos no captulo 14.
Relaes entre ativos e os mercados tambm so fortemente dependentes do mercado condies.
s o nvel mais bsico, muitos dos mercados do mundo Arc impulsionado por uma mistura de medo
e ganncia, que por isso que as condies volteis podem to facilmente se espalhar entre os
mercados. Para exemplo, a crise mexicana Peso, a crise cambial asitica, a desvalorizao da
Rssia, a colapso da LTCM, ea debacle 2007/8 sub-prime tudo isso levou a declnios
substanciais, que se espalhou em todos os mercados do mundo. Em tempos to volteis, rastreando
outros mercados-chave, como os EUA, pode ser um outro indicador de previso til. A "fuga para
a qualidade" um poo- estabelecida fenmeno, com os investidores a mudar para lquido mais
seguro, ou mais, durante ativos tempos conturbados. Portanto, tambm podem ser teis para
olhar em classes de ativos, por exemplo durante mercados volteis investidores podem bem mudar
para realizar mais ligaes do que as aes.
Relaes Intra-mercado
Muitos dos estudos que examinam relaes intra-mercado centraram-se sobre as corporaes,
devido sua facilidade de classificao via indstrias e setores.
Um estudo detalhado dos co-movimentos para os sectores da indstria dos EUA foi realizada por
Jarl Kallberg e Paolo Pasquaricllo (2008). Eles criaram um modelo para retornos com base em quatro
fatores fundamentais. Trs delas eram os riscos sistemticos identificadas por Eugene Fama e
Kenneth French (1993): mercado, book-to-market e de risco de pequena empresa. O quarto fator
foi o risco do sector. Eles encontraram uma quantidade significativa de excesso de co-movimento,
com base na variao cooperao entre os preos dos ativos. Para alguns setores, como servios
pblicos e servios no-cclicas, o excesso foi muito mais elevada do que a mdia. Enquanto que
para outros, tais como industriais gerais, no-
44 3
bens de consumo cclicos, Financials e servios cclicos, o excesso era ligeiramente abaixo mdia.
este est resumido na Tabela 15-1, a qual ordenada com base nas suas descobertas.
Exemplos
Setor
Electricidade, distribuio de gs,
Utilities
fornecedores de gua Non-Cyclical Servios
Alimentos / varejistas de
drogas, fornecedores de telecomunicaes Recursos Minerao, petrleo e gs
Hardware,
software e servios de
Informaes Tecnologia
informtica Consumo Cclico Bens Automveis, bens de consumo e txteis
Produtos qumicos, construo / construo
Bsico Indstrias
materiais,
silvicultura e papel, ao e outros metais
Aerospace e defesa, industriais diversificados,
Geral Industrials
engenharia e mquinas
Bebidas, os produtores de alimentos, sade,
Consumer Non-Cyclical Bens
produtos farmacuticos, tabaco
Bancos, seguradoras, companhias de investimento
Financials
Cclica ServicesGeneral
retalhistas, lazer, meios de comunicao, transportes
Mesa 15-1 O excesso de co-movimento para setores especficos
Seu modelo fundamental era s capaz de explicar 27% do excesso de co-circulao para o
mercado como um todo. Enquanto para alguns setores, como recursos e utilitrios, era muito mais
eficaz. Assim, uma proporo considervel do co-movimento era atribuvel aos no- fatores
fundamentais. No entanto, houve tambm uma quantidade considervel, o que no era. Kallberg e
Pasquaricllo passou a investigar alguns fatores adicionais que poderiam explicar o resto do excesso de
co-movcment. Eles descobriram que ele foi negativamente relacionada com a volatilidade do
mercado eo nvel das taxas de juro de curto prazo.
Co-movimento tambm apareceu para ser negativamente relacionada com a evoluo nos EUA
sada monetrios e reais. Por outro lado, foi positivamente relacionado com a disperso eo nmero de
ganhos previses dos analistas, que atua como um proxy para o fluxo de informaes. Momentum,
contempornea e retornos defasados foram encontrados para ter efeitos explicativos insignificantes.
Em geral, estes outros fatores foram capazes para explicar outro 23% do excesso de co-circulao.
Um fator adicional que pode ajudar a explicar o excesso de co-movimento o tamanho da
empresa. Kewei Hou (2002) observaram uma vantagem significativa / lag efeito para as aes em os
EUA, com os retornos de grande as empresas lderes empresas de menores. Lior Menzly e Oguzhan
Ozbas (2004) encontraram que para as empresas de pequena e mdia dimenso cross-industry
impulso poderia ser significativo, enquanto foi insignificante para as grandes empresas (acima da
NYSE a capitalizao de mercado mdia de corte).
A cadeia de abastecimento outro fator potencial para relacionar o preo se move entre os
diferentes setores. A relao lead / lag parece razovel, j que problemas com os fornecedores a
montante poderia bem affcct os retornos futuros de empresas que so dependentes de seus bens. Por
exemplo,
Y.L. Hsich, Don-Lin Yang Jungpin e Wu (2006) usou algoritmos genticos para analisar a relaes
de preos entre as empresas na indstria de tecnologia de Taiwan. Regras foram criadas com base
sobre os retornos dirios. Usando estes, eles descobriram que podiam prever futuras mudanas de
preos com preciso de 60 a 70%. Em os EUA, Menzly e Ozbas (2004) utilizaram o levantamento de
entrada-sada do Bureau da anlise econmica para quantificar a cadeia de abastecimento. Eles
encontraram uma significativa mpeto do upstream e indstrias a jusante. O efeito de indstrias a
montante foi cerca do dobro o tamanho do impulso cross-indstria, enquanto que para as indstrias
transformadoras era menos, mas ainda assim de cerca de 50% maior.
44 4
artificial
Certas indstrias tambm pode actuar como um indicador importante para o mercado como um
todo. Harrison Hong, Walter Torous e Rossen Valkanov (2007) analisou a relao entre indstria e
do mercado retorna em uma srie de pases. Para os EUA, eles descobriram que o retornos de aes
em mais de uma dezena de indstrias mostrou uma vantagem significativa, de cerca de um ms, em
relao ao mercado como um todo. Em termos de importncia econmica, o setor bancrio liderou,
seguido por bens imobilirios, impresso, vesturio e servios. Eles tambm encontraram uma
relao negativa para algumas das indstrias baseadas em recursos, como o petrleo e metais. Em
geral, eles concluram que as indstrias que liderou o mercado tambm atuou como indicadores da
economia actividade. Um efeito similar foi encontrado para outros pases, incluindo o Reino Unido,
Canad, Alemanha, e no Japo, ainda que no havia mais variao no nmero de indstrias
importantes.
Inter-relaes de mercado
A dinmica intradia entre os mercados de aes internacionais foram analisados por Kari
Harju e Syed Hussain (2006a). Uma vez que os retornos foram dessazonalizada, eles
encontraram umacorrelao de 0,54 entre os retornos para o Reino Unido FTSE eo DAX
alemo. Curiosamente, este nmero aumentou para 0,7 em torno de 15:30 hora da Europa
Central (CET), que coincide com o aberto EUA. O significado do aberto dos Estados Unidos
tambm est em destaque na umaEstudo semelhante de Harju e Hussain (2006), onde eles
compararam as mdias intradia retornos para os principais ndices europeus entre os dias
quando os mercados dos EUA estavam abertos ou fechadas. Eles encontraram uma clara mudana
nos retornos em torno de 15:30 CET nos dias em que o
Mercados dos EUA estavam abertos.
Harju e Hussain (2006a) tambm usado um modelo GARCH exponencial vector autorcgrcssive
para analisar a volatilidade. Eles descobriram que os spillovers de preos significativas da Alemanha
e do
US rapidamente se espalhou para o Reino Unido O mercado alemo tambm affcctcd US
retorna, mas que podiam encontrar nenhuma evidncia do Reino Unido que afecte
significativamente os EUA ou a Alemanha.
Uma anlise similar foi realizada por Kate Phylaktis e Lichuan Xia (2008). Eles analisaram os
retornos de aes em toda a Europa, sia e Amrica Latina. No geral, eles encontraram as aes
asiticas a ser mais responsivo ao mercado dos EUA do que para os mercados regionais, enquanto As
bolsas europeias e latino-americanas mostrou mais reao aos mercados regionais do que os
EUA Dito isso, Uma exceo notvel a tecnologia da informao, que foi encontrado para ser
globalmente responsivo para as empresas de todas as regies.
Robin Brooks e Marco Del Negro (2003) quebrou retorna ao global, pas e componentes
especficos da indstria para as unidades populacionais de 20 pases. Eles confirmaram que o
nvel de risco para um estoque era dependente de sua exposio internacional. Encontrou-se uma
aumento de 10% nas vendas internacionais para aumentar a exposio do estoque a choques globais
em 2%, enquanto reduzindo sua risco especfico pas em 1,5%.
Relaes transversais de classe de ativo

Muita pesquisa tem focusscd sobre as relaes avano / atraso que podem existir entre ativos classes,
particularmente entre dinheiro e derivados. O potencial de arbitragem significa que a pricc
diferenas entre os mercados devem geralmente no ser maior do que os custos de executar a
arbitragem.
Jeff Fleming, Barbara e Robert Whaley Ostdiek (1996) analisaram as relaes entre os
ndices de aes e de seus mercados de futuros ou de opes. Eles encontraram que o lead / lag
relaes de retorno entre esses mercados foram consistentes com os seus cus tos comerciais
relativos. o derivados do ndice de eficincia de custos apareceu para levar os preos no mercado
de aes, por sua vez, os preos do ndice de futuros tendem a levar aqueles de opes de ndice.
Resultados semelhantes foram encontrados em um Anlises de o ndice KOSPI coreana 200 por
Jangkoo Kang, Soonhcc Lee e Lee Changjoo
445
(2004). Eles observaram que tanto os futuros e mercados de opes levou os preos do ndice
dinheiro por at dez minutos, mesmo quando contabilizao dos custos de transao. Eles tambm
analisaram a relao para a volatilidade e encontrou o mercado vista novamente ficou para as
outras, desta vez por cerca de cinco minutos.
A relao lead / lag para S & P 500 opes de ndice foi analisada por Phelim Boyle, Soku
Byoun e Hun Park (2002). Eles tambm descobriram que os contratos levou o ndice de caixa.
Dentro outro estudo, Fleming, Ostdiek e Whaley (1996) observou que, em termos de lead / lag
relacionamento, os preos das chamadas de ndice e puts ndice movidos juntos. No entanto, a
anlise de de curto prazo (ATM) CAC 40 opes de-the-money ndice por Alexis Cellier (2003)
observou umadiferena marcante entre calls e puts. As opes de compra levou o ndice de caixa
em at cinco minutos, embora um efeito significativo foi encontrado para durar at quinze minutos.
Os puts foram encontrados para ser mais contemporneo do ndice.
Para opes de aes individuais, Richard Holowczak, Yusif Simaan Liuren e Wu (2006), e
Sugato Chakravarty, Huseyin Gulen e Stewart Mayhew (2004) analisaram a descoberta de
preos com estoques dos EUA. Ambos os grupos encontrados estoques tendem a levar os preos
das opes. Embora, tambm observaram que durante os perodos de substancial negociao de
opes no mercado de opes tornou-se mais informativo. Em seu estudo, Chakravarty, Gulen e
Mayhew (2004) estimou que a contribuio do mercado de opo de descoberta de preos foi de
cerca de um quinto, por isso houve um significativo fluxo de duas vias entre os dois mercados.
Em trabalhos anteriores, Matthew O'Connor (1999) tambm constatou que o mercado de aes
liderou o mercado de opes. Ele observou que a liderana estava relacionada com os custos de
negociao das opes. Enquanto Holowczak, Simaan e Wu (2006) observou que o aumentar uso
de algoritmos citando automatizados por fabricantes de opes de mercado estava ajudando aumentar
a confiana no mercado de aes para os preos.
As relaes entre a obrigaes de empresas, swaps de crcdit (CDS) e estoque mercados
foram analisados por Lars Norden Weber e Martin (2005), para uma amostra de 90 empresas da
Europa, os EUA e sia. Retornos de aes foram vistos a conduzir mudanas em spreads para ambas
as ligaes e CDSs. Eles tambm descobriram que o CDS espalhar mudanas eram propensos a ter
mais influncia sobre spreads do que vice-versa. A liderana do mercado de aes pode ser a
sua ascribcd maiores volumes de liquidez e negociao, bem como no caso de curto-circuito em
relao existncias. Resultados semelhantes foram encontrados em um estudo de base dos EUA no
incio por Francis Longstaff, Sanjay e Mithal Neis Eric (2003). Eles observaram que tanto o
estoque e os mercados de CDS liderou a obrigaes de empresas mercado. Em seu estudo, Norden e
Weber (2005) encontraram CDSs que foram mais sensveis move-se no mercado de aes do
que ttulos, e este efeito aumentou para as empresas com crdito inferior avaliaes. Esta
sensibilidade adicional foi explicado pelo fato de que CDSs representam emissor puro risco de
crdito, ao passo que os ttulos so um pacote de tanto o risco de crdito e risco de mercado.
Para as moedas, Tiffany Hutcheson (2003) analisaram as diferenas entre os intraday devolues
com base em contratos de futuros FX do CME e Reuters preos spot para o euro e os EUA dlar. Ela
descobriu que o mercado spot liderou o mercado de futuros, dentro de um perodo de 5 minutos.
As relaes para os preos das commodities foram estudados por Frank Asche e Alle
Guttormsen (2001). Eles analisaram a relao entre os preos vista e futuro para o gs (ou
aquecimento) leo no International Petroleum Exchange (1PE). Eles viram que o preo de futuros fez
de fato levar os preos spot. Eles tambm relataram que os preos dos contratos de futuros com
umamais tempo para expirao levou aqueles que estavam mais prximos do vencimento.
Crises e contgio
As relaes que existem dentro e entre os mercados pode mudar consideravelmente durante
perodos extremas. Em termos de relaes intra-mercado, a pesquisa mostrou que a correlao
tende a aumentar para movimentos para baixo, de modo que este pode ser um problema
importante para previses.
44 6
artificial
Param Silvapullc e Clive Granger (2001) analisaram os retornos dirios para o Dow Jones
Estoques industriais entre 1991-9. Eles confirmaram que a correlao entre eles aumentou para
grandes movimentos negativos do mercado, enquanto no houve diferena not vel para grandes
movimentos positivos. Concluram que esta reaco reduziu os benefcios de diversificao, assim
nas crises carteiras podem ser expostos a mais riscos do que expectcd. UMA aumento similar na
correlao durante quedas de mercado foi relatado por Andrew Ang e Joseph Chen (2002). Em
sua anlise das correlaes entre as unidades populacionais dos Estados Unidos e do mercado como
um todo, eles observaram o efeito foi mais forte para as quedas mais extremas. Eles tambm
descobriram que as maiores mudanas na correlao eram empresas lor que eram menores, tinha
visto baixos retornos recentemente ou poderia ser catcgorised como aes "crescimento". Uma
mudana significativa tambm foi observada para os setores tradicionalmente defensivos, tais
como petrleo e utilitrios. Curiosamente, os estoques com betas mais baixos foram os mais afetados;
stocks de maior risco foram menos afetados.
Em todos os mercados, Donald Lien, Y.K. Tse e X.B. Zhang (2002) analisaram a relao entre
aes e futuros mercados para o ndice Nikkei 225 entre 1995 e 1999. Eles descobriram trs flanelas
de mudanas estruturais. A primeira delas se originou no mercado de futuros, como seria de esperar;
Contudo, os outros dois foram conduzidos pelo mercado de aes. Eles tambm descobriram outra
mudana estrutural no mercado de aes, embora isto no no parece ser grande o suficiente para
afetar os futuros. Hencc, as relaes tradicionais avano / atraso que vimos em o anterior subseco nem sempre segurar durante as crises.
Tambm foi observado um aumento global na correlao durante as crises. Francois e Longin
Solnik de Bruno (2001) usou "teoria do valor extremo" para obter a distribuio de correlaes
entre extremos os mercados de aes dos EUA, europeus e asiticos. Estabeleceram que a changc em
correlao foi relacionada com a tendncia do mercado, em vez de a volatilidade do mercado. Assim,
correlao foi vista a aumentar nos mercados em baixa, mas foi menos afetado em mercados de
touro. L estava Uma mudana notvel nos correlao para uma queda de 10%, enquanto que um
aumento de 10% se comportou como expectcd. Eles concluram que a probabilidade de ter
grandes perdas simultaneamente em dois mercados maior do que se poderia esperar. Simon
Sosvilla-Rivero e Pedro Rodrguez (2004) tambm estudou a relao entre o S & P 500, FTSE
100 e os Nikkei 225 ndice de aes. Eles descobriram que o S & P 500 parecia levar os outros dois
mercados em termos de retornos extremos positivo ou negativo.
A pesquisa tambm se concentrou em como essas crises, distribudos por mercados. Por
exemplo, um NICC Resumo da crise monetria asitica fornecida por Jarl Kallberg, Crocker
Liu e Paolo Pasquariello (2005). Eles examinaram ambos os retornos e volatilidad e das moedas
e das existncias e rastreados como os choques de informao mudou de pas para pas na poca
1992-1998 perodo. Para volatilidade, eles encontraram que as primeiras quebras na verdade,
agrupados em torno da 1994-5 Crise Peso Mexicano para a Malsia, Taiwan e Tailndia. Breaks
volatilidade foi encontrado com o de outros pases asiticos em relao ao final de 1997. Os
mercados de aces foram, ento, afetado pela volatilidade da moeda. Choques de retorno foram
encontrados para afetar Malsia e Coreia do Sul no incio de 1998, estes, em seguida, se espalhou
pelo resto da sia. Phylaktis e Xia (2008) tambm examinaram ambos as crises mexicana e asitica
em sua anlise sectorial. Eles descobriram que quase a metade scctors na Europa, sia e
Amrica Latina foram afetadas pela crise mexicana. No entanto, em a Crise cambial asitica,
eles no encontraram nenhum contgio adicional na Europa ou na Amrica Latina.
Os efeitos de contgio tambm tm sido estudados para os mercados de dvida. Amar e Gandc
David Salsa (2005) analisaram o dlar norte-americano de capital aberto denominada dvida
soberana para 34 pases em toda a Europa, sia e as Americas. Eles descobriram que, em mdia, um
um- notch downgrade, tais a partir de AA + para AA, para classificao de crdito de um pas levou a
um aumento dos spreads dos ttulos soberanos para os outros pases. Assumindo um rendimento de
6%, eles estimaram isso poderia conduzir a uma alterao de 12 pb na propagao. Eles tambm
encontraram evidncia para competitiva
447
transbordamentos ocorrendo, assim um downgrade para um pas com comrcio altamente

correlacionados negativamente ou fluxos de capital para os EUA, na verdade, levou a uma
diminuio dos spreads para pases semelhantes.
Durante as crises, muitas vezes h uma "fuga para a qualidade". George Theocharides (2006)
encontrado prova disto para as obrigaes dos EUA; resultando em spreads maiores para ttulos
corporativos e uma gota de os rendimentos de ttulos do Tesouro dos EUA. Ele tambm observou
uma tendncia para ttulos mais antigos a ser negociadas durante esses perodos. Mas para ns
ttulos corporativos, ele descobriu que a empresa tinha choques especficos efeitos
negligenciveis sobre os ttulos de empresas do mesmo setor.
A investigao ainda divididos sobre exatamente como e por que o contgio ocorre. A
minerao de dados tem foi aplicado a tentar identificar as causas do contgio. Por exemplo, tem
sido associada dinmica de fundamentos econmicos, tais como taxas de juros. Na verdade,
Robert Shiller (1989) encontrada que uma proporo marcada do excesso de covarincia entre os
estoques dos EUA e do Reino Unido poderia ser explicado pelas taxas de juro positivamente
correlacionados. Um bom resumo da investigao em contgio fornecida por Kallberg e
Pasquariello (2008): Estudos realizados por Kathy Yuan (2005), Albert Kyle e Wei Xiong (2001) e
Guillermo Calvo (2002) centraram-se na liquidez choques, devido actividade de trading dos
investidores financeiramente restritas. Outros pesquisadores, como Paolo Pasquariello (2007) e
Jeff Fleming, Chris Kirby e Barbara Ostdick (1998) tem concentrou-se na carteira de reequilbrio
atividade dos investidores. Ambas so provavelmente contributivo fatores, porm, mais
pesquisas sero necessrias para quantificar totalmente a sua importncia relativa.
Precaues importantes para minerao de dados

A anlise estatstica uma ferramenta importante, mas tambm pode ser um perigoso. Na
verdade, existem mentiras, malditas mentiras, e estatsticas, como popularizado por Mark Twain
(1907). Como acontece com qualquer anlise, devido cuidado deve ser tomado para verificar
eventuais relaes que podem ser descobertos. isto essencial para aplicar checagens
econmicos e uma vasta gama de testes antes demasiado leia em qualquer relacionamento.
Stefan Zemke (2002) fornece uma boa reviso de algumas das armadilhas potenciais que deveria
ser considerado ao lidar com dados financeiros. Em particular, ele enfatiza a importncia do pr processamento de dados. Para comear, devemos ter certeza de que a qualidade dos dados bom o
suficiente. o velha mxima "garbage in, garbage out" mantm to verdadeiro para a anlise estatstica
como para programas de computador. Portanto, importante ter cheques em lugar para
inspecionar e, se necessrio, limpe os dados. Valores atpicos aparentes podem de fato ser
verdadeiro; que pode ser devido a eventos, como desdobramento de aes ou dividendos. Da
mesma forma, os dados em falta podem precisar de ser back-cheia, ou simplesmente excludos.
Inferindo relaes de dados tambm deve ser feito com alguma cautela. Mais uma vez,
importante lembrar que todas as associaes, muitas vezes simplesmente refletir uma
probabilidade de, em vez de um relacionamento verdadeiramente causal: S porque um evento que
aconteceu, isso no garante necessariamente nada - Embora possa fazer eventos relacionados mais
provvel de ocorrer. Um comumente exemplo citado a falcia 'Texas atirador ": Se ns basta olhar
para um alvo com vrias tiros em ponto morto, poderamos supor que o atirador tinha uma boa
pontaria. No entanto, sem ter visto os tiros no sabemos quo longe eles foram retirados, ou mesmo se
o alvo foram pintados sobre depois! Em outras palavras, sempre importante verificar se o
relacionamentos descobertos faz sentido econmico. Isso tambm pode significar tendo em
conta fatores como custos de transao.
Para relacionamentos de ser significativa, devem basear-se em um conjunto de dados com um
tamanho razovel. Dois Os pontos podem ser sempre acompanhado por uma linha recta (com um
R2 de 1,0 ou 100%). Por exemplo, para trs na figura 15-1 vimos que os dados para as importaes
norte-americanas de limo e mortes de pedestres foram intimamente relacionados, com um R2 de
0,93. No entanto, esta apenas para os resultados anuais de 1994- 2000; na verdade, este intervalo
foi escolhido apenas porque aconteceu para dar uma correlao alta e
44 8
Dat um g minin e inteligncia artificial
R2. Se expandirmos o perodo at 2008, a correlao cai para -0,554, com um R2 de apenas
0.31.
Outro risco quando a minerao de dados o potencial para over-fitting de dados.
Essencialmente, este significa que a relao descoberto funciona perfeitamente para os dados
lest; hut logo que expostos a dala real ela d resultados completamente inteis. Por exemplo,
vamos considerar se existe pode ser qualquer ligao hetween o Dow Jones Industrial Average
(DJIA) e dos EUA acidentes de trnsito a partir de 1995-2007, como mostrado na Figura 15-2.
14000
12000
10000
<8000
6000
4000
2000
0
4600
4800
5,0005,200
5400
5600
5800
US DOT fataiities pedestres

Fonte: US DO T (2009)
Figura 15-2 Os perigos do excesso de encaixe dados

Mais uma vez, a correlao de -0,87 e um R2 de 0,75 mostra um ajuste razoavelmente estreita
entre estes conjuntos de dados. Talvez se ns adicionamos alguns outros conjuntos de dados, um
relacionamento significativo pode ser encontrado. David Leinweber (2000) leva a cabo um
exemplo brilhante de presente: ele comea com a retorna para o S & P 500, encontrando um ajuste
razovel com o nvel de produo de mordomo em Bangladesh, conseguindo um R2 de 0,75.
Determinado a melhorar o modelo que ele em seguida, descobriu que incorporando a produo
de queijo EUA ea populao de ovinos de ambos os pases aumentou o R2 de 0,99 para o perodo
de teste. Igualmente elevado R2 foram alcanados por modelos usando equipada polinmios
com base em dgitos do ano. Ento associaes pode ser encontrada quase hetween qualquer
coisa se voc olhar duro o suficiente.
Obviamente, estes so propositadamente exemplos bizarros. Sem surpresa, as relaes so
inexistentes fora do perodo de teste. No entanto, Leinweber faz o ponto-chave que apenas porque os
grficos de regresso para estertores de juros ou PIB parecem plausveis, as estatsticas podem
s vezes ser to sem sentido. Assim, ao analisar os dados, importante a reter umaparte para
permitir testes de "out-of-sample". Leinweber tambm sugere que esta deve ser feito tanto um
temporal e uma base de seco transversal.
15.3 Inteligncia artificial

O termo Inteligncia Artificial (AI) foi cunhado pela primeira vez por John McCarthy no 1956
durante um workshop sobre computadores e inteligncia em Dartmouth. Al sistemas so
projetados para se adaptar e aprender, e de forma to eficaz pensar por si mesmos.
O progresso da Al teve certamente seu quinho de "altos e baixos". Estimulado pelo incio
sucesso na dcada de 1960 Al parecia imparvel. Uma breve desacelerao na dcada de 1970 foi
seguido
449
por um aumento na dcada de 1980 como a sbita disponibilidade de computadores pessoais ajudou a
becomc mais comercial. Na verdade, em 1985 o mercado de sistemas de inteligncia artificial tinha
atingido um bilho de dlares, de acordo com Daniel Crevier (1993). Na meados de 1980, sistemas
de inteligncia artificial se espalhar para financiar e mais especificamente negociao, anunciando a
alvorada de Al-driven negociao automtica. Embora as duras realidades de lidar em mercados do
mundo significava que muitos desses sistemas tornou-se write-offs dentro alguns anos. No geral, a
falta de resultados significava a lua de mel acabou e grande parte do corporativo e financiamento do
governo para pesquisa AI desapareceu.
A dcada de 1990 viu o ressurgimento de tcnicas de IA, em especial no setor de tecnologia. isto
novamente becamc manchetes em 1997, quando o computador Deep Blue da IBM conseguiu bater
a Gro-Mestre Gary Kasparov no xadrez, quase 50 anos depois que os primeiros pesquisadores de
AI tinha comeado. Sem surpresa, aplicaes financeiras para AI esto novamente sendo
encontrado.
Tipos da inteligncia artificial

AI, na verdade, pode ser dividida em duas abordagens principais:
Convencional AI
Inteligncia computacional
AI convencional uma abordagem top-down que usa a lgica e as regras para tomar decises.
este geralmente se baseia em dados que foram traduzidos em smbolos conhecidos, empregando
custom- bases de conhecimento mA CC ou anlise estatstica. Exemplos de AI convencional
incluem especialista e caso baseado em sistemas de raciocnio, bem como redes Bayesianas.
Por outro lado, inteligncia computacional uma abordagem bottom-up que leva seu inspirao
de mecanismos biolgicos. Por exemplo, as redes neurais tente reproduzir o ao de neurnios do
nosso crebro, enquanto computao evolutiva simula populaes. De outros so exemplos de
sistemas inteligentes, os quais so hbridos uma combinao de mecanismos neurais e evolutivos,
enquanto que a lgica fuzzy oferece solues de probabilidade com base.
AI convencional
AI convencional geralmente baseada na lgica. Especialistas definir regras para como
identificar especfico situaes e quais as aces a tomar em resposta a eles. Estes podem ser
divididos em declaraes lgicas simples: se cthis acontece> THEN <fazer isto> ELSE <fazer
isso instcadx As regras tambm devem ser colocados no contexto; Assim, estruturas
semelhantes a rvores de deciso pode ser costumava Garantir que eles arco seguido em uma
ordem sensata. Uma vez suficiente destes so definidos, tem um sistema todas as noes bsicas de
como lidar. Obviamente, porm, existem algumas nuances sutis - haver sempre situaes que
simplesmente no seguem as regras.
Tudo isso soa bem familiar, uma vez que um algoritmo de negociao essencialmente uma
coleo complexo de regras cada um projetado para responder a vrios eventos. As regras em si
geralmente foram determinados por comerciantes experientes ou quantos. Ento, em essncia, um
algoritmo de negociao apenas um exemplo de um sistema especialista AI.
AI convencional pode tambm ser usado para fazer previses; No entanto, a dependncia em
relao explcita regras significa que menos adaptvel do que tcnicas envolvendo inteligncia
computacional.
Inteligncia computacional
Inteligncia computacional, ou soft computing, aplica-se uma variedade de tcnicas diferentes,
usando elementos de aprendizagem, otimizao e adaptao / evoluo.
Aprendizado de mquina usada por sistemas de computador para reconhecer padres
complexos em dados e tomar decises inteligentes com base nesta. Existem trs categorias
principais:
Aprendizagem supervisionada
45 0
artificial
Aprendizagem no supervisionada
Aprendizado por reforo
Aprendizagem supervisionada adotado por muitas tcnicas de computao do solo, a partir

do algoritmo k-vizinhos mais prximo de redes neurais e mquinas de vetor de suporte. Durante
o treinamento, as sadas ideais so fornecidos para entradas de teste. Assim, o mecanismo de
aprendizagem tentar validar seus prprios sadas contra estes valores-alvo. Ciclos repetidos deve
significar que otimiza-se a produzir uma sada muito mais prximo do ideal. Com o aprendizado
no supervisionado, no h sadas de teste so fornecida, de modo que o mecanismo deve
encontrar outra maneira de validar a si mesmo. Aprendizado por reforo leva uma abordagem
diferente: em vez de usar um perodo de treinamento dedicado, ele se baseia em constante
realimentao a partir do seu ambiente. Algumas redes neurais usar sem superviso ou reforo
aprendendo.
Optimizao tambm importante. Para muitos problemas, no uma soluo ptima, o que
pode ser encontrado atravs de pesquisa atravs as possveis solues. Computational Intelligence
pode ser empregue para pesquisar na soluo de espao de modo mais eficiente.
Da mesma forma, a adaptao uma outra considerao chave. Uma das quedas de
convencional Al o facto de que podem surgir situaes em que nenhum as regras prdeterminadas caber. De ser capaz de se adaptar, ou evoluir, inteligncia computacional tem uma
melhor chance de lidar com tais situaes.
Nos seguintes sub-sees, examinaremos alguns destes mtodos mais detalhadamente,
comeando com o algoritmo do vizinho mais simples k-mais prximo, em seguida, progredindo
para neural redes e mquinas de vetor de suporte e algoritmos genticos, finalmente, e
programao.
k-n algoritmo do vizinho earest
O k-vizinhos mais prximos (k-NN) algoritmo classifica objetos com base em uma maioria de
votos
seu mais prximo kvizinhos, onde E um nmero pequeno. Para comear, precisamos
semear o mecanismo com algumas atribuies de amostra. Por exemplo, a Figura 15-3 mostra
um exemplo onde os objetos j foram classificados como tipo 1 ou tipo 2.
, 42
-J .
\ Eu
Eu"
#B
2 \ /: = 2, /
; //
=/
UMA
"
2/
k=5
Figura 15-3 Um exemplo de classificao K-NN
Ao classificar objetos de amostra, se k = 2, ento A ser classificado como tipo 1 desde a sua
closcst dois vizinhos so ambos tipo 1, enquanto que B ser classificado como tipo 2, como
mostrado pelo sombreado crculos. E se agora usamos k = 5, por exemplo um de trs dos cinco
vizinhos closcst so agora tipo 2, assim A seria reclassificada como tipo 2. Embora este seja um
exemplo simples em 2D, o conceito pode tambm ser prorrogado por mltiplas dimenses.
O mecanismo de K-NN podem ser utilizados para a regresso, bem como, de modo que o valor
ideal para o nosso
451
objeto amostra calculada com base nos valores mdios para o seu kvizinhos mais prximos,
cada ponderada pelo a sua distncia a partir da amostra. Note-se, h muito pouco treinamento
para o algoritmo k-NN; isto simplesmente consiste em armazenar os detalhes para as amostras
de treinamento semeadas. O resto feito na fase de classificao.
Redes neurais
Redes neurais artificiais (RNAs), tambm conhecidas como redes neurais, tomar o seu
biolgica inspirao do mecanismo de neurnios. O crebro uma rede complicada de neurnios
interconectados onde a informao transmitida por estimulao eltrica. Os sinais so
recebido por dendrites de um neurnio, ou ramos, que por sua vez se conectam a muitos outros
neurnios. Se os sinais eltricos suficientes forem recebidos, o neurnio pode tornar-se activado;
em cujo caso que vai transmitir um sinal a outros neurnios, atravs do seu axnio. O crebro humano
tem cerca de uma centena bilho (1011) neurnios enquanto h maio, ele 100-500 trilhes (1012)
conexes (ou sinapses), com base em estimativas de David Drachman (2005).
Cada n uma rede neural imita a estrutura biolgica bastante estreitamente, como na Figura 15-4
tenta mostrar. Um n leva insumos IIi2,3 que so ento processados e a sada resultante On
transmitida. O processamento pode ser dividido em dois, em primeiro lugar soma dos dados de
entrada que determina ento que tipo de sada do sinal apropriado (se em tudo).
Figura 15-4 Um n de rede neural

Note que a funo somatrio aplica distintos pesos wL2.3 para o correspondente insumos, de modo
que os sinais de algumas conexes pode ser dada mais importncia do que outros. o funo de
activao determina a sada apropriada para o n, com base nesta entrada informaes. Muitas
vezes, a funo de ativao um mtodo razoavelmente simples que normaliza o entradas
somadas a tornar-se um valor nos intervalos [1, 1] ou [0, 1]. Isto pode ser conseguido com uma
funo de limiar (que s apresentam sada um valor definido se as entradas so mais do que um
especfico limite) ou com Gaussiana contnua, ou funes trigonomtricas sigmide.
O n mostrado na Figura 15-4 , efectivamente, um exemplo de um pereeptron, que estava
inventados por Frank Rosenblatt em 1957. Por si s, esta de uso limitado; No entanto, quando
vrios ns so ligados entre si as redes resultante pode ser muito mais potente e verstil. A
Figura 15-5 mostra alguns exemplos de redes em que cada crculo representa um n individual. Por
sua vez, cada um destes gnglios pode ser classificado como sendo de entrada, sada ou oculto.
Geralmente, existe um n de entrada para cada varivel a ser investigado. O nmero de ns de
sada depender da informao que a rede tem de gerar. Entre estes, h pode ser qualquer nmero de
ns escondidos, actuando como as etapas intermedirias no processo de transio a partir de de
entrada para os dados de sada. Elas so muitas vezes dispostas em camadas, embora as redes
podem ser usadas tambm.
45 2
Minerao Dala e inteligncia artificial
Camada de entrada
(a)
Camada de sada i camada de entrada
Laverfs escondidos ')
j(b)
Camada de sada
Oculto pia (s)
Figura 15-5 Exemplo (a) alimentar-forward e (b) as redes neurais recorrentes

O tamanho global de uma rede uma considerao importante. Muito poucos de ns e ele pode
falhar para ajustar os dados bem o suficiente, muitos e torna-se um fardo computacional
significativa. Existe tambm o risco de sobre-encaixe de dados, o que pode levar a rede para
comear a modelar o rudo aleatrio. Infelizmente, no existe um verdadeiro consenso sobre
exatamente a melhor forma de tamanho uma rede. Como uma regra prtica, Lou Mendelsohn (1993)
sugere o uso de entre metade e dobrar o nmero de variveis de entrada como ns escondidos.
Dito isto, a arquitetura de uma rede neural muito mais do que apenas quantos ns de TI
emprega. Ele tambm especifica a forma como os ns esto interligados e como os sinais
fluem atravs a rede. Em termos de como sinais de fluir atravs de redes Figura 15-5 mostra os
dois principais tipos, ou seja aliment-forward e recorrente. Sinais de processo redes de
alimentao para a frente em linear moda. Ento eles arco organizado bem como os internos de
cada n. Redes recorrentes permitir que os sinais a fluir em ambas as direces. Ns podem
conectar-se a si mesmos ou at mesmo ns em camadas anteriores, quanto pudermos sec na
Figura 15-5 (b). Estes loops de feedback significa que recorrente redes pode manter informaes
de estado adicionais, permitindo-lhes adaptar-se a entrada de melhor sinais que mudam ao longo do
tempo.
Tambm h uma gama de outras arquitecturas de catering para aplicaes especficas, como o
redes neurais de regresso probabilsticos e gerais. Para mais detalhes destas abordagens,
umaviso geral agradvel fornecido em o DTRcg (2008) website e por Joardcr Kamruzzaman,
Rezaul Begg e Ruhul Sarker (2006).
A formao da rede tambm uma considerao importante. Propagao de volta
umamtodo de aprendizagem supervisionada comumente adotada. O valor de erro a
diferena entre o valor de sada e a figura desejada. Na propagao para trs, este valor de
erro passado para trs atravs da rede, de modo que cada n escondido pode comparar isso com
a sua prpria entradas para ver como estes se relacionam fortemente para a sada desejada. Os ns
escondidos em seguida, modificar os pesos para estes para reduzir o erro global. Depois uma srie
de ciclos, os coeficientes devem ser optimizadas.
Um de as desvantagens de redes neurais a sua natureza "caixa preta". Aps o treinamento, um
modelo pode fornecer resultados teis, mas para determinar a forma como isto foi conseguido
atravs descodificar as diversas ponderaes para descobrir as relaes. Dito isto, intrpretes
pode ser criado para lidar com isso; de fato, os investigadores tm vindo a utilizar outras
tcnicas de IA, tais como algoritmos genticos ou de programao, para fazer isso
automaticamente.
45 3
Mquinas de vetores de suporte

Uma mquina de vetor de suporte (SVM) classifica objetos, buscando o avio que os separa de forma
otimizada. Por exemplo, a Figura 15-6 (a) mostra o problema de classificao que considerado na
Figura volta 15-3. A linha a cheio representa um plano entre os dois tipos.
Figura 15-6 Exemplos de (a), (b) classificao e regresso SVM

SVM tambm pode ser aplicada a regresso, como se mostra na Figura 15 -6 (b), usando
Vladimir Funo de perda (1995) Erro-insensitive de Vapnik. A linha em negrito representa
o melhor plano para os valores de dados, a partir do qual podemos realmente interpolar os
valores ideais. As linhas pontilhadas mostram limites adicionais que incorporam um erro mximo
permitido. Quaisquer dados externos este limite efetivamente ignorado.
Os exemplos mostrados na figura 15-6 tm solues simples lineares; no entanto, SVMs arco
tambm capaz de lidar com os problemas que abrangem mltiplas dimenses. Para uma anlise mais
detalhada dos SVMs Kristin Bennett e Colin Campbell (2000) relatrio um bom ponto de partida.
De muitas formas, modelos SVM so realmente muito semelhantes a redes neurais, embora a sua
formao muito diferente: Essencialmente, como resolver um problema de programao
quadrtica com restries lineares. Assim, para problemas de otimizao, isto significa que ser
encontrada uma soluo nica e global tima. No existe risco de solues atingindo mnimos locais,
que
pode acontecer com tcnicas como a propagao de volta.
Computao evolutiva
Algoritmos evolutivos arco com base na teoria da seleo natural, proposta inicialmente por
Charles Darwin (1859). Caractersticas ou propriedades que so bem sucedidas tornam -se cada
vez mais comum ao longo de geraes de succcssivc uma populao. Isto devido ao aumento da
probabilidade de sobrevivncia de indivduos com essas caractersticas. Evoluo baseia -se na
transmisso dessas caractersticas por herana gentica, como bem como a inovao fornecida
por mutao.
As simulaes de computador da evoluo comeou na dcada de 1950, mas um dos
modelos mais conhecidos ainda (1970) Jogo de John Conway da vida, um enganosamente simples
ccllular baseado em grid autmato.
Algoritmos genticos
Algoritmos genticos (AGs) becamc popular na dcada de 1970, principalmente baseado no
trabalho de John Holland (1975). Para o gs, a populao de indivduos representam possveis
solues para umadado problema. A funo de fitness usado para medir a qualidade de cada
indivduo. Ciclos evolutivos arco repetido depois, com seleco enviesada para assegurar que o
prximo gerao baseia-se aqueles com as maiores pontuaes. Um bom resumo deste ciclo
45 4
artificial
fornecida por Jin Li e Edward Tsang (1999):

1. Crio uma populao inicial.
2. (uma) Avaliar a aptido de cada indivduo.
(b)
Selecione os conjunto de pais para a prxima gerao.
(c)
Crio uma nova gerao de indivduos.
3. Repita o passo 2 at que os ciclos necessrios estejam concludos ou o tempo acabar.
o objetivo que uma vez que estas iteraes terminar a populao deve ser dominado por os
maiores indivduos de pontuao, e assim espero que as melhores solues possveis para o problema.
Porm, isso no garante que o timo global ser alcanado.
Cada indivduo na populao pode ser definida como uma sequncia de genes, que por sua vez
Corresponde a um conjunto de configuraes ou parmetros especficos para a soluo necessria.
Muitas vezes, estes so codificados de forma binria, como se mostra na Figura 15-7:
010011100 01
Figura 15-7 representao binria por uma soluo GA indivduo
Isto porque o formato de bit a bit muito fcil de manipular durante a simulao
reproduo e mutao. A reproduo baseada em um cruzamento gentico, tal como mostrado na
Figura 15-8 (a): Os genes de cada um dos pais so cortados em dois, em algum momento
aleatrio (marcado pela linha pontilhada) e depois emendado com o restante correspondente de seu
parceiro. Isso gera irmos que compartilham partes de caractersticas de cada um dos pais.
(uma)
0 1 0 0 0 0 o | 1 1 0 1 0 0 10 0 0 0
<
4
1 0 0 0 1 1 10 0 0 10 1 0 0
0100111000 1
0001
1111101
Eul l 1 0 0 1 0 0 0 0 i
Figura 15-8 Exemplos de GA (a) a reproduo e (b) mutao

A funo de fitness , obviamente, fundamental para encontrar boas solues. Muitas vezes,
a determinao da aptido de uma potencial soluo implicar a execuo de uma simulao
separada. Por exemplo, a configuraes individuais podem corresponder a definies para um
conjunto de regras de negociao. Estes sero, em seguida, precisam ser novamente testados para
determinar a sua eficcia. S ento pode o condicionamento fsico geral ser classificado.
Uma vez que existe o perigo de que a populao pode simplesmente girar em torno um nico
bom soluo, tambm importante para incorporar mutao, que adiciona o potencial para
completamente novas variantes. Como podemos ver na Figura 15-8 (b), com uma implementao
bit a bit este extremamente simples, uma vez que tudo o que precisamos de fazer alternar o valor
em pontos aleatrios. Mutao ajuda a aumentar o potencial para a populao para abranger uma
ampla gama de solues possveis, e assim por digitalizar mais do spaee busca da soluo ideal. Uma
alternativa para a mutao a utilizao de imigrao, caso em que completamente novos indivduos
so gerados aleatoriamente e introduzida em cada ciclo, conforme sugerido por Jurgen Branke
(1999).
455
Programao gentica
Genctic programao (GP) uma progresso natural do trabalho feito por algoritmos genticos. Ao
invs de depender de bit-strings simples, os indivduos so baseadas em dados mais complexo
estruturas, tais como rvores. Isso permite que a modelagem ainda mais sofisticado. O trabalho no
incio este Realizada foi liderado por John Koza (1992). Inicialmente, a maior parte do foco era a
evoluo real programas de computador; no entanto, isso desde ento se expandiu para abranger
domnios to diversos como computao quntica e de design eletrnico.
Estruturas base de rvores so idealmente adequados para expresses matemticas, por
exemplo, a Figura 15-9 (a) mostra uma rvore para a equao (8 * ((3 + 2) / 4)). Da mesma forma,
eles podem tambm ser utilizados para codificar as regras de negociao. Por exemplo, a Figura 15-9
(b) mostra uma regra que requer a negociao Preo de oferta de ser inferior a 10 e o tamanho
correspondente para ser mais do que 500.
Figura 15-9 Exemplo de rvores para (a) matemtica e (b) regras de negociao
Processamento de programao gentica to com algoritmos genticos. Crossover e mutao
arco essencialmente o mesmo, exceto que ele baseado em torno de ns da rvore ao invs de bits no
bit-string. Possveis problemas com esta abordagem que mais de um nmero razovel de cyclcs as
rvores podem se tornar muito complcx. Alm disso, alguns cruzamentos ou mutaes pode levar a
expresses tais como dcfunct 1 = 1. Note-se que importante para deixar as rvores sozinho durante
os testes. Isto porque mais passagens e as mutaes podem facilmente mudar dcfunct expresses
becomc para os teis, como Jean-Yves Potvin, Patrick Soriano Maxime e Valina (2004) apontam.
Prevendo dados e tendncias

Em termos de aplicaes, Al tem sido muitas vezes utilizado como uma ferramenta de previso. Isto
expande o previso tcchniqucs vimos no Captulo 10. Mais uma vez, o objetivo melhorar a
execuo, em vez de encontrar oportunidades de investimento, uma vez que quando uma ordem
recebida a deciso de comprar ou vender o ativo j foi feita. Hcncc, wc incidir sobre as previses de
curto prazo do mercado condies. Os resultados dessas previses pode ser usado dentro de modelos
de custo ou risco como fator na determinao escolha ordem eo posicionamento. Estes devem ajudar
os algoritmos / tticas dccidc em um nvel adequado de agressividade. Observe que, para tais decises
direcionais tendncias pode ser to til como nmeros reais.

Compreensivelmente, tanto das pesquisas tem focusscd na previso de preos de ativos. Em termos
de Modelos de Al-bascd, redes neurais so a abordagem mais comum, embora as mquinas de vetor
de suporte arco sendo cada vez mais adotado.
Preo previso com redes neurais
As redes neurais foram aplicadas pela primeira vez estocar previso pricc em um estudo realizado
por Halbert White (1988). Ele empregou uma rede feed-forward para analisar as aes dirias de
retornos IBM em
45 6
artificial
Para testar a hiptese Mercados Eficientes (HME), que afirma que os preos dos ativos seguir
um passeio aleatrio. Embora no h regras preditivos foram encontrados, destacou a sua pesquisa
potencial para tais anlises. De fato, um estudo posterior de outras seis bolsas dos EUA por George
Tsibouris e Matthew Zeidenberg (1995) encontrou alguma capacidade de previso de preos
histricos. Mais estudos de previso de retornos das aes, tais como aqueles por Apostolos -Paul
Refenes, Achileas Zapranis e Gavin Francis (1995) e Manfred Steiner e Hans-Georg
Wittkemper
(1995), descobriram que as redes neurais superou tcnicas estatsticas
comparveis, tal como modelos de regresso. Alguns estudos tm ainda incorporados aspectos
da anlise tcnica, para exemplo, K. Kamijo Tanigawa e T. (1990) usou uma rede recorrente Elman
para prever os preos das aes para as aes japonesas. O mtodo deles procurou encontrar
padres de tringulo para determinar se os aumentos de preos pode ser permanente, com base em
mximos histricos, baixos e fecha.
Prevendo ndices de aes tem sido uma rea particularmente popular de pesquisa. Amol
Kulkarni (1996) realizaram um estudo do S & P 500, com dados semanais, abrangendo tanto a queda
de Outubro 1986 e da corrida de touros de 1994. Sua rede foi uma rede feed-forward simples, com
19 neurnios de entrada e uma nica camada oculta de 7 neurnios. O modelo incorporado tanto curto
e as taxas de juro de longo prazo, juntamente com os preos histricos. Ela foi treinada com 275
semanas de dados. Ele descobriu que para fora-de-amostra testar a rede deu razovel previses
uma semana antes do ndice atual, como mostrado na Figura 15-10.
Dados nmero
Fonte: Kulkami (1996) Reproduzida
Nmero de dados
wilh permisso do autor
Figura 15-10 Valores previstos para o S & P 500 (a) durante o 1986 queda e (b) a 1994
corrida de touros
Ele tambm previu corretamente a tendncia global dos preos 65 de 75 vezes para o perodo da
1986 acidente, e 43 de 50 vezes para o 1994 bull-prazo. Em particular, ele atribuiu seu sucesso ao
longo do perodo de 1986 a queda de ter incorporado o efeito do aumento de longo prazo as taxas de
juro, uma vez que no havia nenhum indcio de que isso as tendncias de preos ndice.
Em seu estudo sobre o ndice S & P 500, Tim Chenoweth, Zoran Obradovid e Sauehi Lee
(1995) tambm usou dados de taxa de juros, ou seja, a taxa do Tesouro dos EUA, defasados por
dois e trs meses. Eles empregaram duas redes neurais separadas, que foram treinados com
qualquer um dados de ndice de tendncia ascendente ou descendente. A qualidade da previso
foi considerado suficiente para produzir uma taxa de retorno anual de 15%.
Outro estudo que olhou para ambos "touro" e mercados "bear" foi realizado para o De
Madrid mercado de aes ndice Geral por Ferndndez-Rodriguez, Gonzalez-Martel e Sim6n
Sosvilla-Rivero (2000). Eles usaram uma rede feed-forward com nove entradas para o anterior
45 7
priccs closc e uma nica camada escondida com quatro neurnios. Os resultados provaram ser
superiores a um simples estratgia huy-and-hold; embora incorporando os custos de transaco
mostrou a ANN undcrperformed comprar e manter durante mercados em alta.
Outros fatores tambm foram incorporados em modelos, como FX e os preos de outras
principais ndices. Thomas Ankenbrand e Marco Tomassini (1995) realizou um estudo da Swiss
Performance Index. Suas taxas de juro modelo incorporou, em relao ao desempenho o S & P
500 ea taxa de cmbio / USD DEM, devido importncia das exportaes para a Sua empresas. Em
geral, a preciso da previso foi de cerca de 70% fora da amostra.
Indicadores tcnicos como mdias mveis e RSI tambm foram utilizados como entrada em
conjunto com os preos histricos para o principais ndices na bolsa de valores de Kuala Lumpur por
Jingtao Yao, Chew Lim Tan e Hean-Lee Poh (1999) e Yao e Poh (1995). Eles testaram redes
de alimentao para a frente com a propagao de volta para uma variedade de diferentes
configuraes de rede. As redes com duas camadas escondidas parecia dar os melhores resultados,
tanto no termos de preciso e de lucros de comrcio de papel. No geral, eles estimaram que os
retornos anuais de at 26% pode ser alcanada a partir destas previses para os dados de 1990,
tendo em conta 1% os custos de transao.
O uso de redes neurais para prever os preos no apenas limitado a aces; Eles tm foi
aplicado para a maioria das principais classes de ativos, como ttulos, FX, futuros e opes.
Previses de U.S, Reino Unido e alemo de 10 anos os rendimentos de ttulos do governo foram
feitas por Christian Dunis Vincent e Morrison (2004). As entradas para seus modelos baseados no
ANN incorporado uma gama de preos prximos dirias para 2001-3, incluindo moedas, levando
estoque ndices e commodities como petrleo. Eles, na verdade, o modelo ARMA dar previses
mais precisas de forma consistente; No entanto, os modelos baseados em RNA mostrou -se o
melhor em prever as tendncias direcionais. Por isso, a sua simulao de negociao, na verdade,
viu o maior lucro dos modelos baseados em RNA.
Um estudo da taxa de cmbio dlar / euro, com dados dirios da 1994-2001, por Christian Dunis
e Mark Williams (2003), observou que os modelos baseados em RNA superaram tcnicas
estatsticas, tais como ARMA. As taxas de cmbio seis moedas diferentes contra o dlar dos EUA
foram modelados por Yao e Tan (2000), usando mdias mveis semanais a partir de 1984-1995
como entradas. Eles descobriram que, para a maioria das moedas, a rede neural superou modelos
baseados ARIMA, atingindo precises de mais de 70% com relativamente baixa desvios.
Resultados semelhantes foram encontrados por Joarder Kamruzzaman e R uhul Sarkcr (2003),
em seu estudo com base em uma srie de moedas em relao ao dlar australiano. Weekly dados foi
utilizado com a formao de mais de 500 semanas. Duas das previses fora da amostra
(abrangendo 65 semanas) so mostrado na Figura 15-11. Outra caracterstica de sua pesquisa foi
a comparao de uma variedade de mecanismos de aprendizagem. Eles relataram que a
aprendizagem baseada em gradiente conjugado escalonado deu resultados significativamente
melhores do que a propagao de volta.
A dinmica de curto prazo dos preos dirios para S & P 500, Libor e Deutsche Mark
futuros foram analisados utilizando redes recorrentes Elman por Ludmila Dmitrieva, Yuri e
Kuperin Irina Soroka (2002). Os melhores previses foram alcanados para o S & P 500. D a
mesma forma, RNAs foram usados para prever NYMEX bruto petrleo preos futuros por Saeed
Moshiri e Faezeh Foroutan (2004). Suas previses baseadas em ANN superou tanto ARMA e modelos
GARCH.
As redes neurais tambm foram aplicadas para prever os preos das opes. Gunter Meissner e
Noriko Kawano (2001) previu as priccs dirias de opes sobre dez US alto aes de tecnologia de
1999-2000. Eles compararam as redes para a frente de alimentao padro com aqueles baseado em
funes radiais de base (RBF) e redes de regresso probabilsticos e generalizadas. As entradas
foram baseados nos para o modelo de Black Scholes, por isso eles usaram a relao entre o local
ao preo de exerccio, a maturidade, a taxa livre de risco e uma estimativa GARCH da volati-
45 8
artificial
0. 6
0.58
0,56
0,54
0,52
0,5
0.48
0.46
0,44
1
11
21314151611
Sourcc: Kamruzzaman e Sarker (2003) 2003 IEEE
11
2131415161
Reproduzido com permisso da IEEE
Figura 15-11 previses com base em moeda ANN 65 semana

dade. As redes forward-padro de rao tiveram o melhor desempenho, superando todos os outros
tipos incluindo o modelo de Black Scholes padro. Suhrata Mitra (2006) tambm viu
melhorado desempenho ao usar uma RNA para modificar o Black-Scholcs modelo de
precificao baseado em chamada opes sobre ndice de aes da ndia Nifty. Enquanto Alex
Faseruk e Lev Blynski (2006) utilizou um simples back-propagao ANN para prever o pricc da
OEX S & P 100 opo de ndice de a CBOE, usando dados 1986-93. Eles tambm notaram que o
modelo de ANN superou o modelo de precificao Black-Scholes convencional quando ambos
foram baseados na volatilidade histrica. Switching ambos os modelos a utilizar volatilidade
implcita deu melhores resultados; Embora o Ann outpcrformancc relativo foi menor.
A maioria dos exemplos, at agora, tm sido baseados em redes de alimenta o para a frente
ou recorrentes, mas outros tipos tambm tm sido bem sucedidas. Por exemplo, foi utilizada uma
rede neural probabilstica prever o ndice de Singapore Stock Preo por Steven Kim Hak e Se Chun
(1998). Enquanto Sung Kim Suk-(1998) utilizada uma rede de atraso recorrente tempo para prever o
coreano da ndice de Mercado.
Preo com previso SVMs
Mquinas de vetores de suporte (SVMs) tambm foram aplicadas para prever preos. Um estudo
da Nikkei 225 ndice de aes, usando dados semanais 1990-2002, foi realizada por Wei Huang,
Yoshiteru Nakamori e Shou-Yang Wang (2004). Eles compararam as previses do SVM com um
homem El rede neural recorrente e constatou que a maior preciso foi alcanado por o SVM (73%),
seguido de perto pelo neural lquido (69%). Uma anlise similar foi realizada durante seis principais
ndices do mercado de aes asitico por Wun-Hua Chen, Jen-Shih Ying Wu e Soushan (2006). Eles
usaram SVMs para prever os retornos para o Nikkei 225, da Austrlia Todos Ordinrios, de
Hong Kong Hang Seng, da Singapore Straits Times, de Taiwan ponderado ndice e os ndices
Kospi de Coreia. Preos dirios ntimos foram usadas com dados de teste 1984 -2001. Para
comparao, eles tambm testou modelos auto regressivos (AR1) e propagao de volta (BP)
neural redes. No geral, eles encontraram resultados mistos para o desempenho de ambos SVMs e
redes neurais. Dentro termos de preciso, os modelos SVM desempenho melhor para os ndices
em Hong Kong, Taiwan e da Coreia, enquanto que para o Japo Cingapura e as redes neurais foram
melhores. Em out-of-samplc testando no houve diferena significativa entre os dois modelos para
a Austrlia, como mostra na Figura 15-12. Ambas as SVMs e redes neurais tiveram melhor
desempenho do que os modelos autoregrcssivc, excepto para predizer o sentido de retorno.
Tony Van Gestel et al. (2001) utilizaram menos regresses quadrados SVM para prever o tempo
srie ea volatilidade relacionada para US taxas de juro de curto prazo, como bem como o DAX
alemo
45 9
Tirre
Fonte: Chen, Shih e Wu (2006) Copyrighl 2006 Inderscience Enterprises Ltd. Reproduzido com permiss o
Figura 15-12 Uma comparao entre as diferenas relativas em percentagem do preo

(RDP) para a Todos ndice Ordinrios
ndice de aes. A preciso da previso para o sinal de retornos futuros foi mais de 5% mais
elevado para os modelos de SVM para comparao tanto auto-regressivo (AR) e mtodos GARCH.
SVMs tambm tm sido utilizados para prever os preos de futuros, Francis Tay e Lijuan Cao
(2001) estudou cinco contratos, que abrangem tanto os ndices de aes (S & P 500 e CAC 40) e
grande ttulos do governo (EUA 10 e 30 anos, e alemes bunds a 10 anos). Preo dirio perto foram
usadas com um perodo de treinamento de mais de 900 dias. Uma rede neural foi utilizado para
suplementar comparao. No geral, as previses das SVMs foram melhores do que a partir da
rede neural. o desvios do real foram menores e as previses da tendncia direcional foram mais
preciso.
Para os preos das opes, Michael Pires, Tshilidzi Marwala (2007) constatou que SVM do
ofereceu as previses de preos mais eficazes para opes americanas, com significativamente
menos desvios quando em comparao com modelos baseados em RNA.
R. G. Donaldson e Mark Kamstra (1997) criou um modelo GARCH no-linear, com base em uma
rede neural, para estudar a volatilidade de retorno de aes de os EUA, Canad, Reino Unido e Japo.
Eles descobriram que a rede neural capturado efeitos da volatilidade ignorado pelos tradicional
GARCH e EGARCH mtodos.
Para ndices de aes, Fernando Gonzalez Miranda e Neil Burgess (1997) usaram neural redes
de prever as volatilidades intraday de 35 opes de ndice IBEX da Espanha. Mais uma vez, o
redes foram encontrados para superar mtodos lineares mais tradicionais. Apostolos -Paul
Refenes e Will Holt (2001) tambm descobriram que as redes neurais geralmente superou outra
estatstica mtodos de previso de volatilidade. Da mesma forma, um estudo realizado por Peter
Tino, Christian Schittenkopf e Georg Dorffner (2000) encontraram redes neurais eficazes em prever
a volatilidade do
U.K. FTSE e opes de ndices de aes DAX da Alemanha. Embora, eles notaram que, em
mdia, modelos de Markov binrios simples superou tanto GARCH e tcnicas baseadas rede
neural em testes comerciais simulados.
Valeriy Gavrishchaka e Supriya Banerjee (2006) usou uma mquina de vetores de suporte para
prever a volatilidade do ndice S & P 500. Eles descobriram que ele era comparvel a ser
melhor
46 0
artificial
A minera o de dados e intelig ncia
Modelo GARCH atravs de diferentes regimes de volatilidade, e at me smo GARCH superou

em alguns. Volatilidade da moeda foi modelada por Christian Dunis e Xuehuan Huang (2002).
Elas usou as duas redes neurais-alimentao para frente e recorrentes para prever a volatilidade da libra
esterlina e ao iene japons contra o dlar dos EUA, usando dados dirios 1993-99. Mais uma vez,
ambos os RNAs um bom desempenho em comparao com modelos GARCH, dando os melhores
resultados comerciais simuladas. As redes recorrentes marginalmente superou os feed-forward em
termos de preciso direcional. No geral, porm, a preciso mais elevada foi alcanada por um
modelo de combinao que incorporou tanto o neural e GARCH estima.
Mesmo a volatilidade de opes sobre futuros de ndices foi analisado. Shaikh Hamid e Zahid
Iqbal (2004) usado RNAs para estudar o S & P 500, utilizando os preos ao dia 1984 -94. Elas
encontrado que as volatilidades da rede neural superou previses volatilidade implcita, e eram no
significativamente diferente da volatilidade realizada.
Modelos neurais mais exticos tambm tm sido utilizados para prever a volatilidade. Por
exemplo, Dirk Ormoneit Ncuneier e Ralph (1996) usado uma densidade condicional estimar a
rede neural prever a volatilidade do DAX. Eles descobriram que este superou a-frente feed padro
rede. Da mesma forma, uma rede mistura densidade foi aplicado ao ndice DAX por Christian
Schittenkopf, Georg Dorffner e Engelbert Dockner (2000). Esta essencialmente um conjunto
de redes neurais utilizado para estimar os parmetros de um modelo de densidade mistura. Eles
encontraram que suas previses teve maior correlao com as volatilidades implcitas do que os do
Modelo GARCH. Em um trabalho anterior Schittenkopf, Dorffner e Doekner (1998) tambm
estudou a volatilidade do mercado de aes austraco.
Genctic programao (GP) foi usado para prever a volatilidade tambm. Em um estudo da S &
P 100 ndice, usando dados intraday 1987-2003, Irwin Ma, Tony Wong e Thiagas Sankar (2007)
descobriram que podiam atingir 75-80% accuraey dentro de uma centena de geraes. Wo-Chiang
Lee (2006) usado tanto ANN e modelos GP para prever a volatilidade de Taiwan ndice TAIEX.
Ele descobriu que empiricamente os dois tipos realizada razoavelmente bem na previso
volatilidade para fora da amostra em comparao com outros mtodos, tais como Garch.
Prevendo o volume
Um estudo prevendo o volume de negociao diria total na NYSE foi realizado por Blake LeBaron e
Andreas Weigend (1994). Eles aplicaram um bootstrapping, ou resampling, tcnica, a redes de feedforward simples. As entradas foram o volume de negcios total eo nvel do DJIA. O volume de
negcios foi retificada pela diviso por sua mdia mvel de 100 dias. (Logaritmos de nota foram
usadas para garantir a distribuio da srie de entrada eram menos distorcida.) Ao contrrio do que as
suas expectativas, eles descobriram que a rede neural no deu uma marcada melhoria em relao aos
modelos lineares padres, embora fundamentado que melhores resultados podem ser
conseguido atravs de variveis de previso adicionais.
Resultados mais promissores foram encontrados em um estudo posterior do volume de negcios
por seis futuros contratos sobre a sobre a Winnipeg Commodity Exchange por Iebeling Kaastra e
Milton Boyd (1995). Eles utilizaram as redes de novo feed -forward, mas com um conjunto
expandido de entrada parmetros. Estes foram selecionados individualmente como preditores
para o volume de negociao de futuros. Ento o modelos foram baseados no volume de
negociao defasada, a volatilidade dos preos futuros, contratos em aberto e o preo mdio de
dinheiro, bem como uma proxy para a procura global de cobertura. O neural rede superou ambos os
modelos ingnuas e AR1MA, fornecendo previses para at nove meses para o futuro.
461
15.4 Incorporando em estratgias de negociao

Algoritmos de negociao e tticas de execuo pode se adaptar s condies do mercado. Modelos
de ordem limite pode ser usada para determinar a probabilidade de execuo das ordens, enquanto
modelos de custo ajudar a estimar o impacto no mercado e potencial risco associado uma
estratgia de negociao. Por isso, no um grande salto para considerar a adio de modelos de
previso de curto prazo. Estes tambm podem ser utilizados para modelos para aumentar a
probabilidade de execuo e / ou estimativas de custos.
Algoritmos pode ser dividido em regras de negociao especficas. Geralmente, estas so
definidas por profissionais experientes, ou quantos, com base na experincia do que funciona
melhor para especfico mercado. Muitas vezes isso requer uma quantidade substancial de teste e
ajuste fino. Artificial sistemas de inteligncia oferecer uma forma de melhorar este processo, uma
vez que eles podem testar um dinamicamente grande nmero de variaes, em paralelo.
Algoritmos evolutivos podem ser usados para afinar regras de negociao e / ou os seus
parmetros. Alternativamente, regra conjuntos inteiros ou algoritmos poderia ser evoluiu.
Intimamente ligado com isto, a capacidade de back-teste as regras ou estratgias para
determinar o seu desempenho. Ao automatizar com xito ambos os processos, deveramos ser
capaz de aproveitar o poder dos computadores modernos fornecem para testar literalmente milhares
de combinaes.
Aplicando modelos de previso de curto prazo

No Captulo 5, foi utilizado para comparar os grficos padres tpicos de colocao de pedidos para
uma variedade de algoritmos de negociao. No entanto, durante a execuo, importante
lembrar que ns fazemos no sabe exatamente o que o futuro reserva. Ento, de vez T na Figura
15-13 tudo o que temos incerteza.
Volume
4000
5.47
<$>
<> '
& <> "<> '
<$> & S $>

Um <>
$> '
Eu ordeno tamanho
Preo
<>
$>
\N"\v
O ''
Mercado
&
volume
Xf
\ ^ ' \ $>'$>'\*> '
Figura 15-13 Usando estimativas de curto prazo para as condies futuras do

mercado
Algoritmos de negociao modernos so usados para fazer ajustes dinmicos para lidar com
mudanas nas condies de mercado. Embora, se uma mudana repentina ocorre uma tal
abordagem reativa pode ser travado para fora e forado a jogar apanhar a preos menos favorveis,
levando sub-ptima
462
artificial
A minerao de dados e in teligncia
desempenho.
Minerao de dados e inteligncia artificial oferecem o potencial para melhorar a nossa curto prazo
previses para variveis de mercado-chave, tais como preo, volume e liquidez. Isto pode ser
directa, usando tcnicas de previso especficos, ou indireto, com base em mudanas em outros
ativos ou mercados onde a minerao de dados mostrou uma associao clara.
Previso de volume importante para muitos algoritmos de negociao. Se futuras difere
dos fluxos comerciais acentuadamente a partir do perfil histrico de volume, em seguida,
algoritmos VWAP provavelmente vai lutar para satisfazer as suas benchmarks. Mesmo algoritmos
dfice aplicao precisa de uma acurada idia de o volume dirio de negociao, a fim de
determinar o horizonte de negociao ideal. Um aumento repentino ou calmaria no volume ir afetar
seu desempenho. Da mesma forma, uma mudana repentina pode levar uma dinmica por cento do
volume (POV) algoritmo para perseguir o mercado, incorrendo mercado considervel impacto.
Usando uma previso de curto prazo permitiria algoritmos POV para colocar de forma mais passiva
ordens preo na expectativa de volume de negociao futura.
Como vimos no captulo 10, perfis histricos de volume de alguma do caminho para isso,
especialmente quando fatores especficos sazonais ou mesmo ativos so incorporados. Modelos
baseados em Al tambm pode oferecer previses volume til de curto prazo, o que pode melhor
em executar voltil mercados. Eles tambm podem ser capazes de lidar melhor com mercados
complexos de hoje, onde o volume fragmentada entre vrios locais. No entanto, at agora no
parece ter sido pequena pesquisa de Al-base para isso.
Da mesma forma, o preo de mercado pode apresentar uma tendncia consistente de preos, ou
pode haver um reverso como na Figura 15-13. No Captulo 5, vimos como algoritmos
adaptativos preo pode facilmente adaptar-se a este. A estratgia passiva in-the-money (PIM)
assume quaisquer tendncias persistiro e assim Preos ordens de forma mais passiva, quando as
condies de mercado forem favorveis, buscando maximizar a melhoria de preos em potencial.
Por outro lado, um agressivo in-the-money (AIM) ttica leva a abordagem oposta, assumindo que as
tendncias em breve significa reverter e leva to agressivamente vantagem de preos favorveis.
Por exemplo, vamos supor que a venda ABC Arc de ativos, trs potencial de curto prazo
previses de preos arco mostrado na Figura 15-14.
Figura 15-14 Linking taxa de negociao prevista para as condies futuras

Ento, no tempo T, uma estratgia PIM pode expcct a tendncia favorvel a persistir (via c) e assim
continuar a preo passivamente suas ordens. Se a tendncia diminui (via b) ou mesmo reverte (via
a) ter de negociar de forma mais agressiva, tentando conter o agora menos evoluo favorvel dos
preos. Em comparao, uma estratgia AIM seria de esperar de reverso, por isso, se o
tendncia, na verdade, persiste-lo vai sob executar.
463
Reagindo s mudanas como eles acontecem significar que procuram preenchimentos

imediatas e assim por pagar metade da disseminao, bem como quaisquer custos impacto no
mercado. Considerando que, se em tempo de T que pudemos com preciso tal previso uma reverso,
o nosso algoritmo de negociao poderia alterar a sua abordagem. Menos passivamente ordens com
preos que podia colocado, reduzindo nossos potenciais propagao e do impacto dos custos.
Em termos de sua escolha de tticas de execuo, os algoritmos controladores podem decidc para
alternar entre mais ou menos agressivo abordagens, com base em sua percep o da atual
condies de mercado. Por exemplo, se a tendncia atual preo esperado para ficar favorvel a
algoritmo pode adoptar uma ttica mais passiva, tais como ordens de estratificao, para tentar
maximizar o melhoria de preos.
A volatilidade dos preos outro fator importante para muitas estratgias de negociao.
Volatilidade histrica certamente til, mas em mercados altamente volteis, ele ainda pode
subestimar o real volatilidade. Mtodos baseados em Al provaram dar previses mais precisas do
que as estimativas Sediada na volatilidade implcita e anlise estatstica.
Esta abordagem tambm pode ser adotado para outras condies de mercado, como liquidez
ou se espalha. Forneceu a curto prazo, as previses so precisas, devemos ser capazes de beneficiar
de colocao de ordem mais pr-ativa. Se eles so no, em seguida, as ordens podem ser
canceladas, e de forma mais agressiva ordens priccd pode ser usado para recuperar o atraso.
Incorporando modelos de previso

No Captulo 11, vimos como um ambiente de negociao algortmica simplificada pode ser definido
acima. Figura 15-15 ilustra como isso poderia ser alargado de modo a incorporar a curto prazo
modelos de estimao.
Modelo de custos
Dado histrico
Ciclo de negcios/fEu" Mercado
modeUs Macroeconomia *
Eventos
especiais
Chumbo associados / Lag
assetsindicators
* ^^
N ws /
Sentimenl
^^ Mercado
eventos de dados
\ Destino!
\ roteador .!
y
Figura 15-15 Estendendo um ambiente de negociao algortmica

Guardando os modelos de separar a partir do algoritmo real permite que eles sejam mais
facilmente reutilizado. Cada algoritmo de negociao, ou at mesmo ttica execuo, pode ento usar
estes curto prazo mercado estima como parte de seu processo de tomada de deciso, a escolha de
quanto peso para dar esta informao.
Na verdade, podem ser utilizados vrios modelos, ponderando os resultados de cada e ajuste para
um timo desempenho, como vimos para o n de rede neural de volta na Figura 15-4. Isto
semelhante a um conjunto de aprendizagem callcd tcnica, que pode ser utilizado para melhorar a
preciso
464
artificial
de previso. Vrios modelos so utilizados para a previso; cada um dado um voto ponderado (AE
marcado na Figura 15-4), com base em sua preciso de ensaios anteriores. Mesmo se modelos
estamos no que precisa para comear, combinando-os desta forma a probabilidade de uma previso
correta aumenta. Por isso, uma variante desta tcnica callcd reforo.
Os modelos em si podem ser puramente estatstica, como vimos no captulo 10, ou o uso ou
AI relaes aprendidas a partir de minerao de dados. Por exemplo, a estimativa de preos a
curto prazo pode ser alcanados hy olhando para os mercados de futuros ou de opes ou outros
principais ndices de mercado, com base em liderana histrica / lag relaes. Outro modelo pode
controlar os preos de todos os setores de aes ou sectores baseados em correlaes histricas. Por
exemplo, no captulo 14, vimos como notcias em um companhia conduziu a um efeito de
arrastamento atravs de todo o sector (neste caso biotecnologia). UMA outro modelo pode
simplesmente dar uma indicao de que o preo susceptvel de aumentar ou diminuir, com
base em anlise (baseada em estatstica ou Al) de preos anteriores.
Claramente, cada modelo ter acesso a uma srie de dados, a partir de:
Dados de mercado para o ativo especfico
Dados de mercado para outros activos relacionados e / ou ndices / indicadores
Notcias / dados sentiment
Ciclo de negcios / dados macroeconmicos
Dados histricos para qualquer / todos os itens acima

H tambm deve ser de monitorizao para assegurar que os modelos de previso do arco
melhorar o desempenho geral dos algoritmos de negociao. Um controle pode at usar dados de
mercado para verificar a preciso do modelo / s, e fazer ajustes com base em se o mercado
reaco mais ou menos do que expectcd. Fatores como o desempenho ea confiabilidade jogo
uma parte tambm, como serra wc no captulo 1 J. Qualquer anlise tambm deve ser calculado
rpido o suficiente para ele til para as decises de execuo e / ou colocao de ordem.
Gerao de Estratgias de Negociao / regras / parmetros

Algoritmos de negociao e execuo conjuntos de tticas de arco de regras comerciais que
so escolhidos para atender s objectivos especficos. Estas regras arco ge ralmente definido
pelos comerciantes, mas h ir tambm ter sido uma quantidade significativa de testes e ajuste fino
para garantir que eles executam suficientemente.
Expresses baseada em rvore, apoiados por tcnicas de programao gentica, fornea uma
muito meio flexvel de gerar ou evoluindo regras de negociao, como vimos cortar na Figura
15-9. Algoritmos evolutivos arco potencialmente bem adequada para tal ajuste fino; uma vez que
tm a capacidade para testar um grande nmero de variaes, em paralelo. As alteraes a ser testado
pode ser to simples como parmetros diferentes, em alternativa conjuntos inteiros de regras
podem ser evoludo.
Grande parte da investigao sobre comrcio de gerao regra tem-se concentrado nas
decises de investimento. Regras de negociao Tcnicas para o ndice S & P 500 foi criado por
Franklin Allen e Risto Karjalainen (1999), usando dados dirios de preos. As regras foram
especificados em rvores de expresso que as variveis incorporadas, tais como preos de
mercado, e funes, tais como mdias mveis. UMAabordagem semelhante foi adotada por James
Butler (1997) e Edward Tsang et ai. (2000) para crio o sistema EDDIE (Evolutionary Dynamic
Data Investimento avaliador). Eles tambm dados fundamentais incorporadas, como a relao
preo-lucro, em conjunto com priccs mercado dentro as regras. EDDIE foi usada por Butler (1997)
e Li e Tsang (1999, 1999a) para prever se uma taxa especfica de retorno (ou mais) pode ser
alcanado dentro de um determinado perodo de tempo (1-3 meses) para o S & P 500 e ndices de
aes DJIA. Em cada caso, eles descobriram que se tratava efectivamente possvel gerar regras que
poderia superar testes aleatrios e regras tcnicas comuns. UMAvariante foi mesmo criado por
Tsang, Markosc e Er (2005) para investigar os futuros chamar-put paridade arbitragem para o
ndice FTSE-100, que superou as regras de arbitragem naTvc.
465
Contudo, as regras de negociao gerados podem ser to facilmente ser usado para tticas
de execuo, tais como as decises de colocao de ordem. Figura 15-16 mostra o que a rvore
regra pode parecer para umattica execuo amostra. Este modelos a deciso para a escolha entre
a ordem do mercado e um limitar a colocao do pedido.
Figura 15-16 Um exemplo regra colocao da ordem

O arco regras com base nas condies do volume de encomendas e variveis especficas de
activos, como vimos no Captulo 8. Assim, ordens de limite menor preo agressivo quando so
colocados:
a propagao inferior sua mdia histrica intraday, ou
a profundidade livro (do mesmo lado) menor do que o dobro do nosso tamanho ordem,
ou
a volatilidade de curto prazo 10% maior do que o normal.

Esta abordagem tambm pode ser aplicado para escolher entre plataformas de execuo em
fragmentada mercados, ou tentar minimizar o risco legging para contingncias / pares e da carteira
de negcios.
Back-teste
Back-tcsting um importante meio de verificar o desempenho ea rentabilidade potencial de
qualquer estratgia de negociao. Ela nos permite seg como a estrat gia poderia ter realizado sob
condies de mercado. Testing Tambm possvel mostrar como a estratgia lida com situaes
especficas, tais como notcias sobre eventos ou falhas de mercado.
Uma viso geral NICC das principais consideraes para back-teste fornecida por Steve
Oppenhcimcr e Thomas Parry (2007) na revista eForcx. Como eles apontam, importante ser
capaz de simular como o mercado poderia ter reagido a nossos pedidos. Para fazer isso com
preciso, precisamos considerar a liquidez disponvel, bem como tendo em conta factores tais
como latncia. Outra considerao importante a forma como a simulao determinista . Para
exemplo, ao testar regras de negociao ou parmetros queremos ser capaz de ver o impacto da
apenas a essas mudanas. Se a simulao determinista, em seguida, cada vez que os
resultados ser o mesmo, tornando mais fcil para isolar o efeito de quaisquer mudanas de
regras. Em comparao, aleatrio (ou estocsticos) simulaes vai dar resultados completamente
diferentes de cada vez. Idealmente, seria til para a simulao para ser capaz de alternar entre estes
dois tipos, dando-nos mais flexibilidade.
At agora neste livro, nos concentramos em estudos empricos; no entanto, h tambm possui
fui um monte de investigao com base em mercados artificiais. Estes oferecem uma soluo
potencial para verificaes a posteriori. Em particular, os mercados artificiais nos permitem testar uma
grande variedade de condies, tais como trending ou mercados volteis ou mesmo crises sbitas
de liquidez. Uma abordagem alternativa a basear a simulao em dados de mercado real. No
caso em que o simulador de necessidades de qualquer modo a mesclar a encomendas de teste com
este dados e tentar imitar as reaes apropriadas.
46 6
artificial
A minera o de dados e intelig ncia
Testando com os mercados artificiais

A inteligncia artificial est sendo usado para crcate mercados simulados que s o preenchidos
com agentes electrnicos, embora alguns tambm permitir que os participantes humanos. Ao
contrrio dos mercados reais, estes simulaes pode ser controlado e configurado, permitindo
experimentao activa. A investigao essencialmente centrada na anlise da microestrutura do
mercado e testar o desempenho de especfico estratgias de negociao. Os dados destas
simulaes podem ento ser comparadas com terico previses e evidncia emprica dos mercados
reais.
Agente Artificial s
Os agentes artificiais usados para simular a negociao pode variar de geradores ordem aleatria
simples agentes ou mesmo aqueles com base em regras de base em tcnicas de IA sofisticados. Um
bom resumo dos vrios tipos dado por Blake LeBaron (2000).
Puramente agentes aleatrios so facilmente implementados, mas que muitas vezes pode levar a
uma elevada volatilidade. Dentro comparao, as experincias envolvendo os operadores
humanos geralmente bastante alcanar um pricc rpida convcrgencc. LeBaron (2000) observa que
os testes de eficincia do mercado atribuir agentes aleat rios em entre 50-100%, enquanto que
os operadores humanos so muito mais perto de 100%.
Um passo-se a partir de geradores de ordem puramente aleatrio o agente de inteligncia zero,
como delineada por Dhananjay Gode e Shyam Sunder (1993). Estes ainda fazer pedidos aleat rios
para comprar ou vender, mas tambm aderir a rgidas restries oramentrias. LeBaron (2000)
observa que tais agentes oramento restrito alocar ativos com eficincia superior a 97%, que perto
do desempenho dos seres humanos em testes semelhantes.
Dave Cliff s (1997) e de inteligncia zero plus (ZIP) comerciantes ampliar ainda mais esse modelo para
incluir um lucro varivel (ou utilidade) de margem. Cada agente ZIP tem um limite de preo embutido.
Dentro Alm disso, h arco trs parmetros principais, nomeadamente a sua margem de lucro, taxa
de aprendizagem e umatermo momentum. Utilizando estes, cada agente pode determinar o preoalvo, com base no seu preo limite ea margem de lucro desejada, juntamente com um factor aleatrio. A
taxa de aprendizagem parmetro controla a taxa de convergncia entre os preos pedidos do agente
e seu alvo preo. O termo impulso determina quanta histria o agente leva em conta quando reavaliar sua margem. Essencialmente, esse ajuste baseado em como bem sucedido o agente tem
sido no sentido de conseguir as suas ordens enchidos, bem como a dinmica do pricc mercado. Um
algoritmo gentico pode ser usado para otimizar as configuraes do parmetro.
Da mesma forma, Steven Gjerstad e John Dickhaut (1998) criado agentes que mant m uma
ordem e histria do comrcio. A partir da, eles formam uma funo subjetiva "crena" que representa a
sua probabilidade estimada de a preo justo.
Outros estudos usaram agentes que o arco ainda mais sofisticado. Por exemplo, Marco Rabcrto
et ai. (2003) os criou com base em estilos de investimento espec ficos. Momentum e agentes
contrrios utilizado regras de negociao tcnicas simples para tomar decises, enquanto
fundamentais negociados com base em agentes uma posio firme do valor do ativo. Gilles Daniel
(2006) criado agentes auto-referencial, que atuavam como arbitradores informados e racionais. Os agentes
tambm tm sido projetados para adotar o papel de formadores de mercado. Por exemplo, Sanmay
Das (2005a), Yi Feng, Ronggang Yu, e Peter Stone (2003) e Alexander Sherstov e Peter Stone
(2004) todos informar sobre os agentes de mercado fazendo.
O desempenho de ambos os agentes humanos e electrnicos em um leilo duplo contnuo foi
Rajarshi analisados por Das et ai. (2001). Foram utilizados vrios agentes diferentes, incluindo
ZIP
comerciantes. Para sua surpresa, eles descobriram que os comerciantes eletrnicos
desempenho consistentemente superior os seus homlogos humanos por cerca de 20%.
467
Mercados artificiais
A investigao sobre estratgias de negociao e microestrutura de mercado tem rendido uma gama
de diferentes simuladores de mercado. Uma boa viso geral destes fornecida por Julien Derveeuw et al.
(2007), Gilles Daniel (2006) e LeBaron (2001).
O mercado de aes Santa Fe artificial foi um dos primeiros mercados simulados para ser
criado. Negociao gira em torno de dois ativos, uma ligao livre de risco e uma ao arriscada. Na
primeira verso, descrito por Richard Palmer et ai. (1994), o mercado foi impulsionado apenas pelo deciso
dos comerciantes agente para comprar ou vender. Em verses posteriores, descritas por Blake
LeBaron (2001a), os agentes poderiam prever o valor das a es com base em estimativas para o seu
futuro dividendo.
O mercado de aes artificial Genoa, delineado por Marco Raberto et ai. (2001), apoia a
mesmos dois ativos como o simulador de Santa Fe, mas os agentes s podem emitir ordens de
limite. Usando este modelo, eles foram capazes de ver algumas das caracter sticas-chave da
dinmica de preos, ou seja, a volatilidade clustering e distribuies de caudas grossas.
O simulador de mercado fornece NatLab um acontecimento assncrono totalmente conduzido
plataforma. o projeto baseado em torno de um livro de ofertas central e suporta tanto ordens de mercado
e limite. De uso uma mistura de diferentes tipos de comerciante do agente simulador tem sido capaz de
reflectir fenmenos como bolhas financeiras, falhas e recupera es, conforme detalhado por Lev
Muchnik, Yoram Louzoun e Sorin Salomo (2006).
Outra plataforma notvel o simulador U-Mart, relatado por Yoshihiro Nakajima et ai.
(2004), que fornece um mercado de futuros artificial para ambos os agentes humanos e m quinas.
Simulando mercados reais

Agentes artificiais e mercados pode ser til para testar. No entanto, baseando a simulao em
dados de mercado real d uma vantagem imediata em termos de realismo. O simulador precisa ser
capaz de recriar o livro ordem e aplicar as mesmas regras de correspondncia comercial como o local
simulando. Embora, simplesmente dando um preenchimento imediato por cada pedido de teste
com uma correspondncia docs preos no fornecer realismo suficiente. O simulador tambm precisa
levar em conta concorrncia de outros participantes. Caso contrrio, a estratgia / algoritmo que
est sendo testado pode um fraco desempenho quando transferido para o mundo real. Portanto,
tambm vital que a simulador fornece uma reaco realista para as ordens de teste. A Figura 15-17
mostra um exemplo de o que isso pode parecer.
Como vimos com impacto no mercado, difcil prever o efeito a longo prazo de fazer as encomendas
adicionais. Embora, com base nas respostas de curto prazo se viu a partir do emprica estudos em
Captulo 8, simuladores podem fazer pequenos ajustes aos dados hist ricos em resposta s ordens
aoite. Por exemplo, os pedidos subseqentes pode ser fixado o preo mais passivamente se o teste
ordens aumentar a profundidade disponvel no livro de ofertas. O simulador tambm pode levar em
conta outras condies de mercado, tais como a volatilidade ou pricc tendncias.
Alguns grupos de pesquisa j criaram suas prprias simulaes baseadas em dados reais.
Mais notavelmente o Penn-Lehman Automated Trading Projeto (PLAT), como descrito por
Michael Kearns e Luis Ortiz (2003). Esta plataforma baseada carteira de pedidos integra dados
do ex-ECN Island. O Penn Cmbio Simulator aumenta os dados do livro de ordem do ECN com
as suas prprias ordens simuladas. Realismo adicional fornecido pela concorrncia de
mltiplos agentes. Assim, as ordens dos agentes pode acabar com os simulados execu o do
ECN ou com ordens de um concorrente. Com base nesta abordagem Sheri Markose, Azeem Malik,
Wing-Lon Ng (2007) tambm um relatrio sobre um simulador para conjuntos de Londres limitar
carteira de encomendas.
468Data
minerao e inteligncia artificial
J "Canned"
Teste TESTE
\
!
dados
i \ agentes / agentes / Eu; ^ ~
VV / t.
Carteira de
pedidos
Simulator
34
BuysSells
Lata*
Tamanho
SireI'ri.t- Pnc * 700
100
101
J: 25:00 SI
824:001.000
H:
*:2I:25 81X1 99 1022.000<20:25 SI
m08:23:25
98
2000
1041000S:19**9 s. \
B408:24:09 cortejar
9-7 Reino Unido. 3,000<:15:0054
identidade
Oi
Dados
de
merca
do ao
vivo
TiinpId
Figura 15-17 Um ambiente de teste exemplo

Simuladores comerciais tambm esto disponveis. Estes so focados em catering para a
testando necessidades dos sistemas de negociao algortmica. Por exemplo, o Exchange de Testes
Allied Simulador (SIM) 2fornece modos tanto ao vivo e reproduo, bem como PLAT. A
carteira de encomendas recriado usando feeds de dados de cmbio. Ele tambm pode ser
reconstrudo usando a carteira de pedidos profundidade e por inferir o fluxo de pedidos com base em
dados de comrcio de nvel dois dados de mercado. Em vez de utilizar agentes competidores, o
simulador responde a ordens dos utilizadores com base no liquidez disponvel. Ele ajusta os
dados histricos em resposta atividade comercial do utilizador e mesmo Simula novas
encomendas para imitar as reaes tpicas de mercado. Estas reaces tambm tomar conta de
comportamento especfico de estoque, assim que as ordens tendem a fila para ativos com grandes
diferenciais enquanto para mais activos lquidos ordens simuladas competir usando de preos mais
agressiva e preenchendo as lacunas na carteira de pedidos. Assim, o simulador capaz de
fornecer um comportamento adaptado s dinmicas tpicas e propriedades microestrutura de cada
ativo.
Ambos PLAT e SIM suporte em tempo real e repetir os modos, pode ser to simulaes
executada ao vivo ou back-testado por repetir dados histricos. Isto fornece uma muito flexvel
framework para testes e treinamento. Note-se que o teste agente nico provvel que seja mais
determinista, e por isso mais adequado para testar mudanas para reproducibly regras de
negociao e parmetros. Testes adicionais podem ser realizados em seguida um ambiente multi
agente.
15.5 O futuro
Inteligncia artificial, muitas vezes evoca imagens dos supercomputadores "caixa preta" usados
para jogar xadrez. No entanto, o xadrez um jogo com placa definido e um conjunto muito estrito
de regras, por isso, apesar os bilhes de permutaes um computador pode potencialmente aprender
cada movimento, como James Finnegan aponta em CFA Magazine (2006).
Os mercados financeiros so muito mais complexa do que o xadrez; Para comear, h arco muito
mais participantes, e as regras so menos bem definidos e em constante evoluo. Baseando-se em
um poder de processamento do computador e fora bruta no vai resolver o problema da melhor
execuo. A inteligncia artificial pode bem oferecer uma soluo, embora ainda parece ser
A verso on-line gratuito Irial de simulador Testing Allied 's est disponvel em HUP: //cxehangcsimulalor.alliedtesting.com
469
alguma maneira no futuro.

Veculos autnomos podem oferecer uma aproximao mais prxima para a complexidade do
que necessrio xadrez. Estes tambm destacar o rpido progresso que est sendo feito na Al. Em
2004, o objetivo da DARPA (Defense Advanced Research Projects Agency) Grand Challenge foi
para veculos autnomos para navegar um longo curso de 142 milhas atravs do deserto de
Mojave. o veculos invocados uma combinao de navegao por satlite, radar, laser de gama
constatao, e vdeo cmeras. Os sistemas de Al de algum modo necessrias para levar todas
estas entradas diferentes e us-los para manter o controle do veculo e navegar com segurana ao
destino. Nesta primeiro executar dentro de um algumas horas todos os quinze concorrentes tinham
falhado, foi desclassificado ou retirado. Contudo, a reprise de 2005 foi muito mais sucesso com cinco
equipes de acabamento. Stanford University de robot-car "Stanley" completou o percurso em
menos de sete horas. De fato, todos, mas um dos 2005 participantes ultrapassou o limite de 7,36
milha, que tinha sido alcanado em 2004.
Na parte de trs deste progresso rpido, DARPA aumentou significativamente as metas para o
seu 2007 Urban Challenge. Desta vez, os veculos tinham de negociar atravs de 60 milhas uma
cidade simulada evitando obstculos. Os sistemas de Al tambm teve de lidar com outros veculos,
e mais padres de conduo complexas, tais como ultrapassagens e estacion amento. A entrada
de Carnegie Mellon ganhou, mas todos os carros mostraram melhorias considerveis em relao aos
modelos anteriores. Isto um maior aproximao aos mercados financeiros, uma vez que teve de
lidar com outros motoristas e outros sistemas base de Al.
As tcnicas que abordamos neste captulo pode parecer um tanto esotrico. Ainda assim, se Al
sistemas podem ser utilizados para conduzir um carro de 60 milhas atravs da cidade e estacion-lo
sem deixar de funcionar, em seguida, h certamente alguma margem para que possam ser aplicados
aos mercados financeiros. importante lembrar que ns No estamos falando de recriar a
inteligncia humana. Melhor execuo parece que um objetivo distorcido, mas ainda menos
complicada do que a vida. Al sistemas de negociao so no consciente e que eles no podem se
comunicar. Em termos de inteligncia bruta, o objetivo provavelmente mais como que de um
inseto, que (em teoria) deve ser muito mais vivel.
Dito isso, os mercados financeiros tm milhares de comerciantes, cada um com as suas prprias
opinies e estratgias. Coletivamente seu comportamento molda os mercados e, portanto, afeta os
preos dos ativos. Adiantamentos certamente esto sendo feitos em inteligncia collectivc, usando
enormes simulaes multiagentes. Mas este um fenmeno extremamente complexo, por isso a cincia
da previso reaes do mercado ainda em evoluo.
certo que alguns dos estudos que vimos neste captulo no conseguiram demonstrar Al
tcnicas de realizao substancialmente melhor do que os modelos estatsticos. No obstante,
computadores continua a obter mais e mais poderosos. Ao longo dos prximos anos, eles sero
capazes de apoiar a minerao de dados cada vez mais complexos e tcnicas de inteligncia
artificial. Portanto, sua preciso e velocidade so susceptveis de aumentar. Inovaes de
hardware, como memristors, pode at fazer edifcio dedicado hardware inteligncia artificial
vivel. Como para se este progressos mais recentes em Al ser aplicado com sucesso a negociao s o tempo dir.
15.6 Resumo
Inteligncia Artificial (Al) e minerao de dados oferecem a possibilidade de dar aos

comerciantes uma vantagem, detectar ou prever tendncias; que pode mesmo ser utilizado
para gerar Strategics comerciais.
Minerao de dados uma mistura de anlise e inferncia tcnicas estatsticas:
47 0
artificial
Classificao e anlise de agrupamento procurar identificar caractersticas comuns nos

dados.
Minerao de sries temporais geralmente utilizado para previso ou detectar
tendncias.
Associao de minerao pesquisas regra para padres de correlao.
Relacionamento baseado minerao de dados analisou:

Relaes Intra-mercado, tais como co-movimentos entre as indstrias e setores.
Inter-relaes de mercado, com destaque para a correlao entre os principais
mercados.
Crises e contgio, destacando que os relacionamentos podem mudar significativamente
durante perodos extremas. Por exemplo, a correlao tende a aumentar com o move
para baixo.
-
Al pode, na verdade, ser dividido em duas abordagens principais

Al convencional uma abordagem top-down usando a lgica e as regras para tomar
decises. Isso muitas vezes se baseia em dados de anlise estatstica ou bases de
conhecimento feitos sob medida. Inteligncia computacional uma abordagem
ascendente flexvel, inspirada biolgica mcchanisms. Redes neurais tente reproduzir a
ao de neurnios do nosso crebro, enquanto computao evolutiva simula populaes.
Algoritmos de negociao j so um exemplo de sincc Al convencional que encapsular a

lgica de negociao dentro um quadro baseado em regras.
Previses de curto prazo de condies, tais como preos e volatilidade foram mostrados
como eficaz, utilizando redes neurais, mquinas de vetores de suporte e anlise
estatstica.
Algoritmos evolutivos e programao gentica pode testar um grande nmero de variaes em

paralelo, tornando-os adequados para verificao de estratgias de negociao e seus
parmetros.
Back-teste um importante meio de verificar o desempenho e potencial rentabilidade de

qualquer estratgia de negociao. Al pode ajudar a criar mercados simulados para isso.
47 J
Eplogo
difcil dizer o que o comrcio environmentwill parecer em cinco
algorithmictrading e DMA est aqui para
ou dez anos, mas
fique.
O prefcio deste livro comeou por referir ambiente de negociao de hoje carrega muito
pouco semelhana com a da dcada de 1980, ou at o incio de 1990. Certamente, a
negociao sofreu algumas alteraes importantes ao longo dos ltimos 20 anos. No momento,
difcil ver o que pode causar um impacto semelhante na dcada de 2010. Por isso, ao longo dos
prximos anos, so mais propensos a ver mudanas evolucionrias em vez do que os principais
mudanas de paradigma.
Negociao algortmica ainda um trabalho em progresso, sem dvida, em vez de dez anos de
alguns dos algoritmos anteriores vai parecer positivamente Natve. Os pontos seguintes tentar
destacar alguns dos a chave "take-casas" deste livro.
Negociao algortmica j provou

A crise financeira de 2007-09 certamente balanou as coisas para os mercados mundiais.
Negociao volumes, liquidez e volatilidade viu grandes mudanas. No entanto, as plataformas
de negociao algortmica demonstrado a sua coragem. A imprensa financeira no foi inundado
com histrias de algoritmos de negociao "explodir", derrubando as trocas (ou mesmo bancos).
A participao de mercado algortmica negociao continuou a aumentar de forma constante,
apesar das condies desafiadoras do mercado.
Negociao algortmica continue a se espalhar

Mercados do mundo tm predominantemente deslocado para negociao eletrnica.
Algorithmic negociao a prxima progresso lgica.
60%
50 %
Equities
40 %
iW
Futuros
30 %
Opes
20 %
Renda fixa
10%
0%
2004
Fonte: Aile Grou P (2008 )
200520062007200820092010
Figura Ep-1 Estimativas para a adopo de negociao algortmica
47 2
Eplogo
Taxas de adoo de continuam a aumentar em toda a todas as principais classes de ativos, como a
Figura Ep-1 mostra.
Algoritmos de negociao continuaro a evoluir

At agora, houve trs principais geraes na evoluo do algoritmos de negociao:
Os primeiros algoritmos foram evolues naturais de simples corte ordem, focando

benchmarks especficos, como TWAP ou VWAP. Inicialmente, estes eram programao
orientada, e muitas vezes com base em dados histricos; variantes depois evoluiu que eram
mais dinmico.
A segunda gerao de algoritmos de negociao foram criados em resposta a a
aplicao da anlise de custo de transao; tais como algoritmos de dfice aplicao se
esforando para minimizar custos, equilibrando tanto impacto no mercado e risco.
A terceira gerao de algoritmos tendem a ele mais adaptvel e oportunista focando a
liquidez, devido fragmentao dos principais mercados e com a chegada de ATS
"dark pool".
Corretores j comearam a consolidar os seus algoritmos para fazer o processo de seleo

Mais fcil. Essa que permanecem so agora mais altamente configurvel, permitindo muito mais
client- personalizao especfica.
Como negociao algortmica continua a se espalhar atravs de classes de ativos, novos tipos de
algoritmo ir sem dvida, ser criado, como os algoritmos orientado a volatilidade e de multi tramo que considerado em Captulo 5.
Algoritmos se tornar ainda mais adaptvel

Adaptive dfice e algoritmos orientado a liquidez j se tornaram comuns.
A volatilidade do mercado durante a crise financeira de 2007-09 mostrou o quo importante
pode ser para algoritmos para lidar com (e tirar proveito de) essas condies mutveis.
Algoritmos ser cada vez mais tentar tirar vantagem das previses de curto prazo do mercado
condies e at mesmo indicadores notcias / hased-scntimcnt.
base de carteira e de ativos cruzados negociao algortmica vai aumentar

Como algoritmos otimizados para carteira continuam a melhorar, muitos dos obstculos para a
comercializao de ativos cruzados tambm ser reduzido. Em outras palavras, ele vai algoritmos
mais capaz de lidar com diferenas significativas na liquidez e latncia em todo listas de troca e
um de dois lados.
Muitos dos grandes OMS e plataformas EMS agora suportam mltiplas classes de ativos, de modo
multi- negociao de ativos j uma realidade. Algoritmos far comercializao de ativos cruzados
mais fcil, mas pode tambm reduzem as oportunidades de arbitragem.
A demanda por alguns produtos estruturados pode at diminuir, com algoritmos de negociao
oferta funcionalidade semelhante.
Os mercados mundiais continuar com ondas de consolidao e fragmentao

Como o filsofo grego Hcraclitus coloc-lo: "A nica coisa constante a mudana" ....
Apndices
Os seguintes appcndiccs fornecer uma viso geral de cada um dos o grande
trunfo classes e seus principais mercados. O foco sobre a adoo da eletrnica
negociao e a prestao de negociao algortmica e DMA. Eles tambm examinar
as diferenas regionais entre as Amricas, Europa e sia.
Invariavelmente, qualquer reviso dos mercados mundiais Data vai rapidamente

dada a forma como rapidamente os mercados esto mudando. No obstante, as
principais fontes de informaes permanecem a mesma, isto , a:
Federao Mundial de Bolsas (WFE) (www.world-exchanges.org)

Banco de Compensaes Internacionais (BIS) (www.bis.org)
Securities Industry Association e Mercados Financeiros (SIFMA)
(www.sifma.org)
Cada uma destas organizaes publica anual (e s vezes mensal) estatsticas para
os principais mercados do mundo.
Para a anlise que ainda mais abrangente, os relatrios dos consultores, tais
como o Grupo Aite, Celent, Greenwich Associates e o Grupo TABB, arco
inestimvel.
Nota que nenhuma ordem de leitura especial necessria para esses appcndiccs.
Vocs pode preferir saltar direto para os mercados que so mais relevantes para
voc. Ainda, vale a pena voltar a avaliar o outro material uma vez que h muito a
ganhar de ver como as coisas so feitas em outros mercados.
47 3
47 4
Appcndiccs
Apndice A
Os mercados de aes
Mercados de capital prprio do mundo respondem por um quarto do valor do mercado financeiro
global, como vimos de volta no Captulo 3. Historicamente, os mercados de aes tm
desenvolvido em torno forte inter- redes de concessionrios, geralmente centrada nas principais
bolsas. Em parte, isso devido ao altamente natureza padronizada das unidades populacionais. A
negociao na essas trocas ainda realizada principalmente por corretores. Eles agem como
intermedirios, agindo como uma agncia atravs da qual a negociar encomendas no
intercmbios; corretores / dealers tambm podem ser preparados para lidar em capital, com
comrcios do mercado de balco. o mercados de aes provaram ser ideais para a
implementao de electrnica e algortmica negociao. Assim, os nveis de adoo dessas
tcnicas so ainda significativamente maior para o mercados de aes do que qualquer outra
classe de ativos.
Especfico de ativos
O patrimnio em uma empresa representa o valor dos restantes activos uma vez que todos os passivos
foram deduzidos. A participao em uma empresa (tambm conhecido como estoque) representa uma
parte deste capital total. Um nmero finito de aces emitidas por empresas pblicas. Porm, eles
podem periodicamente choosc de emitir novas aes ou comprar cpia de alguns dos mais
proeminentes. Se o empresa executa bem seu valor (e por isso o preo da ao) deve aumentar. No
entanto, se falhar e cai em falncia, direitos dos acionistas so subordinados aos dos credores, para
que eles arco normalmente deixado com pouco ou nada. Portanto, as aes so prospectivas
investimentos; investidores esperam que o valor de suas aes para aumentar a fim de compens-los
pelo risco de inadimplncia. Como alternativa, os pagamentos peridicos dividendos tambm
podem ser feitas pela empresa para reembolsar os investidores.
Empresas em crescimento tendem a precisar de dinheiro para que eles muitas vezes,
dependem de partes pricc sobe para acalmar os investidores. Considerando que as empresas mais
estabelecidas podem preferir emitir maior dividendos. Esta flexibilidade explica parte do
recurso de emisso de aes para as empresas.
O tipo de participaes emitidas por uma empresa podem diferir em termos de direitos de voto e do
distribuio de dividendos e bens, em caso de falncia. Os dois principais tipos de arco comum
aes e aes preferenciais. As aes ordinrias permite ao titular votar em certas decises
corporativas, como a eleio de diretores, emisso de novas aes e aquisies que aprovam. Aes
preferenciais tem prioridade sobre as aes ordinrias quando os dividendos so emitidas e
em liquidao; no entanto, eles tendem a ter menos direitos de voto.
o valor total das aes em circulao referido como mercado da corporao capitalizao, ou
valor de mercado. Em termos norte-americanos, uma grande-tampo, ou bluc-chip, estoque tem um
valor de superior a US $ 10 bilhes. Mdia capitalizao tm valores entre $ 1 e US $ 10
bilhes, small-caps arco
475
abaixo de US $ 1 bilho e micro-caps tm valores de menos de US $ 100 milhes. Os valores

para estes Categorias ir variar para outros pases, mas os tamanhos relativos ser semelhante.
Preo e negociao
A determinao do justo valor para as aes no-trivial. Teoria do valor presente afirma que
o valor de um activo a soma de desconto seus pagamentos futuros. Para as unidades
populacionais, estes correspondem aos respectivos pagamentos de dividendos futuros, que por sua
vez dependem de ganhos futuros. Embora, pagamentos de dividendos pode ser difcil de prever. As
empresas podem tambm optar por reinvestir alguns de seus incomc em vez de aumentar os
pagamentos de dividendos. A gama de modelos de estimao tentar levar tais fatores em conta.
Alternativamente, a anlise de regresso cruzada scctional podem ser utilizados inferir preos
comparando os rcios-chave, tais como Preo / Lucro (P / L) com empresas semelhantes, ou em
todos os sectores / indstrias inteiras.
Os investidores tambm tm diferentes informaes sobre cada empresa e assim suas
avaliaes sero ser diferente. Assim, os preos do mercado reflectem a mdia das todas estas
avaliaes combinado com os efeitos da oferta e da procura. Consequentemente, a capitalizao de
mercado, muitas vezes, ser diferente para o valor fundamental de (seus activos menos passivos) a
sua corporao.
Em termos de negociao, as aes so facilmente transferveis num contexto domstico, de modo
mercados como os EUA tm visto uma enorme quantidade de concorrncia local, entre ambas as
bolsas e outros locais de execuo. Acesso eletrnico e associaes remotas, para os investidores
estrangeiros / comerciantes, esto ajudando a aumentar a acccss locais. Tambm h um mercado
flutuante de recibo de depsito para negociao aes de empresas estrangeiras. Essencialmente, estes
so apenas proxies permitindo aes estrangeiras para ser negociadas localmente (eles arco coberto
em mais detalhe no Apndice F). Juntos, todos esses fatores significa que os estoques arco
comeando a se tornar ativos verdadeiramente globais que podem ser negociados 24 horas por dia. Por
exemplo, Mark Howarth (2004) utiliza Sony como um exemplo para demonstrar como tal
negociao agora possvel para muitas grandes empresas. Tabela A-l mostra algum do
potencial comercial locais para este durante todo o dia.
Tem
po Tempo)
(Japo Padro
Plataforma de negociao
0 8 : 00 -09 : 00
Tquio pr-negociao
0 9 : 00 -15 : 00
Tquio
15: 00 -24: 00
Londres, GDR IOB
18: 00 -24: 00
Tquio after-hours
EUA ADR
mercados 22:30 -05:00
0 5 : 00 -08 : 00
EUA after-hours mercados
Mesa A - l plataformas de negociao potenciais para um estoque japons

ONCC a bolsa de Tquio fechou, a negociao pode continuar, quer em seus after-hours
plataforma (ToSTNeT) ou em outros mercados depois de horas locais, como SBI JapanNext.
Negociao Tambm pode mudar para Livro de Ofertas da bolsa de valores de Londres
Internacional (IOB). Da mesma forma, antes de Londres fecha os EUA se abre, permitindo
recibos de depsito a ser negociadas aqui e depois venues do mercado at Tquio abre
novamente.
Mercados acionrios mundiais

Os mercados de aes em todo o mundo continuam a ser ccntred em bolsas de valores. No
entanto, uma crescente variedade de novos locais de execuo, tais como redes de
comunicaes electrnicas (ECNs) e sistemas de negociao alternativos (ATS) trouxeram a

concorrncia e
Apndices
47 6
fragmentao. Dito isto, a alta nvel de prego eletrnico e acesso via DMA e negociao
algortmica significa que os mercados de aes do mundo tm arguahly o nvel mais elevado de
clicnt-SIDC acessibilidade.
Tabela A-2 mostra top quinze bolsas de valores do mundo em termos de seu mercado
interno capitalizao e valor total de negociao de aes para 2007 e 2008, com base em dados
do Federao Mundial de Bolsas (WFE) (2009). Claramente, os EUA domina o mundo
negociao de aces tanto com a NYSE e as trocas NASDAQ. A Tokyo, Euroncxt e Bolsas de
valores de Londres tambm tm quotas de mercado significativas e turnovers.
Tampo do mercado
domstico em $
bilhes
2008
2007
Intercm
bio
NYSE Euronext EUA
Bolsa de Tquio
NASDAQ OMX (EUA)
NYSE Euronext Europa
I ^ ondon Bolsa de Valores
Shanghai Stock Exchange
Trocas de Hong Kong
Deutsche Borse
Grupo TSX
BME Bolsas espanholas
SIX Swiss Exchange
Australian Stock Exchange
Bolsa de Bombaim
National Stock Exchange da ndia
BM & FBOVESPA
9209
3116
2396
2102
1868
1425
1329
1111
1033
948
857
684
647
600
592
15.651
4331
4014
4223
3852
3694
2654
2105
2187
1781
1271
1298
1819
1660
1370
O valor total da
negociao de aes em $
bilhes
2008
2007
33.639
5607
36.447
4411
6272
2600
1630
4619
1716
2411
1500
1213
302
725
724
29.114
6413
28.116
5640
10.334
4029
2134
4325
1635
2970
1883
1372
344
751
598
Fonte: WF E (2009)
Os principais mercados acionrios mundiais Tabela A-2

Embora alguns execuo global possvel, os mercados de aes so geralmente em I'ocussed
comrcio interno. Em parte, isso devido ao nvel muito mais elevado de regulao para o estoque
mercados. Ainda assim, atravs da ltimos anos o intercmbio comearam a becomc entidades
verdadeiramente globais. As fuses entre NYSE e Euronext, NASDAQ OMX e so um bom
exemplo disso. Assim, a concorrncia global susceptvel de aumentar significativamente nos
prximos anos.
Prego eletrnico tornou-se onipresente para os mercados de valores do mundo, em particular para
sell-side. Nveis de buy-side de adoo de DMA e negociao algortmica tambm so elevados,
especialmente na Figura EUA Shows de ambos os A-1 os actuais nveis de adoo de algortmica
negociao e projees para 2010, com base em estimativas do Grupo Aite (2007a) consultoria.
Claramente, que ainda vai levar algum tempo antes que os nveis de adoo oT para algortmica
negociao na Europa e na sia alcanar os de os EUA
Mercados acionrios norte-americanos

Amrica do Norte, obviamente, domina a regio com algumas das maiores bolsas do mundo,
como se mostra na Tabela A-2. Os mercados do Canad e arco latino-americano muito menor.
477
2004
200 5
2006
EUA
2007
Europ e
Fonte: AITC Grupo (2007a)
200 8
2009
201 0
^ A s i uma
Figura A- l adoo de equidade negociao algortmica Regional
Mercado accionista EUA

O mercado acionrio EUA liderado por dois dos maiores mercados Slock do mundo, a New York
Stock Exchange (NYSE) eo Nasdaq (originalmente um acrnimo para a Associao Nacional de
Securities Dealers Automated Quotations). Figura A-2 mostra uma estimativa para o hrcakdown da
quota de mercado em Dezembro de 2008.
Othe
r13, 2
%
NASD A
Q2 7 , 1 %
Fonte: FIF (2009), 'Direct Edge (2009) e Rosenblatt Securities (2009)
Figura 2 A- EUA quota de mercado de aes em 2008 (dezembro)

Embora eles ainda lideram o mercado dos EUA, tanto NYSE e NASDAQ tiveram de evoluem
constantemente, a fim de manter a sua posio. Eles tambm tm mantido um olho no mercado
global: Como evidenciado pela fuso da NYSE com a Euronext e da NASDAQ aquisio da OMX.
O resto do mercado EUA dividida entre BATS e Direct Edge, o bolsas regionais, corretores, e
cerca de 40 redes de comunicaes electrnicas distintos
1
As estatsticas compiladas pelo Frum de Informao Financeira com dados de BATS negociao.
Apndices
478
(ECNs) e sistemas de negociao alternativos (ATS). A intensa concorrncia tem feito os

Estados Unidos mercado muito fluido. Na verdade, os dois principais concorrentes, BATS e Direct
Edge, tm evoluram a partir de ECNs em trocas completas (ou esto em processo de faz-lo).
Hcncc, o A quota de mercado colapso em 2009/10 pode ser visivelmente diferente da Figura A 2.
O mercado de aes EUA lideram o mundo para o nvel de adoo de DMA e negociao
algortmica. Captao tem sido maior no sell-side onde os comerciantes tm invocado acesso
eletrnico remoto por muitos anos. Algoritmos de negociao so muitas vezes utilizada por
comerciantes como uma ferramenta de eficincia, embora o uso buy-side tambm aumentou.
Em seu 2007 EUA Equidade Estudo investidores, Greenwich Associates (2007) descobriram
que trs quartos do investimento gestores e fundos mtuos usadas estratgias de negociao
algortmica, enquanto que para os fundos de hedge a Figura era mais do que 85%.
A TABB Group (2008) pesquisa de US negociao institucional constatou que 55% dos comrcios
de aes dos EUA foram executados via DMA (9%), algoritmos (24%), atravessando redes (11%) ou
program trading (11%) em 2008. Nota que em 2007 esse total foi, na verdade, 63%. O 2007-09
crise financeira e da consequente volatilidade do mercado levou ao aumento dos nveis de alta
trading toque. No entanto, a proporo de negociao algortmica tem continuado a crescer,
passando de 22% em 2007. Outros levantamentos colocar o nvel de DMA ainda maior. Por
exemplo, a Celent (2008b) consultoria estima que DMA representa cerca de 15 -18% do
volume de aes, prevendo isso para aumentar para 20% at 2010. Da mesma forma, um
relatrio anterior pelo Grupo Aite (2007a) consultoria colocar o nvel de DMA em torno de 19%,
ao passo que eles estimaram que negociao algortmica havia atingido 18%.
Regulamento desempenhou uma parte significativa na formao do mercado de aces dos EUA;
tem geralmente sido utilizada para tentar aumentar a competitividade, ou prticas corretas que so
percebidos como sendo anti-competitivo. Tabela A-3 descreve alguns dos principais marcos
regulatrios e sua efeitos.
Ano
Regulao
Efeitos diretos
1963
1975
1997
2001
2007
Reestruturao negociao OTC

National Market System (NMS)
Regras relativas ao tratamento a fim
NASDAQ
Decimalisation
NASDAQ criado
ITS criado
ECNs
Os spreads
reduzidos
Mais concorrncia
Regulamento NMS
Milestones A-3 Tabela de regulao do mercado de aces dos EUA

Comeando em 1963, a Securities and Exchange Commission (SEC) recomendou
reestruturao sobre o comrcio de balco (OTC), que levou criao da NASDAQ. Enquanto o
National Market System (NMS) foi introduzido para consolidar preos e do comrcio informaes
entre as vrias trocas, bem como proporcionar um sistema inter-mercado (ITS) para rotear
ordens entre eles. Ento, em 1997, as regras de tratamento das ordens NASDAQ foram
introduzidas para oferecer aos investidores mais proteo para seus pedidos de limite, e para
garantir que os concessionrios sempre exibido suas melhores cotaes. A deciso para exibir as
ordens com limites de clientes (que o seu preo melhor do que Citao do dealer) ajudou a
empurrar NASDAQ longe de ser um mercado puramente orientada para o oramento para
comportamento incorporando mais parecido um livro ordem de limite. Notavelmente, porm, foi a
deciso citao que teve o maior impacto. Anteriormente, os concessionrios tinham sido capazes de
usar internacional privado sistemas de negociante para negociao a preos melhores; a nova
deciso significava que estes preos devem tambm ser disponvel ao pblico. Com efeito, este
abriu uma janela na NASDAQ para locais de execuo externos e, de repente muitos novos ECNs
foram criados, todos competindo por participao de mercado.
47 9
Decimalisation foi introduzido em 2001, levando a um menor lance oferecem spreads. O

resultante
1.1 centavo tick size tambm incentivou a prtica de "pennying" (saltando frente de um j existente
ordem simplesmente aumentando o preo por Um penny). Decimalisation ajudou a continuar a
tendncia comerciantes de menores tamanhos de ordem e por isso tem incentivado com grandes
encomendas para uso alternativo locais, em particular, a ATS mais recente ou os chamados "dark
pools". Por ltimo, mas no menos importante, o Regulamento NMS foi implementado em 2007,
que estabelece as regras para:
Acesso justo
Proteo Ordem
Abolir sub-centavo preos
Alocao das receitas de dados de mercado

Em parte, estes reacender o mais cedo 1975 regulamentos, embora eles queriam dizer a demolio
das ITS. Em vez disso, os mandatos de regras de acesso justas que devem ser estabelecidas ligaes
privadas para permitir locais para rotear ordens entre si. Alm disso, locais de captura uma
proporo significativa de o ADV deve fornecer uma cotao de mercado. A proteco da ordem (ou
"trade-through") regra exige que as negociaes devem ser executadas ao melhor preo
apresentado acessvel em menos de um segundo. Ento, uma ordem colocada na NYSE vai
realmente ser encaminhado e executado sempre que o melhor preo cotado , seja NASDAQ ou um
ECN. Em comparao, o ITS permitiu uma segunda vez 30 janela para um fim de ser atendido em,
enquanto isso pode ter parecido razovel, h 30 anos, em
um mercado onde a negociao
agora frequentemente medido em milissegundos este atraso uma vida. De fato, este enorme atraso
colocar o seu criador no fim uma desvantagem considervel para o mercado, como Larry Tabb
aponta em um artigo para o Grupo TABB (2003). NMS regulamento deve ajudar a aumentar a
concorrncia no mercado, mas o seu impacto a longo prazo continua a ser visto.
A crise financeira de 2007-09 tambm desencadeou um novo olhar sobre muitos aspectos de os
EUA marketplace pelos reguladores. Inicialmente, o foco foi a venda a descoberto, mas, desde
ento, expandiu-se para olhar para o ATS "dark pool" eo uso de IOIs, bem como as ordens
"flash" e trading de alta frequncia. S o tempo dir o que resultar novas regulamentaes e como
eles affcct os mercados.
O mercado de aces dos EUA, indiscutivelmente visto mais mudanas do que qualquer do
mundo de mercados. Como vimos na Figura A-2, as principais bolsas de valores ainda lideram a
quota de mercado; Contudo, eles esto enfrentando forte concorrncia. Desde os estoques esto to
fungvel, o comrcio de lhes pode acontecer em praticamente qualquer desses locais,
independentemente de onde eles esto realmente listados.
Foro
NYSE (inc Area)
NASDAQ
BATS
Direct Edge
ATS (dark pools)
De outros
% Do Tape
A (NYSE)
Obj
etiv
19.90
8.57
7.10
n/D
21.66
% Do Tape
B
(Regional)
28.08 2
32.37
15.10
5.55
n/D
18,90
% Do Tape C
(NASDAQ)
15,64
40.79
10,41
7,83
n/D
25.33
% Do Total
33,55
27.09
10,36
6,93
8,90
13.17
Fonte: FIF (2009), 3Direct Edge (2009 ) E Rosenblatt Securities (2009)
Tabela A-4 L.S. patrimnio lquido combinado repartio quota de mercado em 2008
(dezembro)
Tabela A-4 quantifica isso mostrando a repartio quota de mercado para NYSE e
Inclui Amex.
As estatsticas compiladas pelo F rum de Informao Financeira com dados de BATS negociao.
48 0
Apndices
NASDAQ aes listadas atravs de cach os principais locais para dezembro de 2008. Figura A-3
tentativas para ilustrar isso de uma maneira um pouco diferente, com as principais bolsas de valores
no centro e todo o locais alternativos acima e abaixo deles, livres para negociar em qualquer um
dos seus estoques.
Figura A-3 Uma viso alternativa do mercado de aces dos EUA

A NYSE de longe a maior bolsa de valores do mundo. Historicamente, o comrcio foi
baseado em torno de especialistas, 4que so responsveis para a manuteno de um mercado "justo
e ordenado" para cada ao. Logo no incio, a NYSE foi uma das primeiras trocas de oferecer pedido
eletrnico encaminhamento; a saber atravs do sistema de 1976 Designado Ordem Turnaround
(DOT). Isto foi seguido por SuperDOT em 1984, que passou a lidar com mais do que 75% do fluxo de
ordens, mesmo que tal encaminhamento significava que o especialista ainda foi necessria para
combinar manualmente ordens (o qual pode ser de at 100.000, em tamanho). Embora, a NYSE
tem sido mais lento do que alguns bolsas de a mudana para a negociao totalmente electrnico,
em parte devido ao sucesso de seu prego e especialistas. Totalmente automatizado execuo foi
oferecido pela primeira vez em 2000, para pequenas encomendas (at 1.099 aes) por NYSE direto +.
O prximo passo importante foi a introduo do NYSE mercado hbrido em 2005. Isto oferece a
execuo automatizada de Dircct +, mas para as encomendas de at um milho de aes; ele
tambm remove as restries de tempo e totalmente integrado com OpenBook para permitir que
os participantes do mercado off- uma viso muito mais detalhada do disponveis profundidade do
mercado. Por Q2 2007, o comrcio eletrnico foi responsvel por mais de 90% do comrcio com
NYSE mais de 80% do volume total de aes, como observado em Bolsas de Valores da NYSE
(2007). NYSE Hybrid tem reduziu significativamente o tempo mdio de execuo. Uma reviso
em Negociao pela Rosenblatt Securities Discusso (2007) observa que ele tambm ajudou a reduzir
os spreads cotados, embora a volatilidade foi encontrado para aumentar ligeiramente. As alteraes
estruturais tambm foram feitas. Em 2008, a NYSE mudou o papel do especialista para se tornar
criadores de mercado designados (DMMs). DMMs so capazes para negociao a paridade, ao
invs de ter que dar prioridade a ordens de clientes, incentivando-os a fornecer liquidez adicional,
conforme descrito pelo Ivy Schmerken (2008). Alm disso, suplementar fornecedores de
liquidez (SLP) tambm so capazes de tornar os mercados em aes da NYSE. Tal inovao,
tanto em termos de estrutura do mercado e da tecnologia, vital para manter a NYSE a sua
posio.
4
Peter Bennett (2005 ) Reconta a histria de como acidental especialistas surgiu a primeira. Diz a lenda que uma corretora lder, James
Boyd, quebrou a perna em 1875. Incapaz de andar entre entrepostos comerciais, ele fez todos os seus negcios a partir de um cadeira no
posto Western Union. Outros corretores, em seguida, come ou a t-lo trabalhar suas ordens Western Union para
comisso, teaving-los livres para correr entre as outras mensagens comerciais.
481
O aumento da concorrncia fez com que a quota de mercado ao longo do tempo da NYSE tem
noticcably diminuiu. Em 2005, foi superior a 80%; No entanto, desde ento, tem mergulhado
abaixo de 50%, o estimativa para Dccembcr 2008 mostrada na Tabela A-4. Incorporando a
troca rea em 2006 ajudou a consolidar a sua posio. A estrutura do mercado e mudanas de
plataforma de negociao tambm parecem ter ajudado.
NASDAQ foi originalmente criado em 1971 como um quadro de avisos, permitindo OTC
negociao de stocks, mas logo se tornou um mercado orientado a citao multi-dealer. Como a
NYSE, os sistemas por trs NASDAQ tm sido extensivamente atualizado ao longo dos ltimos
anos. Totalmente eletrnico negociao foi fornecida primeiro em 1984, pelo Sistema de Execuo
de Ordem pequena (SEE). Ento, em 1988, o lanamento de SelectNet permitido revendedores para
negociar eletronicamente. Estes foram mais tarde se fundiu para formar SuperSOES. O prximo
grande passo foi o lanamento do Montage Super em 2002, que exibiu profundidade de mercado (os
trs melhores compra e de venda), limite totalmente suportado encomendas e permitiu a
negociao annima usando o apelido SIZE. Dando continuidade ao seu transformao, leiles de
chamadas clcctronic foram introduzidos tanto para a abertura e fechamento em 2004. Em
termos de quota de mercado, NASDAQ tambm tem enfrentado um monte de concorrncia, de
fato, em 2005, ECNs tinha uma quota de mercado combinada superior a 60%, deixando NASDAQ
com menos de um tero do mercado. Embora, NASDAQ conseguiu recuperar a sua posio,
nomeadamente atravs da a compra de dois seus maiores concorrentes, nomeadamente Brut em
2004 e em 2005. Estes INET livros adicionais de encomendas foram totalmente integrado com
SuperMontage em Single-Book em 2007. NASDAQ tambm conseguiu capturar uma
proporo crescente de negociao de aes listadas NYSE, enquanto seu novo segmento de
listagem (Global Select Mercados) devero ajudar a reforar as suas prprias listas.
BATS Trading iniciou a sua vida como um ECN em 2006, embora em 2008, tornou-se uma
troca em seu prprio direito. Inicialmente, a quota de mercado NASDAQ foi alvejado com preos
agressivos esquemas. Por exemplo, em janeiro de 2007, mais foi premiado nos descontos do
que taxas, crescendo As suas NASDAQ compartilhar a 14%, embora este caiu ligeiramente
depois. BATS tambm conseguiu para aumentar significativamente a sua proporo do volume
NYSE. At agosto de 2008, mdia diria volumes eram de cerca de 750 milhes partes; cerca de
metade do que negociadas na NYSE rea, tornando -se o terceiro local mais importante do
volume norte-americano de forma constante continuaram a aumentar desde ento.
Direct Edge outro local que comeou como um REC. Os Valores Mobilirios internacionais
Exchange (ISE) bolsa de valores agora uma subsidiria integral. Direct Edge continua planeja se
tornar uma troca de por direito prprio. Curiosamente, ele fornece dois execuo plataformas,
EDGA e EDGX. EDGA cobra a mesma taxa para adicionar ou remover liquidez, pretende-se
para os comerciantes mais pr-ativos. EDGX segue um cronograma fabricante de taxa / tomador, de
modo fornecedores de liquidez receber um desconto.
Os intercmbios regionais, nomeadamente a Americanos (AMEX), Boston, Chicago (Centro Oeste) e Nacional (Cincinnati) bolsas de valores conseguiram manter alguma presena em ambos
NYSE e NASDAQ aes, como bem como as empresas cotadas de menor dimenso. Muitos deles
tm tambm abraou os mercados de opes. No entanto, a consolidao do mercado ea
competio teve um efeito enorme sobre eles. A troca do Pacfico foi tomado por Arquiplago
antes de ser incorporado na NYSE. Da mesma forma, AMEX tambm foi comprado e agora
chamado NYSE Alternext; seu foco est na lista das empresas e opes de menores. Os Equities
Boston troca fechado as suas portas em 2007; desde ento se tornou NASDAQ OMX BX. Isso tem
de Preos projetado para atrair compradores de liquidez, dando NASDAQ uma estrutura dual como
direto de Borda. Claramente, essa consolidao torna as perspectivas para os intercmbios regionais
restantes menos certo. Apesar de a sua quota de mercado relativamente pequeno, eles podem ainda
ser atraente proposies como entidades independentes, uma vez que oferecem a oportunidade
de recuperar a receita de
482
Appcndiccs
dados de mercado e taxas de cmbio, como observado por Joshua Galpcr (2006).
Como j vimos, tem ECNs teve um enorme impacto sobre as trocas, particularmente NASDAQ.
At o milnio havia mais uma dzia de redes de comrcio eletrnico, todos competindo por
participao de mercado; embora o mercado era dominado por Island, Instinet e Arquiplago. Desde
ento, o concorrncia aumentou, mas houve uma grande quantidade de consolidao. Na verdade,
do quatro ECNs originais fundada aps a SEC regras de manuseio de ordem 1997, apenas
Bloomberg Tradebook permanece. A rea de ECN fundiu com REDIBook em 2002, formando
a Arquiplago de Valores; ele ento passou a fundir-se com a troca do Pacfico antes de ser
comprei pela NYSE em 2006. Da mesma forma, Ilha fundiu com a Instinet em 2002 para formar a
1Net ECN, que foi comprada pela NASDAQ em 2006, dois anos depois a compra da Brut ECN.
BATS Enquanto isso, tornou-se agora uma troca Direct Edge e est no processo de se tornar um.
Logo, ECNs independentes pode ser algo de uma raridade.
Nos ltimos anos, ATS (ou os chamados "dark pools" ou "livros escuras") tornaram-se mais
proeminente. O seu nmero est crescendo to rapidamente; Atualmente existem cerca de 40
locais, o dobro do incio de 2006. Isso compreensvel quando os tamanhos mdios de
execuo de at para 40-50,000 aes pode ser realizada em alguns deles, em comparao com
menos de 500 na NYSE ou Nasdaq. Rosenblatt Securities fornecer regularmente um relatrio
detalhando o volume negociados em locais de "dark pool". Tabela A-5 mostra a mdia diria
ajustada de passagem volumes (para Abril de 2009) para alguns dos locais-chave, juntamente
com a correspondente Quota de mercado. Os ajustes tentar ter em conta a dupla contagem que
pode acontecer quando os pedidos so combinados em vrios locais.
Foro
Mdia
tamanho do comrcio
APOSTAS
BNY ConvergEx Vortex
Citi Jogo
Credit Suisse CrossFinder
Direct Edge
GETCO execuo dos servios
Goldman Sachs SigmaX
Instinet CBX
1SE Midpoint Jogo
ITG POSIT
Cavaleiro link
LeveL
Liquidnet
Milnio
Morgan Stanley MS Piscina
Oleoduto
UBS PIN Cruz
324
437
386
319
283
344
570
306
231
-6000
357
341
52.428
288
277
-47.105
n/D
Adj. ADV
Abril 2009
(em milhes
de aes)
9.7
6.9
35,5
133,9
99,4
140,5
150
29
9.6
-21,1
116
57
-35. 7
17,3
46
-10. 4
-41. 9
Mercad
o Adj
share%
0,09
0.06
0,32
1.19
0,89
1.25
1.34
0,26
0,09
0,19
1.03
0,51
0,32
0,15
0.41
0,09
0,37
Fonte: Rosenblatt Securilics (2009 )
Mesa A-5 volumes do conjunto de liquidez no-exibido americanas

Uma reviso detalhada de muitos dos principais locais de ATS fornecido em um artigo do
Rosenblatt Securities (2007a). Para eles, ns catcgorise vai usar os mesmos tipos como no
captulo
48 3
2, de modo que os cruzamentos esto programados ou contnua, e arco negociado,

anunciado, cegos ou interno.
Cruzamentos programados foram fornecidos desde 1987 por POSIT da ITG. Atualmente, este
ofertas uma dzia intraday separado cruza juntamente com dois aps o encerramento. Efetivamente,
cada cruz um annimo leilo de chamada, com preos a ponto mdio da melhor oferta de compra e
oferta nacional (NBBO). Instinet oferta um servio similar, com 7 cruzes intraday (IDX) e um aps
o encerramento (LDX); Alm disso, h duas cruzes arco manh que utilizam um preo VWAP
(VWAPX).
Sistemas de cruzamento de contnuos ter agarrado uma proporo significativa de quota de
mercado. UMA exemplo notvel Liquidnet , um sistema orientado buy-side lanado em 2001, que
oferece uma mecanismo de cruzamento base de negociao. Liquidnet constantemente tenta
encontrar correspondncias entre comprar e encomendar sell requisitos de seus clientes, quando ele
encontra-los notificaes so enviadas a cada um Festa. Eles so ento livre para entrar em
negociaes bilaterais annimos para o tamanho e preo. Apesar de a negociao annima,
Liquidnet emprega um scorecard (como eBay classificaes) para refletir a histria de cada
usurio de passagens bem-sucedidas. Essa abordagem provou ser extremamente popular com o
buy-side, em parte por causa do sentido adicional de segurana que nenhuma sell-side ou
comerciantes proprietrios tm acesso.
Sistemas de cruzamento de cegos contnuas tambm se tornaram cada vez mais popular. Em
2001, a Millennium ATS 5foi lanado pela NYFIX, oferecendo "passar por" ordens. ITG lanado
Posit Agora em 2002, proporcionando uma verso contnua do seu mecanismo de cruzamento
populares. Nvel outro local digno de nota, que tem visto um crescimento rpido desde o seu
lanamento em 2006 por um consrcio de Boston Stock Exchange (BSE) investidores. Para muitos
deles cruzamento cego redes, "atravessar" ordens tm bccome uma fonte notvel de liquidez. Como
seu nome sugere, essas ordens primeiros tentar igualar com a liquidez disponvel no seio da ATS,
antes em seguida, ser encaminhado para seu destino, mesmo que seja uma troca primrio / regional,
ECN ou possivelmente at mesmo uma outra ATS. Abordagens semelhantes so oferecidos pela
Instinet de Bloco contnuo Crossing (CBX) e da Liquidnet H 2 0 rede. Liquidnet H2O permite
routers ordem inteligente para enviar fluxo de sell-side a Liquidnet para cruzar com side pedidos
de compra. O fato que a interao apenas no nvel do roteador de ordem inteligente, garantindo que
no haja interveno humana, minimiza o vazamento de informaes para a equipa da compra.
Anunciado travessia outro mecanismo importante, para o qual Pipeline provavelmente o
exemplo mais conhecido. Ele mantm um bloco de bordo das unidades populacionais, que so
destacadas em laranja quando a liquidez est presente. Gamas de preos bloco esto disponveis
como uma diretriz, embora no h tamanhos so exibidos. Usurios podem ento fazer pedidos
firmes para executar com a liquidez disponvel. Pipeline impe limiares de quota mnima estritas
para impedir o abuso predatria. O Millennium ATS tambm fornece seus clientes com um tipo de
ordem Alm disso opcional, que envia alertas de liquidez para um grupo de parceiros de liquidez
passivos (PLP), uma vez a ordem atinge Millennium. Estes PLPs so outros dark pools ou motores de
passagem internos que permitem respostas automatizadas, sem qualquer interveno humana. Mais
uma vez, isto assegura que os alertas so no visvel para os comerciantes enquanto maximiza sua
chance de ser preenchido. Em 2005, a ITG lanado POSIT Alert, 6 com base em indicaes que
alerta os usurios quando a liquidez est disponvel, deixando - para decidir se deve executar.
Buy-side empresas podem tambm optar por conceder apenas notificar outro buy-side usurios.
Evoluo do mercado constante significa hbridos dos tipos de passagem acima tambm
esto sendo desenvolvidos. Por exemplo, em 2006 um consrcio de corretores / negociantes
anunciou o Bloco Interesse Discovery Service (BIDS) para ambos lado a comprar e vender. Este
usa firme e
5
6
BN Y ConvergEx anunciou Lhey concordaram em adquirir Millennium em 2009.

POSIT Alerta era anteriormente conhecido como BlockAlert (quando foi uma joint venture com a Merrill Lynch).
48 4
Apndices
ordens condicionais para apoiar tanto cruzamento cego contnua como cruzamento bem como
negociou usando scorecards. Vortex do BNY ConvergEx combina Indicaes "acionveis" de
interesse (IDI) de uma grande rede de fornecedores externos de liquidez com sua plataforma de
cruzamento cego contnua para proporcionar segurana liquidez adicional. Outras inovaes arco CBX
da Instinet, que permite aos usurios configurar totalmente o que informao (preo, tamanho)
eles podem querer compartilhar com outros participantes. O nvel ATS pode at mesmo incorporar
as preferncias do cliente para spccillc contrapartes em sua lgica de correspondncia.
Prprias redes de passagem dos corretores tm rapidamente becomc uma fora importante em
termos de "dark pool "de liquidez, como mostrado por suas respectivas quotas de mercado em
Tabic A-5. Originalmente, estes foram apenas de passagem redes internas que lhes permitiu
salvar as taxas de execuo em trocas ou outros locais. Ainda assim, ao longo dos ltimos anos
estes abriram-se progressivamente para acesso do cliente direto, efetivamente transformandoos em ATS em seu prprio direito. Os volumes que passam atravs dos corretores significa que
estes so agora os principais concorrentes neste espao. Proeminente entre e stes CrossFinder do
arco Credit Suisse, Goldman Sachs 'Sigma xPreo e melhoramento da rede de UBS (PIN). Em
2008, Goldman Sachs, UBS e Morgan Stanley tambm fez acordos que vai permitir que os seus
clientes o acesso a liquidez de cada redes de outros.
"Dark pools" vinculados a operaes de formao de mercado tm bccome outra importante
fonte de liquidez. Por exemplo, GETCO Execution Services uma ATS que fornece execuo via
Ordens do COI, com liquidez proveniente de os criadores de mercado GETCO.
No novidade que, intercmbios e redes de comrcio eletrnico tambm tm se esforado
para entrar nessa arena, como eles tenta reter e atrair liquidez do ATS. Em 2006, a Securities
International Exchange (ISE), criado MidPoint Match, um local de passagem cega que suporte
pass-through fluir para seu mercado eletrnico. Ele tambm permite que as ordens para fazer
propaganda via Solicitaes firmes de Juros (SOIs). The Edge ECN direta permite que ordens para
ser encaminhado para uma gama de ATS incluindo Liquidnet H 2 0. Da mesma forma, em 2007
NASDAQ lanou sua prpria rede de travessia com um regime de preos agressiva, enquanto 2008
viu o lanamento NYSE Matchpoint, o seu prprio servio de travessia annimo. Em 2009, o
New York Bloco Exchange (NYBX) foi lanado; Isto uma joint venture entre a NYSE Euronext
e lances Holdings. Ao contrrio de muitos dos outros ATS, NYBX tem acesso total ao livro de ordens
NYSE, incluindo a sua no- liquidez exibida. Outras instituies financeiras arco criando
tambm os seus prprios sistemas de passagem internos, como CrossStrcam da Fidelity.
Apesar de todas estas mudanas e a competio aguda, ainda amplamente cxpcctcd que mais
ciclos de fragmentao e consolidao vai ocorrer. Como de costume, a liquidez ea ordem Como
ir ser as chaves para a sobrevivncia.
Mercado de capitais canadense

O mercado canadense ainda dominado pela troca primrio, os seis principais bancos, e os braos
de corretagem. Uma boa viso geral do mercado fornecida por Alison Crosthwait (2009) a partir de
ITG Canada Corp. Em 2006, os novos regulamentos foram aprovados para garantir hest execuo,
como bem como permitir a criao de sistemas de negociao alternativos. Efetivamente pontap
inicial os mesmos processos temos visto em os EUA Antes disso, cerca de um tero de todos
negociao foi ainda realizadas fora de bolsa no mercado no andar de cima. Na verdade, Crosthwait
(2009) Estimativas este tinha cado para cerca de 16% em 2008.
Historicamente, a maior parte da concorrncia para negociao slocks canadenses tem sido de
os EUA Na verdade, cerca de 200 dos 1.500 empresas canadenses so cross-listados em bolsas de
valores norte-americanas. Para Destes, os EUA responsvel por uma quantidade considervel de
negociao, embora a maioria ainda toma lugar na troca primria. ITG Inc. at mesmo ofertas um
roteador inteligente Melhor mercado de servidores
48 5
que ajusta para FX e assim pode negociar tais populaes por ordens automaticamente de roteamento
entre o
EUA e Canad.
A concorrncia local chegou em 2003, sob a forma de o Canadian National Stock Exchange
(CNSX) (anteriormente a negociao canadense e Quotation System, Inc.), que oferece uma
site alternativo para listar empresas emergentes. Isto uma plataforma de negociao totalmente
electrnico, agora baseado no motor negociao X-stream a partir NASDAQ OMX.
Locais ECN-like tambm foram criados, como Pure Negociao. Este foi lanado em incio
de 2008 com preo baseado maker / taker. Como o CNSX, tambm baseado no motor X corrente. O Alpha ATS outro novo local baseado livro de ordens eletrnico; lanado em
Novembro de 2008 por nove grandes corretores canadenses, com base de Cinnober
TRADExpress ATS plataforma. Alternativamente, um livro de ordens totalmente annimo
fornecido pela Omega ATS, que foi lanado em 2007.
Os principais jogadores de os EUA tambm comearam a adaptar suas plataformas para o
Canad. Para exemplo, Instinet lanou uma verso canadense de qui-X, com base no mesmo
software tal como utilizado no mercado europeu sua travessia. Bloomberg Tradebook tambm
estabeleceu-se.
Vrios "dark pool" locais de execuo j foram estabelecidos no Canad. Liquidnet oferece
sua plataforma de negociao conduzido passagem contnua. Da mesma forma, do ITG Jogo
Agora ATS fornece um leilo de praticamente contnua cego (a cada 30s), que tambm integra
streaming de liquidez para outros locais. BlockBook do permetro Financial tambm ofereceu um
escuro piscina ATS, mas foi relatado que ela est sendo desligado devido a falta de negcios.
Outros mercados acionrios norte-americanos

Os mercados latino-americanos arco muito menores do que aqueles em os EUA Embora seu
maior mercado do Brasil um dos vinte melhores do mundo, em termos de capitalizao e negociao
volume. Para efeito de comparao, a Tabela A-6 mostra a maioria das bolsas americanas.
O valor de mercado ($
bilhes)
Intercmbio
20082007
NYSE Euroncxt EUA
9209
NASDAQ OMX (EUA)
2,3964,014
TSX Grupo
1033
15.651
2008 ADV
($
Milhes)
132.960
2008 Valor
mdio ($
milhares)
8.3
144,0579.6
9.2
2,1876,837
BM & FBOVESPA
592
1370
2.908
14,8
Mcxican SE (BMV)
234
398
438
24,2
NYSE Amex
132
2582.219
Santiago SE
132
213
144
41,6
Colmbia SE
88
102
82
34,7
Buenos Aires SE
40
57
26
Lima SE
38
6925
n/D
7
17,7
Fonte: WP E (2009)
Tabela A-6 Outros mercados acionrios norte-americanos

A Bolsa de Valores de So Paulo (BOVESPA) tanto o do Brasil e maior bolsa de valores
da regio. isto um mercado completamente eletrnico; o prego foi fechado em 2005. Em 2008,
fundiu-se com a bolsa de derivativos do Brasil (Bolsa de Mercadorias & Futuros). Plataforma
de negociao Mega Bolsa da BOVESPA fornece um livro de ordens totalmente transparente,
com base em a plataforma Nouveau Systeme de Cotao (NSC). Criadores de mercado fornecer
adicional
48 6
Apndices
liquidez para as aes. Corretores oferecer DMA e tambm comearam a fornecer negociao
algortmica. Do Mxico Bolsa Mexicana dc Valorcs (BMV) segunda maior bolsa da regio.
Este foi sincc totalmente electrnico de 1999, baseado seu centro de BMV-SENTRA Captiales
limitar a carteira de pedidos. Corretores tambm oferecem DMA e negociao algortmica est se
tornando disponvel.
No entanto, cerca de tanto volume para o Brasil e empresas mexicanas negociado via
depositary receipts como negociado em troca. Estes proxies de arco, permitindo aes a
serem negociadas como se fossem aces nacionais em os EUA ou na Europa. Por exemplo, em
2008, $ 750.000.000.000 negociadas na BM & FBOVESPA e 112.000.000.000 $ negociados na
BMV, com base em dados do WFE (2009). Em comparao, no valor de $ 899 brasileiro e
191.000.000.000 $ no valor de mexicano recibos de depsito foram negociadas, de acordo com
o Bank of New York Mellon (BNYM) (2008). Portanto, a chave concorrente para as unidades
populacionais da Amrica Latina realmente o mercado de recibo de depsito, que vamos cobrir
mais detalhadamente no Apndice F.
Mercados de aes EMEA

A Europa claramente o maior mercado a Europa, Oriente Mdio e frica (EMEA). O mercado
europeu de capital prprio a segunda em tamanho apenas para os EUA De fato, quatro do
lop dez bolsas de valores (at 2008 capitalizao de mercado) so europeus. A Unio Europeia
ajudou a unificar o mercado, particularmente com a criao da moeda nica Ihc em 1999. H tem
igualmente havido alguma consolidao entre as trocas, nomeadamente a criao do Euronext.
Ainda, Europa composto por trinta estados para que haja uma gama diversificada de moedas,
regulamentos e mcchanisms comerciais.
Somente como os EUA, a regulamentao provvel que seja um fator importante na definio do
futuro da Mercado europeu. Em novembro de 2007, o Mercados de Instrumentos Financeiros
(DMIF) entrou em vigor. Este destina-se a incentivar a concorrncia entre plataformas de
negociao, melhorar transparncia pr e ps-negociao e fazer cumprir "execuo nas melhores
condies" requisitos. Anteriormente, regras de concentrao em pases como a Frana, Espanha e
Itlia impediu off- significativa negociao de cmbio. Para o corretor / negociantes dos
relatrios ps-negociao obrigatria significa sua OTC comrcios devem ser comunicados.
As empresas que oferecem plataformas de negociao fora de bolsa podem ser classificados como
Intcrnalisers sistemticas (Sis) e assim tornar-se sujeito a regulamentaes muito parecidas com as
trocas. Por exemplo, Sis deve publicar ofertas firmes durante as horas de mercado, relatrio todos
os negcios e no pode melhoria preo de oferta em ordens abaixo um tamanho especfico de
mercado. Alternativamente, em vez de gerir este por si s, h sempre a opo de participar de um
dos Multilateral Facilidades de negociao (MTF), como turquesa. No curto e mdio prazo,
tem MiFID resultou em uma srie de novas modalidades de execuo, competindo por liquidez do
intercmbio, cabana Tambm terceirizao nova liquidez que anteriormente podem ter sido
escondido. Um relatrio do Aite Grupo (2009) consultoria observa que MTF deve chegar a
20% de quota de mercado europeia negociao em 2009, e poderia atingir 50% at 2013. Hcncc, a
Europa est a entrar num ciclo de fragmentao, o que pode ser seguido por uma fase de
consolidao.
Prego eletrnico praticamente universal em sell-side, com nveis de algortmica trading
crescendo rapidamente. Embora, buy-side absoro tende a lag o relatrio EUA A pelo TABB
Group (2007b) consultoria observa que, no roteamento de ordens electrnicas em 2007 foi
utilizado pelo mais de 50% das empresas, e deve crescer para 65% at 2009, a maior parte
desse encaminhamento ao longo FIX. Em termos de volume, a Celent (2008b) consultoria
estima que o DMA contas para 8% do fluxo, este projecta a crescer a 15% at 2011. A adoo buyside de algoritmos tambm crescimento; Grupo TABB (2007b) relatou que em 41%,
esperando-o para alcanar 58% at 2009.
A maioria dos locais da regio de arco com base na carteira de encomendas limite centrais
eletrnicas, muitas vezes usando chamar leiles para a abrir e fechar. Muitos tambm incorporar
os criadores de mercado ou dcdicatcd
487
fornecedores de liquidez. A adopo generalizada das carteiras de encomendas electrnicas pode

ser rastreada at a competio que Internacional Livro de Ofertas de Londres em 1986. gerou de cada
pas troca primrio geralmente ainda tem um monoplio sobre suas aes listadas. No entanto, uma
vez que o implementao da DMIF eles agora esto comeando a enfrentar uma forte
concorrncia a partir de uma grande variedade de sistemas de negociao multilateral. Tabela A-7
mostra a distribuio dos volumes de capitalizao de mercado e de negociao para principais
bolsas da regio.
Cap mercado interno
($ Bilhes)
2008
2007
Intercmbio
2008 ADV
($ milhes)
2008 mdio
valor
($ milhares)
2102
4223
17.231
23,0
Londres SE
1868
3852
24.691
31,1
Deutsche Borse
1111
2105
18.420
33,0
BME Bolsas espanholas
948
1781
9491
64,5
SIX Swiss Exchange
857
1271
5977
35,7
NASDAQ OMX Nordic Exchange
563
1243
5268
24,1
Borsa Italiana
522
1073
5926
21,6
Joanesburgo SE
483
828
1574
22,7
Oslo B0rs
146
353
1756
26,1
Fonte: WF E (2009)
Mesa A-7 mercados accionistas europeus

Euronext foi criada em 2000 pela fuso de Paris, Bruxelas e estoque Amsterdam
intercmbios. Estes foram unidos em 2002 por Portugal; que tambm estabeleceu a adeso /
acordos de acesso com a Helsinki e na Bolsa de Varsvia. Embora, claramente o mais fuso
notvel foi concluda em 2007 com a NYSE. Euronext baseado em um eletrnico carteira de
pedidos que permite o acesso de fornecedores de liquidez dedicados. Originalmente, esta foi a
Nouveau Systeme de Cotao (NSC); no entanto, no incio de 2009 nego ciaes de capitais
migraram para o Plataforma de Negociao novo Universal (UTP), que oferece uma capacidade
ainda maior e menor latncia.
No London Stock Exchange (LSE), o livro eletrnico ordem de limite central para FTSE 100
empresas fornecida pela sua Bolsa de Valores de Atendimento Eletrnico de Negociao (SETS),
que datas de volta para 1997. Apesar de, em 2007, a plataforma foi atualizado com um novo motor de
transao (TradElect). Cerca de 800 mdias e small cap aes tambm so servidos por conjuntos com
criadores de mercado registados assegurando a liquidez ao livro de ordens via exibido aspas.
(Nota estes foram anteriormente tratadas pelo mercado de hbridos SETSmm, cuja funcionalidade
citao foi rolado em SETS como parte dos preparativos para a DMIF.) aes de mercados
principais so menos lquidas actualmente tratadas por SETSqx, que combina um mercado
baseado cotao com quatro intraday cruza para melhorar a liquidez global e para ajudar firmasmembro para atender s exigncias da DMIF. A Borsa Italiana, tambm migrou para a plataforma
TradElect da LSE, como tem a Joanesburgo Bolsa de Valores. Da Noruega Oslo B0rs
tambm est planejando adotar TradElect; Atualmente sua negociao baseado na NASDAQ
OMX ' s plataforma SAXESS.
O Deutsche Borse opera a Bolsa de Frankfurt. Xetra, sua plataforma eletrnica, oferece um
mercado hbrido, baseado em um livro de ordens eletrnico que permite designado mercado decisores
para fornecer liquidez adicional. Eles introduziram descontos para i ncentivar
488
Apndices
negociao algortmica. Estima-se que cerca de 40% do seu volume a partir de agora origina
tais sistemas. Xetra tambm usado pelo Vienna, bolsas de valores da Irlanda e Budapeste.
O Bolsas Espanhol y Mercados Espanolcs esto ligados atravs de um sistema electrnico
(SIBE), e ter visto o crescimento do volume considervel ao longo dos ltimos anos.
Os Estocolmo, Copenhaga e Helsnquia bolsas de valores fazem parte do o Nasdaq OMX
Group, assim como as trocas blticos para Riga, Vilnius e Tallinn. Negociao baseado em sua
plataforma INET (anteriormente a plataforma SAXESS foi usada).
Para empresas menores, h um leque de intercmbios dedicados, principalmente de Londres
Alternative Investments Mercado (AIM). Este operado pela LSE, e agora o mundo lder de
mercado para aes de pequena capitalizao. At 2008, a AIM teve mais de 1600 empresas
cotadas incluindo 300 internacionais e os uma capitalizao de mercado combinada de mais de $
170.000.000.000. Ele usa Conjuntos para seus cinquenta aes mais negociadas, enquanto a cotao
impulsionada SEAQ usado para o menor negociados, embora em ltima anlise, esta
provavelmente vai migrar para SETSqx. Mercado Alternext da Euronext, da Espanha Nuevo Mercado
e da NASDAQ OMX First North tambm oferecem alternativa marketplaces, embora estes so
muito menores do AIM. Da Alemanha Neuer Markt tem sido incorporadas volta para o mercado
principal. No U.K., o Grupo de Mercados PLUS tem estabeleceu uma competi o local; sua
troca tem sobre 180 listas e um tampo total do mercado de quase US $ 4 bilhes. Ele fornece a
negociao por cerca de 7.500 Reino Unido e europeu pequena e meados de estoque de tampo.
Locais de execuo pan-europeus tambm foram estabelecidas. No passado, tem o seu
sucesso sido um pouco misto; locais como Chi-X floresceram, enquanto outros, como a EASDAQ
7
e Jiway 8 fracassarem. Em parte, isso foi devido aos regulamentos nacionais de concentrao que
favoreceram muitos dos intercmbios primrios. Alm disso, a rpida adoo de livros de
encomendas electrnicas por parte das bolsas europeias significava que inicialmente ECNs teve
muito menos impacto na Europa do que nos Estados Unidos Embora, a introduo da DMIF
significava que os regulamentos agora incentivar activamente essa concorrncia. Assim, os MTF
de turquesa, NASDAQ OMX Europa e BATS foram lanados em 2008. NYSE Euronext lanou
o seu prprio sistema de negociao multilateral em 2009, assim como Equiduct e Borgonha, outros
locais tambm so devidos.
Chi-X MTF da Instinet provou que a liquidez pode ser deslocado longe de O prefeito
intercmbios. Lanado em 2007, oferece atualmente negociao de aes para a maioria dos
principais Indiccs europeus e tem conseguido atrair grandes empresas de sell-side para fornecer
liquidez. Dentro termos de quota de mercado, estima-se que em torno capturado 17% da
negociao para FTSE 100 aes do Reino Unido, cerca de 13% do CAC 40 empresas da Frana e
estoques AEX de Amesterdo e cerca de 9% da Alemanha DAX 30, com base nos dados prprios
empresas em novembro de 2008. Por suas principais aes, est capturando qualquer coisa de 3050% do volume dirio, relatando mdia melhorias de preos de 4 bps. Este rpido sucesso pode ser
atribudo a uma mistura de seu preo estrutura e a sua velocidade. Curiosamente, ele tambm oferece
negociao para 3 casas decimais para todas as unidades populacionais, e assim permite a negociao
entre os spreads cotadas nas principais bolsas de valores. Isso algo que o Regulamento NMS
removido do ECNs em os EUA (o Sub-Penny regra).
A MTF Turquesa foi impulsionado principalmente pelo um grupo de corretores / negociantes e
foi lanado em setembro de 2008. Ele fornece um livro de pedido eletrnico para a maioria dos
principais ndices europeus, juntamente com suporte para ordens totalmente ocultos. A
plataforma baseada em De Cinnober TRADExprcss, que tambm alimenta a London
Metals Exchange. Um artigo em
7
E A S D A Q foi fundada em 1996 para tentar emular o sucesso da NASDAQ, que por sua vez comprou il e criou N ASD A Q Europa em
2001. No entanto, com apenas 60 lislings revelou-se vulnervel a IHE ps-milnio Lech desacelera o, fechando em 2003 .
8
Jiway foi lanada em 2000 como um venlure joinl belween o OM X Group e Morgan Slanley, bul ele no conseguiu fonte de
liquidez suficiente do fluxo rciail e assim fechou dois anos laler.
48 9
O Trade News (2008) observa que no incio de novembro ele havia capturado cerca de 7% do
comrcio para as unidades populacionais em CAC de Franco e ndices SMI da Sua, 5% ou mais
para o AEX holands, Alemo DAX e FTSE do Reino Unido, bem como uma poro menor da
negociao de MIB da Itlia e ndices OMX da Sucia. A London Stock Exchange anunciou
planos para comprar umaparticipao majoritria na turquesa, por isso, Ser interessante ver o
efeito que isso tem.
A NASDAQ OMX Europa MTF foi ao ar em setembro de 2008. Ela serve para mais de
1.200 stocks, cobrindo os principais ndices de mercados do Reino Unido, Alemanha, Frana,
Holanda, Itlia, Sua, ustria, Blgica, Dinamarca, Finlndia, Irlanda, Noruega, Sucia e
Espanha. Com base na NASDAQ OMX ' s INET plataforma tambm suporta roteamento paneuropeia para outras bolsas e sistemas de negociao multilateral principais da regio.
BATS tambm lanou o seu prprio sistema de negociao multilateral em outubro de 2008,
a fim de reinstaurar o sucesso da sua
EUA operao para aes europias. Negociao engloba aes de todas as principais ndices
europeus.
Enquanto isso, em maro de 2009 viu a introduo da NYSE rea Europa. Com base na sua
UTP plataforma, suporta negociao para as aes europias blue-chip, que so no j tratado por
seus mercados Euronext.
MTF de Equiduct tambm entrou em funcionamento em Maro de 2009, suportando
negociao para o mais lquido stocks da LSE, a Euronext e Deutsche Borse. Sua plataforma um
HybridBook eletrnico carteira de encomendas que tambm suporta negociao em benchmarks
de propriedade, nomeadamente a nvel europeu Melhor Oferta e Oferta (ebbo), que baseado nos
preos consolidadas dos principais mercados. Um volume ponderado Melhor de compra e venda
(VBBO) oferecido como bem, embora haja uma prmio para estes comrcios de benchmark.
A MTF Burgundy lanado em maio de 2009, apoiado pelos principais corretores nrdicos.
Este centra-se no comrcio mid-cap e small-cap stocks nrdicos e tambm oferece escondida (ou
"dark") ordem tipos. Ele baseado no sistema de comrcio de TRADExpress Cinnober.
Em resposta a essa concorrncia, as bolsas europeias esto j a fazer alteraes tentar manter seu
posto de liquidez MiFID. Eles arco alterar as suas estruturas de custos, adotando uma maker / taker
abordagem e redues de oferta para negociao em volume. Londres, e Xetra Euronext tem tudo
seja liberado, ou esto em processo de atualizar seus sistemas de negociao para apoio maiores
volumes e diminuir suas latncias para 10ms abaixo, para competir com os gostos de Chi-X.
NYSE Euronext tambm comeou a reduzir os tamanhos de carrapatos de muitos dos suas aes, a
introduo de suporte para os preos de trs placcs decimais, como Chi-X. O Deutsche Borse
tem tambm lanou um segmento de negociao pan-europeu, o International Market Xetra (XIM), a
ainda competir com os sistemas de negociao multilateral.
Em termos de ordem internalizao, o Deutsche Borse foi uma das primeiras trocas de reconhecer
a importncia desta, introduzindo Xetra-BEST em 2002. Isso permite que os corretores de
internalizar suas ordens de varejo, ganhando o respeito MiFID e economizar em taxas de
liquidao, enquanto clientes de varejo beneficiar uma melhoria de preos obrigatria. Eles
tambm tm redueed suas taxas e cortar a melhoria pricc obrigatrio para 0,001 a incentivar mais a
corretores adotar as melhores. Da mesma forma, no incio de 2007, a Euronext anunciou que
estava desenvolvendo uma nova mecanismo de comrcio para garantir a melhor execuo,
permitindo que os membros para ser MiFID queixa sem ter que se tornar internalizadores
sistemticos.
O ramp-up em "dark pools" de liquidez tambm tem sido mais lento na Europa, embora
determinado que quantidades significativas de comrcio fora da bolsa, particularmente no Reino
Unido e na Alemanha, h muitas oportunidades. Um relatrio da Celent (2007c) consultoria prev
que vai ATSs capturar em torno de uma quota de mercado de 5% em 2011. Em parte, isso ocorre
porque a maior Europeia intercmbios tm oferecido ordens ocultas e / ou icebergs por algum
tempo, ajudando a acomodar de comrcio do bloco. O Deutsche Borse suporta cruzamentos cegos
intraday, a cada 15 minutos
49 0
Appcndiccs
(exccpt durante leiles no mercado principal) atravs de sua plataforma Xetra-XXL. O LSE
igualmente ofertas um servio de travessia via SEAQ Cruzes, embora seja destinado principalmente
para menos lquido stocks. Sem dvida, as outras trocas tambm vai considerar o fornecimento de
sistemas de passagem para tentar manter sua liquidez.
Em termos de contnuas "dark pools", Xetra ponto mdio ofertas uma carteira de pedidos com
closcd negociao ponto mdio contnua. Da mesma forma, SWX lanou "Swiss Block" em
parceria com NYFIX. Em 2009, a NYSE Euronext lanou SmartPool, como um projeto conjunto
com vrios grandes bancos internacionais. SmartPool fornece passagem contnua ponto mdio
em conjunto com quatro cruzes peridicas dirias; ele tambm oferece roteamento para o livro
de ofertas central NYSE Euronext. Tambm em 2009, NASDAQ OMX lanado sua contnua
piscina escura, NEURO escuro. Baseado em INET oferece meados de ponto de passagem a partir
do mercado primrio e comedores por mais de mil aes europias (que suporta ordens
internalizadas tambm). No mesmo ano, Qui-Chi-X Delta ea BATS Europe escuro Piscina foram
lanados, fornecendo contnua ponto mdio travessia. A LSE tambm proporcionar uma piscina
para a regio escura.
Sem surpresa, o major EUA ATS, ou seja, ITG e Liquidnet, j estabeleceram -se na Europa.
Para os sistemas de passagem programados POSIT sem dvida o lder, sendo estabelecida
aqui desde 1998. Ele cobre mais de 9.000 estoques em 15 pases , com oito sesses de bolsas
por dia (tendncia em direo a cu aberto). ITG adquirida seu principal direta Competio
europeia (E-Crossnet) em 2005. Outros tipos de cruzamento arco tambm disponvel em Europa, o
sistema de cruzamento negociado Liquidnet foi ao ar na Europa em 2002, e ofertas comrcio em 22
mercados, permitindo que os usurios institucionais para negociar aes lquidas em muito maior
tamanhos mdios do que os disponveis nas bolsas. Ele tambm est considerando expandir em a
Oriente Mdio. ITG introduziu uma verso europia de sua plataforma POSIT Alerta, bem como,
complementando seu sistema de cruzamento cego contnua, Posit Agora, que foi lanado em 2007.
Da mesma forma, Euro Millennium foi lanado pela NYFIX em 2008; Isto um europeu verso
sua plataforma de cruzamento cego contnuo, embora seja agora propriedade da NYSE Euronext.
Muitos dos principais corretores tambm estabeleceram redes europeias de passagem internos,
para exemplo, CrossFinder do Credit Suisse.
A fim de lidar com todos estes novos locais e tentar reducc o impacto da fragmentao, pr- e
informaes de ps-negociao devem ser agregadas. Presentemente, isto efectuados pelos
principais fornecedores de dados de mercado. Barco do Markit (anteriormente "Projeto Boat" )
tambm fornece uma interface nica para relatrios de comrcio pan-europeu. Servios Financeiros
do Reino Unido Autoridade props a criao de dedicado Trade Data monitores para atender a essa
requisito.
Outra rea que pode ver uma maior consolidao na Europa seus sistemas de liquidao.
Por exemplo, a Tabela A-8 mostra algumas das opes de liquidao potencial para a empresa
Royal Dutch (Shell).
Execuo
foro
Euronext Amsterdam
London Stock Exchange
Instinet Chi-X
Virt- X
Deutsche B6rsc
Central de Valores Mobilirios

Euroclear Amsterdam
Euroclear Bank
CIcarstream Banking Frankfurt
Fonte: Instinet (2007 )
Destinos de liquidao potenciais para Tabela 8 A- um estoque Europeia
491
A vida seria muito mais simples, mais eficiente e, se houver um nico depsito como o
Confiana Depository EUA & Clearing Corporation (DTCC). A escolha de depsito pode tambm
afectar o custo do comrcio, uma vez cada um pode ter diferentes custos de liquidao. Portanto, a
agregao de liquidez s realmente apropriado para os preos de locais que compartilham o
mesmo depsito, como observado em um livro branco sobre a consolidao de dados de mercado da
Instinet (2007). Caso contrrio, custos adicionais podem ser efectuadas, que so no se reflecte no
preo. Liquidao transfronteiria tem sido tradicionalmente caras da Europa.
Um relatrio do Deutsche Borse Grupo (DBG / Clearstream) (2002) observou que por atacado
comrcios poderia ser 30% mais caro, enquanto os retalhistas foram at 150% a mais. Assim, at
h uma maior consolidao entre os depositrios da Europa, sistemas de roteamento de ordens
inteligentes e algoritmos de negociao ter que tomar esses custos adicionais em conta. Felizmente,
h arc alguns sinais de que essa situao deve melhorar. Uma subsidiria da DTCC EUA tem
EuroCCP lanado, que fornece uma compensao e liquidao instalao unificada que utilizado
por Turquesa.
Mercados acionrios asiticos

O mercado patrimnio asitico tem visto enormes aumentos no volume de negociao no
ltimo poucos anos, conforme bem como retornos significativos. No entanto, isso muito mais
fragmentado do que cither Europa ou os EUA No h currcncy comum, ou enquadramento
jurdico, de modo a soberania ainda um fator importante para o comrcio de cada pas. Apesar destas
questes, muitas trocas tm comeou a se formar acordos e alianas com os outros. Tambm tem
havido Muito de consolidao dentro de cada pas, em particular entre os mercados de aes e
derivativos,
por exemplo. Coria e Cingapura.
A maioria dos locais de execuo da regio apoiar o comrcio eletrnico; apesar de, em
termos de adoo, a sia ainda alguma forma por trs de ambos Europa e os EUA, em particular
para o buy- SIDC. DMA e negociao algortmica tambm tm sido bastante lento para decolar.
Embora, isto mudando medida que a ateno buy-side comea a se concentrar mais em
custos de execuo. Uma pesquisa feita pela Greenwich Associates (2009) descobriu que em
2008 foi responsvel por prego eletrnico 15% de negociao de aes na sia, a partir de
11% em 2007. Esta divide-se em 9% para DMA, 5% via algoritmos e 1% em "dark pools" e redes
de passagem. Eles tambm estimam esse nmero pode subir para 28% em trs anos. A consultoria
Aite Group estima que a regio do negociao algortmica poderia aumentar para cerca de 16%
at 2010, de 4%, como observado por Cristina McEachcrn (2007). Nveis de arco adopo
ligeiramente superior no Japo, ainda que a absoro tem sido mais rpido com investidores
estrangeiros. Uma pesquisa da negociao de aces japons por Greenwich Associates (2008)
encontrada que, em 2008 prego eletrnico foi responsvel por 17% do volume institucional. DMA
aumentou para 9%, de 8% em 2007, enquanto negociao algortmica aumentou de 5% em 2007
para 7% em 2008. Em 2012, eles projetam eletrnico de negociao para chegar a 35%, com
DMA em 16% e negociao algortmica em 15% do volume.
o Mercado asitico dominado por intercmbios e corretores / negociantes. Tabela A-9 apresenta
um repartio das maiores bolsas em termos de capitalizao de mercado. Os intercmbios tm
sido rpidos para se deslocar para comrcio eletrnico, mas para muitos capacidade e latncia
ainda representam problemas. Dito isto, ao longo dos ltimos anos, o PACC de trocas de actualizao
foi significativamente aumentada.
O Japo ainda o maior mercado na sia. A Tokyo Stock Exchange (TSE) o segundo maior do
mundo (at 2008 cap mercado interno). O TSE fechado seu prego e tornou-se totalmente
eletrnico, em 1999. Negociao puramente ordem movido com duas sesses dirias de
negociao em contnuo (referido como o mtodo Zaraba) so aumentadas pela leiles de
chamadas (Itayose) na abertura e perto de cach. Seu sistema de negociao conhecido como "seta",
que
Apndices
492
Cap mercado
domstico ($
bilhes)
Intercm
bio
2008 ADV
($ milhes)
20082007
3116
Tokyo SE
4331
22.887
2008
mdio
valor (US $
milhares)
n/D
Shanghai SE
1425
3694
10.656
2.0
Trocas de Hong Kong
1329
2654
6652
14,6
Australian SE
684
1298
4776
11,4
Bombay SE
647
1819
1226
0,5
0,5
600
1660
2948
Korea Exchange
471
1123
5776
2.2
Taiwan SE Corp.
357
664
3333
4.1
Shenzhen SE
353
785
5076
1.9
Bolsa de Cingapura
265
539
1031
n/D
Bursa Malaysia
189
325
382
6.9
Fonte: WFF. (2009 )
Mercados acionrios asiticos Tabela A-9

entrou em funcionamento em 2010, que substitui a plataforma antigos ncleos. Isto traz um
aguardado muito impulso no desempenho e capacidade. Segunda maior bolsa do Japo, a Osaka
Securities Exchange (OSE), a principal bolsa de derivativos japons, mas tambm lista mais
1000 empresas, e usada para trocar estoques EET listadas bem. A OSE tambm anunciou planos a
migrar para uma nova plataforma de negociao, do Grupo NASDAQ OMX. Ainda mais a
concorrncia oferecido pelo JASDAQ, uma verso em japons do NASDAQ, com uma
capitalizao de mercado agora semelhante ao OSE. Para os estoques do pequeno-tampo, o TSE
incorpora um segmento dedicado chamada o mercado das mes, que lista em torno de
130
aes, com um limite de aproximadamente US $ 40 bilhes do mercado.
A troca Hong Kong (HKEx) fornece uma porta de entrada para acccss para a China continental.
Negociao fornecido atravs de um livro de ordens eletrnico, baseado em sua terceira gerao
automtica Ordem de correspondncia e Execution System (AMS / 3). Negociao algortmica
j est estabelecida, estimativas de analistas colocar fluxo algortmica em cerca de 3-4%, como
relatado na Securities Industry Notcias (SIN) (2007). Na China continental, os locais mais
importantes so o Shanghai e Bolsas de valores de Shenzhen. Ambos esto novamente com base
na carteira de encomendas limite, do Shanghai sistema de negociao adaptado de Xetra do
Deutsche Borse. O Shanghai e Shenzhen intercmbios viu enormes aumentos de volume de
negcios anual em 2007 (500-600%), com um correspondente aumentar em sua tampa de
mercado global de 300-400%, com base em dados da WFE (2007, 2008). Se o seu crescimento
continua, eles em breve ser srios concorrentes para a dominao do mercado regional. As
empresas menores so atendidos pelo de Hong Kong Crescimento Enterprise Market (GEM), que
lista cerca de 200 aes.
O Australian Securities Exchange (ASX) um produto da fuso de 2006 entre o Australian
Stock Exchange ea Bolsa de Sydney Futures. Atua um livro de ordens totalmente eletrnico
usando seu sistema de negociao integrada (ITS), que se baseia na NASDAQ OMX de CLIQUEXT. Em 2006, ele alterou a sua estrutura de preos a partir de comrcio PCR para uma abordagem de
valor baseada, principalmente para incentivar DMA e negociao algortmica, que agora
representa cerca de um quinto de seu fluxo de pedidos.
A Korea Exchange (KRX) foi formada em 2005, a partir de uma fuso entre o coreano
49 3
De aes, futuros e os intercmbios KOSDAQ. Esta fuso tambm incorporou primeiro da regio
ECN, fundada em 2001 por Coria ECN Securities. O KRX fornece uma negociao conduzida
fim sistema, com os leiles de chamada para o abrir e fechar, atravs do seu sistema Automated
Trading (KATS). Ele tambm permite que os criadores de mercado para prove r liquidez para as
aes negociadas a menos e mais recente problemas. Para empresas menores, o brao KOSDAQ
do KSX atende a cerca de 900 aes, com uma capitalizao de mercado combinada de cerca de $ 50
bilhes, tornando-se globalmente apenas atrs AIM em termos de tamanho. Negociao algortmica
est comeando a tomar posse na Coria: Em 2007, sua primeira plataforma algortmica comercial
foi crcatcd por uma joint venture entre Koscom (a subsidiria da KRX) e Progress Apama.
O Bombay Stock Exchange (BSE) o maior da ndia, por capitalizao de mercado, e tem
cerca de 4.800 empresas listadas. Porm, ele enfrenta forte concorrncia da National Stock Exchange
(NSE), que foi criado em 1994 para incentivar a reforma do mercado. Originalmente, a BSE foi
baseado em viva voz, o seu sistema de negociao Bombay On-line (Bolt) foi introduzido em 1995
em resposta ao NSE totalmente automatizado. PARAFUSO fornece um mercado electrnico hbrido,
que incorpora citaes nos dois sentidos a partir de "intermedirios", ou formadores de
mercado. Em comparao, a NSE executa um livro de ordens limite puro annima, com base em
seu National intercmbio automatizado Sistema de comrcio (NEAT). Corretores tambm esto
comeando a oferecer o DMA para essas trocas, umarelatrio da Cclent (2008) consultoria
estima isso poderia rcach 11% da negociao por 2010. A tendncia crescente de globalizao
cmbio tambm tem visto NYSE Euronext- comprar 5% da NSE, enquanto a troca de Singapura
e da Deutsche Borse tm cada tomado de 5% da BSE.
A Bolsa de Valores de Taiwan opera um livro de ordens limite contnuo, juntamente com
peridica chamar aes para a pausa para o almoo e fechar. Isto baseado em seu sistema de
negociao de valores mobilirios totalmente automatizada, que foi introduzido em 1993.
A Bolsa de Cingapura (SGX) foi formada em 1999 pela fuso da Bolsa de Valores de
Singapura e o derivado de Cingapura de Intercmbio Internacional Monetria; ambos so baseados
em livros centrais ordem de limite. SGX negociao de aes realizada em sua plataforma
Procura-ST, que se baseia na NASDAQ OMX ' s CLIQUE-XT software de troca. Ele tambm est
planejando para reduzir a oferta mdio lance se espalhou para melhorar a sua competitividade. Entre
10 e 15% da negociao atualmente estimado a ser negociadas atravs de algoritmos, como
observado em um artigo sobre TradingMarkcts (2007). Para empresas menores, listagem e
negociao tratada pelo SESDAQ.
A Bursa Malaysia actualizou a sua plataforma de negociao, a migrao para o Bursa Trade, que
baseado na plataforma NSC da Euronext ea Atos Origin Consultoria. Isto fornece latncias muito
mais baixos (de 5s para o velha plataforma para milissegundos) e permite DMA. Foi manipulao
de negociao de derivativos da Malsia desde 2006.
Plataformas de negociao alternativas tm Ainda para capturar uma parte considervel do
Asian mercado. Um relatrio da Greenwich Associates (2007a) observa que as redes esto de
passagem Espera-se que cerca de capturar 1% da quota de mercado total, embora isso possa chegar a
at 3% em Japo. Em parte, isso devido prevalncia das carteiras de encomendas limite
centrais eletrnicas entre as trocas, como na Europa. Os regulamentos locais tambm podem
representar problemas, como observado por Maria Trombly (2007). Por exemplo, a China tem
severas restries para os investidores estrangeiros, enquanto a ndia no permite travessia fora da
bolsa. Outras peculiaridades do mercado tambm pode causar problemas, tais como a exigncia
de Taiwan que comercializa ser pr-financiado com o dinheiro. Nenhum destes so
intransponveis, locais alternativos na verdade j comearam a aparecer na sia.
ECNs ter se espalhado para o Japo, ajudada por sua legislao de 1998 para Proprietary
Trading Sistemas (PTS). Isso permite a criao de mercados privados destinados a aumentar os
intercmbios existentes. Da Instinet CBX SIA foi lanado em 2001, proporcionando um livro
de ordens central do limite
49 4
Apndices
para japons e aces de Hong Kong. Da mesma forma, em 2003 Japan Securities Agentes foi
estatuto concedido como a PTS, proporcionando um mecanismo de concessionrios fora da bolsa.
SBI Holdings lanado seus JapanNcxt em 2007, catering para after-hours de negociao de aes.
Austrlia deve ver seu primeiro ECN na forma de AXE em 2009/10. Curiosamente, este
empreendimento parcialmente propriedade da Bolsa de Nova Zelndia. Instinct tambm anunciou
planos para estabelecer Chi-X na regio da sia Pacfico.
Redes de passagem e "dark pool" arco ATS tambm se espalhando por toda a regio. 2001
serra o estabelecimento de JapanCrossing da Instinet. Este PTS ofertas um prc-market VWAP cruz,
bem como uma manh de perto e um fim da tarde. Embora inicialmente lento para decolar, por Q1
2006, havia capturado cerca de 4% do volume de negcios dirio do TSE, esse crescimento
continuou. CLSA lanou sua BlocSec ATS, fornecendo cruzamentos para Cingapura, Hong Kong,
Japo, e Austrlia. Liquidnet trouxe sua contnua mcchanism cruzamento negociado para o Japo,
Hong Kong, Cingapura e Coria do Sul em 2007 e para a Austrlia em 2008. ITG tambm tem
um presena na sia; POSIT Match oferece travessias intradia para o Japo, Austrlia e Hong
Kong. ITG Austrlia tambm lanou seu sistema de cruzamento contnua, POSIT Agora, juntos
com seu sistema de indicaes contnuas POSIT Alerta. Instinct tambm lanou a sua contnua
sistema de cruzamento cego CBX no Japo. Pools de liquidez outro corretor comearam a
aparecer, bem como, por exemplo, CrossFinder do Credit Suisse morar no Japo, Austrlia, Hong
Kong, Cingapura e Coria do Sul. Instinet tambm estabeleceu um acordo com a Credit Suisse
permitir o acesso mtuo a cada um dos outros pools de liquidez. Combinado i sto constitui um dos
o maior "dark pools" de liquidez disponveis atualmente na sia.
Resumo
Negociao eletrnica agora onipresente para os mercados de aes do mundo.
Nveis de buy-side de adoo de DMA e negociao algortmica arco elevado,

especialmente em Os Estados Unidos.
Ele ainda vai levar algum tempo antes que os nveis de adoo de negociao algortmica em
Europa e sia rcach os de os EUA, mas o ritmo da mudana est aumentando.
495
-AppendixB-
Renda fixa
mercados
O mercado de renda fixa responde por um tero do mercado financeiro global, em termos de valor,
como vimos de volta no Captulo 3. trading de renda fixa se desenvolveu em torno da OTC
mcchanism, principalmente porque os ativos so muito menos padronizada do que as aes.
Contudo, fortes mercados intcr-dcalcr se estabeleceram para alguns ttulos de renda fixa, que so
suficientemente uniforme, tais como ttulos do governo. Estes ttulos tendem a ser aqueles que
migraram com mais sucesso a negociao eletrnica, embora o nvel global de adoo ainda fica
muitas das outras classes de activos.
Especfico de ativos
Um ativo-incomc fixo representa uma dvida por um perodo especfico (o principal), pelo que a
emitente obrigado a reembolsar o titular em alguma data futura (data de vencimento). D vida
pode ser emitidos por governos, outras agncias e por empresas. Uma variedade de nomes de arco
usada para estes, por exemplo, os termos do Tesouro dos EUA com base em seu vencimento, ou
seja, contas (<1 ano), as notas (2-10 anos) e obrigaes (> 10 anos). Para simplificar, neste livro
toda essa dvida ser geralmente referido como ligaes. Dvida tambm podem ser emitidos com base
em pools de emprstimos, que a essncia de ttulos lastreados em ativos. Da mesma forma, os
ttulos backcd em hipotecas arco do equivalente para dvida imobiliria.
O retorno de um investimento em obrigaes geralmente mais previsvel do que para as
unidades populacionais, e delimitada por seu principal valor. Os investidores normalmente
esto procurando retornos mais seguros do que o crescimento potencial oferecido pelas aces.
Portanto, alguns dos maiores investidores penso arco fundos e companhias de seguros. Sincc
essas empresas muitas vezes adotam estratgias de buy-and-hold, os liquidez dos ttulos
negociados nos mercados secundrios pode ser muito menor do que para as aes.
O emissor de um ttulo geralmente vai pagar juros (o cupom) para o titular em um determinado
frequncia para a vida do emprstimo, por exemplo, cada 6 meses. Alternativamente, obrigaes
cupo zero no fazer tais pagamentos; em vez disso, seu preo descontado no montante
equivalente. Ou forma, na data de vencimento do vnculo redimiria seu valor principal, ou o valor
facc. Assim, o principal risco com ttulos que a inadimplncia do emissor sobre a dvida. Este
risco geralmente reflectido pela taxa de juros de ttulos, dvida to arriscados paga cupons
mais elevados para compensar os investidores. Do ttulo preo tambm vai refletir isso, os
ttulos de maior risco to geralmente negociadas a um desconto muito mais profundo do outros.
A taxa efetiva de juros que um emissor de obrigaes deve pagar depende da data de vencimento
contrato, como bem como o seu rating de crdito e as taxas de mercado currcnt. Bonds, s vezes, tem
collatcralization ou proteo de crdito adicional para reduzir o risco de crdito, permitindo
49 6
Apndices
emitentes aos usar taxas ligeiramente mais baixos. Para ttulos garantidos, ativos especficos
(colaterais) ter sido prometeu que podem ser vendidos para garantir a dvida titulares so pagos
em caso de falncia. Dvidas tambm podem ser diferenciadas em termos de sua antiguidade
quando se trata de audincias de falncia, com tomada snior dvida prioridade sobre a dvida
subordinada. Todos esses detalhes devem ser detalhados na escritura de emisso do ttulo, que
formalmente especifica os direitos dos obrigacionistas. Ele tambm contm detalhes de quaisquer
clusulas que possam relacionar-se as finanas do emissor, por exemplo, comprometendo-se a
manter os requisitos de capital especficos, ou at mesmo restringir os nveis de dividendos.
Muitas vezes, tais covenants destinam-se a proteger o fluxo de renda para os detentores de
obrigaes, portanto, novamente eles podem afetar a taxa de cupo.
Bonds tambm pode ter uma gama de condies associadas com a sua data de vencimento.
Extensvel ttulos permitir o emitente para estender a data de vencimento, por exemplo, quando as
taxas de mercado tornam-se desfavorveis. Ttulos resgatveis permitir o emissor de resgatar o
vnculo antes do vencimento. Assim, para compensar os detentores de bnus para tais
disposies do emissor deve pagar um prmio. Ligar Por outro lado, algumas ligaes incorporar
uma opo que permite a bondholder para forar redeno em datas especficas, para as quais eles
devem, por sua vez pagar um prmio.
Preo e negociao
Em geral, as obrigaes so mais simples do que o preo de aces. Essencialmente, o preo justo
das uma ligao o valor presente de todos os seus pagamentos de juros e principal futuras. O valor
presente Incorpora um desconto para a taxa de retorno do mercado, que por sua vez depende da
ligao de caractersticas. Assim, para um ttulo do governo emitido na moeda local com padro
insignificante risco a taxa de mercado deve aproximar-se da taxa livre de risco. Para os emitentes de
maior risco, a taxa de ter de ser maior. Fatores macroeconmicos, tais como as expectativas de
inflao, tambm ter um impacto considervel sobre a pricc de ttulos.
O principal risco com ttulos que a inadimplncia do emissor sobre a dvida. Isto reflecte-se tanto
sua taxa de juros e preo, os ttulos mais arriscados de modo geral o comrcio em um desconto
maior do que outros.
Bonds so preos em termos de uma percentagem do seu valor nominal, em que 100 representa
100% do valor de face. Eles tambm podem negociar com um prmio onde o preo ser acima de 100,
por exemplo, quando cupo do ttulo mais atraente do que as taxas de mercado vigentes. Ligaes
estamos ainda citado em fraes para muitos mercados, de modo 95:05, 95-05 ou 95'05 no so os
mesmos que
95.05. Alguns ttulos citar em oitavos, enquanto US treasuries so cotados em l / 32nds, por isso
95-05 na realidade 95 5/32 = 95,15625, enquanto 95-05 + adiciona um outro 1/64 por isso
95,171875. Esperanosamente, decimalisation continuar a se espalhar.
Outro fator que pode afetar os preos dos ttulos est relacionada com o interesse que tem
sido accrucd uma vez que o ltimo pagamento de cupom, que tambm deve ser transferida quando a
ligao negociada. Alguns mercados incluem esse interesse no preo atual do ttulo, tambm
conhecido como um "dirty preo ", enquanto outros excluir que - em vez da adopo de um "preo
limpo".
Um rendimento do ttulo at o vencimento (YTM) representa a taxa de retorno anualizada ele daria
se mantidos at o vencimento. Isto est inversamente relacionado com o preo do ttulo, de modo
que quanto maior o preo o menor o YTM e vice-versa. Ento, quando as taxas de juro de mercado
subir, priccs de obrigaes deve cair. De fato, as ligaes so muitas vezes referidas pelo seu
rendimento, em vez do que a sua pricc.
Diferentemente das aes, uma nica entidade emitente pode ter um enorme leque de obrigaes,
cada uma diferindo em termos de quando foram emitidos e sua maturidade, sua taxa de juros e
estrutura de pagamento, qualquer collateralization / crdito-protcction bem como as especificidades
da escritura de emisso. Com efeito, o nmero de diferentes ttulos fenomenal. Por exemplo, na U.S.
sozinho h mais de trs milhes de obrigaes, que duzentas vezes mais do que o nmero de
aces disponveis globalmente. Essa diversidade pode representar srios problemas de liquidez,
uma vez que para muitos ativos que ser difcil encontrar profundidade suficiente em um
determinado vnculo para um mercado contnuo. Apenas os mercados
497
para a dvida razoavelmente padronizado, como ttulos do Tesouro dos EUA, tendem a ter um
volume suficiente para ser vivel para a negociao em contnuo. Um fator que ajuda o fato de
que muitos investidores de ttulos baseado no comrcio sobre as especificaes, como a
classificao de crdito e maturidade, ao invs de procurar um vnculo especfico. Isso proporciona
mais liquidez para um mercado que de outra forma seria muito sparser.
Liquidez para ttulos muitas vezes podem diferir significativamente ao longo da sua vida. Por
exemplo, a maior parte da actividade centrada na edio atual de um ttulo (quando "on the run").
Assim que a prxima edio liberada, o volume de negociao da anterior (agora "off the run")
de ativos despenca. De fato, um estudo realizado por Michael Barclay, Tcrrencc Hendershott, e
Kenneth Kotz (2006) verificaram que "fora do prazo" US treasuries cair para cerca de 10% do seu
volume anterior. A prevalncia de "comprar e segure "estratgias, particularmente para ttulos
corporativos, significa que logo aps a emisso, muitos laos so simplesmente No disponveis
para negociao.
Bonds tendem ao comrcio de tamanho muito maior do que as aes, mas muitas vezes com
muito mais baixo frequncias. Por exemplo, um relatrio da UK Financial Services Authority
(FSA) (2005) observa que o tamanho mdio do comrcio para marrs foi 5 milhes em
comparao com apenas 43.000 para
Equidades U.K., em 2004. Embora ainda a questo mais negociadas no mercado dourada apenas viu
cerca de 200 comrcios em um dia, enquanto que para as unidades populacionais esse nmero pelo
menos uma ordem de magnitude Mais.
Dvida corporativa ainda menos fortemente negociados. Um estudo de obrigaes de
empresas norte-americanas por Amy Edwards, Lawrence Harris e Michael Piwowar (2007)
constatou que, em mdia, obrigaes negociados menos de 1,9 vezes por dia, com mais de 60% da
quantidade de negcios no valor de menos de US $ 100.000. Da mesma forma, um estudo europeu
por Bruno Biais et al. (2006) encontraram uma mdia de 3,07 por comrcios dia por euro expressos
ttulos corporativos e apenas 2,23 para aqueles esterlina do Reino Unido, com um nmero mximo
de transaes no mais do que 50 um dia. Obrigaes com crdito associado menor ratings tendem
a ser negociadas com menos regularidade, embora as tendncias data de vencimento para foram
menos conclusivos com Biais et ai. (2006) observando que curta e dvida de longo prazo parecia
ser o mais pesadamente negociados.
Mundo mercados de renda fixa

Globalmente, h mais de $ 85000000000000 de grande dvida de renda fixa. Isto baseado em
dados relativos aos a dvida interna e internacional total pendente no HI 2008, do Banco para
Compensaes Internacionais (BIS) (2008). A dvida pblica representa cerca de $
30700000000000 (36%) do presente. Uma outra $ 45500000000000 devido por agncias
financeiras (53%), enquanto o remanescente $ 9000000000000 de dvida corporativa. Grande
parte dessa dvida est realmente concentrada em umapunhado de pases, como a Figura B-l
shows. No geral, as Amricas so responsveis por 42%, seguida por 40% para a regio da
EMEA e 18% para a sia.
Os mercados obrigacionistas diferem com base no tipo de dvida. Mercados de ttulos do
governo tendem a emitir mais contratos padronizados, enquanto que a dvida corporativa muitas
vezes mais personalizado. Assim, o mercados de dvida pblica tendem a ser maiores e mais
lquido. Os governos tambm tm muito mais controle sobre a forma como estes mercados esto
estruturados e executar.
Os mercados secundrios para a maioria de ttulos do mundo arco revendedor baseada e
grande parte do comrcio ainda feito ovcr-the-countcr (OTC). Os mercados so segmentados entre
inter- revendedor e comrcio comerciante-to-clicnt. A falta de mercados centralizados, ou trocas,
significa que para os clientes mais comrcio o principal.
498
Apndices
U.K.
6%
Ale man ha
6%
Frana
6%
^5
, ta |
Jap a n
11%
Outro
s 29
%
Memb
ros
37 %
Fonte: Autores clculos prprios baseados no dala do BIS (2008)
Figura B- l quota de mercado global de mercado de renda fixa
Mercados de renda fixa norte-americanos

Os domina americanas mercado de renda fixa do mundo, como evidente a partir da Figura Bl.
Embora, Canad e Amrica Latina tambm tm mercados de dvida significativos.
EUA mercado de renda fixa

O mercado de renda fixa EUA enorme; que atende a uma dvida de aproximadamente US $ 25
trilhes, em conjunto com um volume dirio de negociao de mais de um trilho de dlares. Mais da
metade desse volume dirio composto de negociao da dvida do governo. Embora, como mostra a
Tabela B-L mostra, grande parte os EUA dvida em curso est realmente emitidos por outras
agncias, municpios e empresas.
Tipo
Ttulos do Tesouro EUA

As agncias federais
Ttulos municipais
Ttulos lastreados MortgagcTtulos corporativos
Fonte: SIFMA (2008, 2008a)
Dvida por pagar

HI 2008 ($ bilhes)
Dirio HI volume
de negociao de
2008 ($ bilhes)
4700
3100
2700
7600
6200
615,1
116,5
23,1
365,1
18,8
% do
volum
e
dirio
54
10
2
32
2
Tabela B- euEUA mercado de renda fixa 1 0

Treasuries norte-americanos so os ativos de renda fixa mais lquidas, respondendo por quase
dois teros dos o volume dirio, o que no surpreendente, dada a demanda por dvida do Tesouro
e a montante disponvel. Essa liquidez , em parte, devido natureza essencialmente livre de riscos
do emitente. Tambm ajudado pela normalizao relativa, em termos das caractersticas de cada
emisso de obrigaes. O activo de referncia para a dvida do Tesouro dos EUA a nota de 10
anos. Na verdade, estes arco frequentemente usado como um indicador para as taxas de juro de
longo prazo. Embora em 2006 o Tesouro tambm
Os dados do Federal Reserve Bank de Nova York, Municipal Securities Rulemaking Board, NASD TRACE.
Mercado monetrio e de d vida lastreados em ativos vale cerca de $ 7 bilh es, com base em estimativas de SIFMA
(2008a).
10
499
nmeros trimestrais de reintroduzidas seu bnus de 30 anos. Cerca de 70% do volume de

negociao exclusivamente atribuvel aos activos actualmente on-the-run. Assim, a maioria
atividade de negociao est concentrado neste pequeno subconjunto, como Frank Fabozzi e Michael
Fleming (2004) nota, apesar da ampla gama de obrigaes que o arco disponvel.
Em comparao, a dvida agncia e municipal muito menos fortemente negociados. Para
compensar o ligeiramente maior risco de crdito que oferecem benefcios fiscais, por isso eles so
geralmente realizadas por nico investidores, empresas de seguros ou fundos (da o seu baixo
volume de negcios dirio).
Da mesma forma, o volume de negcios dos EUA dvida corporativa insign ificante,
considerando o tamanho do a dvida por pagar. Como podemos ver na Tabela Bl que representa
cerca de 2% do volume dirio mdio. Na verdade, o mercado de dvida corporativa vira apenas uma
vez por ano. 11 Em comparao, treasuries virar trinta vezes um ano, como Harrell Smith (2005)
ressalta. este falta de liquidez , em parte devido ao fato de que grande parte da dvida corporativa
mantido at o vencimento.
Embora no tenha havido alteraes estruturais profundas na renda fixa dos EUA mercado,
no auge da bolha dot.com houve mais uma centena de vendedores que oferecem plataformas de
negociao eletrnica. Competio intensa e racionalizao tem talhado este para baixo para um
mercado mais realista. Um relatrio da Celent (2008a) consultoria estima que as contas de negociao
eletrnica para 57% de os EUA fixo volume mdio dirio do mercado de renda. Eles prevem que
este deve chegar a 62% at 2010. Os ttulos do Tesouro americano de alta liquidez liderar o
caminho com cerca de 80% do volume negociado eletronicamente. Eles encontraram nveis muito
mais baixos para as outras classes. Por exemplo, apenas 32% do comrcio de segurana baseada em
hipoteca era eletrnica.
O mercado broker-dealer para entre US Treasuries dominado por alguns corretores. Estes
tm efetivamente tomado o lugar de trocas de ttulos, como Larry Tabb (2004) notas. Eletrnico
contas de negociao a maior parte do comrcio de on-the-run tesouros; at mesmo o mercado
off-the-run tem cerca de 50% de comrcio eletrnico. A quota de mercado dividido entre
BrokerTec do ICAP (58%) e da BGC eSpeed (41%) plataformas, dada estimativas do ICAP (2007).
Ambos os sistemas permitem Coincidindo fim annimo, por isso o lugar de mercado para 2, 5 ou
10 anos Notas do Tesouro muito Como os mercados de aes. BrokerTec tambm suporta
"workups", permitindo que os concessionrios para negociar a quantidade comrcio. Em termos de
volume, o ICAP (2009) relataram valores mdios dirio de negociao de
$ 141.000.000.000 para Tesouro dos EUA em 2008 (note que este tambm inclui T-bills). ICAP
tambm tem umagrande presena no mercado inter-dealer eletrnico para ttulos lastreados
em hipotecas. BrokeiTec suporta agncia e negociao de dvida corporativa tambm. Para
municpios, o MuniCcntcr fornece uma plataforma inter-negociante semelhante, que tambm
compete pela agncia e dvida corporativa.
No mercado dcaler-a-cliente h muito menos liquidez. Tradeweb o mercado lder na oferta de
acesso por via electrnica, atravs de um mecanismo de solicitao-for-quotc, com mdia diria
volumes de cerca de US $ 300 bilhes em 2008, com base em nmeros da empresa. Ela serve
para negociao do governo, agncia, dvida corporativa mortgage-backed e, como bem como do
mercado monetrio, crdito e derivados. BondTrader da Bloomberg fornece um servio similar.
Em termos de dvida corporativa, MarketAxess lidera o mercado de comrcio eletrnico, com a
sua multi-dealer RFQ plataforma baseada. Ainda mais a concorrncia no o mercado revendedor
para cliente deveria ter chegado sob a forma de LiquidityHub, que foi para oferecer aos clientes um
pedido-para-stream com base mecanismo de negociao de ttulos do governo, que agregue toda a
liquidez a partir de um consrcio de sobre uma dzia de bancos. Infelizmente, a crise financeira de
2007-09 ajudou a pr fim a esta venture.
Os EUA est vendo uma mudana gradual na estrutura do mercado. As empresas de investimento
/ fundos de hedge comearam a se tornar uma parte importante do mercado inter-dealer. Um
documento pelo Parlamento Europeu
11
Isto , quando o volume negociado cumulativa igual ao nvel de grande deb t
50 0
Apndices
Dealers Association primrio (EPDA) (2007) observa que estes foram notificados para explicar
cinco do topo dez participantes sobre BrokerTec e trs dos dez primeiros em eSpeed. A prspera
negcio de arbitragem se desenvolveu entre os dois sistemas e mercado de futuros, como
relatado num artigo por Daniel Safarik (2005). Neste artigo, o CEO da eletrnica corretagem no
ICAP, David Rutter, explica que muito disso devido a um pequeno nmero de empresas de
comrcio quantitativos demitindo risco contra contratos futuros baseados em ttulos da CBOT.
Curiosamente, ele tambm destacou que a negociao al gortmica era o seu crescimento
mais rpido segmento de clientes, com mais de metade das propostas e oferece a partir de
sistemas informatizados. O advento de tais negociaes tambm ajudou a reduzir as
discrepncias de preos e tornar-se um importante fonte de liquidez.
Comercial com sede Exchange foi reacendido em 2007 com a NYSE re-lanando seu
trading ttulos plataforma. Este baseado no livro de ordens eletrnico a partir de sua
plataforma de rea; negociao annima e ambas as ordens de limite e reserva / estilo
iceberg so suportados. Em adio ao segmento de negociao principal, h tambm uma
sesso de incio do prego de quatro horas, e uma sesso que durou at tarde 8:00. Atualmente,
atende a mais de 3.000 ttulos, embora em ltima anlise, esse nmero deve dobrar. Vai ser
interessante ver quota de mercado quanto esta captura, e como ele afeta o mercado global a longo
prazo.
"Dark pools" no se espalhar para o mercado de renda fixa EUA. Dito isto, State Street Global
Markets FICross uma aproximao muito perto. Um bom resumo de FICross fornecida por
Cristina McEachern (2008). Efetivamente, ele oferece uma placa de boletim onde os usurios
podem postar ordens annimos ou indicaes de interesse. Matching ainda feito manualmente com
State Street que actua como intermedirio, embora eles tambm esto planejando oferecer um
processo automatizado. Actualmente, a cobertura para obrigaes de caixa com a maior parte
da actividade empresarial em e instrumentos lastreados em ativos.
Transparncia ps-negociao tambm foi melhorado para o mercado de dvida corporativa
pela Trade Relatrios e iniciativa Compliance Engine (TRACE), primeiro aprovado pela SEC em
2001. Este tipo de notificao obrigatria dos preos do comrcio para todos os concessionrios
e corretores, e parece ter ajudado a reduzir os custos gerais. Um estudo realizado por Michael
Goldstein, Edith Hotchkiss e Eric Sirri (2007) encontraram que o aumento da transparncia teve
um efeito neutro ou positivo sobre a liquidez do mercado, com base em medies de volume de
negociao e os spreads eficazes. Embora, alguns os participantes do mercado ainda sinto que a
liquidez global tem diminudo desde a introduo do TRACE.
Outros mercados de renda fixa norte-americanos

O Canad o segundo maior mercado de dvida nas Amricas, embora, como Tabela B -2
mostra que closcly seguido pelo Brasil.
HI estoque da dvida interna
2008in
$ bilhes
Pas
Total
1126,0
1162,6
428,3
77,6
Canad
Brasil
Mxico
Argentina
Governar
.
727,8
789,4
214.4
65,8
Corporativo
135,5
8,7
32,3
7,5
Outstanding HI dvida
internacional 2008in
$ bilhes
Total
Governar. Corporati
vo
506,9
92,3
126,2
95,1
63,5
54,0
41,8
56,7
128
13,5
20,3
3.6
Fonte: BIS (2008 )
Tabela B-2 dvida pendente para outros mercados de dvida americanos
501
O mercado de dvida canadense comeou a atrair mais interesse, especialmente a partir dos
EUA investidores. No entanto, os nveis de negociao so ainda relativamente baixo em
comparao com os EUA Em geral, a Investimento Industry Association of Canada (IIAC) (2008)
relataram que $ 7000000000000 foi negociado em 2007. A taxa de rotatividade para a dvida do
governo de cerca de 6,8, contra mais de 30 por Os Estados Unidos. O mercado de dvida
corporativa canadense tambm pequena em comparao com os EUA, com apenas cerca de
$ 250.000.000.000 em dvida. Em termos de comrcio eletrnico, uma viso consolidada da
mercado fornecida por CanPX, que se fundiu cotaes de corretores inter -negociante desde
1999. No espao dcaler-a-cliente, do Candeal e Bloomberg Bondtrader foram lanados em 2002;
ambos fornecem negociao PDO para clientes institucionais. H tambm um local de
execuo alternativa dirigida por Collective Bid (CBID) Markets Inc. CBID oferece um
annimo livro de ordens eletrnico para ambos os concessionrios e os clientes, embora ele
tambm fornece um PDO mecanismo para ttulos menos lquidos.
O Brasil tem um mercado substancial da dvida, a maioria dos quais para a dvida pblica, desde
a sua mercado corporativo relativamente subdesenvolvida. No entanto, os volumes de
negociao so relativamente baixos;
em 2005, o volume de negcios anual de ttulos do
governo foi $ 433.000.000.000, com base em um relatrio BIS (2006). Na verdade, com base na taxa
de rotatividade parece ser ainda menos lquido do que o mercado de dvida corporativa dos EUA. Ser
interessante para seg quanto impacto a configurao do MTS Brasil tem, que devido a crcate uma
plataforma electrnica especfica para a dvida soberana brasileira.
Mxico a segunda maior fonte de dvida na Amrica Latina, embora seja cerca de metade do
tamanho do mercado brasileiro. Os ttulos pblicos so muito fortemente negociado, o BIS
(2006) relatrio constatou que o volume de negcios anual foi de mais de cinco vezes o valor
nominal remanescente em 2005.
EMEA mercados de renda fixa

A introduo da moeda Euro em 1999 ajudou crcate o segundo maior mercado da dvida
dentro o mundo. Os principais pases da zona do euro so: ustria, Blgica, Finlndia, Francc,
Alemanha, Grcecc, Irlanda, Itlia, Pases Baixos, Portugal e Espanha. Sua dvida domstica em
aberto combinado vale mais de $ 14000000000000, com base em dados do BIS (2008). Outro $ 1,4
trilho comcs do Reino Unido, juntamente com $ 1400000000000 para a Dinamarca, Noruega, Sucia
e Sua combinado.
Apesar dessa dvida considervel, os volumes de negociao arco muito menor do que os
EUA A mdia volume dirio para o mercado de dvida pblica secundria da zona Euro de
cerca de $ 90000000000 (65 bilhes), de acordo com a BearingPoint (2007), em comparao
com ao redor $ 500 bilhes para US tesouraria. Em parte, isso se deve ao fato de que a zona do euro
representa uma gama diversificada de emitentes, assim que o mercado muito mais fragmentado.
O mximo de a negociao, em torno de 70%, concentrou-se em dvida do governo alemo,
francs e italiano. A maior delas a Mercado de ttulos alem, com cerca de 20000000000
negociados diariamente.
O mercado intcr-dcaler responde por cerca de metade da de ttulos do governo da zona Euro
volume de negociao. Desse total, BearingPoint (2007) estimam que cerca de 50% tratado por
plataformas electrnicas, enquanto o restante intermediado voz. Um estudo anterior por Peter
Dunne, Michacl Moore e Richard Portes (2006) coloca isso no mais perto de dois teros para a
eletrnica negociao. O mercado eletrnico de negociao dominada pela plataforma MTS,
que tem em torno de uma quota de mercado de 80%. O restante dividido entre principalmente da
Grcia hDAT (15%), Eurex Bonds (4%) e da Espanha SENAF (1%), com base na BearingPoint
(2007) inqurito.
Originalmente, a MTS (Mercato Telematico dei Titoli di Stato) foi criado em 1988 para melhorar
o mercado secundrio de ttulos do governo italiano. Desde final dos anos 90 que tem expandida em
toda a zona do euro com mercados nacionais separados. EuroMTS foi lanado em
50 2
Appcndiccs
1999 a comedor para as obrigaes do Estado de referncia e outras dvidas de alta qualidade
provenientes de pases da zona do euro. MTS agrega firmes nos dois sentidos preos do criador de
mercado e fornece annimo negociao. Em 2004, havia chegado a um volume mdio dirio de
cerca de 25 bilhes, de acordo com
um relatrio da Associao de Mercado Bond (TBMA)
(2005).
Em termos das outras plataformas, sistema de negociao baseado em ofertas de hDAT da
Grcia baseado na mesma tecnologia FastTrack-ATS do Grupo List. SENAF e Eurex Bonds
ambos fornecem annimos livros de encomendas eletrnico. Todos estes sistemas
predominantemente servem para a dvida local, embora Eurex Bonds comeou a se mover para
alm da Alemanha para covcr Euro-zona governo referncia e dvida corporativa tambm. O
mercado do Reino Unido adota Gilt um hbrido de negociao ambiente que incorpora annimos
de negociao baseado em ofertas de preos, embora seja um pouco menos lquida do que a
zona do euro. Ao contrrio de em os EUA, BrokerTec do ICAP e eSpecd do BGC tem achei mais
difcil de ganhar uma quota de mercado considervel na Europa. Como Avinash Pcrsaud (2006)
explica, concessionrias primrios tm sido muitas vezes concedidas com base na negociao em
plataformas locais, geralmente MTS, por isso no tem heen menos incentivo para os
concessionrios de usar alternativas como BrokerTec ou cSpced. Dito isto, as coisas comearam
a melhorar, por exemplo, austraco, Agncias de tesouraria do Estado belga e holands j
recogniscd formalmente Europeia da BGC Plataforma de Governo.
Para o mercado revendedor-cliente, BcaringPoint (2007) estimam que cerca de 40% tratadas por
via electrnica. Eles tambm relatam que Tradeweb lder de mercado com uma quota de
mercado de 52%, seguido por BondVision do MTS (25%) e BondTrader da Bloomberg (21%)
multi- sistema dealer. Outros sistemas, como o sistema de comrcio Reuter s RTFI representam
apenas cerca de 2%. Essas propores tm no mudaram significativamente desde o relatrio de
2004 TBMA (2005) quando Tradeweb tinha um volume mdio dirio de 8 bilhes, em comparao
com 3 bilhes para tanto BondVision e BondTrader. MarketAxess tambm oferece sua plataforma
multi-representante para a dvida corporativa europeia. Novamente, todos estes sistemas so
geralmente com base no pedido-para- mecanismos de comrcio de citao.
A Europa tambm est comeando a ver algumas mudanas na estrutura do mercado global.
O MTS Grupo est considerando fornecer acesso para os fundos de hedge. Eurex Bonds
tambm foi procura
a incorporar uma ampla gama de empresas de investimento e fundos de
hedge.
Mercados de renda fixa da sia

A crise financeira que se espalhou por toda a sia em 1997-98 destacou a necessidade de um
poo- mercado de ttulos domsticos desenvolvida. Antes disso, os bancos e corporaes tinha
invocado estrangeira moeda de financiamento baseado, aproveitando as baixas taxas de juros no
exterior. Quando mercado percepes alteradas em 1997, este mercado de crdito secou e
intensificaram a crise, como Atsushi Takeuchi (2005) ressalta. Alguns dez anos mais tarde, o
mercado de ttulos asitico tem agora cresceu para quase o mesmo tamanho que a Europa, em
termos de estoque da dvida interna. Japo ainda representa a maioria (66%) deste, seguido da
China (14%), Coreia do Sul (7%) e Austrlia (5%), com base em dados a partir de bis (2008).
Japo tem a maior excelente dcht governo no mundo, em torno de $ 7800000000000, hased
em dados HI 2008 a partir BIS (2008). Em comparao, sua dvida corporativa anormalmente
baixo, a menos de $ 0700000000000, ou cerca de 7% a dvida do governo. Volumes mdios dirios
so mais baixa do que nas figuras dos EUA de Bonds asiticos Online (2007) colocou o ADV
para japons ttulos do governo em torno de US $ 150 bilhes, enquanto que a dvida das
empresas negoceiam menos de US $ 2 bilhes.
Apesar de seu tamanho, o mercado de dvida do governo japons ou JGBs, tem sido lento
para abraar prego eletrnico. O mercado inter-dealer para JGB liderada pelo Japo bond de
Negociao; as corretoras ICAP Totan Ttulos e Valores Mobilirios BGC tambm tm uma
presena considervel.
503
Alguns negociao tambm realizada nas bolsas de valores de Tquio, Osaka, Nagoya e.
Negociao eletrnica cada vez maior, com base da Celent (2006a) calcula que deve aumentar
para quase 60% em 2009, de cerca de 35% em 2005. Japo bond tem cerca de Negociao um 60%
quota de mercado, com base em dados de um artigo no International Herald Tribune (IHT) (2006).
Ele fornece tanto uma interface FIX, bem como BB Super Trade, uma plataforma orientada para o
fim inicialmente criado para negociao contas governamentais de curto prazo (TB e FB), descritas
em maior pormenor por a Banco do Japo (BOJ) (2001) Anlise do mercado. Ele tambm formou
uma aliana com a Instinet. Comrcio eletrnico tambm atendida por ETC do ICAP e
plataformas eSpeed do BGC. Embora, MTS-Japo fechou em 2003, depois lutando para lidar com
um mercado inicialmente dormente, que em seguida, tornou-se extremamente voltil. Ao contrrio
da Europa os criadores de mercado no tm o benefcio de ser dealers primrios, como observado
por Tomohiko Taniguchi (2003), de modo que o custo da prestao liquidez, de tal um mercado
era simplesmente demasiado elevado. Para o (D2C) mercado revendedor-cliente, negociao ainda
geralmente tratado por telefone. O pequeno mercado eletrnico, apenas 2% em 2005, consiste de
plataformas multi-negociante, como Yensai.com, JBond e Tradebook da Bloomberg, e sistemas
de corretagem de solteiro. A Celent (2006a) consultoria estima que D2C eletrnico negociao pode
aumentar para quase 13% at 2009.
China tem a segunda maior dvida do governo para o Japo, com 0,9 trilhes de excelente $, com
base em dados provenientes da sia de Bond monitor do banco de desenvolvimento da sia
(ABM) (2007). Governo mercados de dvida em Hong Kong e China tm um volume mdio
dirio de mais de $ 4 bilhes cada. Dvida corporativa na China responde por cerca de $
0500000000000. Isto um aumento significativo, devido um nmero crescente de empresas
chinesas de serem autorizados a emitir directamente os seus prprios ttulos. Volumes mdios
dirios para a dvida corporativa so cerca de US $ 1,3 bilho. O comrcio secundrio de todos
tipos de ttulos ocorre principalmente no mercado interbancrio de ttulos orientado a citao ea
ordem livros de Xangai e Shenzhen bolsas de valores. O grupo MTS tambm assinaram uma
carta de intenes com a China Trade Cmbio Sistema de cooperar com o desenvolvimento de um
mercado MTS-like para a dvida pblica.
Coreia do Sul tem menos de $ 0500000000000 cada um governo excelente e corporativo
dvida. O mercado de dvida do governo mais lquido com volume dirio de mercado de quase
US $ 5 bilhes contra apenas $ 1 bilho para a dvida corporativa. Cerca de 95% do total negociado
no vnculo em o mercado de balco, novamente com base em dados do Asian Bonds Online
(2007a). O restante negociadas na plataforma de ligao dedicada do Troca-coreano, que
tambm servir de base para A nova plataforma da Malsia.
Resumo
Comrcio eletrnico est se tornando mais generalizada de ativos de renda fixa,

particularmente para os ttulos do governo mais lquidos em os EUA e na Europa.
O mais margem para negociao algortmica est atualmente nos mercados internegociante, que so muitas vezes baseadas em hbridos livros de encomendas
electrnicas. Porm, tambm possvel usar a RFQ e plataformas RFS habitualmente
fornecidas nos mercados negociante para o cliente.
isto Vai levar algum tempo antes da adopo de equipamentos electrnicos e de negociao
algortmica atinge o de aces, mas o tamanho desse mercado significa que uma
oportunidade significativa.
Apndices
504
AppendixC
Os mercados cambiais
O cmbio de moeda estrangeira (FX) mercado permite a transferncia de dinheiro entre as
diferentes moedas. Isso varia de operaes vista, que lock-in taxa de cmbio para liquidao
em dinheiro, para para a frente, e swaps que organizar as transferncias para meses ou mesmo anos
no futuro. Isto um enorme mercado, representando volumes de transaces dirias de mais de
US $ 3 trilhes. Historicamente, o FX mercados se desenvolveram em torno de redes interdcalcr (mas no trocas). Prego eletrnico tem sido comum h algum tempo no mercado FX;
negociao de acesso directo via DMA e algoritmos tambm est se tornando mais
generalizada.
Especfico de ativos
Cmbio representa a negociao de moedas, essencialmente, pela transferncia de propriedade
de depsitos. Portanto, um dlar / iene japons comrcio composto por um contraparte venda de
dlares norte-americanos para outro em troca de uma quantidade especfica de ienes. Para isso
negcio, a taxa de cmbio pode ser 118.50, o que significa um nico dlar compra 118,5 ienes. 12
Geralmente, as taxas de cmbio so expressas em termos de dlares, diz-se ser a moeda de base
enquanto que a outra moeda referido como a moeda citando ou balco. Observe que a British
libras e dlares australianos so uma exceo a esta regra, estes tambm atuar como moedas
base e assim a taxa de cmbio expressa em termos deles.
O que primeiro pensar de cmbio estrangeiro o comrcio local. Isto corresponde a um
dinheiro comrcio taxa de cmbio atual, que geralmente ser resolvido dentro de dois dias. FX
para a frente, ou outrights, oferecer um meio de bloqueio em uma taxa de cmbio que ser ento
utilizada para uma troca no uma data especfica no futuro. Ao invs de ser transaces em numerrio
em linha reta, forwards so baseadas em contratos vinculativos. A taxa para a frente tentaremos
rellect o esperado taxa de cmbio futuro, e por isso, incorpora a volatilidade das duas moedas. o
disponibilidade de frente permite que ambas as contrapartes para se proteger contra mudanas
no cmbio taxa; inversamente, especuladores vai tentar prever e se beneficiar deles. Uma opo
FX semelhante, embora ele d ao comprador o direito de comprar ou vender, e no uma
obrigao.
Swaps cambiais consistem em duas pernas, uma transao vista FX padro associado a um FX
simultnea comrcio para a frente. Inicialmente, as duas moedas so trocados, e quando o
amadurece definitivas, eles so trocados de volta, taxa pr-acordado. Um swap de moeda
ligeiramente diferente uma vez que representa uma troca de pagamentos de juros para
subjacentes fixo ativos de renda em duas moedas distintas. Na maturidade, que tambm podem
envolver a troca a
12
Nole thai em LHE FX lambe (ou menor incremento quole) chamado um pip, por US $ / YCN um pip = 0,01; No
entanto, para a maioria outros pares de moedas um pip = 0,0001.
505
valor nocional de os ativos de renda fixa subjacentes. Isto proporciona um meio para o estrangeiro
empresas de tomar emprestado a taxas de juros mais favorveis que esto disponveis para
domstico empresas. Ambos os swaps so muitas vezes usado para muito intercmbio a mais
longo prazo do que FX forwards (anos em vez de meses).
Preo e negociao
FX negociao em grande parte concentrada em um pequeno subconjunto de moedas. Na verdade, a
cerca de dois teros de toda a negociao envolve apenas quatro principais moedas. A pesquisa
trienal de 2007 pelo Banco Mundial para Compensaes Internacionais (BIS) (2007b) relata que
86,3% dos todas as transaes envolvem a
Dlar EUA, 37,0% o euro Europeia, 16,5% ao iene japons e 15,0% da libra esterlina britnica
(Tendo em conta que cada comrcio envolve duas moedas, de modo total dos montantes a 200%). Em
termos de pares de moedas reais, eles relataram que, para o volume de negcios global em abril de
2007, 27% foi para o dlar EUA / Euro, seguido por 13% para US dlar / iene japons e 12% para
o dlar EUA / Libra britnica (conhecido como cabo). Moedas de mercados emergentes
representaram para cerca de 20% da negociao.
Preos taxas de cmbio pode ser muito difcil, uma vez que so afectados por uma ampla leque
de factores econmicos. Modelos de determinao da taxa de cmbio tradicional baseada
unicamente em fatores macroeconmicos no conseguiram explicar e flutuaes de previso
das taxas de cmbio. Isto foi claramente observado em estudos de Yin-Wong Cheung, Chinn
Menzie, e Antonio Garcia-Pascual, (2005) e Richard Meese, e Kenneth Rogoff (1983). Uma
alternativa mtodo de fixao de preos adotar uma abordagem baseada em microestrutura de
mercado. Isto tem sido pioneira por Martin Evans e Richard Lyons (2002), e Lyons (2001). Nestes
modelos, informaes macroeconmicas afeta diretamente as taxas de cmbio, mas tambm
indirectamente via fluxo de ordens, ou presso compradora lquida. Estudos subseqentes
mostraram que o fluxo de ordens pode tanto explicar e prever mudanas nas taxas de cmbio. Para
obter mais informaes, consulte o trabalho por Dagfinn Rime, Lucio Sarno e Elvira Sojli
(2008) e Evans e Lyons (2005).
Ambas as taxas de cmbio e fluxos das ordens de reagir a fatores macroeconmicos, tais como
mudanas no crescimento econmico, inflao, taxas de juros ou saldos oramento /
comerciais. Qualquer informao, o que pode refletir fluxos de pedidos futuros, pode ter um
importante, e muitas vezes imediato, efeito nas taxas de cmbio. este pode fazer os volumes de
negociao bastante voltil. Na verdade, o mercado spot pode variar em at 30% do dia a dia, como
observado por Naureen Malik do Wall Street Journal (Stj) (2004). Embora a notcia real
transmitido publicamente, o fluxo de ordem global ainda relativamente opaco. Claramente, os
grandes bancos tm uma vantagem aqui desde os mais clientes eles tm, ento quanto mais
informaes o fluxo de ordens que possuem.
Outro factor que pode ter um efeito considervel sobre o cmbio, a possibilidade de
interveno do Banco Central. Embora estes possam ser capaz de atenuar as flutuaes de curto
prazo, apenas j no vivel para sustentar uma moeda por qualquer perodo de tempo. Por
exemplo, o infame Preto quarta-feira (16 de setembro de 1992), quando o Reino Unido finalmente
anunciou que estava retirando do mecanismo de taxas de cmbio europeu. Este marcou sobre um
lucro bilho de dlares para os especuladores, que entrou em curto at US $ 10 bilhes em libras
sterling nas duas semanas anteriores, antecipando de queda da libra de graa. Banco Central
interveno tambm um sinal interessante para os investidores, uma vez que pode indicar
futuras mudanas na poltica monetria.
Mercados cambiais globais

O mercado de FX enorme; o BIS (2007b) relatou inqurito trienal um volume mdio dirio total
de $ 3200000000000, em 2007, para ambos local e "tradicional" negociao de derivados FX
506
Apndices
(forwards e swaps cambiais). Este nmero aumenta para cerca de US $ 3,5 trilhes quando
swaps cambiais e Opes de FX esto includos no total. Para colocar isso em perspectiva, que
bem mais de dez vezes o volume dirio de todas as bolsas de valores do mundo. O rpido
crescimento do mercado de FX tal que o volume de negcios 2007 quase o dobro do volume
registrado em 2004, e quase trs vezes mais do que em 2001. As estimativas para 2009/10 prever esta
a crescer para entre US $ 4-5 trilhes. Tabela C-L mostra uma repartio deste volume por tipo de
instrumento.
Estrangeiro
Mdia diria
de volume global
($ Bilhes)
Abr
Intercmbio
il
Abr
2007
2004
ilLocal
Outright forwards
Swaps cambiais
Os swaps de divisas
Opes de FX
De outros
Stocks NYSE
1005
362
1714
32
212
129
80
631
209
954
21
117
108
45
U.K.
volume mdio dirio
($ bilhes)
AprApr
Outubro
2007
2004
2008
605
210
719
18
108
0
335
124
899
18
106
0
222
103
428
16
64
0
Fonte: BIS (2007b), FX JSC (2007,2008) e NYSE (2009)
Tabela C- l Mdia de volume de negociao diria FX

O mercado local s comercializa agora mais um trilho de dlares todos os dias. Swaps
cambiais tm maior volumes dirios do que at mesmo os derivados de taxas de juro do mercado
de balco, o que os torna o mundo mais fortemente negociadas ativo. Dito isto, a crise
financeira de 2007-09 teve certamente um efeito sobre FX, volume caiu na ltima parte de
2008, mas eles comearam a se recuperar.
Em termos de localizao, Londres ainda o maior centro de negociao de FX (34,1%), seguido
por os EUA (16,6%), Sua (6,1%), Japo (6,0%) e Cingapura (5,8%). Londres e Sua ter visto a
maioria dos ganhos de quota de mercado desde 2004, com base em dados do BIS (2007b).
A proporo de comrcio eletrnico dentro do mercado de FX est aumentando
rapidamente. Dentro fato, um relatrio do Grupo Aite (2007) consultoria observa que aumentou de
apenas 22% em 2001 para mais de 56% at o final de 2006. Eles prevem que isso pode chegar a
at 75% em 2010. Da mesma forma, o Grupo TABB (2007e) consultoria estima comrcio
eletrnico atingiu cerca de 62% at o final de 2006, e deve chegar a 80% at 2010. A adoo da
eletrnica negociao mais elevado no mercado inter-dealer. Globalmente, o Grupo Aite (2007)
encontrado nveis eletrnicos de negociao de cerca de 66% para o mercado inter-dealer. Os
dados do R.U. cmbio Comit Permanente Conjunta (JSC FX) (2008) mostra que 61% da
cooperao inter-dealer volume foi de eletrnico em outubro de 2008. Em comparao, a proporo
ainda menor no mercado revendedor-cliente. No entanto, buy-side adopo do comrcio
electrnico ainda aumentando. Por exemplo, a pesquisa FX buy-side anual pela Greenwich
Associates (2007a) constatou que mais de 53% relataram o uso de sistemas de e -negociao
para FX. O Grupo Aite (2007) encontrada 45% eletrnico de negociao no mercado
revendedor-cliente. O FX JSC (2008) mostra dados que 20% do volume cliente foi negociado
em sistemas corretor de solteiro e mais 7% em multi- plataformas de corretor. 13
13
Embora os nveis de aclual pode ser maior, j que algumas volume de negociao eletrnica pode no ter sido
reportada como tal.
507
Negociao algortmica tambm est comeando a tomar posse no FX. As estimativas para
a proporo total de negociao algortmica so em torno de 7%, com esta prevista a aumentar
para at 15%, em 2010, a partir de um Aite Group (2008a) relatrio. A Celent (2007b) consultoria
estima que em alguns locais de negociao algortmica pode j representam mais de 20% do
volume.
O mercado de FX slill segmentado, com fortes redes inter-dealer e separado negociante para o
cliente mercados. Embora, o comrcio inter-negociante est em declnio em importncia como o
proporo de aumentos de negociao orientada para o cliente, especialmente de fundos de
hedge. O BIS (2007b) pesquisa mostra 43% dos negcios de FX foi devido atividade internegociante, abaixo dos 59% em 2001. Em comparao, o comrcio entre os concessionrios e as
instituies financeiras aumentou para 40%, enquanto a negociao de FX de varejo atingiu 17%.
Ao longo dos ltimos anos, o mercado de FX tem visto muitos novos operadores. Mostra
estimativas de quota de mercado para os participantes-chave em ambas as inter-dealer Tabela 2
C- e revendedor para cliente mercados, com base em dados do TABB Group (2007) consultoria:
2007 partes de mercado Estimativas
Plataformas bancrias
EBS / Reuters / Bloomberg
FXAll / State Street / Currenex / Hotspot
Lava
CMB
Inter-dealer
(Sell-side)%
23
27
27
14
9
Revendedor para cliente

(Buy-side)%
46
15
31
8
0
Fonte: TABB Group (2007)
Mesa C-2 FX quota de mercado global

O mercado inter-dealer tem sido dominada pela Reuters e EBS (as Brokers Eletrnico
Servio) por algum tempo. Enquanto isso tem concorrncia, desde, a segregao dos negociados
pares de moedas ocorreu. EBS leva para o Dlar-Euro, Dollar e Yen- uma gama de outras cruzes
baseados Euro enquanto Reuters leva para Sterling-Dlar e do Euro-Sterling.
Reuters pioneiro de comrcio eletrnico para FX atravs da introduo de seu servio de
negociao do monitor em 1981, com base numa abordagem "conversao". Efetivamente, esta
negociao muito parecido com o request-para-quotc modelo (PDO). Em seguida, em 1992, que
incorporou um servio de correspondncia para FX ordens pontuais na plataforma Lidar 2000, e
assim proporcionando com base numa carteira de encomendas hbrido modelo de execuo.
Posteriormente, este foi estendido para dar suporte tanto para a frente e opes. Eles tambm
introduziram uma interface projetada para atender a negociao algortmica.
EBS foi lanado em 1993 por um consrcio de bancos, principalmente para competir no local
mercado, embora, desde ento, sido adquirido por o corretor inter-negociante ICAP. Isso tambm
fornece um mercado carteira de pedidos hbrido que inclui citaes de vrios concessionrios. EBS
agora um grande palco para local FX, o comrcio alcanou uma mdia de $ 217.000.000.000 um dia
em 2008, com base em dados do ICAP (2009). Sua Spot-API fornece uma interface
especificamente catering para negociao algortmica.
No espao revendedor-cliente, os grandes bancos multinacionais ainda prevalecem. Embora,
concorrncia significou que o mercado revendedor tem continuado a consolidar. Na verdade, o 2008
Euromoney FX pesquisa mostra que os cinco bancos mais ativos foram responsveis por
pouco mais de 60% do negociao, conforme detalhado na Euromoney (2008). Estes foram
Deutsche Bank (21,7%), UBS (15,8%), Barclays Capital (9,12%), Citi (7,49%) e RBS (7,3%).
Os bancos oferecem aos clientes um mix de negociao por telefone, plataformas dedicadas ou
negociao via ofertas de marca branca (como servios que podem ento ser reembalados por outras
empresas). Para competir, tem Reuters
Appcndiccs
508
introduziram a sua negociao para a plataforma FX, e EBS j est disponvel via
Bloomberg terminais.
Os grandes bancos tambm participam do multi-plataformas corretor negociante-lo-cliente,
como De FXA1I e State Street FX Conncct e Currenex. Geralmente, todos estes sistemas tanto
fornecer um mercado RFQ ou preos streaming direto para clicnts (RFS). Currenex adota um
hbrido mecanismo que tambm suporta as ordens com limites, embora no exista uma carteira
de pedidos visvel. Em termos de volume de negcios, FXA11 alcanado volumes mdios dirios
de mais de US $ 60 bilhes em 2008, com base nas prprias empresas figuras. Estimativas da Celent
(2007b) dar consultoria FX Conecte-se e os volumes de negociao mdia diria Currenex na
faixa US $ 40-50 bilhes.
Muitas das plataformas de comerciante para o cliente no suportam a negociao annima,
sincc a identidade do cliente importante para a verificao de crdito. No entanto, a negociao
annima est se tornando disponvel para clicnts, com base em acordos primos estilo corretora
para abordar a questo do risco de crdito. Por exemplo, FXA11 estenderam seus preos em tempo
para apoiar o anonimato atravs do seu Mecanismo Quickfill. EBS tambm criou EBS Prime, que
permite s instituies financeiras para o comrcio em sua plataforma. De fato, em 2006, foram
responsveis por mais 14% da diria mdia de volume, de acordo com o (2007b) relatrio Celent.
ECNs se estabeleceram tambm para o mercado de FX, o primeiro foi Hotspot FXi. Baseado
em torno do limite central, de encomendas desses fundos de hedge arco sistemas de identificao
visveis, mas annimas, uma parcela crescente de mercado. Hotspot foi acompanhado por Lava
LavaFX de negociao em 2006, enquanto Bloomherg oferece Tradcbook FX. Da mesma
forma, FXAll libertado seu prprio ECN chamado Accelor em 2007. FXAll tambm assinou um
acordo para comprar LavaFX, de modo que o mercado de cmbio tambm est comeando a sec
alguma consolidao.
A progresso natural dos locais baseados livro tal ordem poderia ser a de crcate um dedicado
intercmbio. De fato, uma joint venture entre a Reuters ea Chicago Mercantile Exchange resultou
na criao de FXMarketSpace em 2007. Esta foi a primeira dcdicatcd FX cmbio, servios de
catering para tanto inter-dealer e negociao institucional. Foi com base na um livro de ordens
totalmente eletrnico fornecendo straight-through tratamento, compensao centralizada e liquidao
(muito parecido com as contrapartes centrais para alguns bolsas de valores) e de crdito
verificao. Inicialmente, Centrou-se em local FX nas seis principais moedas e seis cross-currency
pares, com planos de estender o produto para swaps e outrights frente. Infelizmente, o venture no
conseguiu cumprir suas metas e assim por encerradas em Outubro de 2008.
"Dark pool" ATS e redes que atravessam tambm se tornaram disponveis para FX. FX de Instinct
Atravessar, uma joint venture com o Citigroup, foi fundada em 2002, proporcionando trs annimo
sesses de passagem um dia em 17 moedas. De Flextrade MilanFX, anunciado em 2007, o
primeira plataforma de negociao bloco contnuo de FX, proporcionando cruzamento totalmente
escondido para grandes encomendas.
Resumo
Negociao eletrnica agora comum para o cmbio internacional.
Nveis de adoo de arco negociao algortmica aumentando.
O aumento da concorrncia e do tamanho enorme desse mercado significa que um

significativo oportunidade.
509
AppendixD
Mercados monetrios
Os mercados monetrios so essenciais para a prestao de financiamento de curto prazo para

Hanks, instituies e corporaes. Muitas vezes isso por curtos perodos de tempo, a partir de
overnight para cerca de um ms, embora pode ser para tanto quanto um ano.
Dentro o seguinte sub-sees, vamos analisar os mercados de dvida no garantida a curto prazo,
acordos de recompra e do emprstimo de ttulos. No Apndice E, ns tambm tocar em alguns dos
derivados do mercado monetrio chave, tais como swaps de taxas de juro overnight. Note que uma
mais viso detalhada dos mercados monetrios dos Estados Unidos fornecida no captulo 4 da New
York (1998) livro 'EUA do Fed Poltica Monetria e de Mercados Financeiros '.
A dvida de curto prazo

Dvidas de curto prazo englobam uma variedade de ativos, de contratos tradicionais de renda fixa
para negociveis emprstimos / depsitos e papel comercial. H sim um mercado considervel
para essa dvida, embora seja muitas vezes tratada como parte dos mercados de renda fixa ou FX.
Especfico de ativos
Geralmente, o tempo de vida para a dvida de curto prazo inferior a um ano, e muitas vezes a
partir de qualquer coisa durante a noite para um ms. Assim, o risco de inadimplncia menor do
que suas contrapartes mais longo prazo.
Ttulos do governo fornecer um investimento relativamente livre de risco, particularmente
atravs da curto prazo. Normalmente, as questes de curto prazo so negociadas na um desconto,
em vez de pagar os cupons. O exemplo mais conhecido Bilhetes do Tesouro EUA. Os seus
homlogos europeus so a Alemanha de Bubills, contas BTF da Frana, contas BOT da Itlia e as
contas DTC holandeses. Curto prazo agncia do governo e da dvida municipal tambm est
disponvel, como agncia federal de desconto notas. Diferente de seus vida til mais curta,
nenhum destes instrumentos que diferente dos ativos de renda fixa que vimos no Apndice B.
Emprstimos inter-bancrios uma importante fonte de liquidez de curto prazo para os bancos,
particularmente durante a noite, para os bancos. Ambos os fundos federais dos EUA e eurodlares
so fontes de imediatamente fundos disponveis para os bancos e, atravs deles grandes
instituies financeiras. Fundos federais dos EUA referem-se a contas de depsito mantidas com
a Reserva Federal. Os bancos que tm excesso de liquidez pode emprestar para fora para aqueles
que podem precisar de cobertura adicional durante a noite. A taxa em que estes negcios ocorrem
baseia-se na taxa de fundos federais. Depsitos em eurodlares representam contas de dlar realizada
em bancos fora de os EUA A London Interbank Offer Preos (LIBOR) so as taxas em que os
bancos podem emprestar altamente cotados depsitos em eurodlares, de um dia a trs ou seis
meses.
Apndices
51 0
Depsitos costumam pagar um pouco maior interesse do que as contas do governo, uma vez
que no h mais risco de crdito. A sua taxa tambm, obviamente, ligada definir perodo de
mandato. Um depsito de tempo (ou termo) representa o dinheiro que no pode ser retirado a partir de
uma conta para um determinado perodo de tempo. Depsitos podem ser negociados nos mercados
secundrios, enquanto os no-negociveis so mantido at o vencimento. Grandes depsitos a
prazo so classificados em os EUA como aqueles com um valor maior de US $ 100.000. Um
certificado de depsito (CD) apenas um tipo de depsito a prazo, onde toda a detalhes usados a ser
impresso um certificado.
A aceitao do banqueiro um projecto de dinheiro para pagar um valor definido em uma
determinada data. Uma vez aceito por um banco que se tornem responsveis pelo montante, por sua
vez, podem ento escolher para o comrcio ele nos mercados secundrios.
O papel comercial (CP) fornece uma alternativa para emprstimos bancrios para
corporaes. Efetivamente, estas so notas promissrias inseguros, muitas vezes emitidos
pelo um desconto. Devido risco de crdito, estes, obviamente, pagar taxas mais elevadas do
que as contas do governo. Ainda assim, estes so frequentemente menor do que a empresa
poderia conseguir financiamento via um banco; da o seu apelo a ambas as empresas e os
investidores. Em os EUA, papel comercial tem geralmente uma data de menos de 270 maturidade
dias desde que este o necessria limite antes do registro junto SEC.
Ao contrrio dos instrumentos anteriores, representa papel comercial (ABCP) asset -backed
umaemprstimo garantido. Geralmente, estes so emitidos contra uma empresa veculo para fins
especiais (SPV), que foi configurado especificamente para fornecer estes emprstimos garantidos.
Mercados de dvida globais de curto prazo

Mercados monetrios mundiais so considerveis. Por si s os EUA, elas respondem por
cerca de $ 5,5 trilhes de grande valor nocional, como mostra a Tabela Dl.
Montante em dvida
Q3 2008 em $ bilhes
Tipo
Tesouraria contas
Comercial papel
Tempo Grande depsitos
Bankers aceitaes
Fonte: SIFMA (2008b, 2008c)
1,484.3
1,555.3
2,413.3
0.0
14
Tabela D- euMercado monetrio EUA

Dvida pblica de curto prazo um segmento importante e de alta liquidez do dinheiro
mercado. Em os EUA, os Bilhetes do Tesouro so emitidos semanal para perodo s de 4, 13 e 26
semanas. Embora as contas off-the-run sofrer uma queda significativa no volume de negcios, a
emisso semanal garante este ainda um mercado altamente lquido. Para 2008, a associao dealers
primrios EUA relatou um volume mdio dirio de negociao de em torno de $ 77000000000,
de acordo com o New York Fed (2009). A eletrnica mercado inter-dealer US consiste
principalmente de BrokerTec do ICAP e plataformas eSpeed do BGC. Na Europa, Bubills da
Alemanha so marcos importantes para de curto prazo da dvida pblica. H arco mercados inter negociante para estes em hoth MTS e Eurex Ligaes. Outros importantes contas de governos
europeus BTFs do arco Frana e bots da Itlia, que tambm so negociveis em Euro MTS. ICAP
atende a negociao destes tecla Europeia contas de referncia tambm.
Os emprstimos no garantidos durante a noite para os bancos em os EUA fornecido pelo
Fed mercado de fundos.
14
Com base em dados do Tesouro dos EUA, Federal Reserve System
511
I-Feds plataforma da ICAP proporciona um espao multi-dealer ao vivo, onde os preos so

postados para o durante a noite Fed mercado de fundos. Eles estimam que mais de 40% do mercado
total representado pelos fornecedores utilizando i-Feds, com mais de mil credores registrados e mais
de 130 ativos sellers. Na Europa, c-MID ofereceu prego eletrnico para depsitos interbancrios
desde 1990, comeando com o Lira, em seguida, passar para comedor para o Euro, Reino Unido
esterlina eo dlar americano. Dentro De 2007, e-MID viu volumes mdios dirios de mais de 30
bilhes, mas a crise financeira de 2007-09
levou a um declnio considervel no volume de
negcios para os depsitos, por isso, Q2 2008 este nmero baixou para cerca de
15 bilhes, com base em dados do BCE (2009) avaliao. Em toda a Europa, a estimativa do
BCE aquele 17% de tais negociaes no garantido eletrnico.
Dvida corporativa de curto prazo, sob a forma de papel comercial, tambm foi
significativamente afectada por efeitos da crise financeira. este bateu o ativo EUA apoiaram
papel (ABCP) segmento comercial particularmente difcil. Na verdade, a partir de sua alta de quase
1,2 trilhes de excelente $ em 2007, ABCP EUA desde ento caiu para $ 758.000.000.000 em HI
2008, com base em dados da SIFMA (2008a). Contas de papel comercial inseguros para cerca de
outro trilho de dlares, com $ 817 bilhes de instituies financeiras e $ 165.000.000.000 de
empresas no financeiras. O mercado europeu de ABCP tem visto um declnio similar para cerca de
70000000000 excelente (a partir de 175 bilhes) com base em dados do BCE (2009) avaliao.
Em termos de comrcio eletrnico, h alguns, mas papel comercial ainda predominantemente
negociadas OTC atravs do telefone.
O mercado dcaler-a-cliente para os ativos do mercado monetrio catcrcd pelo uma
variedade de ofertas, incluindo os da grande renda fixa e os mercados cambiais, bem plataformas
como dedicados.
Por exemplo, Tradeweb no s atende a dvida pblica de curto prazo, mas tambm fornece
negociao para as notas das agncias norte-americanas, CDs e tanto EUA e papel comercial
europeu. Bloomberg oferece negociao semelhante atravs de suas plataformas BondTrader and
Money Markets. Estes ambos oferecem comerciante empresa cita, bem como um (PDO) mecanismo
de solicitao-for-cotao. No Canada, Candeal fornece um multi-plataforma revendedor para RFQ
do cliente para negociao Bilhetes do Tesouro do Canad e os ativos do mercado monetrio.
Enquanto na Europa, BondVision do MTS fornece negociao de curto dvida pblica prazo.
Muitas das plataformas de cmbio tambm tm expandido para incorporar dinheiro
negociao no mercado. FXA1I fornece negociao de emprstimos de dinheiro e depsitos atravs
do seu multi-negociante quote-driven mecanismo, que tambm permite a negociao electrnico.
Da mesma forma, Currenex estenderam sua plataforma multi-negociante para permitir a
negociao de emprstimos e depsitos. Enquanto a plataforma 360t no s serve para depsitos,
mas tambm permite a negociao de papel comercial e taxa a termo acordos (FRA), que so
efetivamente derivados do mercado monetrio.
L arco ofertas dedicadas, bem como, tais como a Operao Rede SunGard (STN) Servio de
mercados monetrios. Isso ajuda a conectar investidores institucionais e tesoureiros corporativos,
permitindo-lhes trocar CDs e papel comercial diretamente com os emissores. Corretores tm
tambm estendeu suas negociante para o cliente plataformas nicas para atender a os mercados
monetrios. Exemplos notveis so Autobahn e Barclays 'barx plataformas do Deutsche Bank, que
apoiar tanto os preos de solicitao-para-strcaming (RFS) e trading RFQ.
Repos
Rcpos refletem tanto os mercados monetrios e mercados de ttulos. Seus mandatos curtos
coloc-los em a categoria de activos do mercado monetrio, mas uma vez que a garantia
subjacente muitas vezes uma obrigao que tambm so afetados pelos mesmos fatores que
influenciam ttulos.
512
CIEC
Acrescente
Especfico de ativos
A repo o nome comum para uma venda e contrato de recompra, essencialmente, este um sccurcd
emprstimo. o vendedor fornece ttulos em troca de dinheiro, mas tambm comprometer-se a
recompra los de volta em uma data especificada por um preo fixo junto com um pagamento de juros.
Os juros pagos baseado em uma taxa repo prc-ncgotiatcd, que, muitas vezes, ser compensada a partir
de um ndice de referncia, tais como a taxa de fundos do Fed. Uma operao reversvel-repo
simplesmente o oposto de um repo. UMA Vender comprar volta semelhante a um repo, embora a
venda e recompra arco simultnea. Isto porque a recompra obtida com uma operao para a frente.
A taxa repo est implcita em este preo para a frente. Uma introduo mais detalhada para rcpos
fornecida por Moorad Choudhry (2006).
Repos especficos so para uma certa segurana. Em os EUA, estes so frequentemente
denominado especial repos colaterais ou "especiais". Em comparao, a garantia geral (GC) repos
permitir que a garantia de ser fungvel de modo qualquer segurana aceitvel que respeite os requisitos
estabelecidos podem ser utilizados. o diferena entre a taxa repo garantia geral ea taxa specials
reflete a demanda para emprestar a segurana especfico. Embora repos tradicionalmente tm sido
utilizados para as obrigaes, os mercado de repos capital crescente.
Durante o termo do acordo de recompra, o ttulo legal dos valores mobilirios transferido.
Embora, o vendedor repo permanece exposto ao risco de possu-los, sincc eles se comprometeram a
recomprando-los a um preo fixado. Por conseguinte, se o valor dos ttulos colaterais mercado gotas
eles vo sofrer uma perda. Em comparao, o comprador repo permanece inalterado.
Rcpos tornaram-se extremamente importante para os bancos centrais como um meio de
implementar suas polticas monetrias. Eles trocam repos com os dealers primrios para injetar saldos
de reserva no sistema bancrio, enquanto reverse-repos permitir-lhes reduzir os saldos disponveis.
Assim, eles permitem-lhes controlar a liquidez global. Eles tambm permitem que os revendedores e
empresas de investimento para financiar as suas posies a custos mais baixos de juros.
A padronizao dos acordos de recompra, usando Acordo de Recompra Mestre Global
International Capital Mercado Associao (ICMA), torna- bem adequado para o comrcio
eletrnico. Rcpos tripartidos tambm esto se tornando cada vez mais popular. Estes envolvem um
terceiro banco de compensao com que ambas as partes devem ter contas em dinheiro e colaterais.
Essencialmente, esta age como uma contraparte central (PCC), que permite a negociao annima,
em oposio ao entrega mais bilateral contra liquidao de pagamentos.
Mercados de recompra globais

O mercado de repo mundial responde por um excelente valor nocional diariamente ao longo $
16000000000000, a maioria dos quais dividido entre os EUA ea Europa. Mais de $ 6500000000000
deste envolve EUA financiamento do governo com os dealers primrios, com base no Q3 2008
nmeros da Federal Reserva (2009). As contas do mercado repo europeus para em torno de outro
8100000000000 $, ou 6400000000000, com base numa anlise do mercado por Celent (2007). O
mercado europeu tem mais de triplicou em tamanho desde 2001, embora nos ltimos anos o seu
tamanho se estabilizou. Na sia, repo nveis so mais baixos; por exemplo, o mercado do Japo vale
cerca de US $ 1 trilho, de acordo com um relatrio Nomura Research Institute (NRI) (2007).
Adoo de comrcio eletrnico est crescendo. Na Europa, o (2009) descobriram que levantamento
BCE 48% de trading foi efectuado por via electrnica. Um valor semelhante foi relatado na (2007)
anlise Celent. O Bearing Point (2007a) consultoria prev que at 2012 mais de 75% comrcios deve
ser eletrnico, o que representa um tero do volume total. A automao tambm est comeando a ser
aplicada a negociao OTC repo via correspondncia comercial e sistemas de confirmao, tais
como ETCMS e Trax II.
513
O mercado grossista repo inter-negociante em os EUA centra-se em acordos de recompra

overnight. ICAP apoia a negociao sobre a sua plataforma BrokerTec eletrnico, bem como
via voz. Eles permitem a negociao para quaisquer instituies que so membros da compensao
Renda Fixa Clearing Corporation (FICC). BrokerTec automatiza o processo de ofertas gerais de
garantia, permitindo que os comerciantes de alterar facilmente a segurana atribudo. Em 2008, eles
alcanaram mdia diria de cerca de $ 195.000.000.000, com base em dados do ICAP (2009).
TradeBladc da Tullett Prebon, tambm oferece correspondncia annima para lances e ofertas de
qualquer membro de compensao da FICC. Plataforma eSpeed do BGC est disponvel para acordos
de recompra, bem como, para os 18 US dealers primrios que negociam com o Federal Reserve BNY.
Repos a mais longo prazo tendem a ser tratadas mais por corretores de voz. O mercado europeu interdealer tambm liderada pelo ICAP seguido por Eurex Repo e MTS. ICAP Europa negocia acordos
de recompra de ttulos de governos europeus, Reino Unido Marrs, Euro Supra Agncias Nacionais e
soberanos, bem como obrigaes hipotecrias, ttulos corporativos e ttulos do Tesouro americano. Em
termos de volume, o ICAP (2009) relataram valores mdios dirios de $ 259.000.000.000 para repos
europeus em 2008. Eurex Repos atende a acordos de recompra de ttulos de governos europeus e
alemes, bem como outros ttulos. Ele tambm introduziu GC Pooling, permitindo uma gama muito
maior de Banco Central Europeu (BCE) garantia -eligible. Facilidade Mercado Monetrio do MTS
um segmento MTS dedicado para repos e comprar / vender costas, que foi criada em 1997. MTS
concentra-se em acordos de recompra de ttulos de governos europeus, ttulos italianos e obrigaes
hipotecrias alemes. H tambm um importante mercado local para repos sobre ttulos espanhis
negociados via SENAF. Note-se que uma complicao adicional para negociao Europeia repo a
multido de compensao e de liquidao locais, ao passo que os EUA tm uma compensao central
contraparte.
No Japo, a negociao de acordos de recompra foi principalmente de voz baseados. Embora,
Japo bond Trading Co. tem anunciou que que ir introduzir um mercado eletrnico para rcpos.
Nos mercados negociante para o cliente, negociao voz ainda a norma, embora haja alguns
alternativas eletrnicas. Tradeweb fornece uma plataforma de comrcio eletrnico para reporte
tripartidos com volume mdio dirio em excesso de US $ 175 bilhes, com base em suas prprias
figuras (Tradeweb (2008)). Bloomberg tem uma oferta de recompra bem; tambm h solues
corretor individuais, tais como RepoLink do Morgan Stanley. O mercado europeu negociante-to-elient
muito menor.
Emprstimo de Ttulos
Valores mobilirios (ou aes) de emprstimo como um repo sem o emprstimo; o arco
simplesmente ttulos emprestados para uma taxa. Ao longo dos ltimos anos, o negcio de
emprstimo de ttulos tem visto um nvel considervel de crescimento como os fundos de hedge tm
cada vez mais necessria para tomar emprestado valores mobilirios para apoiar as suas posies
curtas. No entanto, a crise financeira teve 2007-09 um efeito considervel, particularmente com
governos introduzindo regulamentao para restringir as vendas a descoberto de certos
sectores.
Tal como acontece com acordos de recompra, o tipo de emprstimo pode ser classificado em
geral e especfica. Geral emprstimos equivalente a um acordo de recompra com garantia geral
assim que a segurana s precisa corresponder a um conjunto de critrios. Mais uma vez, as taxas
para emprstimos dependem da escassez da segurana, de modo geral os custos de emprstimos
significativamente menor.
Ttulos globais mercados de crdito

O mercado global de emprstimo de ttulos considervel e em constante crescimento. Um
relatrio da Celent (2007a) consultoria observa que em torno de $ 360000000 0000 valor de
ativos esto envolvidos na concesso de crdito, a partir de um disponveis total de US $ 16
trilhes. Os EUA representa cerca de $ 2700000000000, enquanto a Europa cerca de US $ 900

bilhes. At 2009, a estimativa Celent que o mercado pode chegar a US $ 2900000000000, Europa
e $ 1 trilho.
514
Apndices
No momento, o emprstimo de ttulos ainda muito uma relao impulsionada mercado, com a
maioria do telefone ser comercial com sede. No entanto, Celent (2007a) observam que 10 -15%
dos negcios foram negociados atravs de plataformas electrnicas. Eles cxpcct esta aumente
para cerca de 20% em 2009.
As primeiras plataformas de negociao eletrnica para os emprstimos oferecidos tanto
roteamento de ordens bilateral ou leilo baseada em mecanismos de negociao. Como o prprio
nome sugere, de vSunGard Loanet centralizado Sistema de ordem fornece roteamento uma rede
dedicada ao tratamento de emprstimos de capital prprio. Foi lanado em 1999 e at 2006 estava
processando mais de 100.000 borrow solicita um dia. De fato, SunGard (2006) relataram manusear
22 milhes de pedidos em 2005, no valor de $ 6000000000000. Outro plataforma notvel
EquiLend; lanado em 2002 por um consrcio de dez grandes instituies financeiras que oferece
vrios tipos de servios de negociao. Seu mecanismo permite AutoBorrow muturios para avaliar
os ttulos disponveis. Os muturios podem dirigir ordens a seus emprstimos contraparte, quaisquer
execues bem-sucedidas so, ento, voltou para os sistemas de liquidao de propriedade.
Este mecanismo bilateral tambm suporta negociao eletrnica atravs um servio de chamada
Tradc20, que permite que credores e devedores para carregar posies ou toda especficas
carteiras. Ele voltado para o mercado no-GC no patrimnio global e ttulos de renda fixa.
EquiLend tambm permite que os credores para executar os seus prprios leiles abertos ou
cegos atravs AuctionPort, a que o credor pode convidar licitantes especficos. Em 2007, o
volume de transaes anuais atingiram
2900000000000 $ emprstimos para capital prprio e 277.000.000.000 $ para ttulos de renda fixa,
com base em dados de EquiLend (2008). Em outubro de 2008, eles estavam executando at
20.000 comrcios um dia. Outra oferta plataformas notvel uma abordagem puramente leilo
conduzido so e eSecLending Do BNY Mellon I-Bid.
Mercados em funo das ordens centralizados tambm esto comeando a aparecer para o
emprstimo de ttulos, designadamente Secfinex, SccLend da Eurex e do ICAP I-Sec. Secfinex
foi criada em 2000, e agora faz parte da NYSE Euronext. Ela serve para emprstimos em EUA,
Europa e aces japonesas; proporcionando um mercado impulsionado ordem que suporta prnegociao anonimato e verificao de crdito, enquanto um servio separado permite carteiras
inteiras para ser leiloado. Secfinex tambm oferece um mercado privado, com base em um
mecanismo de comrcio bilateral que suporta negociao. O mercado privado fornece um mecanismo
de busca que permita muturios para verificar a disponibilidade de um determinada ao em toda a
sua base de credor. Eles tambm foram o primeiro sistema para fazer disponvel informao
comercial executado, ajudando a melhorar a transparncia ps-negociao para este mercado.
SecLend da Eurex tem sido em torno desde 2005, permitindo emprstimos eletrnico para
incomc fixa ou renda varivel. Aproximadamente US $ 150 bilhes de ativos esto disponveis
para emprstimos em SecLend. Em 2007, da ICAP I-Sec foi lanado, com base em sua plataforma
BrokerTec. Ele suporta uma ordem annimo dirigido mercado para emprstimos equity em
mercados semelhantes a Secfinex, tambm proporcionando um mecanismo de negociao
bilateral annimo.
Resumo
Negociao eletrnica cada vez mais disponveis para os mercados de dinheiro, muitas
vezes baseado em plataformas tambm usado para renda fixa ou de cmbio.
A dvida de curto prazo parece o candidato mais provvel para negociao algortmica,
embora estratgias de negociao de ativos cruzados pode muito bem comear a incorporar
acordos de recompra e emprstimo de ttulos tambm.
Algorithmic Trad ing DM & A
515
AppendixE
Os mercados de derivados
Os mercados de derivados so de longe os maiores mercados financeiros do mundo. Figuras

para HI 2008, a partir BIS (2008), mostram que o valor nocional total em dvida atingiu $ 766
trilho, um aumento de 25% a partir de 2007. A composio desses valores nocionais dada na
Tabela El.
Tipo de
derivado
Forwards e swaps
Opes
Capital prprio Futuros sobre ndices de ET
Opes de ndice ET
FRAs
Swaps
Interesse
taxa
FX
Opes
Futuros ET
Opes ET
Fwds / swaps cambiais
definitivas
Os swaps de divisas
Opes
ET futuros Moeda de / opes
Baseado Commodity-15
Os credit default swaps
De outros
Nocional
Jun-08
$ bilhes
%
Jun-07 mudana
2657
7520
1584
7088
39.370
356.772
62.162
26.874
46.905
31.966
16.307
14.710
367
13.229
2470
6119
1315
8897
22.809
272.216
52.288
30.165
55.986
24.530
12.312
11.804
303
7567
8
23
20
-20
73
31
19
-11
-16
30
32
25
21
75
57.325
81.708
42.580
61.713
35
32
Fonte: BIS (2008,2007a)
Mesa E - l valores nocionais pendentes para os contratos de derivativos

Note-se que para a frente e contratos de taxas (CGT) so efetivamente o OTC equivalente de
exchange traded (ET) de futuros.
Infelizmente, os nmeros do BIS no incorporam valores nocionais para negociados em
bolsa (ET) de solteiro de aes ou commodities derivados. Apesar destas omisses, a maioria
da excelente nocional claramente para os swaps de taxas de juros, que so ainda geralmente
negociadas OTC. Na verdade, em torno de $ 684000000000000 do nominal remanescente para
derivativos negociados OTC, 53% de que apenas para os swaps de taxas de juros (IRSS).
15
Os valores para os derivados baseados em mercadorias no incluem os contratos negociados em bolsa.
Apndices
516
A maioria dos derivativos de balco ainda so negociadas manualmente. Portanto, nas seguintes
sub-scctions ns incidir essencialmente sobre os futuros e opes negociados em bolsa. Vamos
tambm covcr swaps e CDSs uma vez que existem agora plataformas eletrnicas que servem
para estes tambm.
Os mercados de futuros e de op es
Os mercados de futuros e opes representam, principalmente, o segmento de aces
negociadas na bolsa de a derivados de mercado. Como vimos no de volta na Tabela EI, o seu
valor nominal remanescente facilmente ofuscada por derivativos de balco. Embora, em
termos de volume de negociao, as posies so invertidos. Por exemplo, em 2007 mais de $ 6
trilhes em futuros e opes de taxas de juros contratos foram negociados diariamente nas bolsas
do mundo, em comparao com apenas mais de $ 4 trilho OTC negociadas, com base em
dados da pesquisa de 2007 por trienal o Bank for International Assentamentos BIS (2007b).
Subjacente
de ativos
ndice de aces
Estoque de solteiro
Taxa de juro
Moeda
Commodities
Total
Futuros
Nmero de
contratos
(milhes)
2,286.0
1,058.9
2,565.1
331,7
1,541.9
7,783.5
%
do
total
29,4
13,6
33,0
4.3
19,8
100.0
Opes
Nmero de
contratos
(milhes)
4,077.1
4,367.9
609.6
49.9
153,7
9,258.2
%
do
total
44,0
47,2
6.6
0,5
1.7
100.0
Fonte: Com base em dados da WFE (2009)
Tabela E-2 Global Exchange negociados de futuros e opes de mercado para 2008
Futuros e opes podem basear-se uma grande variedade de activos subjacentes. Tal como a
Tabela B-2 mostra, existe uma diferena acentuada no volume de negociao entre futuros e opes.
(Observe os volumes de mercado de futuros e opes so comumente comparados em termos de
nmero de contratos mais do que seu valor correspondente.) Claramente, a negociao em
futuros liderada por interesse produtos de taxa, bem como suas contrapartes OTC. Em
comparao, a negociao para contratos de opes parecem ser muito mais concentrado nas
aces. Porm, o alto valor da taxa de juro significa que estes contratos ainda representam mais de
80% do volume de negcios total do mercado para ambos futuros e opes, apesar de seus baixos
nveis de volume, com base no BIS (2007b) de dados.
Especfico de ativos
Futuros e opes, representam acordos de comprar ou vender uma quantidade conjunto de um
determinado ativo, se este um estoque, uma ligao ou mesmo uma mercadoria como o petrleo.
Onde eles diferem que um contrato de futuros vinculativa, enquanto um contrato de opo d ao
proprietrio o direito, mas no a obrigao de negociar.
Futuros
Um contrato de futuros um acordo para comprar (ou vender) uma quantidade fixa de um determinado
ativo a um preo ccrtain em uma data especfica no futuro, por exemplo, um contrato para a aquisio
de 5.000 alqueires de gros em Julho por US $ 3. Quando a data de vencimento for atingido, o
contrato expira ea transao deve em seguida, ser resolvido. Um contrato de futuros simplesmente
uma frente com termos padronizados (por exemplo, quantidades,
517
preos, datas), que negociado em uma troca. A padronizao faz futuros mais prontamente
negociveis do que para a frente. Historicamente, esses contratos foram focados em commodities,
sincc eles permitem que os produtores e consumidores para cobrir os seus riscos. Grande parte do
mercado liquidez so efectivamente prestados por intermedirios e / ou especuladores. Sem eles,
os produtores e os consumidores ainda luta para encontrar a liquidez de mercado suficiente, embora
muita especulao faz com que os mercados volteis.
Tendo comprado (ou vendido) um contrato que temos trancado em um preo fixo. Os contratos de
futuros no so geralmente realizada de expirar, mas so negociados fora de. Por exemplo,
podemos ter retomado umaposio de futuros apenas para capitalizar sobre a nossa viso de
onde o preo de mercado deve se mover para. E se esta ainda no foi reachcd apenas antes do
termo do contrato que pode rolar a nossa posio sobre para o prximo contrato. Isto conseguido
atravs da venda (compra) a nossa posio atual e de compra (venda) do prximo contrato de
amadurecimento. Assim, poderamos vender nosso contrato de julho e comprar um futuro setembro
equivalente. Efetivamente, isso nos deu uma posio sinttica no activo subjacente. Na expirao, se
wc arc ainda segurando um contrato eo preo de mercado maior, ento ns fizemos dinheiro; no
entanto, se o preo caiu ento ns perdemos a diferena.
Os contratos de futuros podem ser fisicamente liquidados. Isto significa que pelo termo um
comprador deve pagar o montante nocional a troca em troca do activo subjacente, enquanto um
vendedor deve entregar o activo na troca. Alternativamente, a liquidao financeira foi introduzida no
incio dos anos 1980. Isto permitiu futuros para expandir para alm das commodities e incorporar
uma gama diversificada de ativos financeiros, liquidao sincc baseado em uma quantia em dinheiro
determinada a partir da preo de liquidao.
Preo e negociao
O pricc de um contrato de futuros reflete o valor futuro esperado do seu activo subjacente,
descontado a dar um valor presente. Alguns outros fatores tambm devem ser considerados, tais como
quaisquer custos adicionais (para armazenamento etc.) ou os rendimentos (por exemplo,
dividendos). Uma anlise mais detalhada dos contratos futuros de preos dado por Robert Kolb e
James Overdahl (2006).
Claramente, o preo de um contrato de futuros afectada pelo activo subjacente, bem como a
expectativas de como do mercado pricc que vai mudar ao longo do tempo. Assim, os fatores que
afetam que so o ativo dependente. Futuros de aes individuais sero afetados pela ao especfica
ou setor relacionado notcias. Taxa de juros ou de futuros de moeda vai reagir a notcias e eventos
econmica. Agrcola futuros ser affectcd por previses para as colheitas e previses meteorolgicas.
Em termos de risco, esses contratos podem ter exposio considervel, uma vez que representam
comrcios que ter lugar no futuro (por exemplo, 3, 6 ou 12 meses). Os contratos de futuros remover
contraparte de risco uma vez que a troca actua como uma contraparte central, de modo que o
comrcio efectivamente dividido em comrcios separados entre cada contraparte ea troca. Os
outros riscos so reduzida, assegurando que uma margem inicial depositada com a troca como
garantia. este ento ajustada diariamente pela marcao a mercado do contrato, portanto,
quaisquer lucros resultantes (ou perdas) so liquidados cada dia.
Opes
Os contratos de opo arco semelhante a prazo e futuros em que eles permitem um preo para ele
atingiu a comrcio uma quantidade definida de um determinado activo numa data futura especfica. O
preo de liquidao chamado o preo de exerccio da opo. O prmio representa o preo real pago
pela opo. Um contrato de opo comprar callcd uma chamada, enquanto um contrato para
vender uma opo de venda.
A principal diferena com a frente e de futuros que o proprietrio de uma opo no est
obrigado Trocar. Se o preo de mercado mais favorvel que eles podem optar por no exercer o
seu contrato de opo (da seu nome). Embora, o criador (escritor) do contrato de opo obrigado a
518
Appcndiccs
comrcio, se o comprador desejar faz-lo.

As opes tambm podem ser classificados como estilo europeu ou americano. Isto refere se quando pode realmente ser exercido. Opes de estilo americano podem ele cxcrcised a qualquer
momento antes da data de validade, enquanto as opes de estilo europeu s pode ser exercida no
vencimento. este flexibilidade significa opes de estilo americano normalmente no comrcio
um prmio correspondente a Os europeus.
Preo e negociao
As opes podem ser negociadas OTC ou em bolsas. Como futuros, opes negociados em
bolsa arco contratos padronizados. Enquanto no geralmente um nico futuro uma determinada
data de vencimento, no arco uma ampla gama de opes, ambos os calls e puts para um array de
preos de exerccio. Para exemplo, as grandes empresas podem ter centenas de opes
negociveis cmbio (se no mais). Claramente, essa diversidade affccts a liquidez disponvel, de
modo que as opes tendem a ser menos lquidos do que futuros.
Uma das principais diferenas com opes a capacidade de comprar e vender de compra e
venda de opes. Para os contratos de futuros, e seus ativos de caixa subjacentes, as coisas so
muito mais simples; ns arco quer um comprador singular ou um vendedor a um determinado
preo. Em comparao, com direitos de negociao arco Opes wc. o caractersticas de risco de estes
so muito diferentes: a compra de uma opo de venda ou de chamada nos d o direito de exccutc ao
preo de exerccio, de modo que o mais wc pode perder o prmio da opo. No entanto, a escrita
uma opo nos obriga a negociar ao preo de exerccio se o proprietrio desejar exercer o contrato,
assim nossas perdas poderiam ser potencialmente infinita. Por conseguinte, embora possa haver uma
abundncia de investidores que querem compra ou de venda, muito menos pode ser preparado para
vend-los. Assim, especializada corretores / intermedirios, muitas vezes desempenham um papel
vital como fornecedores de liquidez e market makers.
Embora as opes de preo pode ser bastante complexo, h muitos modelos padro arco l
fora, tais como a equao de Black Scholes ubqua criado por Fisher preto e Merton Scholes (1973).
Estes podem calcular o justo valor de uma opo com base em fatores tais como o contrato de greve
pricc, preo de mercado do activo subjacente e sua volatilidade, o tempo que resta at ao vencimento
e a taxa de juros livre de risco. Outros fatores que podem precisam ser considerados so se
umaEuropeu ou uma opo americana, fatores tambm especfica de ativos, tais como
pagamentos de dividendos. O que isto significa que h muito mais fatores que exercem presso
sobre o preo da opo de apenas o preo de mercado o seu activo subjacente. Assim, o preo
mudanas perceptveis pode ocorrer mesmo quando no parece ser nova informao importante, ou
mudanas nos nveis de liquidez, a oferta ea procura.
De futuros do mundo e mercados de opes

Trocas arco ainda o ponto focal de negociao para contratos futuros e de opes listadas. Eles
fornecem o principal mercado inter-negociante, sincc associao normalmente realizada por
corretores. O acesso do cliente ainda est razoavelmente segregados com os corretores agindo como
agentes para investidor de ordens ou concessionrios de negociao comrcios principais. Ainda
assim, a adopo de aumentar eletrnico comrcio fez com que os clientes podem agora aceder a
mercados mais diretamente via DMA e at mesmo negociao algortmica.
Derivados referidos podem ser produtos padronizados, mas so ainda no to prontamente
transfervel (ou fungvel) como dinheiro ou aes. Um contrato de futuros ou opo de compra de um
intercmbio geralmente no sero negociveis em outros lugares. Por conseguinte, as trocas que
foram o primeiro no mercado tm teve o maior vantagem. Assim, a liquidez tende a concentrar-o em
torno principais bolsas de valores. Tabela E-3 mostra os mundos top dez trocas em termos de
contratos negociados, hased em dados do EPR (2009).
519
Nmero de contratos negociados em 2008

(milhes) TotalFuturesOptions
Intercm
bio
CME Group
Korea Exchange
Eurex
Chicago Board Options Cmbio
Liffe
Internacional Securities Exchange
BM & FBOVESPA
NASDAQ OMX PHLX
Johannesburg Securities Exchange
3,277.2
2,867.3
2,164.8
1,167.3
1,049.7
1,007.7
681,9
601,6
543,3
478,1
2,776.7
100.8
1,231.4
0.0
610.0
0.0
278.1
439,6
0.0
446,2
500.5
2,766.5
933,4
1,167.3
439,7
1,007.7
403.8
162,0
543,3
31,8
Fonte: Com base em dados da WFE (2009)
Tabela E-3 de cmbio global negociados de futuros e opes

A concorrncia no mercado bccome tem cada vez mais global como trocas tentar lanar produtos
equivalentes. Uma combinao de inovao tecnolgica e reduo de custos tem permitido o
intercmbio de conquistar participao de mercado, comprovado pelo sucesso da Eurex ea
International Securities Exchange (ISE). este tem tambm ajudado a transformar o mercado,
passando de leiles-viva voz com base em piso a lado-a-lado e negociao totalmente electrnico. Na
verdade, a maioria dos futuros e opes listadas do mundo esto agora quer cotados eletronicamente,
ou side-by-SIDC com-viva voz.
Informatizao tambm ajudou transformar isso em um mercado praticamente 24 horas. Para
exemplo, plataforma Globex do CME permite a negociao at 23 horas por dia, cinco dias uma
semana, comeando na sia-Pacfico e na sequncia da manh at a Europa e os EUA
Futuros americanos e mercados de opes

As Amricas so claramente ainda uma grande fora no mercado de derivativos listados. Metade do
topo dez cxchangcs mostrados na Tabela E-3 vm a partir desta regio. Com base em dados do
Futures Industry Association (FIA) (2008) cerca de 40% de ambos os Exchange Traded ftiturcs
e volume de opes foi de ativos com base na Amrica do Norte.
Futuros e opes mercados dos EUA
Os Estados Unidos. claramente um dos principais mercados de derivados negociados em bolsa. Na
verdade, dominou os futuros globais e opes de mercado at final dos anos 90, quando a
competio chegou de locais como Eurex e Liffe. Tabela E-4 apresenta a distribuio do 2008
nmeros para futuros e opes negociadas nas principais bolsas de valores norte -americanas.
Os ltimos anos tm visto uma mudana considervel com as principais bolsas de valores norteamericanas cada vez mais se deslocam de piso base de a negociao eletrnica. Hoje em dia,
pelo menos 75-85% dos contratos mais lquidos so negociados eletronicamente. Muitos
corretores / vendedores fornecem DMA acesso s principais bolsas de valores. Alguns
corretores tm sequer comeou a expandir a sua algortmica ofertas comerciais para incorporar
futuros e as opes de negociao. Porm, a adoo desses strategics baixo-touch ainda fica atrs do
mercado de aces. Uma reviso de equidade derivado negociao pelos TABB Group (2007d)
estimativas de consultoria que cerca de 47% dos futuros comerciantes utilizado DMA 53%
enquanto ainda usou o telefone. Eles tambm descobriram que apenas 27% das opes comerciantes
adoptada DMA, com o restante novamente utilizando o telefone. At 2009, eles prcdict que
DMA captao pode ter subido para 58% e 40%, respectivamente, para negociar futuros e
opes. No geral, eles observaram que 68% do buy-side derivados pedidos foram manipulados
por high-touch
Apndices
52 0
a negociao com apenas 32% da adopo de estratgias de baixo-toque. Mais uma vez, eles
esperam HY 2009 a adoo de estratgias de baixo toque, como DMA e negociao
algortmica, aumentar para 40%. Curiosamente, eles tambm descobriram que as pequenas
empresas parecia estar a adoptar estas novas tcnicas mais rapidamente do que os maiores.
Intercmbio
CME Group
NASDAQ OMX PHLX
NYSE opes de rea
NYSE Amcx
Opes de Boston Cmbio
ICE Futures EUA
Nmero de contratos negociados em 2008 (milhes)

FuturesOptions
Total
3,277.2
2,776.7
500.5
1,167.3
0.0
1,167.3
1,007.7
1,007.7
0.0
543,3
543,3
0.0
416,9
0.0
416,9
207.3
207.3
0.0
177,6
0.0
177,6
17,5
81,0
63,4
Fonte: WFE (2009)
Tabela E-4 de cmbio US negociados de futuros e opes

Duas maiores bolsas de derivativos dos EUA, ou seja, a Chicago Mercantile Exchange
(CME) e Chicago Board of Trade (CBOT) se fundiram em 2007. Enquanto isso tem criado um
enorme monoplio local, mais compreensvel do ponto de vista global, uma vez que o combinado
entidade tem um volume dirio semelhante Eurex, que se fundiu com o Internacional Securities
Exchange (1SE).
A Chicago Mercantile Exchange (CME) originou-se do Chicago Butter and Egg Borda; no
entanto, que desde ento tem se afastou de contratos agrcolas e agora um dos intercmbios
financeiros lderes do mundo. Essa mudana pode ser rastreada at 1972, quando ele criou
primeiros futuros financeiros do mundo. Estes foram os futuros de moeda para libras britnicas,
canadenses dlares, marcos alemes, francos franceses, iene japons, pesos mexicanos e francos
suos. Hoje em dia, a troca de moeda representa apenas cerca de 10% do volume do CME. A
maioria de sua negociao a partir de produtos de taxa de juro. O mais importante dos quais o
Eurodolar, uma contrato de dvida de curto prazo que introduziu em 1981. O eurodlar foi
primeiro dinheiro do mundo se estabeleceram futuro; agora o contrato de futuros mais negociados e
um hcnchmark chave para US dvida de curto prazo. Junto com opes em eurodlares, eles
representam cerca de metade do volume negociado no CME. Contratos de ndice de aces
respondem por um tero do CME volume. O padro & Poors (S & P) 500 ndice futuro foi
introduzido pela primeira vez em 1982, enquanto o contrato NASDAQ-100 foi criado em 1996. No
entanto, os volumes de negociao ndice CME esto agora dominado por suas contrapartes E mini. E-mini futuros foram introduzidos pela primeira vez em 1997; eles so um quinto do tamanho
e negociados eletronicamente. Eles tm provado ser extremamente popular, especialmente com
carteira hedgers e investidores de varejo. A mais importante das quais
o S & P 500 futuro
ndice de E-mini, o segundo mais negociado derivado listados no mundo, baseado na reviso de
2008 pela FIA (2009). Outros ndices como o Nasdaq, Russell 1000 e 2000 e da S & P MidCap 400
tambm so servidos. Globalmente, a CME continua a enfrentar uma forte concorrncia, o que tem
ajudado a estimular a migrao de volume a partir do cho para Globex, seu sistema de negociao.
Globex fornece um livro de ordens eletrnico, bem como apoiar a liderana criadores de mercado.
Este sistema de segunda gerao foi introduzida em 2002, com base em torno da Motor de
negociao NSC. Na verdade, a maior parte do comrcio agora realizada em Globex.
521
A Chicago Board of Trade (CBOT) tambm becomc predominantemente um cxchangc

financeira. Embora quase um quinto do seu volume dirio ainda atribuvel agricultura, metal e
energia contratos baseados. Os contratos mais importantes so baseados em juros de longo prazo Os
futuros de taxas; nomeadamente ttulo do tesouro de 10 anos, seguido pela 5 nota ano e 30 anos de
ttulos futuros. A CBOT tem enfrentado a concorrncia do mercado de ttulos, onde os spreads
mais baixos feito -lo mais barato para o comrcio tesourarias, enquanto em 2004 Eurex tambm
comeou listando nota do Tesouro e vnculo futuros. Em resposta, ele mudou mais trading longe
de leilo-viva voz para ser electrnica. Originalmente, sua carteira de pedidos eletrnico foi
baseado na plataforma Connect da Liffe; no entanto, isso agora foi completamente migrados para
Globex em linha com sua fuso com a CME. Negociao eletrnica agora representa a maioria
da negociao. Liquidao simples CBOT sincc j usou o CME para limpar seus comrcios.
The New York Mercantile Exchange (NYMEX) outro local que teve que rapidamente abraar
negociao eletrnica em face da nova concorrncia global, em especial a partir da
Intercontinental Exchange (ICE). Principalmente, NYMEX uma troca de energia com sede em
derivados, embora ele tambm lida com contratos de metais. Sua plataforma de negociao
eletrnica fornecida por do CME Globex, que tem ajudado a perceber um aumento considervel
no comrcio volumes. Em 2008, tornou-se parte do CME Group.
Os restantes intercmbios apresentados na Tabela E-4 esto principalmente envolvidos na
negociao de opes de aes dos EUA, que ir rever mais plenamente na sub-seco seguinte.
Existem tambm algumas outras bolsas norte-americanas que servem para negociao de
derivativos, tais como OncChicago e os EUA Futures Exchange. OneChicago uma joint venture
entre a CME Group, CBOE, eo IB Cmbio Corp. Ele fornece uma troca totalmente eletrnico,
principalmente para futuros de aes individuais, mas tambm futu ros sobre ETFs. Formador de
Mercado chumbo garantir liquidez e a plataforma baseado no motor do jogo CBOEdirect, embora
tambm atende para usurios Globex. A Bolsa de Futuros de US (USFE), anteriormente Eurex
US, outra bolsa de futuros eletrnicos com sede em Chicago. Dispe de futuros sobre uma
variedade de renda fixa, capital prprio e mercadoria com base fundos / ndices, bem como novos
produtos derivativos. Por exemplo, que oferecia um futuro evento binrio com base no resultado de
uma fuso CME-CBOT.
Mais longe concorrncia local tambm est chegando. NYSE Liffe EUA foi lanado em 2008,
com base ligar o negcio de metais preciosos que comprou do CME Group. Ele tambm ter
transatlntico links para troca Liffe da Europa. A NASDAQ OMX Futures Exchange (NFX),
anteriormente o Philadelphia Cmaras de Comrcio (PBOT), oferece negociao de futuros de taxas
de juros, swaps de moeda e ndices sectoriais. Alm disso, a troca de liquidez Eletrnico (ELX) foi
lanado em 2009, apoiado por um consrcio de grandes corretores, instituies e empresas de
tecnologia. As suas intercmbio electrnico baseia-se na plataforma eSpced. Inicialmente, que tem
como meta a negociao para futuros de tesouraria, embora tambm planeja cobrir outros ativoschave no futuro.
ATS esto comeando a aparecer para os derivados tambm. LiquidityPort tem planos
anunciados para oferecer uma plataforma eletrnica de negociao de bloco para ambos os
futuros e contratos de opes.
U.S opes de aes dos mercados
O mercado de opes sobre aes EUA tem visto alguns dos mais altos nveis de crescimento de
qualquer de mercados de derivativos listados do mundo. Tendo notado que a maioria dos futuros e
opes so no fungvel, este mercado uma exceo interessante desde um mecanismo de
compensao comum garante que as opes so facilmente transferveis. Portanto, as opes de
aes dos EUA podem ser negociadas em qualquer um dos sete bolsas de valores, tornando este
mercado mais competitivo opo listada no mundo. Figura El destaca a diferena de crescimento
entre a opo de aces dos EUA de mercado e o resto do mundo.
Apndices
522
Fonte: BIS (2008)
Figura E- l global do Exchange crescimento Opo de capital negociados

Figura El tambm mostra a disparidade de crescimento entre a troca de opo de aes e
ndices. Evidentemente, este nem todos atribuveis a concorrncia no mercado, mas tambm
devido mudando investimento e cobertura de estilos. No entanto, ele no ajuda enfatizar o quo
competio importante pode ser.
Houve um crescimento fenomenal na negociao de opes de aes dos EUA. Este o maior
mercado de seu tipo no mundo, sendo responsvel por quase dois teros do comercializada
globalmente volume. Como um mercado, tornou-se um microcosmo de seu primo, o mercado de
aes. Negociao agora dispersos entre sete locais principais. Tabela E 5 -shows uma
repartio dos volumes de negociao. Ao contrrio de muitos outros mercados l agora uma
diviso em locais como realmente corresponder encomendas, com os locais mais recentes, como
rea NYSE, Boston e NASDAQ todos oferecendo um carteira de pedidos com base preo / hora,
em vez de a correspondncia pro-rata tradicionalmente oferecido pelas outras bolsas de
derivados.
Grande parte da actual estrutura de mercado devido a mudanas na regulamentao. Isso
remonta a 1999, quando o Departamento de Justia ea SEC ganhou assentamentos concordando que a
concorrncia tinha sido blockcd por prticas comerciais seletivos. De repente, at ao final do estoque
ano opes no estavam mais concentrados em locais especficos, mas em vez disso poderiam
ser negociados em qualquer um as trocas de opes. A competio ajudou a reduzir os spreads
resultante e levou a uma
aumento significativo dos volumes de comrcio globais.
Decimalisation tambm ajudou, ento em 2007 a SEC instigada um programa-piloto para reduzir
ainda mais o tamanho carrapato a partir de $ 0,05 a $ 0,01. Cedo as indicaes so de que este
programa "piloto penny" est funcionando. No entanto, tambm parece ter incentivados
tamanhos comerciais ainda mais baixos e mais altos volumes globais, que imitam o efeito visto
em o mercado de aes. Novos regulamentos portflio de margem que permitem que os cargos a
serem compensados maio bem causar um aumento nos volumes, uma vez que ajudam a reduzir o
custo de entrada.
Negociao algortmica est comeando a se firmar bem. Um relatrio do Grupo de TABB
(2009) consultoria constatou que 23% dos fundos de hedge e de 9% dos fundos long-only eles
pesquisados j estavam usando algoritmos de negociao.
A International Securities Exchange (ISE) tem rapidamente becomc a troca de liderana para
Opes de aes dos EUA, sincc a sua criao em 2000, com o ano repetido em crescimento de
mais de ano 30%. Seu sistema de negociao baseado na NASDAQ OMX ' s CLIQUE
plataforma. Trading uma via mecanismo hbrido, com base em um livro de ordens totalmente
electrnico com tanto primria e secundria
Intercm
bio
523
Ordem
Matchin
g
# De contratos
negociados (em
2008milhes)
2007
Pro-rata
988,1
Pro-rata
933,8
713,9
NASDAQ OMX PHLX
Pro-rata
537,9
399,1
NYSE rea
Preo / Tempo
416,9
335,8
NYSE Amex
Pro-rata
199.8
226,5
Opes de Boston Cmbio
Preo / Tempo
177,6
129,7
Opes NASDAQ Mercado
Preo / Tempo
n/D
n/D
787.9
Fonte: WFE (2009)
Tabela E-5 EUA Equidade Opo de mercado

criadores de mercado. O ISE tambm permite Preferencing ordem (por criadores de mercado
especficos), bem como ordens dirigidas, que iniciam um mecanismo de melhoria de preos
(efetivamente de um segundo leilo bilateral). Cruzamento bloco servida bem; um mecanismo
separado anuncia o Para os membros que pode ento responder com os preos e tamanhos em que
eles esto dispostos Trocar. isto tem liderado o caminho em termos de transparncia, garantindo que
os trs principais nveis de preos das a carteira de encomendas so visveis. O ISE tambm
anunciou planos para desenvolver um novo comrcio global sistema que ir substituir o seu actual
sistema no incio de 2011. O novo sistema um projeto de desenvolvimento conjunto entre as equipes
de tecnologia no ISE eo Deutsche Borse Grupo.
A Chicago Board Options Exchange (CBOE) foi opes o primeiro do mundo de capital
troca, fundada em 1973. Em resposta ao mercado cada vez mais competitivo, tem criado um
sistema de comrcio hbrido. Este combina a sua tecnologia baseada em andar com CBOE direta, sua
plataforma de negociao eletrnica dedicada. Criadores de mercado primrias designadas so
responsveis para supervisionar o mercado de opes de cada banco. Liquidez adicional
fornecido por "in- multido " e criadores de mercado remotos.
A NASDAQ OMX PHLX (anteriormente o Philadelphia Bolsa de Valores) fornece outro
mercado electrnico hbrido. Isto foi anteriormente com base no sistema PHLX XL, mas tem
desde foram migrados para a plataforma de INET. Tem especialistas ainda, e outros formadores de
mercado pode participar tambm. Fluxo de pedidos podem tambm ser dirigidas aos
concessionrios especficos. NASDAQ OMX tem outro local separado, o Mercado de Opes
NASDAQ, que foi ao ar em 2008. Isto baseado em INET bem, mas adota uma prioridade preo /
tempo.
O envolvimento da NYSE rea com opes remonta Bolsa Pacfico, que fundiu-se com
Archipelago para formar Area, antes de se fundir com a NYSE. Este mercado eletrnico usa
Formador de Mercado de chumbo para prover liquidez, em particular para os mais pouco
negociadas opes, em troca, eles tm a garantia de 40% do fluxo de ordens de entrada (desde
que estamos citando no NBBO). A NYSE tambm reforou a sua oferta atravs da incorporao do
Amcx (anteriormente o American Stock Exchange), que se mudou seu prego NYSE e migrou
para a plataforma Area.
Entre as trocas de opes l um programa de articulao inter-mercado, que visa assegurar que
as ordens de mercado executar com o NBBO. Isto devido a ser substitudo com
umadeccntralised abordagem de roteamento de ordens, semelhante aos mercados accionistas
norte-americanos. Liquidez agregao tambm est comeando a ser oferecido por alguns
fornecedores. Por exemplo, Ore Software tem
524
Apndices
lanado Montagem de um Opes dos EUA, que consolida citaes em todas as trocas e permite
roteamento de ordens inteligente para conseguir a melhor execuo.
Regulamentao em vigor significa que ECNs / ATS no so ainda possvel, uma vez
comrcios deve ser manipulados por troca, como apontado em um articlc por Emily Fraser (2007).
No entanto, a nova plataformas para permitir a passagem do bloco so ainda que est sendo
criado, por exemplo, 2008 viu o lanamento de Ballista. Isto fornece uma abordagem hbrida,
combinando com as negociaes leiles eletrnicos. Cada pedido colocado em um leilo electrnico,
que est aberto a outros membros para at cinco minutos; o usurio Tambm possvel especificar a
quantidade de informaes a fim revela (tamanho ou direo). Um contador de oferta bem sucedida
de outro membro, em seguida, dispara um exclusivo negociao entre os dois. Ballista tambm
permite que os membros para fazer pedidos de complcx estratgias, composto de at trs pernas
de opo e / ou a sua Slock subjacente. Enquanto isso Arcanjo do gasoduto leva uma abordagem
diferente. Adota um leilo cego, semelhantes aos usado para carteira de negociao. Portanto, os
participantes s tem acesso a as caractersticas-chave de as ordens esto disponveis. Assim, as
decises so baseadas em fatores de risco, tais como a "gregos" (delta, gama, etc theta), as
indicaes de tamanho de ordem e outras informaes sobre esttico, como a industria sector.
Uma vez um jogo for acordado, as ordens so ento encaminhados para os locais correspondentes, tais
Como a CBOE ou ISE. Alm de proteger os detalhes de encomendas, esta abordagem orientada a
modelo tambm deve melhorar a numher de fsforos. Dado o tamanho do universo opo, encontrar
uma correspondncia exata para um contrato especfico de outra forma seria difcil. Se (ou ONCC)
a regulamentos comerciais mudar bem podemos ver outros operadores olham para expandir em o
bloco cruzando espao.
Outros americanos futuros e opes Markets
Embora ofuscado por seus colegas norte-americanos na Amrica Latina ainda tem algum do
mundo maiores bolsas de derivativos, conforme demonstrado na Tabic E-6.
Intercm
bio
BM & FBOVESPA
Derivativos mexicanos do Exchange
Montreal Cmbio
Buenos Aires SE
Nmero de contratos negociados em 2008

(milhes) TotalFuturesOptions
681,9
70,1
38,1
25,2
278.1
69,5
22,0
0.0
403.8
0,6
16,0
25,2
Fonte: WFE (2009)
Mesa E-6 Outros futuros e opes bolsas americanas

O Brasil tem duas maiores bolsas da regio. A Bolsa de Valores de So Paulo (BOVESPA)
serve para opes sobre aes, enquanto a Bolsa de Mercadorias & Fuluros (BM & F) abrange
renda fixa, moeda e contratos de commodities hased. Estes fundiram em 2008 para tornar BM &
FBOVESPA. Seu contrato principal um depsito interbancrio futuro de um dia; dentro fato, em
2007, este foi o derivado enumerado mais negociado 9, de acordo com a FIA (2008). Seus
sistemas de negociao so baseados na plataforma NSC-driven ordem. Embora no haja ainda
alguns negociao de viva voz, grande parte o volume tornou-se electrnico. Eles tm se esforado
para incentivar o acesso DMA tambm. Em 2009, eles estabeleceram um link para rotear ordens
para o CME; este tambm usado para permitir que os usurios CME para negociar contratos da
BM & F.
O mexicano Bolsa de Derivados foi fundada em Eontraet 1998. Seu maior sucesso uma futuro
com base em uma taxa de juro de curto prazo, a taxa interbancria TIIE de 28 dias, que foi o 11 mais
negociadas derivado em 2007, com base na FIA (2008) relatrio. Tambm oferece um intervalo
525
de outros contratos de renda fixa, aes e cmbio. A troca oferece uma totalmente automatizado e
mercado annimo, bem como apoiar FIX.
EMEA futuros e mercados de opes

Sobre o ltimos dez anos, as principais bolsas de derivados europeus consolidaram a sua posio
como locais principais no mercado global. Certamente, a fuso entre a CME e CBOT deve muito
sua concorrncia. Mesa E-l descreve a repartio em termos de contratos negociados em 2008
para principais bolsas da regio.
Intercmbio
Eurex
Liffe
Johannesburg Securities Exchange
ICE Futures Europe
NASDAQ OMX Nordic Exchange

Futuros
Opes
Total
2,164.8
1,049.7
478,1
153,0
143.4
1,231.4
610.0
446,2
152,3
80,4
933,4
439,7
31,8
0,6
63,1
Fonte: WFE (2009)
Tabela E-7 Top futuros e opes bolsas europeias

Eurex originou em 1998 a partir da fuso da Deutsche Terminborse (DTB) e do SOFFEX
mercados derivativos da SWG. Oferece um livro de ordens totalmente electrnico com proviso
para formadores de mercado para fornecer liquidez. De 1999, tornou-se maiores de futuros do
mundo e bolsa de opes. O sucesso da Eurex abriu o caminho para a negociao electrnica,
fazendo com que a abertura locais clamor base para re-examinar os benefcios do acesso
eletrnico. Sua mais negociadas contratos futuros de referncia so fixados de renda, ou seja, o
Euro-Bund (Loy), Euro-BOBL (5a) eo Euro-Schatz (2a), em conjunto com futuros e opes para a
Dow-Jones Euro Stoxx 50 ndice de aes. Eurex o maior mercado organizado para opes de
aes europeus e tem tambm expandiu-se em futuros de aes individuais, tornando-se a
terceira maior bolsa do mundo para estes. Dentro 2007 Eurex fundiram com a Securities
Exchange International (ISE), contribuindo muito para o sua quota de mercado da opo e os
mercados norte-americanos, e criando um intercmbio verdadeiramente global.
O International Financial Futures Exchange de Londres (Liffe), fundada em 1982, foi
inicialmente modelado na CBOT e CME mercados de viva voz. Fuses com outras Londres
mercados de derivativos levou-o a tornar-se lder derivativos de cmbio da Europa em 1996. Ainda
assim, enfrentou a concorrncia crescente do DTB e, posteriormente, Eurex, fazendo-o mudar
para umatotalmente automatizado mercado at 2000. Em 2002 foi adquirida pela Liffe
Euroncxt, que j incorporou os mercados de derivados em Amesterdo, Bruxelas e Paris, a
maioria nomeadamente o MATIF. Liffe permaneceu um concorrente importante nos derivados
globais mercado. A negociao na Liffe baseado em um livro de ordens, em execuo no
sistema do Connect. Liffc de contratos principais so os seus futuros de curto prazo das taxas de
juro, nomeadamente a Euribor (3m) e Sterling (3m) de futuros. Os volumes negociados so mais
baixos para a equidade e contratos de ndice baseado; mas um artigo escrito por Joe Morgan (2007)
observa que estes tm visto um aumento constante automatizado negociao, com nveis atingindo
at 50% para os contratos mais lquidos. Este incentivado pelo seu sistema de provedor de
liquidez, o que d formadores de mercado uma massa citando facilidade, permitindo -os a
apresentar rapidamente as atualizaes, o que particularmente til para as opes.
The South African Futures Exchange (SAFEX) fundiu-se com a Securities Joanesburgo
Exchange (JSE), em 2001. Oferecendo comercial totalmente automatizado desde ento se
tornou o mundo mais activo intercmbio de futuros de aes individuais.
526
Apndices
O mercado de derivativos NASDAQ OMX dominada pelo patrimnio negociao de

derivados, com futuros e opes para ambas as unidades populacionais de solteiro e indiccs.
Negociao para estes totalmente eletrnico, baseado em a plataforma de negociao CLIQUE. Para
os derivativos de renda fixa, SAXESS utilizado por criadores de mercado designados para
fornecer cotaes indicativas. Observe que a negociao real para estes acontece off-cxchange,
e estiver separadamente relatado para o Nasdaq OMX para compensao.
O IntercontinentalExchangc foi criada em 2000, com a inteno de criar uma totalmente
eletrnico troca de energia em torno do relgio. Um ano mais tarde, incorporou o Internacional
Petroleum Exchange (IPE) para becomc ICE Futures. Ofertas ICE um mercado hbrido; mercado
fabricantes de fornecer cotaes firmes, enquanto gesto de crdito centralizado permite ordem
annimo correspondente. Brent bruto da ICE futuros de petrleo so o quarto contrato de futuros
mais negociadas globalmente. Tornou-se a competio por NYMEX, particularmente com sua
nova West Texas Intermediate (WTI) bruto contrato de petrleo. ICE continuou a se expandir, a
compra da New York Board of Trade (NYBOT) em 2007; tambm procurou uma fuso com a
CBOT.
Ainda mais a concorrncia tambm est comeando a aparecer na Europa. Um grupo de
corretores / negociantes tem anunciou o Projeto Arco-ris, um equivalente de derivados de turquesa.
Esta pretende competir com as trocas estabelecidas, inicialmente para os contratos de taxas de juros
de curto prazo.
Futuros asiticas e mercados de opes

sia fica tanto os EUA ea Europa em termos do nmero de futuros e contratos de opes
negociados em bolsas, exceto para o gigante que o mercado de opes coreano. Tabela E -8
apresenta as principais bolsas com base no nmero de contratos negociados em 2008.
TotalFutures
Opes
Intercmbio
Korea Exchange
Dalian Commodity Ex (China)
Zhengzhou Commodity Ex (China)
Australian SE
Osaka SE
Shanghai Futures Exchange
Taiwan Futures Exchange
Trocas de Hong Kong
2,867.3
601,6
313.2
222,6
175.2
163,7
140,3
136,7
105.0
100.8
439,6
313.2
222,6
153,2
131,0
140,3
37,7
44,7
2,766.5
162,0
0.0
0.0
22,0
32,7
0.0
99,0
60,3
Fonte: WFE (2009)
Tabela E-8 Principais futuros e opes trocas asiticas

O Kospi 200 opes, negociados no Korea Exchange, liderar o intercmbio global
negociado volume de derivados. Sozinhos, eles respondem por 45% do volume total negociado
pelo topo dez contratos em 2008, com base em FIA (2009) relatrio, e cerca de 15% do volume
global. Negociao por instituies e os investidores estrangeiros representa cerca de 60% do
volume, embora historicamente negociao de varejo foi mais dominante. Sincc grande parte do
comrcio de varejo foi especulativa, esta tendncia tem significado a volatilidade do KOSPI caiu.
medida que o mercado amadurece, o rpido crescimento na negociao destes contratos tambm
diminuiu ligeiramente. Trading baseado em um livro de ordens eletrnico fornecido pelo KOSPI
de futuros de comrcio-systcm, que tem comprovada capaz de COPC com estas enormes volumes
de negociao.
A Bolsa de Valores da ndia atualmente mercado segundo mais activc do mundo para
futuros de aes individuais. O resto de seu volume principalmente da negociao de futuros de
ndice para o
527
S & P CNX Nifty, 50 principais aes na NSE.

Maior bolsa de derivativos da China o Dalian Commodity Exchange, que
especializada em futuros de commodities agrcolas. Prego eletrnico est disponvel, com
base em As suas prpria plataforma dedicada. O mximo de o seu volume de negociao em
contratos de milho e farelo de soja, por que o maior mercado do mundo. Outros contratos
agrcolas, como acar, algodo e trigo so negociveis no Zhcngzhou Commodity Exchange.
Metal, borracha e contratos de combustvel so negociadas na Bolsa de Futuros de Xangai
eletrnico (SHFE). Troca de negociao puramente derivados financeiros ainda no decolou.
Dito isto, 2006 viu a fundao da China Financial Futures Exchange (CFFEX), sua primeira troca
dedicada ao puramente financeira derivados. O primeiro contrato negociado ser um futuro no CSI300 (ndice China Securities). Note-se que os contratos de futuros ir fornecer uma maneira aes
para sinteticamente curtas, o que no atualmente disponvel no mercado vista. Uma vez que o
CSI-300 foi vivo, os contratos de obrigaes e moeda tambm so esperados. Opes de
commodities arco tambm susceptvel de ser introduzido. Outra bolsa de mercadorias
dedicado deve ser lanado em 2009/10, Hong Kong Mercantile Exchange. Inicialmente, o seu
foco ser em contratos de petrleo, a plataforma ser baseada em sistema de TRADExpress Cinnobcr.
Os EUA tambm tem sido ansioso para capitalisc na China crescimento rpido, por exemplo, o
CME lanou um contrato de futuros mini-ligado a um ndice para a China 25 principais aces (por
capitalizao de mercado).
The Australian Securities Exchange foi formada em 2006 por uma fuso entre o Sydney Troca
de Futuros (SFE) e do Australian Stock Exchange. Listada negociao de derivados tem sido
eletrnico sincc 1999, quando o SFE fechou seu prego. Seu sistema de negociao SYCOM
fornece acesso 24 horas e inclui uma porta de entrada de FIX. O contrato mais negociadas o futuro
para o 3 anos de ttulos do Tesouro; tambm h comrcio significativo para o S & P / ASX 200
ndice de aes como bem como outros futuros de renda fixa, que vo desde contas bancrias de 90
dias para 10 Obrigaes do Tesouro YCAR.
O Taiwan Futures Exchange (TAIFEX) totalmente eletrnico, com base em sua in-house
Sistema Eletrnico de Negociao. Cerca de 85% do seu volume de negcios contabilizada pelo
TAIEX opes de ndice, enquanto que quase outro 10% para o futuro TAIEX. Ele comeou a
apoiar DMA e est olhando para fornecer a funcionalidade de ordem spread. A troca tambm
comeou listando contratos baseados em dlar e est olhando para expandir a gama de futuros,
que pode ser negociao dos investidores estrangeiros.
No Japo, os derivados financeiros negociados em bolsas separadas. Contratos de ndice de
aces so negociadas nas bolsas de valores correspondentes. O Nikkei 225 atendida pelo Osaka
SE; Atualmente o contrato de maior sucesso o mini futuro Nikkei 225, que foi introduzida em
2006. O TSE lida com derivativos para o TOPIX; ele tambm fornece sector futuros de ndice. Em
2009, ele lanou sua nova plataforma de negociao de opes Tdcx +, com base na Liffe Conecte-se.
Em termos de contratos de renda fixa, o Financial Exchange Tokyo (TFX, ex- TIFFE) negocia
contratos de 3 meses Euro-Yen; sua plataforma tambm se baseia na Liffe Conecte-se. Futuros e
opes sobre ttulos JGB so realmente negociadas no TSE. Para mercadoria derivados; a Tokyo
Commodity Exchange (TOCOM) o maior espao, com uma quota de cerca de 70% do mercado.
Basicamente, ele negocia contratos de ouro e outros metais, borracha, gasolina e outros produtos
energticos. Tem oferecido de negociao eletrnica desde 1991, com uma contnua mercado bem
como leiles de chamada. Em 2009, ele viu uma grande atualizao com um motor de negociao
NASDAQ OMX. Note que h arco trs outras bolsas de mercadorias, o Japo Central
Commodity Exchange (C-COM), a Tokyo Grain Exchange (TGE) ea Kansai Commodity
Exchange (KEX). Embora isto seja para baixo a partir de 16, em 1989, bastant e provvel que
maior consolidao ir ocorrer para bolsas de derivativos do Japo.
528
Apndices
Mercados de swaps
Os swaps so um dos tipos mais importantes de derivado, representando cerca de metade a
valor nocional mundial excepcional no primeiro semestre de 2008, como vimos volta na Tabela El.
Essencialmente, um swap um acordo entre duas contrapartes para a troca de fluxos de caixa. Esses
fluxos podem estar ligados ao servio fixo / flutuante taxas de juros, moedas, ou mesmo dividendo
pagamentos. Assim, eles oferecem um meio flexvel de fluxos de caixa controladores, que vai
alguma de o caminho para explicar sua popularidade.
Os swaps so ainda essencialmente vista como um derivado OTC. Porm, o grande volume de
swaps de taxas de juros significa que pode haver liquidez considervel para os contratos mais
padronizados. Assim, o comrcio eletrnico est se tornando mais importante.
Especfico de ativos
Um contrato de swap um acordo bilateral para a troca de fluxos de caixa para um montante de capital
sobre um perodo de tempo definido. Geralmente, os fluxos de caixa associados so baseados em taxas
de juros ou moedas (ou ambos), embora eles tambm podem incorporar fluxos de aces ou de
mercadorias. Por exemplo, um fluxo de caixa pode corresponder renda ou pagamentos de juros a
partir de um ligao especfica, a taxa de juros de uma fixao especfica (como LIBOR) ou os
ganhos / perdas de marcao a mercado uma posio de estoque. Tal como acontece com ttulos,
swaps podem ser classificados por data de vencimento: gama de curto prazo de uma semana a menos
de 1-2 anos, faixa de mdio prazo de 1-10 anos, enquanto a longo prazo podem durar at 50 anos.
Swaps dar s organizaes um extremamente meios flexveis de controle de fluxos de caixa os
seus, embora sua individualidade tambm significa que eles principalmente foram negociados
OTC.
O tipo mais comum um swap de taxa de juros (IRS). Note-se que o principal (ou fictcia)
montante no realmente trocadas; somente o associado pagamentos de juros arco trocados. UMA
swap de taxa de juros composta de baunilha de uma perna com base numa taxa de juros
flutuante, enquanto o a outra baseia-se uma taxa fixa. Para a perna flutuante, os pagamentos reais
so determinados pela que fixa horrios para a taxa de juros, por exemplo, trimestral para os
trs meses London Interbank Overnight Rate (LIBOR), enquanto que a perna fixa
normalmente pago semestralmente. Alternativamente, umabase de swap um onde ambas as
pernas so baseados em taxas flutuantes, embora com fixao diferente fontes ou horrios.
Como o prprio nome sugere, um swap de moeda acrescenta taxas de cmbio na mistura. No
entanto, igualmente requer a troca do valor nocional na maturidade e, opcionalmente, em o
incio da contrato. Isso permite que as empresas a tomar emprstimos em moeda onde eles
podem obter a melhor taxa de juros, em seguida, convert-lo para o currcncy eles realmente
precisam. O tipo mais comum de swap de moeda envolve uma taxa flutuante dlares (muitas vezes
baseada na LIBOR) com uma taxa fixa noutro currcncy externa. Note-se que um swap de moeda no
deve ser confundido com um swap forcx, o que representa apenas uma troca de moedas. Um swap
cambial a combinao de um local transao FX juntamente com um contrato para a frente para
inverter esta troca inicial e assim fechar o negcio; pagamentos de juros arco no envolvido.
Efetivamente, um swap cambial representa um comrcio spread entre a taxa de cmbio vista e da
taxa de para a frente.
Uma troca indexada durante a noite (OIS) semelhante a um baunilha IRS, com uma perna ligada a
uma fixao durante a noite. Na maturidade, a diferena entre os juros acumulados para a taxa fixa
ea mdia das taxas flutuantes trocado. Estes so geralmente swaps de curto prazo com
vencimentos que variam de uma semana a dois anos.
Um total return swap troca pagamentos peridicos de juros para o retorno total de um ativo ou cesta
de ativos. Isso permite aos investidores acesso a ganhos de capital, sem ter que realmente
segurar o ativo / s, uma vez que a propriedade no transferido. Efetivamente, eles fornecem o
comprador
529
com uma posio sinttica no activo cedido. Se uma grande queda de preo ou mesmo um padro
ocorre, em seguida, o comprador vai realmente ter que compensar o vendedor. Assim, eles so
expostos a ambos o de mercado do ativo e risco de crdito. Um equity swap basicamente um total
return swap com base em uma subjacente estoque, carteira ou ndice de aes.
Swaps de ativos so a combinao de um swap de taxa de juro com um vnculo de taxa fixa,
onde o interesse do hond deve ser suficiente para pagar a taxa de swap (a taxa fixa IRS). Portanto, o
swap cancela efetivamente o risco de taxa de juros do vnculo, deixando o expostos ao titular
uma mistura de risco vnculo crcdit e risco de contraparte para o swap.
Outros tipos mais exticos de swaps tambm esto disponveis, incluindo caractersticas tais
como ser exigvel ou incorporando catraca preo, mas estes esto fora do escopo deste livro.
Mercados de swaps globais

O mercado global de swaps enorme; seu valor nocional aumentou sincc quase oito vezes 1998
para mais de $ 370000000000000 no primeiro semestre de 2008. Desse total, swaps de taxas de juros
so responsveis por mais de 95%, enquanto que menos de 5% devido a swaps cambiais.
Em termos de volume de negociao, swaps de taxas de juros tiveram um volume mdio dirio de
$ 1,21 trilho em 2007, com base em dados do BIS (2007b). Isso cerca do dobro do volume
registrado em sua pesquisa trienal 2004, que por sua vez foi o dobro do valor de 2001. Claramente,
o crescimento do volume de negcios considervel. Em comparao, swaps de moeda teve um
volume dirio de cerca de US $ 80 bilhes em 2007, embora este realmente quatro vezes seu
nvel de 2004.
Swaps so geralmente para o Euro e dlar EUA. Na verdade, mais de 44% de swaps de taxa de
juros so baseadas na Euro e 27% sobre o dlar. Em comparao, apenas 10% so para U.K. esterlina,
9% para iene japons e os restantes 10% abrange todas as outras moedas. Do mesmo modo, trs
trimestres de todos os swaps de divisas envolvem o dlar. Os volumes considerveis de Euro
denominados swaps pode parecer surpreendente. No entanto, para os swaps da Zona Euro tm
provado inestimvel como umameios de gerar taxas de juros pan-europeus, como Joseph
Mariathasan e Mark Bannister (2007) apontam. Isto reflecte-se tambm pelo facto de que cerca de
42,5% do comrcio baseado em Londres, enquanto os EUA representa apenas cerca de 23,8%.
Os vencimentos de swaps esto distribudos de modo relativamente uniforme, com cerca de
38% de taxa de juro swaps com durao de at um ano, 36% entre um a cinco anos e cerca de 26%
por mais tempo perodos, com base em o (2007c) relatrio do BIS. Enquanto para a moeda troca o
dados BIS mostra que cerca de trs quartos deles arco arranjado por menos de um ano.
O mercado de swap ainda fortemente segmentado, com inter-dealers e dealer-a-separado
mercados clientes. Em termos de comrcio eletrnico, o progresso tem sido realmente mais
rpido no dealer- segmento de clicnt, embora o espao inter-dealer recuperar o atraso. Um
relatrio da Celent (2006) consultoria estima que at 2009 comrcio eletrnico comerciante para
cliente deve contabilizar para cerca de 42% do mercado, contra 9% em 2006, enquanto a
negociao inter-negociante pode chegar cerca de 22%. Na Europa, um estudo realizado pelo BCE
(2009) constatou que swaps de juros teve atingiu cerca de 16% de comrcio electrnico at 2008,
enquanto que para swaps indexados overnight foi apenas 8%.
A competio crescente no mercado inter-dealer. O primeiro mercado eletrnico dedicado
para estes e-MIDER era, criado em 2000 pela um consrcio de bancos, com base numa pedido para
o mecanismo de citao. Embora, no momento, os dois principais sistemas inter-negociante
proporcionando a mais ampla gama de comrcio eletrnico de swap so i -Swap e o Swapstream,
tanto introduzido em 2003. i-Swap da corretora ICAP atende a noite, curta e mdio swaps de
taxas de juro de curto prazo. Embora inicialmente o foco tem sido sobre o euro, ele tambm
suporta negociao em libras, dlares e ienes. As encomendas podem ser inseridos
eletronicamente e so tambm
53 0
Apndices
transcrito de telefone-dealing em uma carteira de pedidos visvel. Este mercado hbrido realmente
com base na NASDAQ OMX ' s plataforma X-stream. i-Swap tambm suporta ordens implcitas,
permitindo que a liquidez adicional a partir de estratgias de negociao, tais como spreads. O
CME comprou Swapstream em 2006; que oferece negociao para dlares norte-americanos e
em euros swaps contra Libor ou Euribor com vencimentos de 6 meses a 30 anos, bem como de
curto prazo indexados overnight swaps. EuroMTS tambm lanou um mercado de swap dedicada
negociao overnight indexados swaps.
O segmento revendedor-cliente consiste em uma mistura de plataformas individuais e multinegociante. Barclay foram rpidos para aproveitar a oportunidade oferecida pelo comrcio
eletrnico, visualizadas preos ao vivo via Bloomberg ea criao de um sistema de comrcio
dedicado em 2003. Desde ento, outros corretores passaram a liberar suas prprias plataformas de
negociao. Outros fornecedores tambm tm se esforado para criar plataformas de negociao de
swap; Reuters introduziu sua correspondncia para Taxas de juro em 2004, seguido por
SwapTrader da Bloomberg e Tradeweb em 2005. Estes servem para euro e do dl ar swaps de
curto, mdio e longo prazo, geralmente usando um PDO mecanismo para permitir que os
preos devem ser comparados entre vrios concessionrios antes de negociar. Tradeweb
tambm suporta preos para Euro e GBP swaps de taxas de juros de streaming (RFS). Os novelos
e intercmbios ter notado o succcss desses sistemas, e esto trabalhando por conta prpria
plataformas concorrentes. A CME tambm introduziu SPRO, uma verso revendedor-cliente de
Swapstream, que oferece um mercado hbrido com preos de streaming. LiquidityHub foi como
proposto uma porta de entrada para os corretores para fornecer preos de streaming para swaps euro e
do dlar, embora a crise financeira de 2007-09 ajudou a pr fim a este projecto.
Clearing centralizada est comeando a ser oferecido para negociao swaps, bem como, o
que pode ajudar aumentar ainda mais a adoo de plataformas de negociao eletrnica. Em
particular, o CME tem introduzido Clearing360, que fornece um mecanismo para substituir
forwards de taxa de juro e swaps. Com efeito, uma das principais vantagens de swaps negociados na
Swapstream que eles esto compensada centralmente atravs CME Clearing 360. Hencc, esta
plataforma oferece linear completo por meio de processamento (STP) para negociao swaps
eletrnicos.
Mercados de derivados de crdito

Os derivativos de crdito foram criadas pela primeira vez em 1990 como bancos buscaram
garantias personalizados para proteo e diversificar o risco de crdito associado com seus
emprstimos. Eles tornaram-se rapidamente uma importante classe de ativos, permitindo que
investidores de negociar risco de crdito sem ter que gerenciar ou fundo emprstimos. Como
Nishul Saperia e Jean Gross (2008) apontam, aumentando a padronizao e umapronto
fornecimento permitiu que os comerciantes para rastrear uma curva de spread de crdito nico para
qualquer entidade, como oposio sequncia uma grande variedade de ttulos. Isso levou o mercado
de derivativos de crdito para becomc
um principal indicador de solvabilidade. Na verdade, eles
observam que o volume de negociao de derivativos de crdito superou o volume de ttulos em
circulao h algum tempo.
Embora ainda negociados principalmente OTC, os passos notveis foram feitos no prego
eletrnico de derivativos de crdito.
Especfico de ativos
Os derivativos de crdito agir como garantias financeiras que podem ser utilizados para fornecer
proteo contra umavariedade de eventos de crdito, mas mais tipicamente padro ou falncia.
Eles incluem nica entidade swaps de crdito, swaps, swaps de crdito cesta baseados em
ndices e colateralizadas sinttico obrigaes de dvida como bem como alguns outros produtos
base de crdito.
Um credit default swap (CDS) um contrato em que o risco de crdito por um valor nominal de
dvida emitida a partir de um (ou mais) transferido entidades. O comprador ganha proteo contra o
risco de crdito, enquanto o vendedor paga prmios regulares durante a vida til do contrato. Se um
531
evento de crdito ocorre, em seguida, o vendedor deve compensar o comprador eo contrato

expira. As principais caractersticas que diferenciam cada CDS, so:
Cobertura, em termos de entidades e valor nominal da dvida
Pagamentos de prmios
Tipos de evento de crdito permitido
Procedimentos de liquidao
CDSs fornecer proteo de crdito para a dvida emitidos a partir de uma variedade de
entidades, que vo desde empresas aos governos ou as suas agncias. Observe que, quando
vrias entidades esto envolvidos o swap por vezes referido como uma cesta CDS. Os valores
nocionais variam consoante classificao de crdito da entidade. Em geral, o grau de investimento
tm CDSs um valor nocional de cerca de
$ 10-20000000 enquanto mais arriscados, os contratos de maior rendimento so muitas vezes
entre US $ 2-5000000. o eventos de crdito autorizados podem variar de falta de pagamento, falta
ou falncia, a dvida reestruturao ou de mudanas de notao de crdito.
O prmio exigido, ou spread, baseia-se na classificao de crdito das entidades e a valor
nocional de dvida a ser eovered. O vencimento tpico para um contrato de CDS de cinco anos.
Geralmente, o prmio citado em termos de pontos de base por ano, e paga trimestralmente. Observe
que, para vencimento constante troca o spread de crdito periodicamente fixada com base no
nvel de mercado eurrent.
Como futuros, CDSs podem ser liquidados fisicamente ou via uma liquidao em dinheiro.
Quando desencadeada pela a liquidao fsica evento de crdito, o comprador deve entregar o dvida
correspondente em troca do valor nocional aess do vendedor. Embora, em dinheiro liquidao
est se tornando cada vez mais popular. Isto exige que o vendedor a pagar a diferena entre o
valor nominal eo valor de mercado atual. Muitas vezes, ps-padro, o eurrent valor de mercado
ser determinado por um leilo da dvida inadimplente, como o Evento de Crdito Leiles
administrado hy Creditex e Markit, mais detalhes deste so apresentados no Saperia e Gross (2008).
Uma nota ligada ao crdito efetivamente uma financiados CDS que fornece seeuritisation para
proteger a comprador contra o risco de contraparte. Na facilidade de padro, isso funciona como
uma garantia para assegurar que o comprador est compensado. Muitas vezes isto conseguido
atravs de uma empresa intermediria propsito especial.
CDS ndices representam uma evoluo natural da nica entidade ou cesta CDSs. Estes swaps de
crdito padronizados, muitas vezes mais do que eover uma centena de companhias separadas.
Geralmente, estes so igualmente ponderados de modo que cada empresa est eovered por uma
parte igual do nocional quantidade. Eles provaram ser incrivelmente popular, uma vez que
permitem aos investidores fazer muito comrcios macro mais amplas para risco de crdito. Alm
disso, possvel comprar ou vender parcelas de CDS ndices, permitindo aos investidores para
definir limites para a cobertura de proteo. Por exemplo, uma tranche de 3-7% para o ndice CDX
significa que a proteo fornecida para perdas de entre 3 e 7% do valor nominal, mas no acima ou
helow estes nveis. Intercmbios que levam sequer comeou a oferecer futuros e opes baseadas em
ndices subjacentes CDS.
Outro uso para CDSs tem sido para produtos estruturados que envolvem risco de crdito.
Obrigaes de dvida colateralizada (CDO) so ttulos lastreados em ativos com base em um
subjacente carteira de obrigaes ou emprstimos. Um CDO sinttico substitui estes activos com
crdito default swaps, o rendimento a partir do qual investido em ttulos de baixo risco.
Efetivamente, um sinttica CDO uma carteira de CDSs combinado com ativos de baixo risco.
Preos de derivados de crdito no trivial. Ao contrrio de um swap de taxa de juros,
preciso tambm incorporar a probabilidade de incumprimento juntamente com o preo de
recuperao para o ativo. Uma variedade de mtodos so usados para precificar derivativos de
crdito, mas estes esto fora do escopo deste livro.
532
Apndices
Uma breve reviso fornecida por Brian Bales (2007) e David Mengle (2007). Estas fontes tambm
fornecem uma avaliao mais detalhada dos derivativos de crdito em geral.
Mercados de derivativos de crdito globais

Os derivativos de crdito tm experimentado um crescimento fenomenal ao longo da ltima dez
anos. Em 1997, o volume pendente nocional global foi de apenas US $ 180 bilhes. Para 2008, a
International Swaps
and Derivatives Association Inc. (2009) relataram um total nominal
remanescente de $ 38,6 trilho. certo que a crise de crdito travou o crescimento dos mercados
de crdito; de fato, a figura de 2008 foi abaixo de 38% em relao ao final de 2007. O aumento de
200% em excelente nocional entre 2005 e 2007 agora parece uma memria distante. Ainda assim,
importante lembre-se que os derivados de crdito so bem estabelecida como uma classe de ativo.
Negociao centrada em Londres e Nova Iorque, cada um com cerca de uma quota de
mercado de 40%, enquanto o resto da Europa representa cerca de 10%. Em termos de tipos de
ativos, grande parte da negociao concentrada em CDSs e CDS ndices, cada um
representando mais de 30% do do mercado, sendo responsveis por cerca de CDOs 16%, com
base no relatrio de 2006 Derivados de crdito da Associao dos Banqueiros Britnicos (BBA)
(2006). Em termos de maturidade, BIS (2007c) Nota que cerca de 60% da gama CDS entre um
a cinco anos, enquanto um outro terceiro arco para perodos mais longos do que isso.
Normalizao tem desempenhado um papel importante no nvel de crescimento derivado de
crdito que comrcio alcanou. As normas tm ajudado a tornar os contratos e transaes mais
uniforme. Mas o impacto mais notvel tem sido desde a introduo do CDS ndices. Estes tm
experimentado um crescimento extraordinrio no uso desde 2004, quando eles tinha menos de
10% de market share, com base no BBA (2006). Na Europa, muito disso devido ao avanado
liquidez que surgiu a partir de a fuso de 2004, os ndices iBoxx e Trac-X para a iTraxx Europa, que
consiste 125 empresas com grau de investimento. O Dow Jones CDX o ndice de US principal,
cobrindo dvida investment grade de 125 empresas norte-americanas. H tambm arc uma vasta
gama de outros ndices que cobrem sia, mercados emergentes, bem como alta Rendimento e setores
especficos da indstria.
Os derivativos de crdito so ainda geralmente negociadas OTC com corretores. Embora,
comrcio eletrnico est a fazer progressos notveis, em particular para os produtos mais
padronizados, tais como CDS ndices. Um relatrio da Celent (2004) consultoria observou que cerca
de 25% do ndice de base negociao era eletrnica, a previso de que iria aumentar para cerca de
50% em 2007. Estes previses parecem ter sido atendidas na Europa, onde um (2008a)
Euromoncy relatrio observa que cerca de 45% das transaces inter-negociante foram eletrnico.
Adoo na Amrica do Norte e A sia ainda numa fase inicial. A taxa de progresso para produtos
padronizados, tais como menos nica entidade CDSs, tambm provvel que seja mais lenta.
O mercado inter-corretor tem uma gama de plataformas eletrnicas que servem para CDSs, a
maioria nomeadamente plataforma RealTime do Creditcx, CrcditMatch da GFI e BrokcrTcc do
ICAP. Os Euromoncy (2008a) observa o relatrio que estes trs accountcd para 90% do inter
Europeia dealcr mercado. O foco tem sido principalmente sobre os ndices CDS lquidos, embora
os sistemas so cada vez mais catering para nica entidade CDSs e outros produtos de menor
liquidez. Alm de atender a negociao de correlao, os fornecedores tambm esto comea ndo
a prestar comerciais lor grandes carteiras de entidade nica CDSs. Estas ordens pode ser enorme,
com valores nocionais agregados de mais do que um bilho de dlares e abrangendo mais de 100
CDSs. Em particular, em 2007 Creditex lanou uma plataforma dedicada manipulao de tais
comrcios (chamados de Q-W1XX), proporcionando ao vivo preos de at quatro concessionrias
diferentes.
No mercado dcaler-a-cliente, o comrcio eletrnico tem visto absoro menos significativa.
Inicialmente,
53 3
sistemas de fornecedores individuais eram a norma, como as da BNP Paribas e Barclays Capital.
Plataformas multi-negociante tambm comearam a aparecer, sob a forma de MarketAxess e
Tradeweb. Mais uma vez, o foco inicial foi sobre os ndices CDS de alta liquidez, com base
em torno de um mecanismo de comrcio de RFQ. Ambas as plataformas tm integrado preos
em tempo real para fornecer aos usurios com preos indicativos. tambm provvel que
fornecedores em breve atender a clientes que necessitam de CDS carteira de negociao.
As principais bolsas de valores tm se mostrado dispostos a entrar no mercado de crdito,
bem como, comeando com o lanamento de futuros com base nos ndices i Traxx da Eurex.
Em os EUA, o CBOT anunciado um futuro de ndice com base no ndice de CDR lquido 50. A
CME tambm anunciou uma joint- venture com o Citadel Investment Group LLC para uma
plataforma de negociao CDS chamado CDMX. este proporcionar um mecanismo PDO para
negociao tanto nico ndices entidade e CDS, juntamente com uma facilidade de compensao pela
contraparte central. Enquanto a CBOE tambm tem planos para CDS opes baseadas. Neste
momento, ainda demasiado cedo para avaliar o sucesso desses empreendimentos ir revelar-se, mas,
dada a dimenso deste mercado, mesmo uma pequena porcentagem seria importante.
A crise financeira de 2007-09, tambm chamada a ateno para a compensao e liquidao
procedimentos de derivativos de crdito. O risco de contraparte associada a contratos de CDS
feitas isto difcil para o comrcio fora delas, especialmente com o colapso de vrios grandes bancos.
Por isso, os reguladores esto a tentar impor cmaras de compensao centralizadas para tentar reduzir
este risco. Na EUA, propostas centralizados de NYSE Euronext Liffe de compensao e o CME j
tm foi aprovado. Da mesma forma na Europa h um apoio crescente para as contrapartes centrais,
com
um nmero de novelos j se comprometeu a us-los. Clearing centralizada dever tambm
torn-lo mais fcil de implementar plataformas de negociao totalmente eletrnicos no futuro,
como Ivy Schmerken (2009) ressalta.
Racionalizao o processo de liquidao tambm importante para permitir o crescimento
contnuo do mercado. Na verdade, o relatrio destaca que BBA 2.006 confirmaes comerciais eram
mais do que dois meses de atraso para quase 10% dos comrcios. Contos de enormes atrasos de
back-office para liquidao so no indito. Dito isto, os passos esto sendo feitos para melhorar a
prestao de straight-through processamento. Por exemplo, fornecedores como a T-Zero j
oferecem plataformas dedicadas para racionalizar os processos de confirmao e de atribuio.
Resumo
Negociao eletrnica agora comum para derivativos listados (futuros e opes);

ainda disponvel para swaps e derivativos de crdito, que, tradicionalmente, so
negociados OTC.
Negociao algortmica est sendo estabelecido para derivativos listados,

particularmente futuros. O rpido crescimento e fragmentao do mercado de opes
de aes dos EUA significa que esta susceptvel de ser um ponto focal para o
desenvolvimento de algoritmo bem.
Outros derivados podem tambm trocou eletronicamente como parte de comercializao

de ativos cruzados strategics.
534
Apndices
-AppendixF-
Outros mercados
Alguns tipos de ativo financeiro no se encaixam perfeitamente nas principais categorias. Mais
notavelmente, recibos de depsitos e fundos negociados em bolsa. Ambas as classes de ativos
tm visto considervel crescimento em relao ao ltimos anos.
Depositary receipts (DRs) so valores mobilirios que representam as aes de uma companhia
estrangeira. Eles fornecem um meio importante de acesso aos principais mercados financeiros
para estrangeiros empresas, bem como oferta uma alternativa mais barata negociao crossbordcr. Em certo sentido, DRs pode ser visto como derivados, uma vez que tm um activo
subjacente. No entanto, no h nenhuma contrato baseado em algum valor futuro de o
subjacente, como em futuros e opes. Ento, realmente, eles so mais um proxy de um derivado.
Exchange Traded Funds (ETF), como seu nome sugere, representam fundos de
investimento comercializveis. Como certificados de depsito, eles tm ajudado a fornecer uma
mais fcil e meio mais barato para os investidores o acesso a ativos de outros mercados. Uma vez
que eles representam cestas de bens, eles so uma extremamente meio eficiente para os
investidores a ganhar exposio muito mais amplo a sectores ou mercados, bem como de
futuros.
Depositary receipts
Recibos de depsito permitem negociao de aes de empresas estrangeiras sem ter de
realizar quaisquer transaces transfronteirias. Note que estes so para as empresas
individuais e no tm qualquer relao a Standard & Poor Depositary Receipt nome semelhante
(SPDR), que um fundo negociado em bolsa (ETF).
Especfico de ativos
Depositary receipts (DRs), essencialmente atuar como proxies para aces estrangeiras que
podem ser negociados localmente, quer no intercmbio, outros locais de execuo ou OTC. Eles
so emitidos por uma domstica banco ou corretora contra o seu prprio inventrio do estoque
estrangeira. Note-se que a razo entre se aes no tem a ser 1: 1, de modo que um nico certificado
de depsito pode traduzir a 0,5, 5, 10 ou at 100 aes estrangeiras, dependendo do preo da ao.
Um DR patrocinado significa que o banco depositrio tambm est envolvido com a empresa
estrangeira, por exemplo, a organizao de votos por procurao para os detentores de DR. An sponsorcd un DR emitido sem essa participao, de modo os detentores podem no receber o
benefcio do accionista ou direitos de voto iguais. Quaisquer dividendos so geralmente pagos
na currcncy local, e para uma taxa ao banco depositrio converter o recibos de volta para o estoque
subjacente. Assim, em muitos aspectos, eles se comportam como domstica stocks.
535
DRs so atraentes para as empresas, uma vez que lhes permite aumentar o capital do exterior,
sem ter que realizar muitos dos relatrios onerosos e requisitos de contabilidade, que de outro
modo seria necessrio para listagem dupla.
Um American Depositary Receipt (ADR) para uma empresa estrangeira cotado em dlares e
podem ser negociadas OTC ou nas principais bolsas de valores norte-americanas. A primeira foi
ADR, de facto, emitido pelo JP Morgan em 1927 para a loja de departamentos Selfridges de
Londres & Co. Existem vrios nveis de ADR disponvel para emissores. Estes ditar como e onde
eles podem ser negociadas, e se baseiam em quanto US relatar a empresa est preparada para fazer.
O ponto de partida mais fcil para as empresas a emiti-los como aes restritas, sob a Regra SEC
144 (a), embora isso restringe negociao para ser apenas para grandes investidores institucionais
(ou compradores institucionais qualificados). Alternativamente, o Regulamento S permite a
negociao, mas apenas para os residentes de fora dos EUA offshore. Nem destas opes impe
quaisquer requisitos especficos de informao sobre a empresa. Um Nvel I ADR tem requisitos de
informao mnimos, mas ainda s permite OTC negociao do ADRs da empresa. Relatrios
trimestrais e anuais SEC no obrigatrio, de forma semelhante no h nenhuma exigncia
para seguir os EUA princpios contabilsticos geralmente aceites (GAAP) padres. Para ADRs
Nvel II, a empresa deve apresentar um relatrio anual compatvel com GAAP a SEC. Isto
permite-lhes ser negociadas em uma troca de EUA, desde que preencham os requisitos de listagem
apropriadas. Finalmente, um ADR Nvel III tem o mais alto nvel de comunicao requisitos uma
vez que significa que a empresa est realmente emisso de novas aes em os EUA
Recibos de depsito so tambm usado fora os EUA, recibos de depsitos europeus permitem
negociao e liquidao nas bolsas de valores da Europa. Da mesma forma, Global Depositary
Receipts (GDRs) so efetivamente equivalentes globais de ADRs. Eles permitem a negociao em
mais de um pas, muitas vezes isso significa que tanto a Europa e os EUA
Uma abordagem semelhante usado para o grande nmero de empresas canadianas que so
cruzadas listados em bolsas de valores norte-americanas. Esses chamados Ordinrios canadenses no
exigem um depositrio banco como intermedirio, para que no haja restries negociao e sem
taxas de converso. Embora, como Louis Gagnon e G. Andrew Karolyi (2003) apontam, eles
no so 100% fungvel, uma vez que aqueles negociados em bolsas dos EUA devem ser
mantidas em contas de dlar e dos EUA a sua dividendos tambm so feitas em dlares
americanos.
Aes registradas globais (GRS), ou Ordinrios globais, adotar uma abordagem similar para os
Ordinrios canadenses. Estes podem ser comercializados internacionalmente, como na NYSE, bem
como sobre a sua domstico de cmbio. Novamente, no h taxas de converso, embora o
processo no precisa ser coordenada entre agentes. O GRS foi criado em 1998 para a
DaimlerChrysler AG, atualmente apenas um punhado de empresas que usam essa estrutura.
Preo e negociao
Um recibo de depsito baseado em um activo subjacente, ou seja, uma ao externa. Seu valor
dependente do pricc mercado atual desse activo subjacente, ao invs de algum valor futuro.
Portanto, o preo de uma DR deve ser semelhante ao preo da ao externa, ajustado pelas taxas de
cmbio do mercado eurrent. Note-se que a taxa de converso normalmente escolhido pela agente
depositrio para melhor refletir o valor das aces estrangeiras. Assim, o preo da maioria
ADRs entre US $ 10 e US $ 100. Assim, para aes mais baratas cada ao ADR pode
equivaler a centenas de aes reais na empresa.
Existem algumas complicaes, no entanto: Uma verdadeira comparao de preos tambm
deve levar em considerao o taxas associadas com a converso a DR para o estoque real. A
economia de gesto e custos de liquidao que as ofertas de DR tambm podem ser refletidas no
preo do DR. Tambm h o custo de transao associados a quaisquer transaes de cmbio a
considerar. Assim, as diferenas nos preos dos dois ativos no representam necessariamente
oportunidades de arbitragem.
53 6
Apndices
Quando da negociao de DRs, fundamental lembrar que elas so baseadas em aes

estrangeiras. Consequentemente, eles so muito mais propensos a ser afetados por mudanas na taxa
de cmbio. Enquanto para DRs com base em empresas de mercados emergentes tambm pode
haver o risco de inflao a considerar. Fusos horrios tambm pode ter um efeito considervel uma
vez que o mercado para o estoque subjacente pode muito bem ser fechado enquanto seus DRs esto
sendo negociadas, ou vice-versa.
A investigao sobre a relao entre os preos dos ADRs e das aes locais que confirma a
maioria das informaes realizada pelo estoque subjacente. No entanto, a anlise por Gagnon e
Karolyi (2003) tambm encontraram que as aes com listagens cruzadas tendem a ter maior
sistemtica preos co-movimentos com os EUA e inferiores co-movimentos com ndices locais
do que outro stocks. Ns revisamos tais relaes em mais detalhes no Captulo 13.
Mercados globais DR
Em todo o mundo, havia 2.130 recibos de depsitos no final de 2008. Um aumento de 30%
em no ano anterior, com base em nmeros da reviso anual por parte do Bank of New York
Mellon (BNYM) (2008). Eles abrangem 16 empresas de 77 pases. Os 17 pases BRIC
dominar o mercado em termos de nmeros, o que representa um tero do depositrio emitido
recibos. Na verdade, a ndia tem o maior nmero de recibos de depsito para qualquer pas
(276) seguida pela Rssia (176), enquanto o Brasil tem 128 e 110. Os pases desenvolvidos
China tambm desempenham um papel importante, por exemplo, o Reino Unido tem 141 recibos de
depsito e Austrlia tem 125.
A maioria destes so realmente GDRs (1.013), seguido por US Nvel ADRs I (716) e EUA
listados Nvel II e III (403 ADR). A popularidade de GDRs , em parte, devido s exigncias
regulatrias mais rigorosas no Apesar dos Estados Unidos, uma mudana em decises do SEC tem
simplificou o processo para programas de DR-patrocinado un que esto a ser negociadas OTC.
assim a equilbrio pode mudar; de fato, em 2008 houve 605 novos certificados de depsito
patrocinado un-criados.
Em termos de valor de investimento, at o final de 2008, mais de $ 1200000000000 foram
investidos em certificados de depsito, uma diminuio de cerca de 25% desde 2007. ADRs
listadas representaram US
$ 773.000.000.000, DRs europeias cotadas foram s vale $ 214.000.000.000, enquanto o
restante OTC e outras receitas foram valor de cerca de $ 163.000.000.000. Em termos de emisso,
a maior proporo era para as empresas da Europa Ocidental ($ 452 bilhes) , enquanto o
restante foi divididos de forma bastante equilibrada entre as empresas da Europa emergente e
frica ($ 249.000.000.000), Latino Amrica ($ 237.000.000.000) e sia-Pacfico ($
212.000.000.000).
Para 2008, o valor global de comrcio de recibo de depsito foi de cerca de $ 4400000000000,
um terceiro maior do que no ano anterior. Em comparao, os volumes de 2007 foram 72%
maiores do que os de 2006, assim que a crise financeira desacelerou o crescimento macio que
os mercados DR estavam vendo. DRs para as empresas dos pases do BRIC representaram a
maior parte desse comrcio com cerca de 54% de isto. Especificamente, o Brasil liderou com $
899.000.000.000 valor da negociao, a partir da China
$ 792.000.000.000 e Rssia de $ 579.000.000.000. A maior parte da negociao executado
em bolsas de valores, em fato de apenas 2% foi negociado OTC. Tabela F-L mostra uma
repartio mais pormenorizada da negociao volumes nos principais locais.
Os EUA claramente o maior mercado para os DRs. Dado que cerca de $ 70000000000000
negociados em a duas principais bolsas de valores norte-americanas em 2008, DRs representaram
cerca de 5% desse total. Embora, o negociao bastante concentrada. Na verdade, os cinco
principais ADRs foram responsveis por 27% do total de EUA volume de negcios de cmbio.
Este foi liderado pela China Baidu Inc. ($ 331bn) e Petrobras do Brasil ($ 244bn) e Vale ($ 204bn).
O topo dez tambm incluiu a finlandesa Nokia, a Amrica Mvil do Mxico, a BP do Reino Unido e
da Austrlia BHP Billiton.

16
17
Nole lhal salvo staled todos os valores relativos a se o SIGH vm deste relatrio.
Os eounlrics BRIC representam as rpido crescimento economias em desenvolvimento da Brasil, R ssia, ndia e China.
537
Nmero de
patrocinados
DRs
Foro
NYSE
NASDAQ
Londres / IOB Luxemburgo
OTC
De outros
291
109
388
15
O volume
negociado em
2008$ bilhes 2007
3000
698
523
99
45
%
volume
mudana
2288
620
387
76
40
31
31
35
30
13
Fonte: BNYM (2008)
Tabela F- l global negociados volumes de Depositary Receipts

A NYSE ainda maior mercado do mundo para DRs, com mais de dois teros do quota de
mercado global. A (2008) BNYM relatrio assinala que 44 programas de DR tinha um valor
comercial superior a US $ 25 bilhes em 2007, 40 destes foram listadas na NYSE. Negociao DRs
suportado por via electrnica atravs NYSE Hybrid, apenas como qualquer estoque normal. Da
mesma forma, o NASDAQ suporta negociao ADR apenas como se fossem aes. No h
nmeros para os nveis de negociao em ECNs e ATS, embora locais como ITG POSIT e
Pipeline tambm permitem eles sejam negociados.
Internacional Livro de Ofertas A Bolsa de Valores de Londres (IOB) ainda o lder
concorrente para as trocas U.S. Ele lida com a maior parte do comrcio DR Europeia. A maior parte
do Volume de negcios IOB realmente para as empresas russas, que eram oito seu top ten mais
ativamente DRs negociados em 2008. Na verdade, foi a Gazprom 4 mais negociadas DR em 2008,
com um total volumes de 177 mil milhes. $ A LSE fornece negociao eletrnica contnua em
uma carteira de pedidos semelhante ao SETS, embora adicionalmente permite firmas-membro
para exibir sua identidade via ordens nomeados. Por menos lquido DRs, h um modelo s de
leilo, que dispe de trs leiles dirios, proporcionando cach um perodo de chamada de duas
horas antes da correspondncia final tem lugar. Eles oferecem um Bulletin Board Internacional, bem
como, o que permite que criadores de mercado dedicadas a fornecer liquidez para a negociao
eletrnica de certos DRs. A IOB tambm abastece o comrcio plataforma de Luxembourg
Stock Exchange listados DRs.
Locais de eletrnicos para negociao OTC DR foram estabelecidas tambm. Em 2007, o
Pink Sheets LLC (empresa-de-rosa OTC Markets Inc.) lanado OTCQX o mercado internacional,
que fornece uma plataforma electrnica de negociao OTC de Nvel I ADRs. O mercado
composto por dois segmentos, PremierQX para as empresas que atendem a troca US nacional
requisitos de listagem, e PrimeQX para as pequenas empresas. O sistema de negociao no
mercado NASDAQ PORTAL tambm foi lanado em 2007. Este fornece prego eletrnico para a
Regra 144 (a) valores mobilirios, incluindo ADRs. A (2008) BNYM relatrio estima que cerca
de $ 141.000.000.000 negociados em rosa OTC Markets em 2008. Eles tambm prevem que
estes nveis devem subir maior, devido flexibilizao da SEC OTC DR anncio regulamentos.
Outra inovao interessante no mercado de DR ADR Direto do BNY ConvergEx Grupo.
Esta plataforma permite aos investidores institucionais para negociar aes no exterior e, em
seguida, convert-los automaticamente em ADRs. Este lida com a transao FX, e fontes
liquidez para tentar conseguir o melhor preo para o ADR. Servios como isso deve ajudar a
suavizar as discrepncias de preos entre os ADRs e as aes subjacentes.
Appcndiccs
538
Exchange Traded Funds

Os fundos de investimento so organismos de investimento colectivo. No entanto, eles tambm
pode ser comercializado como ativos. Fundos podem ser categorizadas como cither em aberto ou
closcd-cndcd. Isso se relaciona com o seu tamanho; fundos abertos pode continuamente ampliar
ou reduzir, enquanto fundos fechados manter um tamanho fixo.
Talvez um dos tipos mais conhecidos de fundo aberto o fundo mtuo dos EUA. Para novo
investidores o gestor do fundo deve emitir aes adicionais, enquanto que para os investidores
partida eles deve troc-los por dinheiro ou valores mobilirios. Historicamente, fundos abertos
foram comprados ou vendidos com base nos preos closc do dia.
Fundos fechados (CPSA) comportar-se mais como aes. Existe uma distribuio inicial de
umanmero fixo de aces no fundo, muito parecido com um IPO. Posteriormente, a inv estidores
que pretendam entrar ou sair o fundo vai geralmente precisam trocar as aes nos mercados
secundrios.
O fundo negociado em bolsa (ETF) foi introduzido pela primeira vez no incio de 1990.
Inicialmente, estes eram simplesmente fundos abertos que foram intraday negociveis no
mercado secundrio, apenas como fechado terminou fundos. Exchange Traded Funds esto se
tornando uma maneira cada vez mais popular para os gestores de fundos para obter uma exposio
global do mercado, ou para fornecer hedge para riscos gesto. Na verdade, eles tm provado ser
to bem sucedida que uma gama de fundos encerrados fechado agora tambm classe-se como
ETFs.
Especfico de ativos
ETFs so geralmente classificados como ndice a ser ou fundos otimizados. Os fundos de
ndice passivamente rastrear ou replicar um ndice especfico, os fundos enquanto otimizados tentar
bater mercado benchmarks e assim adotar tcnicas semelhantes aos investidores ativos.
Inicialmente, a maioria dos ETFs abertas concentrada nos principais ndices de aes como
seus ndices de referncia. Hoje em dia, os ETFs especficas do setor esto se tornando
comuns, assim como os ETFs que contenham ativos estrangeiros. Eles no esto restritas
apenas s aces; ETFs tambm podem ser criados com base em carteiras de obrigaes ou
mesmo de futuros de commodities. ETFs de renda fixa so teis porque o fundo gerente
responsvel pela manuteno da carteira, por isso ttulos arco rolado antes que eles amadurecem e
pagamentos de cupons so reinvestidos. Da mesma forma, para ETFs de commodities as alas de
treinador os requisitos de margem e novamente rola quaisquer contratos heforc validade.
ETFs optimizados muitas vezes acompanhar benchmarks personalizados, que so criados
pela aplicao estrita
regras e tcnicas quantitativas. Isto lhes permite preservar sua
transparncia. ETFs sequer Heen criado para atender a estilos de investimento especficos. Por
exemplo, o Claymore MacroShares Fundo do petrleo para baixo compreende os ativos que
beneficiaro de uma descida dos preos do petrleo, enquanto a sua ETF Insider investe em 100 aes
em que insiders tm recentemente heen compra.
ETFs oferecem vrias vantagens para outros tipos de fundos de investimento:
Transparncia
Taxas mais baixas / Custo total
Eficincia fiscal
Em geral, os ETFs empregar composies fixos, muitas vezes publicadas diariamente, ento
eles arco mais transparente do que outros tipos de fundos. Em comparao, por algum gerido
activamente mtuo
fundos ou fundos encerrou-closcd as composies publicamente
disponveis possa Ele meses de idade, em parte para proteger os seus investimentos. ETFs
tambm tendem a ter taxas mais baixas, particularmente para o mais trackers ndice simples. Por
exemplo, SPDR ETF o, que abrange o ndice S & P 500, tem um rcio de despesas de 9,45 bps,
enquanto muitos fundos mtuos citar um custo equivalente cerca de duas vezes isso. Enquanto isso
os fundos activos podem chargc em qualquer lugar a partir de 100 -150 pb ou
539
Mais. Da mesma forma, para os ttulos, Rebecca Knight (2007) aponta que muitos dos ETFs
mais recente tem relaes de despesa em torno de 20 bps, em comparao com a proporo mdia
anual de 109 bps para fundos de obrigaes tpicas. Eficincia fiscal pode tambm ser conseguida por
ETFs de aes, uma vez que os investidores podem sair do fundo com posies equivalentes nos
subjacentes, e assim evitar incorrer em ganhos de capital fiscal.
Preo e negociao
o valor patrimonial lquido (NAV) de um fundo simplesmente o valor total de todos os activos do
fundo dividido pelo nmero de aes emitidas. Para um fundo aberto a NAV representa o pricc
investidores devem pagar (temos resgatado) quando eles se juntam (ou sair), alm de nenhuma
taxa.
Arbitrage garante que o valor do mercado FEF mantm em linha com o NAV, uma vez que se os
comrcios ETF na um prmio (desconto) os concessionrios s vai vender (compra) do ETF e
comprar (vender) os activos subjacentes. Em comparao, os fundos closcd-cnd podem negociar com
um prmio considervel ou desconto ao valor Patrimonial, com base em estimativas de analistas /
comerciantes para o valor real da sua composio. Da mesma forma, para os fundos ETFs
deteno de activos estrangeiros tender a negociar com a mais diferena notvel entre o seu
preo de mercado eo NAV. Isso semelhante ao que vimos para recibos de depsito. As
variaes podem ser causcd por mudanas na taxa de cmbio, o fluxo de informaes, ou
simplesmente devido a fusos horrios. Por exemplo, alguns fundos ser fixado o preo com base
em dados desatualizados, uma vez que o mercado nativa fechada. Discrepncias de preos tambm
pode ser realar novo e informaes prospectivas. Por exemplo, em um estudo de ETFs negociados
asiticos em os EUA, Timothy Jares e Angelinc Lavin (2002) descobriram que os descontos
para o ETF foram umapreditor negativo significativo para o retorno dirio subsequente no Japo /
Hong Kong.
ETFs podem ser comprados livremente e vendido nos mercados secundrios ao longo do dia de
negociao. Ao contrrio dos fundos mtuos, eles no Arc subjcct para quaisquer perodos mnimos
de deteno. Eles podem tambm ser emprestados, e assim permitir que as vendas a descoberto.
Todos esses fatores significa que ETFs tendem a ser muito mais lquido de qualquer outro tipo de
fundo de investimento.
Embora ETFs podem ser negociados como aes muito, ainda importante lembrar que eles so
diferente. Mais notavelmente fundos abertos no esto sujeitos a um fundo de tamanho fixo.
Em vez disso, uma in- crcation tipo e processo de resgate permite que os concessionrios
especializados, s vezes conhecido como participantes autorizados, para reagir s demandas do
mercado secundrio de negociao de grandes blocos de ETFs com o patrocinador do fundo. Por
conseguinte, o fornecimento e demanda ter menos impacto sobre pricc do que para as aes: Se a
demanda est superando a oferta dos concessionrios s vai crcate mais ETFs, alternativamente,
eles podem troc-los para reduzir a oferta. Assim, o volume de comrcio um pouco menos
importante como um indicador para ETFs.
Mercados globais ETF

ETFs pode ser rastreada at os TIPS-35 de um fundo lanado em 1990 que acompanhou as aes em
TSE 35 ndice do Canad. Cerca de trs anos mais tarde viu a introduo da agora
onipresente Padro & Poor Depositary Receipts (SPDR), que rastreiam o ndice de empresas norteamericanas S & P 500. Em 2001, os ETFs foram bem estabelecida na Amrica do Norte e sia e
estavam sendo introduzido em toda a Europa.
Uma reviso detalhada do mercado mundial fornecida pelo Barclays Global Investors (BGI)
(2009): Globalmente, h cerca de 1600 ETFs, 472 destes foram lanados em 2008 com planos
para lanar um outro 600 no futuro prximo. No geral, estes cobrem cerca de $ 710.000.000.000 no
valor de activos sob gesto. A maioria destes investimentos so baseados em capital prprio, com
mais de 1300 ETFs, para num valor total $ 596.000.000.000. Embora, ETFs de renda fixa tm cada
vez crescido em popularidade, com mais de 160 fundos e $ 104.000.000.000 agora investido neles.
Cerca de 50 fundos de commodities tambm foram estabelecidas; embora o investimento neles
Apndices
54 0
ainda muito mais baixo, cerca de US $ 10 bilhes. Existem tambm alguns fundos para moedas e os
investimentos mistos.
Apesar da crise econmica, o investimento em ETFs continua a crescer. A BGI (2009)
relatrio estima que o valor total investido neles poderia alcanar $ 2,000 bilhes em 2011; uma
valor semelhante foi previsto pela Morgan Stanley no FT (2007). Isto uma taxa comparvel de
crescimento ao observado para os fundos mtuos dos EUA nos anos 1980 e 90.
Em termos de ETFs empresas de investimento que emite, o mercado global liderada pelo
Barclays Global Investors (BGI) cujos fundos iShares representam cerca de 50% de os EUA e quase
40% dos mercados europeus, novamente com base em dados do BGI (2009) avaliao. Em os
EUA, State Street e Vanguard tambm se destacam como os principais jogadores, embora haja 18
fundo gerentes no total. Na Europa, h quase o dobro do nmero de prestadores, mas
novamente 80% do mercado atendida por apenas trs, a saber BGI, Lyxor Asset Management e
Banco alemo.
O volume mdio dirio negociado de ETFs tambm cresceu significativamente, com um
mundial mdia de $ 80400000000 em 2008, um tero maior do que no ano anterior, com base em BGI
(2009). Negociao est concentrada principalmente nas principais bolsas de valores,
compartilhando muitas vezes os mesmos sistemas como slocks. Assim, o potencial para a
eletrnica e trading algortmica bom. Globalmente, US $ 10 trilhes de ETFs foram negociadas
em bolsas de valores em 2008, com base em nmeros da WFE (2009). Tabela F-2 descreve as
principais bolsas em termos de volume negociado.
Intercmb
io
Valor
negociado
2008em $ bilhes2007
NYSE Euronext EUA
6821
2710
NASDAQ OMX
NYSE Amex
%
mudan
a
152
Nmero de ETFs
listados em 2008
1048
1906
n/D
n/D
46
18
283
270
356
Deutsche Borse
205
173
19
408
143
119
20
396
Grupo TSX
141
73
92
96
Londres SE
101
n/D
n/D
305
Borsa ltaliana
70
49
40
326
Trocas de Hong Kong
56
20
175
24
Shanghai SE
39
15
150
Troca mexicano
35
23
54
159
Fonte: WFE (2009)
Tabela F-2 Principais intercmbios por valor de ETFs negociados

Os EUA lideram o mercado ETF mundo, seguido pela Europa depois da sia. Os mercados
emergentes, como o Mxico, tambm esto vendo nveis considerveis de negociao. O
mercado tem EUA continuou a crescer rapidamente, com 144 novos ETFs emitidos apenas em
2008, resultando em $ 497.000.000.000 em ativos investidos em mais de 698 fundos e um volume
mdio dirio de negociao de $ 77000000000, com base em dados de BGI (2009). Volumes de
negociao ETF representam agora uma proporo considervel de negociao em os EUA De fato,
em 2008, eles alcanaram em torno de um tero do total negociado equidade
18
Exclui dados para Dezembro de 2008.
volume. Durante alguns dos piores movimentos do mercado em novembro, foi respons vel por
quase ETFs 40%. Dadas tais volumes, n o de surpreender que a concorr ncia para este fluxo de
comrcio aumentando. ETFs so agora regularmente os ativos mais negoc iados em muitos locais
dos EUA. Note-se que o grandes quantidades de ET F negociao em os EUA concentrada em poucos
fundos principais, como se mostra na Tabela F-3. Fundos de ndices de aes de rastreamento de dominar o
mercado, com as "aranhas" onipresentes para o S & P500, "Qubes" para o NASDAQ-100 , IShares
Russell 2000 eo DJIA base "Diamonds".
ADV Q4 2008
$ Milhes
ETF
Ativos dezembro
2008
$ Milhes
SPDR S & P 500 ETF (SPY)
43.278
93.922
PowerShares QQQ (QQQQ)
7466
12.537
iShares Russell 2000 (1WM)
5436
11.018
ProShares Ultra Curto S & P 500 (SDS)
4902
2251
DIAMANTES Confiana (D1A)
3550
8966
iShares MSCI Emerging Markets (EEM)
3472
19.210
Fonte: estimativas da prpria Aulhor com base em NSX (2009)
Tabela F- 3 mais negociadas ETFs dos EUA para Q 4, 2008

ETFs foram inicialmente defendida em os EUA pela American Stock Exchange (Amex). No
entanto, a concorrncia logo chegou a partir do NYS E quando privilgios comerciais no cotadas
significava que as plataformas poderia negociar os mesmos fundos sem que tenham de ser dupla listados.
Isto combinado com a NYSE " s compra de rea ajudou a tornar a NYS E o maior espao para ET F comercial
do mundo. NYS E Euronext tambm assumiu a Amex em 2008. NYS E ET negociao F agora usa a plataforma
ARCA onde os provedores de liquidez dedicados garantir que h suficiente liquidez. Em 2007 NASDA Q
lanou o seu prprio mercado ET F dedicado; Novamente usando designado fornecedores de liquidez. No
novidade que, outros locais, tais como BAT S e Nacional da Exchange (NSX) tamb m esto
competindo por ET F quota de mercado.
Europa foi mais lento para abra ar ETFs, devido a quest es de regulamenta o, embora desde
2000 o seu absoro tem sido rpido. Na verdade, o EDHE C (2006) inqurito europeu ET F aponta que
em 2005 quase dois teros do crescimento do mercado mundial foi a partir desta regio. Em 2008,
mais de 630 ETFs foram oferecidas na Europa, sendo respons vel por mais de $ 140 oi! Leo de
ativos e uma mdia volume dirio de negociao de US $ 2 bilhes, com base em dados de BGI
(2009).
Como podemos seg a partir da Tabela F-2, duas bolsas europeias fazer as cinco melhores plataformas
globalmente. Com base em suas prprias figuras, para a Deutsche B rse (DBG) (2008) leads Q1
2008 com cerca de 37 % Da regio a quota de mercado, seguida pela Euronext 'ET F segmento s com 34%.
Enquanto a Borsa Italiana tem cerca de 13% ea London Stock Exchange tem mais de 6%. Qui- X
tambm suporta ET F negociao. A plataforma Deutsche Borse XT F baseia-se essencialmente em Xetra com
liquidez fornecida pelos patrocinadores designados. Uma abordagem semelhante adoptado para Euronext '
S et F segmento; ambos os locais tambm publicar continuamente NAV indicativo. London 's ET Segmento F
baseado em sua plataforma de jogos. Em termos de fundos reais, o X DA EX a mais negociadas, seguido
pelo Dow Jones e iShares Euro STOX X 50 fundos. Embora, os volumes so muito mais baixos do que os dos
fundos gigantes norte-americanas, por exemplo, o promotor X EX tem uma AD V de cerca de US $ 375 milhes.
ndices de aes pan-europeias e locais ainda esto na maioria, embora ETFs de renda fixa e
internacionais tamb m esto ganhando importncia. Fundos de commodities est o aumentando
assim; na verdade, o London Stock Exchange tem um dedicado exchange traded commodities
segmento (ETC).
542
Apndices
O ET asitica F mercado visivelmente menor do que a Europa. BGI (2009) relata um total de
200 ETFs com mais de $ 50 bilh es investidos. Mais da metade desse valor investido no 61
ETFs japoneses. O Jap o tamb m lidera o caminho em term os de volumes de negocia o, tanto
a Tquio e Bolsas de valores Osaka. Isto tamb m tem sido ajudado por acordos de cross -listing
com os EUA o que disse, volumes est o aumentando em toda a regi o, em especial no Hong
Kong e Intercmbios Xangai.
Resumo
Prego eletrnico comum para muitos recibos de dep sito e Exchange Traded fundos,
uma vez que so geralmente negociadas no mundo ' s mercados de aes.
Buy-side nveis de adoo de DM A negociao algortmica e para esses ativos so tende a

aumentar. Eles tambm podem ser incorporadas em estrat gias de negociao de ativos
cruzados.
543
Abreviaes
& Siglas
por
exemplo.
et ai.
gratia exempli (por exemplo)
CFA
Chartered Financial Analyst
et ali (i / ae / a) (e outros)
CME
Chicago Mercantile Exchange
isto ,
est id (que )
CPI
ABCP
Asset Backed Corporativo Papel
CTD
ndice de Preos ao
Consumidor
Mais barato entregar
ADR
American Depositary Receipt
DBG
Deutsche Borse Grupo
ADV
Volume mdio dirio
DJIA
Dow Jones Industrial Average
Al
DMA
AIM
Agressivo no dinheiro
DMM
ANN
Redes Neurais Artificiais
DOT
Designada Formador de
Mercado
Designada Ordem Turnaround
AON
Tudo ou Nada
DR
Depositary Receipt
API
Programao de Aplicativo
Interface
DTCC
Confiana Depository &

Clearing Corporation
AR
Autoregressive
DV
Valor em dlar
ARCH
Autorcgressive Condicional
Heteroskedasticity
BCE
Banco Central Europeu
ECN
Rede de Comunicaes
Electrnicas
EGARCH
Exponencial Generalizada
Autorcgressive Condicional
Heteroskedasticity
EMA
Mdia Mvel Exponencial
ARMA
Autoregressive Mdia Mvel
COMO
Dficit Adaptive
ASX
Australian Securities Exchange
Caixa eletrnico No dinheiro

ATS
Alternative Trading System
BIS
Bank for International

Settlements
EMEA
Europa, Oriente Mdio e frica
EMS
Sistema de Gesto de Execuo
BNY
O banco de Nova Iorque
EPS
Ganhos Por compartilhamento
BNYM
o Bank of New York Mellon BP
ET
Exchange Traded
Basis Point
ETF
Exchange Traded Fund
BR1C
Brasil, Rssia, ndia e China
F1A
Futures Industry Association
CBOE
Chicago Board Options

Intercmbio
CONSERTAR
Intercmbio de informao
financeira protocolo
CBOT
Chicago Board do
FIXML
FIX Markup Language
Comrcio CCP
Contraparte central
CDA
Leilo Duplo contnua
CDS
Credit Default Swap
FOK
Preencher ou matar
FOMC
Federal Open Market Committee
FPL
FIX Protocol Limitada
FRA
Acordo Forward Rate
Abreviaes & Siglas
544
FT
Financial Times
NAV
Valor liquido do bem
FX
Divisas
NBBO
Nacional Melhor de compra e
venda NMS
Tamanho Normal Mercado
Generalized Autoregressive
Heteroskedasticity condicional
NN
Rede neural
NYSE
New York Slock Cmbio
GC
Collateral Geral
OHLC
Aberto Alta Baixa Fechar
PIB
Produto Interno Bruto
OMS
Order Management System
GDRs
Recebimento Global
OTC
Sobre o Balco
P1M
Passiva no dinheiro
GAGenetic
Algoritmo GARCH
Depositary G P
Programao Gentica
GWAP
Gamma Preo Mdio Ponderado
POV
Por cento do Volume
ICE
IntcrcontinentalExchange
PP1
Producer Price ndice
BID
Inter broker dealer
RFQ
Pedido de Citao
IOB
Internacional Transaes
RFS
Pedido de Corrente
COI
Imediato ou Cancelar
RPM
Desempenho Relativo Medida
101
Indicao de interesse
SE
Bolsa de Valores
Dficit Implementao
SEC
ISE
Ttulos internacionais
Intercmbio
Securities and Exchange

Comisso
SI
Systematic Internaliscr
ISM
Institute for Supply Management
SIFMA
AS SUAS
Intermarket Trading System
Securities Industry e Financeiro

Associao de Mercados
LIBOR
London Interbank Borrow
SIN
Securities Industry News
SPDR
Padro & Poor Depositrio

Recibo
STP
Straight Through Processing
Classificao LP Criador de Mercado

LSE
Londres Slock Cmbio
MA
Mdia Mvel
MBF
Deve ser preenchido
MC
Mercado Fechar
MCR
Contribuio Marginal ao
Risco M eu
Impacto do mercado
MiFID
Mercados de Instrumentos
Financeiros
MO
Ordem de Mercado
MT F
Sistema de negociao
multilateral NAPM
Support Vector Machine
TCA
Anlise dos Custos de
Transao TWAP
Gesto de Compras
Associao Nacional de
Valores mobilirios e
Distribuidores Cotao
Automatizada
Tempo Preo
Mdio Ponderado
V1X
Chicago Board Options

Cmbio Volatilidade
ndice
VWAP
Volume Preo Mdio Ponderado
WFE
Federao Mundial de Trocas WSJ
Associao
Nacional de
NASDAQ
SVM
Jornal de Wall Street

XBRL
Extensible
Relatrios de negcios
idioma
XML
Extensible Markup Language
YTM
Rendimento at o vencimento
545
Referncias
Abad e Pascual (2006) Abad e D. Pascual R., 'On the m Efeito de limites de preos', Gesto Financeira
Europeia, Voi: 13 (5), p 833-852, DOI: 10,1111 / j.l468-036X.2007.00399.x
Abad e Pascual (2007) Uma m D. e R. Pascual, "Mudar para um leilo de chamadas Temporria em Times
de elevada incerteza ", EFA 2006 Zurique Reunies
Abad, Sanabria e Yagiie (2005) Uma m D., S. Sanabria e Yagiie J., "Liquidez e informaes em
torno de anncios dos ganhos anuais: uma anlise intraday do mercado de aes espanhol, Instituto
Valenciano de Investigaciones Econdmicas, SA, documentos de trabalho. Serie CE
ABM (2007) 'sia bond Monitor', Banco Asitico de Desenvolvimento (asianbondsonline.adb.org)
Negociao Avanada (2008) 'Algorithmic Trading Diretrio', Negociao
Avanada ( www.advancedlrading.com)
Affleck-Graves, Callahan e Chipalkatti (2002) Affleck-Graves J., Callahan C. e Chipalkatti N.,
"Earnings Previsibilidade, assimetria de informao, e liquidez de mercado ", Journal of Accounting
Research, VO1: 40 (3), p 561-583, doi: 10,1111 / 1475-679X.00062
Ahn, Bac e Chan (2001) Ahn HJ, Bae KH, Chan K., "Ordens Limitadas, profundidade e Volatilidade:
Evidncias da Bolsa de Valores de Hong Kong \ Journal of Finance, vol: 56 (2), p 767-788, doiMO.l
111 / 0022-1.082,00345
Grupo AITC (2007) 'FX eletrnico: Bem-vindo ao Banks' Neverland ', Grupo Aite
(www.aitegroup. Com)
Aite Group (2007a) "Algorithmic Trading: Top 10 chaves para o sucesso em 2007 ", Aite
Group ( www.aitegroup.com)
Grupo Aite (2008), 'Gerenciamento de Pedidos de Execuo: Convergncia e capacidades multi-ativos ",
2008 FPL (FIX Protocol Ltd.) Canadian Conference Eletrnico de Negociao
Grupo AITC (2008a) "Algorithmic Trading no FX: Fad ou Realidade ', Aite Group? (www.aitegroup.com),
Setembro 2008
Grupo Aite (2009) 'Europeu Multilateral Trading Facilities: The Post -MiFID Cmbio Paisagem',
Aite Group (www.aitegroup.com)
Aitkcn et ai. (2007) Aitken M., Almeida N., Harris FH e Mclnish TH "Fornecimento de liquidez dentro
Mercados electrnicas , Journal of Financial Markets, vol: 10 (2), p 144-168
Aitken, Bcrkman e Mak (2001) Aitken MJ, Berkman H. e D. Mak, 'O uso de no-revelado ordens de
limite no Australian Stock Exchange ", Journal of Banking e Finanas, vol: 25 (8), p 1589- 1603
Albuquerque e Vega (2007) Albuquerque R. e Vega C., 'Notcias Econmico e Internacional Stock
Market Co-movimento. ', EFA 2006 Zurique Reunies
Allen e Karjalainen (1999) Allen F. e Kaijalainen R., 'Usando algoritmos genticos para encontrar tcnica
regras de negociao , Journal of Financial Economics, vol: 51 (2), p 245-271
Almgren (2003) Almgren R., 'execuo Optimal com funes no-lineares e de impacto Tradingenhanccd riskApplied Matemtica Financeira, vol: 10, p 1-18
Almgren e Chriss (2000) Almgren R. e Chriss N., "Execuo Optimal da Carteira Transaes ',
Jornal de Risco, vol: 3, p 5-39
546
Referncias
Almgren et al. (2005) Almgren R., Thum C., Hauptmann E. e Li H., "estimativa direta da Equity
Impacto do mercado , Revista Risk (www.risk.net), Julho de 2005, p 57-62
Anand e Weaver (2004) Anand A. e Weaver D., "Pode encomendar a exposio ser mandatada?", Journal of
Mercados financeiros, vol: 7 (4), p 405-426, doi: 10.1016 / j.finmar.2004.04.001
Andersen et ai. (2003) Andersen T.G., Bollerslcv T., Diebold F.X. e Vega C., "Efeitos da Micro
Anncios macro: Real-Time Preo Descoberta no mercado de cmbio ", American Economic Review,
vol: 93 (1), p 38-62
Ang e Chen (2002) Ang A. e J. Chen, "correlaes assimtricas de carteiras de aces", Journal of Financial
Economics, vol: 63 (3), p 443-494, doi: 10.1016 / S0304-405X (02) 00068-5
Ankenbrand e Tomassini (1995) Ankenbrand T. e M. Tomassini, "multivariadas Tempo Scries Modelling
dos mercados financeiros com Redes Neurais Artificiais ", Anais da Conferncia Internacional sobre Redes
Neurais Artificiais e Algoritmos Genticos ICANNGA '95 (Aids, Frana, 18-21 abril, 1995) DW Pearson, NC
Steele e RF Albrecht (Eds.), p 257-260
Apama (2008) 'Screenshot: Apama Evento Modeler', Progress Software Corporation (
www.progress.com/apama)
Asche e Guttormsen (2001) Asche F. e Guttormscn A., 'relaes de defasagem entre futuros de chumbo e os
preos spot ', Instituto de Pesquisa em Economia e Administrao de Empresas (SNF) Documento de trabalho
Asian Bonds Online (2007) 'Mercado Liquidez: Volume de Negociao', Asian Bonds Online
(asianbondsonline. Adb.org)
Asian Bonds Online (2007a) 'Asian Bonds Coria do Mercado Trocas de infra-estrutura e de
Negociao Plataformas ', Asian Bonds Online (asianbondsonline.adb.org)
Atwell (2004) Atwell S., "FPL Algorithmic Trading e DMA Atualizao grupo de trabalho, FPL (FIX
Protocol Ltd.) Americas Conference 2004
A-TCAM Group (2009) "Diretrio de negociao algortmica - Edio de 2009 ', Grupo A-Team (www.ateamgroup.com)
Bae, Jang e Park (2003) Bac KH, Jang H. and Park KS, escolha 'Traders' entre limite e ordens de
mercado: evidncia de stocks NYSE ', Journal of Financial Markets, vol: 6 (4), p 517-538, doi: 10.1016 /
S1386-4181 (02) 00047-2
Bagnoli, Kross e Watts (2004) Bagnoli M., Kross W., Watts S.G., "As informaes em De Gesto
de Resultados Esperados Data do relatrio: Um dia de atraso, a Penny Curto ', Journal of Accounting
Research, vol: 40 (5), p 1275-1296, doi: 10,1111 / 1475-679X.t0l -1 -00.054
Balduzzi, Elton e Green (1997) Balduzzi P., Elton E.J. e verde TC, "Economic News e da curva de
rendimento: Evidncias do Mercado do Tesouro dos EUA", Journal of Financeiro e Anlise Quantitativa, vol:
36 (4), p 523-543
Balduzzi, Elton e Green (2001) Balduzzi P., Elton E.J. e verde T.C., "Economic News e Bond Preos:
Evidncias do Tesouro Mercado 'dos EUA, Jornal da Anlise Financeira e quantitativa, vol: 36 (4), p 523-543
Barclay, Hendershott e Jones (2006) Barclay M., Hendershott T. Jones e C., "Ordem Consolida o,
Preo Eficincia, e choques de liquidez Extreme ', prxima Journal of Financeiro e Anlise Quantitativa
Barclay, Hendershott e Kotz (2006) Barclay M.J., Hendershott T. Kotz e K, 'Automation contra
Intermediao: Evidncias de Treasuries ir fora da Run ', Journal of Finance, vol: 61 (5), p 2395-2414, doi:
10,1111 / J. 1540-6261.2006.01061. x
BATS (2008) Site, BATS (www.batstrading.com)
BBA (2006) Barrett R. e J. Ewan, 'BBA Derivativos de Crdito Relatrio 2006', British Bankers
'Association (www.bba.org.uk)
BearingPoint (2007) "Estudo de mercado bond Eletrnico 2007", BearingPoint (www.bearingpoint.com)
547
BcaringPoint (2007a) Gast F., "plataformas de negociao electrnica - European Repo e Bond
Markets, AC1 Alemanha Conference ', BearingPoint (www.bearingpoint.com)
Bebcr e Caglio (2005) Beber A. e C. Caglio, 'Estratgias de submisso Ordem e Informao:
Evidncias Empricas da NYSE ', Papel EFA Conferncia Anual de 2003 No. 875; Research Paper No.
146 FAME
Bennett (2005) Bennett P., 'End da estrada ou novo comeo para NYSE Especialistas? ", Manual do
Intercmbio (www.exchange-handbook.co.uk), Edio de 2005
Bennett e Campbell (2000) Bennett K.P. e C. Campbell, "Support Vector Machines: Hype ou Aleluia? ',
Arquivo de ACM SIGKDD Explorations Newsletter, vol: 2 (2), P 1-13, doi: http:
//doi.acm.org/10.1145/380995.380999
Bcrnankc e Kuttner (2005) Bernanke BS, Kuttner KN: 'O que Explica o do Mercado de Reao a
Poltica Federal Reserve T, Journal of Finance, vol: 60 (3), p 1221-1257,
doi: 10,1111 / j J 540-6261.2005.00760.x
Bcssembinder, Panayidcs e Venkataraman (2008) Bessembinder H., e M. Panayides Venkataraman
K., "Liquidez oculta: uma anlise das estratgias Ordem de Exposio em eletrnica Stock Mercados ',
Documento de trabalho
BG1 (2009) 'ETF Indstria prvia Ano Final de 2008 ", o Barclays Global Investors (barclaysglobal.com)
Biais et al. (2006) Biais B., Declerck F., J. Dow, Portes e R. von Thadden EL, 'European Corporate Markets
Bond: transparncia, liquidez, eficincia ', Centre for Economic Policy Research, de Maio de 2006
Biais, Glostcn e Spatt (2005) Biais B., Glosten L. e Spatt C., 'microestrutura Mercado: Um inqurito
de microfundamentos, resultados empricos, e implicaes polticas ", Journal of Financial Markets, vol: (2) 8,
p 217-264, doi: 10.1016 / j.finmar.2004.11.001
Biais, Hillion e Spatt (1995) Biais B., Hillion P. e C. Spatt, 'Uma anlise emprica do limite Ordem Livro e do
fluxo de ordens em bolsa de Paris ", Journal of Finance, vol: 50 (5), p 1.655-1.689 Bialkowski, Darolles e Le
Fol (2007) Bialkowski J., Darolles S. e Le Fol G., "melhorar as estratgias VWAP: Uma abordagem de volume
dinmico de idade - Decompondo Volume para VWAP Estratgias", Journal of Banking & Finance, vol: 32 (9), p
1709-1722, doi: 10.1016 / j.jbankfin. 2007.09.023
BIS (2006) Jeanneau Mercados de ttulos domsticos e S. Tovar CE, "na Amrica Latina: realizaes e
desafios ", Banco de Compensaes Internacionais (www.bis.org) Quarterly Review, Junho de 2006, p
51-64 BIS (2007a) "Quarterly Review Anexo Estatstico - Setembro de 2007 , do Banco de
Compensaes Internacionais (www.bis.org), Setembro 2007
BIS (2007b) Heath A., Upper C., P. Gallardo, Mallo C. e P. Mesny, "Banco Central Trienal Inqurito dezembro
2007 de cmbio e derivados da atividade do mercado em 2007, dos Negcios Estrangeiros, Banco de
Compensaes Internacionais (www.bis.org), Dezembro 2007
BIS (2007c) C. superior, Gallardo P. e C. Mallo, 'Trienal e inquritos semestrais sobre as posies em
mercados globais over-the-counter (OTC) de derivados no final de Junho de 2007 , Bank for
International Settlements (www.bis.org), De Novembro de 2007
BIS (2008) 'BIS Quarterly Review, Dezembro 2008 Anexo Estat stico ", Banco de Compensaes
Internacionais (www.bis.org), Maro 2008
Biscoc (2005) Biscoc C., 'trading classe Multi-ativo', FIX global (www.fixglobal.com), Vol 1 Edio 8
Q4 2005
Black (1971) Preto F., "Rumo a uma troca totalmente automatizado, parte 1", Financial Analysts Journal,
vol: 27, p 29-34
Negro (1976) Preto F., "O Preo de de Contratos de Commodities ", Journal of Financial Economics, vol: 3, p
167-79
Preto e Scholcs (1973) Preto F. e M. Scholes, "a precificao de opes e Passivos Corporativa ', Jornal
df Economia Poltica, vol: 81 (3), doi: 10,1086 / 260.062
548
Rcfercnces
Preto e Auto (2005) T. preto e Auto O., 'Escolhendo o algoritmo certo para a sua estratgia de
negociao', 'Algorithmic Trading, Um Manual Buy-Side', primeira edio (2005), editor do comrcio
(www.thetradenews.com),
p 41-50
Em branco (2007) Em branco J. J., "Negociao Implcita no Energy Futures ", Jornal de Negociao,
Vero 2007 BNYM (2007) 'The Depositary Receipt Markets 2007 Ano End Review', Bank of New York
Mellon BNYM (2008) 'The Depositary Receipt Markets 2008 anos End Review', Bank of New York
Mellon
Boehmer e Wu (2006) Boehmer E. e Wu J., "fluxo Ordem e preos", AFA 2007 Reunies Chicago
Papel
BOJ (2001) Aumentar O uso de sistemas eletrnicos de negociao e nos Implicaes na japons Financeiro
Mercados ', Banco do Japo Financeiro Departamento de Mercados
Bollcrslcv (1986) Bollerslev T., 'heterocedasticidade condicional auto-regressivo Generalized', Journal of
Econometrics, vol: 31 (3), p 307-327, doi: 10.1016 / 0304 ^ 076 (86) 90063-1
Bongiovanni, Borkovec e Sinclair (2006) Bongiovanni S., Borkovec M. e Sinclair R.D., 'Vamos Jogar
Hide-and-Scek: The Local e tamanho de Undisclosed Limit Order Volume ", Journal of Trading, Vero 2006
Boni e Leach (2004) Boni L. e C. Leach, "mercados ordem de limite expansveis", Journal of Financial
Markets, vol: 7 (2), p 145-185, doi: 10.1016 / j.finmar.2003.10.001
Boyle, Byoun e Park (2002) Boyle P., Byoun S. e Parque H., "A relao lead-lag entre local e mercados de
opes e volatilidade implcita nos preos das opes ', da Investigao em Finanas, vol: 19, p 269-284, doi:
10.1016 / SO196-3821 (02) 19012-5
Brandes et al. (2007) Brandes Y., Domowitz I., Jiu B. e Yegerman H., "Algoritmos, Custos Operacionais, and
Order Size ', 'Algorithmic Trading, Um Manual Buy-Side', 2 edio (2007), editor do comrcio
(www.thetradenews.com)
Brankc (1999) Branke J., "Evolutionary abordagens dos problemas Dinmico de Otimizao - Uma
pesquisa',
GECCO Workshop sobre algoritmos evolutivos para problemas dinmicos Optimization
Brooks e Del Negro (2003) Brooks R. e M. Del Negro, 'Empresa de nvel Evidence on International Stock
Market Co-movimento ', Reviso das Finanas, vol: 10 (1), p 69-98, doi: 10,1007 / sl0679-006-6979-l
Brown e Holden (2005) Brown D.P. Holden e CW, "ordens atrelada limite, documento de trabalho Burr
(2005) Burr D., "Viso: No Blink of an Eye ', Current Biology, vol: 15 (14), p 554-556 Butler (1997) Butler
J., "EDDIE bate o mercado, Data Mining e Apoio Deciso Atravs
Programao Gentica ', Reuters: Desenvolvimentos, vol: L
Mordomo (2007) G. Butler, "Agregao de Liquidez: O que Investidores Institucionais Precisa Saber ',
Journal of Trading, Primavera de 2007
Bystrk e Johnson (2005) Bystrk A. e R. Johnson, 'Basket algoritmos A prxima gerao',
'Algorithmic Trading, Um Manual Buy-Side', primeira edio (2005), editora The Trade (
www.thetradenews.com)
Calvo (1999) Calvo G., 'Contgio em mercados emergentes: quando Wall Street um portador ', processo
do Congresso da Associao Econmica Internacional, vol. 3, Buenos Aires, Argentina 2002. Tambm em
G. Calvo 'Emerging Capital Markets em tumulto:? M sorte ou m poltica ", Cambridge, MA: MIT Press
2005.
Cao, Hansch e Wang (2008) C. Cao, Hansch O. e Wang X. "O contedo informativo de um Abra
Limit Order Book ", Jornal de Mercados Futuros, prximo
Cao, Hansch e Wang (2008a) Cao C., Hansch O. e Wang X., 'Estratgias ordem de colocao em
umaPure Mercado Limit Order Book ", Journal of Financial Research, vol: 31 (20), p 113-140, doi:
10.111 l / j, 1475-6803.2008.00234.x 10,1086 / 260,062
CBOE (2009) Dados histricos VIX, Chicago Board Options Cmbio (www.cboe.com/VIX)
Cclcnt (2004) ', Negociao E-Crdito: Um futuro baseado tela? ', Celent (www.celent.com)
549
Cclcnt (2006) "Interest Rate Swaps 2006: novos participantes, Novos Desafios", Celent
(www.celent.com )
Cclcnt (2006a) 'cJGBs: e-negociao no mercado Governo japons Bond', Celent
(www.celent.com)
Cclcnt (2007) O mercado Repo Europeia, Celent (www.celent.com)
Cclcnt (2007a) "Securities Lending: Tpico, Tecnologia, e Tendncias ", Celent (www.celent.com)
Cclcnt (2007b) "Plataformas Electrnicas em Foreign Exchange Trading ', Celent (www.celent.com)
Cclcnt (2007c) "Sistemas de negociao alternativos em aces europeias ", Celent
(www.celent.com) Cclcnt (2008) "Impacto de acesso direto ao mercado na ndia ", Celent
(www.celent.com)
Cclcnt (2008a) "bond eletrnico de negociao: Alcanar o Tipping Point ',
Celent
(www.celent.com) Celent (2008b) "da evoluo de acesso direto ao mercado (DMA) Servios de
negociao em os EUA ea Europa , Celent (www.celent.com)
Cellier (2003) Cellicr A., "Chumbo Relaes defasagem entre Curtas Opes Prazo e da francesa ndice
CAC 40: O Impacto Medio do Tempo ', Brussells Economic Review / Cahier Economique de Bruxelles, Voi:
46 (2), p 65-82
CFA Magazine (2006) Opicla N., "Hype e algoritmos a negociao algortmica caminho do futuro ou
"apenas ok"? ', CFA Magazine, maro-abril 2006
Chaboud et ai. (2004) Chaboud A., S. Chernenko, Howorka E., Krishnasami Iyer R., Liu e D. Wright J.,
"Os Efeitos de Alta Freqncia de US dados macroeconmicos Lanamentos em Priccs e Negociao
Atividade no Mercado Global lnterdealcr Cmbio ', Reserva Federal (www.federalreserve.gov)
Chac (2005) Chac J., "volume de negcios, a assimetria de informaes, e informao de tempo ", Journal of
Finanas, vol: 60 (1), p 413-442, doi: 10,1111 / j. 1540-6261.2005.00734.x
Chakrabarty e Shaw (2006) Chakrabarty B. Shaw e K., "Liquidez Oculto ', Jornal de Negcios, Finanas e
Contabilidade, no prelo
Chakrabarty, Corwin e Panayidcs (2007) Chakrabarty B., Corwin SA e Panayides MA, 'The
Informativencss de Off-Negociao NYSE durante NYSE Mercado Closures "de 2007 FMA Conf. (Orlando)
Chakravarty, Gulcn e Mayhcw (2004) Chakravarty S., Gulen H., S. Mayhew, "Negociao Informado Em
estoque e Opo Markets ", Journal of Finance, vol: 59 (3), p 1235-1258, doi: 10,1111 / j.15406261.2004.00661.x
Chan (2002) Chan W.S., "reao notcia da preo e no-notcia: deriva e reverso aps manchetes ',
Journal of Financial Economics, vol: 70 (2), p 223-260, doi: 0,1016 / S0304-405X (03) 00l46-6
Chan (2005) Chan YC, 'Preo Movimento Efeitos sobre o Estado da Ordem Limit-livro eletrnico',
Anlise Financeira, vol: 40 (2), p 195-221, doi: 10,111 l / j.l540-6288.2005.00100.x
Chen, Shih e Wu (2006) Chen W.H., Shih J.Y. e Wu S., "Comparao de apoio-vector mquinas e
redes neurais propagao para trs na previso das seis principais bolsas de valores da sia ',
International Journal of Electronic Finance, vol: L (1), p 49-67
Chen, Kim e Rui (2005) Chen G.M., Kim K.A. e Rui OM, "Uma nota sobre o desempenho do limite pricc: O
caso de aes sem liquidez", Pacific Basin-Journal Finanas, vol: 13 (1), p 81-92,
doi: 10.1016 / j.pacfin.2004.05.002
Chen, Noronha e Singal (2006) Chen H., Noronha, G. e Singal V., 'S & P 500 Index e Alteraes Conscincia
do Investidor, Journal of Investment Management, vol: 4 (2), p 23
Chcnoweth, Obradovic e Lee (1995) Chenoweth T., Z. Obradovic e Lee S., "Tcnicas de negociao
regras como um conhecimento prvio de um sistema de redes neural previso para o ndice S & P 500 ',
Northcon
95. IEEE Technical Conference Applications e Workshops, plula,
doi: 10,1109 / NORTHC. 1995.485023
Cheung, Chinn e Garcia-Pascual (2005) Cheung Y.W., Chinn M. D. e Garcia A. Pascual, 'Troca
emprica modelos de taxa da dcada de noventa: H algum ajuste para sobreviver ", Journal of
International Money and Finance, vol: 24 (7), p 1150-1175, doi: 10.1016 / j.jimonfln.2005.08.002
550
Rcfercnccs
Chi-X (2008) Site, Chi-X (www.chi-x.com)

Chordia, Roll e Subrahmanyam (2000) Chordia T., Roll R. e A. Subrahmanyam, "Mercado Liquidez
e Negociao Atividade ', Journal of Finance, vol: 56 (2), p 501-530, doi: 10,1111 / 0022- 1082,00335
Choudhry (2004) Choudhry M., 'A Base Government Bond', YieldCurve.publishing
(www.yieldcurve.com)
Choudhry (2006) Choudhry M., 'Liquidez do mercado financeiro e do instrumento Repo',
YieldCurve.publishing (www.yieldcurve. Com)
Christie, Harris e Corwin (2002) Christie WG, Corwin SA, Harris JH, 'Nasdaq Negociao Pra: O
impacto dos mecanismos de mercado sobre os preos, negociao atividade e os custos de execuo ", Journal
of Finance, vol: 57 (3), p 1443-1478, doi: 10,1111 / 1540-6.261,00466
Clare e Courtenay (2001) Clare A. e Courtenay R., 'O que podemos aprender sobre poltica monetria
transparncia de dados do mercado financeiro? ", Deutsche Bundesbank, Research Centre Discusso Paper
Series I: Estudos Econmicos
Cliff (1997) Penhasco D., Agentes "Minimal-inteligncia para comportamentos de negociao em ambientes
de mercado ",
Instituio Relatrio Tcnico HPL-97-9I, HP Labs, 1997
CME (2005) Labuszewski J., "Compreender a Cotao Especial de Abertura (SOQ) ', Chicago
Mercantile Exchange (www.cme.com)
CME (2006) "Guia do desenvolvedor para o CME iLink 2.X ', Chicago Mercantile Exchange
(www.cme.com)
CME (2006a) 'CME Eurodollar Futures', Chicago Mercantile Exchange (www.cme.com)
Cohen e Frazzini (2008) Cohen L. e Frazzini A., "os laos econmicos e retornos previsveis",
Journal of Finance, vol: 63 (4), p 1977-2011, doi: 10,1111 / j. 1540-6261.2008.01379.x
Comcrton-Forde e Rydgc (2004) Comerton-Forde C e Rydge J., "Uma reviso de Stock Market
Microestrutura ', Documento de trabalho SIRCA
Conway (1970) Conway J., "jogos matemticos: As combinaes fantsticas do novo jogo de pacincia
de John Conway" vida "', Scientific American outubro de 1970, vol: 223, p 120-123
Copcland e Galai (1983) Copeland T.E. e Galai D., "Informao Efeitos no bid-ask spread ',
Journal of Finance, vol: 38 (5), p 1457-1469
Lipson e Corwin (2000) Corwin S.A. e Lipson M.L., "Ordem de Fluxo e Liquidez em torno de
Negociao NYSE Pra ", Journal of Finance, vol: 55 (4), p 1.771-1.805, doi: 10,1111 / 0022-1082,00267
Cremers e Mei (2007) Cremers K.J.M. e Mei J., "Turning pelo volume de negcios", Revista de
Estudos Financeiros, vol: 20 (6), p 1749-1782, doi: 10.1093 / RFS / hhm038
Crcvicr (1993) Crevier D., "Al: O tumultuoso Pesquisa de Inteligncia Artificial ', publisher Basic
Books, Nova Iorque
Crosthwait (2009) Crosthwait A., Caos bom? Canadian Patrimnio Evoluo do Mercado: O que
Institutional Investors necessitam Para saber ', ITG Inc. (www.itg.com)
Cummings e Frino (2007) Cummings J.R. e Frino A. ', de medio do risco dependente do tempo para
ndice de aes arbitragem ', SIRCA (Centro de Investigao de Valores Mobilirios Indstria da siaPacfico) Limited Cushing e Madhavan (2001) Cushing D. e Madhavan, A., "O Custo Oculto da
Negociao no Fechar', 'Custos de Transao ", Institutional Investor Guia de Investimento, p 12-19
D'Hondt, De Winne e Francois-Heudc (2001) D'Hondt C., De Winne R. e Francois-Heude A., "Ordens
escondidas: Um estudo emprico sobre o Segmento francesa de Euro.NM ", documento de trabalho
D'Hondt, De Winne e Francois-Heude (2004) D'Hondt C., De Winne R. e Francois-Heude A., "Ordens
ocultas na Euronext: Nada como parece ", documento de trabalho
D'Hondt, De Winne e Francois-Heude (2005) D'Hondt C., De Winne R. e Francois-Hcudc A.,
'Esconder ou no esconder? ", documento de trabalho
Daniel (2006) Daniel G., 'simulaes assncronos de um livro ordem de limite ", da Universidade de
Manchester PhD Tese de dezembro 2006
551
Dam'clsson e Payne (2002) Danielsson J. e R. Payne, "determinao de liquidez em uma ordem dirigida
mercado', Papel LSE Trabalho
Darolles e "O volume de negcios e Arbitragem", documento de trabalho Le Fol (2003) Darolles S. e Le
Fol G.
Darwin (1859) C. Darwin, "A Origem das Espcies"
Das (2005) Das S., "Estrutura da Informao e Extrao Sentimento do Investidor usando a Internet ',
Das (2005a) Das S., 'A aprendizagem de formador de mercado no modelo GIosten-Milgrom', Quantitative
Finance,
vol: 5 (2), p 169-180
Das e Chen (2007) Das S.R., Chen M.Y., 'Yahoo! para a Amaznia: Extrao Sentiment de pequeno
Conversa na Web ", Management Science, vol: 53 (9), p 1375-1388, doi: 10,1287 / mnsc. 1070.0704
Das et ah (2001) Das R., Hanson J.E., Kephart, J.O. e G. Tesauro, "interaes do agente humano na duplo
leilo 'contnua, Anais da Conferncia Internacional Conjunta de Inteligncia Artificial, vol: 2, p 11691176
DBG (2008) 'Lder de Mercado da Deutsche Borse Europa em ETF negocia o', Deutsche Borse (deutscheboerse.com), De Abril de 2008
DBG / Clcarstrcam (2002) 'Cross-Border Patrimnio Trading, Clearing E liquidao na Europa ",
Deutsche Borse Grupo e Clearstream International, abril de 2002
Dc La Vega (1688) J. de la Vega, "Confuso de Confusiones '
De Winne e D'Hondt (2005) De Winne e R. D'Hondt C., 'Oculto Liquidez em uma ordem-Pure
Impulsionada pelo mercado ", Finanas Letras, no prelo
Degrysc et ah (2005) Degryse H., de Jong F " van Ravenswaaij M. e G. Wuyts, 'Pedidos agressivas ea
resilincia de um mercado Limit Order ', reviso das Finanas, vol: 9 (2), p 201-242,
doi: 10,1007 / s 10679-005-7590-6
Demsetz (1968) Demsetz H "'O custo de transacionar', Quarterly Journal of Economics, vol: 82 (1), p 33-53
Derveeuw et al. (2007) J. Derveeuw, Beaufils B., Mathieu, P. e Brandouy, O., "Testing duplo leilo como
um componente dentro de uma arquitetura modelo genrico de mercado ', notas de aula em Economia e
Matemtica de Sistemas
D'Hondt (2008) D'Hondt C., 'Qual Melhoria de Execuo de Ordens na Euronext?', Banque &
Marches, vol: 95, p 15-26
Direct Edge (2009) 'Volume mensal Direct Edge para Dezembro de 2008 , Comunicado de imprensa
Dmitrieva, Kuperin e Soroka (2002) Dmitrieva L., Kuperin Y. e Soroka I., "Previso de rede neural de
Curto Prazo Dynamics de futuros sobre Deutsche Mark, Libor e S & P500 ', Lecture Notes in Computer Science,
vol: 2331/2008), p 1201 -1208, doi : 10,1007 / 3-540-47789-6
Domowitz e Krowas (2004) Domowitz EU. e Krowas, J., "Onde Controle de Riscos Cumpre Controle de
Custos em Desenvolvimento Analytics ", Journal of Investing, vol: 13, p 82-87
Domowitz e Yegerman (2005a) Domowitz EU. e Yegerman H., "Medio e Interpretao da atuao
Algoritmos de Broker ',' Algorithmic Trading, Um Manual Buy-Side ', primeira edio (2005), editor do
comrcio (www.thetradenews.com)
Domowitz, Finkelshteyn e Yegerman (2008) Domowitz EU., Finkelshteyn EU. e Yegerman H., "Cul
dc Sacs e Rodovias uma excurso Optical of Dark Piscina Comrcio de Desempenho ', ITG Inc. (www.itg.com),
Agosto 2008
Donaldson e Kamstra (1997) Donaldson R.G. e Kamstra M., "Um modelo da rede neural artificial para
GARCH internacional volatilidade dos retornos", Journal of Empirical Finance, vol: 4 (1), p 17- 46, doi:
10.1016 / S0927-5398 (96) 00011-4
Drachman (2005) Drachman D.A., 'Ser que temos crebro de sobra? ", Neurology, vol: 64, p 20042005 Draper e Paudyal (2002) Draper P. e Paudyal K., "Explicando segunda-feira retorna", Journal of
Pesquisa Financeira, vol 25 (4), p 507-520, doi: 10,1111 / 1475-6.803,00034
552
Rcfcrcnccs
DTRcg (2008) Site, DTREG (www.dtreg.com)

DuCharme (2007) DuCharmc M., "Primeiros Passos no mercado de cmbio Anlise dos Custos de
Transao",
Jornal de Medio de Desempenho, vol: 1} (3), p] 9
Dunis e Huang (2002) Dunis C.L. e Huang X., 'Previso e volatilidade da moeda de negociao: uma
aplicao de regresso neural recorrente e combinao de modelo ", Journal of Forecasting, vol: 21 (5), p 317354, doi: Reino Unido 10.) 002 / for.833 EUA: http://dx.doi.org/10.1002/for.833
Dunis e Morrison (2004) Dunis C.L. e V. Morrison, 'The Economic Value of Time Avanada Mtodos de
srie para Modelling e Negociao de 10 anos Government Bonds ", European Journal of Finance, vol: 13 (4),
p 333-352, doi: 10,1080 / 13518470600880010
Dunis e Williams (2003) Dunis C.L. e M. Williams, 'Aplicaes de Regresso Avanada Anlise de
Negociao e de Investimento, 'Mtodos Quantitativos Aplicados para negociao e investimento , eds
Dunis C., J. Leis, Nairn P., editora John Wiley & Sons Ltd., doi: 10.1002 / 0470013265.chl
Dunne, Moore e Portes (2006) Dunne P., Moore e M. Portes R., 'Government Bond Europeia Mercados:
transparncia, liquidez, eficincia ', Centre for Economic Policy Research, Maio de 2006
Eales (2007) Eales B., "The Case for Contratos de Futuros de crdito baseado no Exchange", Eurexpublication,
Maio de 2007
Easley e O'Hara (1987) Easley D. e M. O'Hara, 'Preo, Trade Size, e Informao de Valores Mobilirios
Mercados ', Journal of Financial Economics, vol: 19 (1), p 69-90
BCE (2009) 'Euro Dinheiro Estudo de Mercado de 2008 , Banco Central Europeu. Publicaes do
BCE esto disponveis gratuitamente em http://www.ecb.int
Economopoulos (2005) Economopoulos AJ: "O Impacto da Receipts S & P Depository no S & P
Dinheiro & Futuros do Mercado ', Gesto de Investimentos e Inovaes Financeiras, vol: 2 (2), p 72-82
EDHEC (2006) Amenc N., Giraud J.R., Le Sourd V., Goltz F., Martcllini L. e Ma X., 'EDHEC
Pesquisa ETF Europeu de 2006 , EDHEC (www.edhec-risk.com)
EDHEC (2007) Giraud J.R. e D'Hondt C., 'Anlise dos Custos de Transao na Europa: Corrente e Melhor
Prticas de Inqurito Europeu , EDHEC (www.edhec-risk.com), Jan 2007
Edwards, Harris e Piwowar (2007) Edwards A.K., Harris L.E. e Piwowar M.S., 'Corporativo Custos de
Transao mercado de ttulos e Transparncia ", Journal of Finance, vol: 62 (3), p 1421-1451 Ehrmann e
FRATZSCHER (2004) Ehrmann M. e FRATZSCHER M., "Taking Stock: Poltica Monetria
Transmisso para Markets Equity ", Journal of dinheiro, crdito e servios bancrios, vol: 36 (4)
Elkins McSherry (2008) 'Boletim de Notcias', Elkins McSherry LLC (www.elkinsmcsherry.com),
2008
Maio
Elkins McShcrry (2008a) 'Boletim de Notcias', Elkins McSherry LLC, Agosto 2008
EIluI et al. (2003) EIlul A., Holden CW, P. Jain e Jennings R "'Determinantes da Ordem sobre Choicc a , O
documento de trabalho New York Stock Exchange '
Engle (1982) Engle RF, 'Autoregressive condicional Heteroscedasticidade com estimativas do
Variao do Reino Unido Inflao ", Econometrica, vol: 50 (4), p 987-1007
EPDA (2007) 'EPDA Terceira Partido Discussion Paper Access ', Associao Europeia de dealers primrios
Equilcnd (2008) Site, Equilend (www.equilend.com)
Esser e Monch (2007) Esscr A. e B. Monch, 'A navegao de um iceberg: A utilizao ptima dos ordens
ocultas ', Finanas Research Letters, vol: 4 (2), p 68-81, doi: 10.I016 / j.frl.2006.12.003 Euromoney
(2006a) 'As dores do crescimento de divisas ", Euromoney (www.euromoney.com), Maro 2006
Euromoney (2008) '2008 Euromoney FX Poll', Euromoney (www.euromoney.com),
De Abril
de 2008 Euromoney (2008a) 'Crunch acorda para US CDS e-trading', Euromoney
(www.euromoney.com), Fev 2008
Evans e Lyons (2002) Evans M. D. Lyons e RK, "Ordem de Fluxo e Taxa de Cmbio Dynamics ',
Journal of Political Economy, vol: 10 l (1), doi: 10,1086 / 324391
553
Evans e Lyons (2005) Evans M. D. Lyons e RK, "Meese-Rogoff redux: Micro-based de troca previso de
taxa ', American Economic Review, vol: 95 (2), p 405-414, doi: 10,1257 / 000282805774669934
Exponcntial-c (2009) Website, Exponencial-e (www.finanee.exponential-e.com)
Fabozzi e Fleming (2004) Fabozzi F. e M. Fleming, "Tesouro dos EUA e Agncia de Valores Mobilirios",
'The Handbook of Fixed Income Securities', 6 edio, editora McG matria-Hill, New York, NY
Fama e French (1993) Fama E. e francs K., "fatores de risco comuns nos retornos de aes e ligaes.',
Journal of Financial Economics, vol: 33, p 3-56
Agricultor et ai. (2004) Fazendeiro J.D., Gillemot L., Lillo F., Mike S. e A. Sen, 'O que realmente faz com
que grande alteraes de preo? ', Quantitative Finance, vol: 4 (4), p 383-397, doi: 10,1080 /
14697680400008627 Fascruk e Iilynski (2006) Fascruk A. e L. Blynski, "comparao da eficcia da Opo
Preo Forecasting: Black-Scholes vs. Redes Neurais simples e hbridos , Journal of Financial
Gesto e Anlise, vol: 19 (2)
Federal Reserve (2009) 'Financiamento pelo governo dos Estados Unidos Securities Primary
Dealers ", SIFMA Feng, Yu, e Stone (2003) Feng Y., Yu R. e P. Pedra, 'Dois agentes da-Negociao:
Mercado Fazendo e Anlise Tcnica ', Lecture Notes in Computer Science Agent-Mediated eletrnico
Comrcio, vol: 3048/2004, p 18-36, doi: 10,1007 / b99040
Fernandez-Rodriguez, Gonzalez-Martcl, Sosvilla-Rivero (2000) Fernandez Rodriguez- F., GonzdlczMartcl C. e Sosvilla-Rivero S., 'On a rentabilidade das regras de negociao com base em tcnicas redes
neurais artificiais: Evidncias do Madrid mercado de aes ", Economics Letters, vol: 69 (1), p 89-94, doi:
10.1016 / S0165-1765 (00) 00270-6
FIA (2006) Burghardt G., "Pesquisa Anual Volume - 9,899,780,283 contratos negociados ", Futures
Industry Revista (www.futuresindustry.org),
Maro / abril 2006
FIA (2008) Burghardt G., 'Volume Cresce Novamente: Global Futures e Opes Trading Rises 28% em
2007 , Futures Industry Revista (www.futuresindustry.org),
Maro / abril 2008
FIA (2009) Burghardt G. e Acworth W., "2008: Uma Volume passeio selvagem globais de Futuros e
Opes Sobe 13,7%, Mas Damages crise de crdito de liquidez nos mercados core ', Futures Industry
Revista (www.Juturesindustry.org), Maro / abril 2009
FIF (2009) Site, Informaes Financeiras Forum (www.fif.com)
FIX (2007) 'FIX Algorithmic Trading Definition Language', FPL conferncia de imprensa 25 de julho de
2007 FIX (2008) 'Definio de negociao algortmica Idioma: Introduo e Tutorial', FIX Protocol Ltd.
(FPL) (www.fixprotocol.org)
FIX (2008a) 'Financial Information Exchange Protocol (FIX) Verso 5.0 Service Pack 1Vol 1 ", FIX
Protocol Ltd. (FPL) (www.fixprotocol.org)
FIX (2008H) 'Financial Information Exchange Protocol (FIX) Verso 5.0 Service Pack 1Vol 7 ', FIX
Protocol Ltd. (FPL) (www.fixprotocol.org)
Fleming e Mizrach (2008) Fleming M.J. e Mizrach B., "a microestrutura de um Tesouro dos EUA
REC: A Plataforma BrokerTec ', Documento de trabalho
Fleming e Piazzesi (2005) Fleming M. e Piazzesi M., o documento de trabalho "Poltica Monetria Tick-byTick '
Fleming e Rcmolona (1997) Fleming MJ e Remolona E., "O que move o mercado de ttulos? ',
Federal Reserve Bank of New York Poltica Economic Review, vol: 3 (4)
Fleming e Rcmolona (1997a) Fleming M.J. e Remolona E., "formao de preo e liquidez no
US Tesouro Mercado: Evidncias de padres intraday em torno de anncios ', Fed de Nova York (
www. newyorkfed. org)
Fleming e Remolona (1998) Fleming M.J. e Remolona E., "Formao de Preo e de liquidez no
EUA Tesouro Mercado: A Resposta Informao Pblica ", Journal of Finance, vol: 54 (5), p 19011915, doi: 10,1111 / 0022-1082,00172
554
Rcfcrcnces
Fleming e Remolona (1999) Fleming M.J. e Remolona B., "A Estrutura a Termo de Anncio Efeitos ', EFA
2001 Barcelona reunies; Working Paper No. 71 BIS; FRB de Nova Iorque No. 76.
Fleming, Kirby e Ostdiek (1998) Fleming J., Kirby C. e B. Ostdick, 'Informaes e volatilidade
ligaes nas aes, ttulos e mercados monetrios ", Journal of Financial Economics, vol: 49 (1), p 111- 137,
doi: 10.1016 / S0304-405X (98) 00019-1
Fleming, Ostdick e Whaley (1996) Fleming J., Ostdiek B. e Whaley RE, 'Custos Operacionais e as
taxas relativas Preo de Descoberta em aes, futuros e mercados de opes ", Journal of Mercados Futuros,
vol: 16 (4), p 353-387
Foucault (1999) Foucault T., "Ordem de composio de fluxo e de negociao custos em adynamic
ordem de limite mercado', Journal of Financial Markets, vol: 2 (2), p 99-134, doi: 10.1016 / S1386-4181 (98)
00012-3 Fraser (2007) Frascr E., 'Opes in the Dark ", Waters revista (www.watersonline.com), De
Novembro de 2007
FSA (2005) transparncia Negociao nos mercados de ttulos secundria do Reino Unido ", Financial
Services Authority FT (2007)" Surge no volume de fundos negociados em bolsa ", Financial Times website
(FT.com), 31 de Maio 2007
FT Mandato (2006) "Obtendo sia adotar negociao algortmica ", Financial Times Mandato
(www.ftmandate.com), De Junho de de 2006
FX JSC (2007) inqurito trienal BIS de cmbio e ovcr-THC-countcr mercados de derivados em Abril 2007
- Dados Reino Unido - resultados de sntese , www.bankofengland.co.uk/markets/forex/fxjsc
FX JSC (2008) "Resultados do Inqurito Anual SCMI-FX Volume de negcios em outubro de 2008",
www. bankofengland. co. uk / mercados / forex / fxjsc
Gagnon e Karolyi (2003) Gagnon EU. Karolyi e GA, "Multi-Mercado de Negociao e Arhitragc ',
Dice Centro No. 2004-9
Gajcwski (1999) Gajewski JF, "Earnings comunicados, assimetria de informaes, Feiras e Cotaes
', Gesto Financeira Europeia, vol: 5 (3), p 411-424, DOI: 10,1111 / I468-036X.00102 Galper (2006)
Galper J., "Contra o Duopoly: A Nova Economia para US Regional da Intercmbios e ECNs
patrimnio, Journal of Trading, Primavera de 2006
Gande e Salsa (2005) Gande A. e salsa DC, "spillovers Notcias da dvida soberana mercado', Journal of
Financial Economics, vol: 75 (3), p 691-734, doi: 10.1016 / j.jfineco.2003.11.003
GAO (2005) "Securities Markets: preos Decimal tem contribudo para a reduo dos custos de
negociao e um mais ambiente de negociao de desafios , Estados Unidos Governo Accountability
Office relatrio aos solicitantes do Congresso, Maio de 2005
Garman (1976) Garman M., 'Mercado Microstmcturc', Journal of Financial Economics, vol: 3 (3), p25775
Gastineau (2003) Gastineau G.L., 'Est vender ETFs Curtas um Financeiro "esporte extremo?", "A venda
a descoberto: estratgias, riscos e recompensas", Fabozzi F., publicado 2004 por John Wiley & Sons, Inc., NJ
Gavrishchaka e Bancrjcc (2006) Gavrishchaka V. e Bancijce S., "Support Vector Machine como um Quadro
eficiente para Stock Market volatilidade Forecasting ', Gesto de Cincia Computacional, vol: 3 (2), p 147160, doi: 10,1007 / s 10287-005-0005-5
Gjerstad e Dickhaut (1998) Gjerstad S. e Dickhaut J., "Formao de Preo em Duplo Leiles ',
Jogos e Comportamento Econmico, vol: 22 (l), p 29/01, doi: 10,1006 / jogo. 1997.0576
Gode e Sunder (1993) Gode D.K. e Sunder S., "alocativa Efficicncy de Mercados com zero Intclligence
Traders: Mercado como substituto parcial para Pessoa racionalidade", Journal of Political Economy, vol: 101
(I), doi: 10,1086 / 261.868
Goldberg e Leonard (2003) Goldberg e Leonard L. D., "O que move Sovereign Markets Bond? Os
efeitos do noticirio econmico no EUA e os rendimentos alemes ', Federal Reserve Bank of New York
Questes atuais em Economia e Finanas, vol: 9 (9)
555
Goldrcich, Hankc e Nath (2005) Goldreich D., Hanke B. e Nath P., "O Preo do Futuro Liquidez:
Liquidez Variando-Time no Tesouro mercado dos EUA , reviso das Finanas, vol: 9 (1), p 1-32, Doi:
10,1007 / SL 0679-005-2986-X
Goldstein, e Sirri Hotchkiss (2007) Goldstein M. A., Hotchkiss E.S. e Sirri E.R., Transparncia e
Liquidez: um experimento controlado de obrigaes de empresas ", Revista de Estudos Financeiros, vol: 20 (2), p
235-273, doi: 10.1093 / RFS / hhl020.
Gomber, Budimir e Schweickert (2006) Gomber P., M. e Budimir Schweickcrt U., "Volume Discovery:
Aproveitando Liquidez Na profundidade de um mercado Impulsionada Ordem ", mercados eletrnicos, vol: 16
(2), p 101-111, doi: 10,1080 / 10196780600643688
Gomber, Schweickert e Thcissen (2004) Gomber P., Schweickert VC. Theissen e E., "zoom em liquidez ',
EFA 2004 Maastricht Reunies No. Livro 1805
Gonzalez Miranda e Burgess (1997) Gonzalez Miranda F. e Burgess N., 'a volatilidade do mercado
de Modelagem: A Rede Neural Perspectiva', European Journal of Finance, vol: 3 (2), p 137-157, doi:
10,1080 / 135184797337499
Gordon (1962) Gordon M. J., "O investimento, financiamento, e valorizao da corporao ", publisher
RDIrwin, Homewood, III.
Gottschalk (2003) Gottschalk N., 'Portfolio Theory Covariance ea Carteira Optimal', Tese de
Mestrado em "Matemtica Financeira", Oxford (2003)
Graham, Koski e Loewcnstcin (2003) Graham J.R., Koski J.L. e Loewenstein U., 'Informaes Fluxo e
Liquidez em torno antecipada e imprevistos anncios de dividendos ", Journal of Business, vol: 79 (5), doi:
10,1086 / 505.236
Grammig, Hcinen e Rcngifo (2004) Grammig J., Heinen A. Rengifo e E., "actividade de trading e de
fornecimento de liquidez em um mercado de livros ordem de limite pura", EFA 2005 Moscou Reunies de papel
Greenwich Associates (2007) 'EUA Equities Balancing Act: Trades mais barato Versus Sell-Side
Servio ', Greenwich Associates (www.greenwich.com)
Greenwich Associates (2007a) 'Sistemas eletrnicos de negociao Capture One Metade da Global FX
Volume',
Greenwich Associates (www.greenwich.com)
Greenwich Associates (2008) '2008 Japanese Equity Investors Estudo', Greenwich Associates
(www.greenwich.com)
Greenwich Associates (2009) 'Investidores asiticos - Asian Equities para 2008 ', Greenwich
Associates (www. g reen wich. com)
Griffiths et al. (2000) Griffiths MD, Smith BF, Turnbull DAS e branco RW, os custos e a Determinantes
Agressividade da Ordem ", Journal of Financial Economics, vol: 56, p 65-88
Hall e Hautsch (2006) Salo A. e N. Hautsch, "Ordem agressividade e dinmica do volume de encomendas",
Jornal Empirical Economics, vol: 30 (4), p 973-1005, doi: 10,1007 / s00181-005-0008-7
Hamid e Iqbal (2004) Hamid SA e Iqbal Z., 'O uso de redes neurais para previso de volatilidade S & P 500
futuros sobre ndices de preos ', Journal of Business Research, vol: 57 (10), p 1116-1125,
doi: 10.1016 / S0148-2963 (03) 00043-2
Handa e Schwartz (1996) Handa P. e R. Schwartz, "Limite de ordem comercial", Journal of Finance,
vol: 51 (5), p 1835-1861
Handa, Schwartz e Tiwari (2003) Handa P., R. Schwartz e Tiwari A., 'Citar Ambiente e Preo Formao em
um Pedido orientada para o mercado ", Journal of Financial Markets, vol: 6 (4), p 461-489,
doi: 10.1016 / S1386-4181 (02) 00.041 -1
Harju e Hussain (2006) Harju K. e M. Hussain, 'Intraday sazonalidades e Macroeconmico anncios
de notcias '. Documento de trabalho
Harju e Hussain (2006a) Haiju K. e M. Hussain, 'Vnculos intradia em todo International Equity Mercados
2006 ', Documento de trabalho
Harris (1991) Harris L., "agrupamento da preo e discrio", Revista de Estudos Financeiros, vol: 4, p 389-415
556
Refcrcnces
Harris (1996) Harris L., 'Ser que uma grande variao de preos mnimos incentivar exposio ordem ",
documento de trabalho
Harris (1999) Harris L., Negociao e Trocas: microestrutura de mercado para Practitioners ', editora Oxford
University Press, EUA
Hasbrouck (1991) Hasbrouck J., "Medindo o contedo de informao de Stock Trades ', Journal of
Finanas, vol: 46 (1), p 179-207
Hasbrouck e Saar (2002) Hasbrouck J. e G. Saar, "Limite de ordens e volatilidade em um mercado hbrido:
The Island ECN ', Stern School of Business Dept. of Finance Working Paper FIN-01-025 Hellstrom e
Simonscn (2006) e Simonsen Hellstrom J. O. "No o Aberto Limit Order Livro revelar informaes sobre a
curto prazo da Preo Movimentos? ', Estudos Econmicos Umea
Hobson (2006) Hobson D., "VWAP e Volume Profiles", Journal of Trading, da Primavera de 2006
Holland (1975) Holland J.H., 'Adaptao em Sistemas Naturais e Artificiais: Uma Anlise Introdutria com
Aplicaes Biologia, Controlo e Sistemas Artificial ", editora University Press of Michigan Hollifield, Miller
e Sandas (2004) Hollifield B., Miller RA e Sandas P., "Anlise de Emprica Limit Order mercados , Reviso
de Estudos Econmicos, vol: 71 (4), p 1027-1063, doi: 10,1111 / 0034- 6527,00313
Holmes e Rougier (2005) Holmes P. e J. Rougier, 'Volume de Negociao e rollover contrato em contratos de
futuros ', Journal of Empirical Finance, vol: 12, p 317-338, doi: 10.1016 / j.jemplln.2004.01.003 Holowczak, e
Simaan Wu (2006) Holowczak R., Simaan Y.E. e Wu L., "descoberta de preos no
EUA de aes e opes de aes mercados: Uma abordagem de carteira ", Journal reviso dos Derivados de
Pesquisa,
vol: 9 (1), p 37-65, doi: 10,1007 / sl 1147-006-9004-0
Hong e Wang (2000) Hong H. e Wang J., "Negociao e Devolues sob peridica Mercado Closures",
Journal of Finance, vol: 55 (1), p 297-354, DOI: 10,1111 / 0022-1082,00207
Hong e Yu (2006) Hong H. e Yu J., 'Fishin Gone': Sazonalidade em Negociao Atividade e Patrimonial
Priccs ', Documento de trabalho
Hong, Torous e Valkanov (2007) Hong H., Torous W. e Valkanov R., 'Faa indstrias levar estoque
mercados? ' Journal of Financial Economics, vol: 83 (2), p 367-396, doi: 10.1016 / j.jfineco.2005.09.010 Hou
(2002) Hou K., "Indstria da Informao e Difuso da I> Efeito ead-lag em estoque Returns", Revista de Estudos
Financeiros, vol: 20, p 1113-1138, doi: 10.1093 / revfin / hhm003.
Howarth (2004) Howarth M., 'Best execuo em vrios pools de liquidez via FIX ", FIX global
(www.fixglobal.com), Vol 1 Issue 1 Q1 2004
Hsieh, Yang e Wu (2006) Yang D.L., Hsieh Y.L. e Wu J., "Utilizando Minerao de Dados para o
Estudo Rio acima e Downstream Relao Causal em Mercado Slock ', Advances in Proceedings Systems
Research JCIS-2006 inteligentes, doi: 10,2991 /jcis.2006.191
Huang, Nakamori e Wang (2004) Huang W., Nakamori Y. Wang e SY, 'estoque Forecasting direo
movimento do mercado com o apoio da mquina vector ", Aplicaes Computadores e Operaes de Pesquisa
de Redes Neurais, vol: 32 (10), p 2513-2522, doi: 10.1016 / j.cor.2004.03.016
lluberman e Regev (2001) Huberman G. e Regev T., "A especulao contagioso e uma cura para a
Cancro: A nonevent que feita Stock preos sobem ", Journal of Finance, vol: 56 (1), p 387-396, doi: 10,1111 /
0022-1082,00330
Hull (2003) J. casco, 'opes, futuros, e outros derivados ", 5 edn, editora Prentice Hall, New Jersey, EUA
Hutcheson (2003) Hutcheson T., "Lead-lag Relacionamento Em moeda Markets ", documento de trabalho
SIRCA
ICAP (2007) "Resultados Preliminares Apresentao, ICAP (www.icap.com),
Maio de 2007
ICAP (2009) dados de volume mensal, ICAP (www.icap.com)

IHT (2006) Ujikane K. e Morita 1. 'engate computador desliga Japo transaes com ttulos ", International
Herald Tribune, 30 de junho de 2006
II (2006) Paulden P., "Mantenha a mudana", Institutional Investor Magazine, De Dezembro de de 2006
557
I1AC (2008) 'An Emisso de dvida: Dvida de Mercados de Investimento Industry Association of
Canada Dentro do Canad, Q1 2008
Inoue (1999) Inoue H., "os fatos estilizados de Processos Preo Descoberta no governo Mercados de
Valores Mobilirios: estudo comparativo", editor do BIS Comit de Publicaes
Instinct (2005) "Sistema de negociao algortmica: Uma viso geral ", Instinet (fonte: www.northinfo.com)
Instinct (2006) 'Instinet Algoritmos: Assistente', Instinet (www.instinet.com)
Instinct (2006a) 'Instinet Algoritmos: Assistente PRO', Instinet (www.instinet.com)
Instinct (2007) Misra H., "Consolidao de Dados de Mercado Europeu em uma paisagem fragmentada ",
Instinet (www. Instinet. com)
Internacional Swaps and Derivatives Association (2009) "Comunicado de imprensa: ISDA Publica de
Final de Ano 2008 Resultados da pesquisa de mercado , www.isda.org
ITG (2003) '1TG Connect', 1TG Inc. (www.itg.com),
Primavera de 2003
ITG (2008) 'ITG Global Trading Custo Review', ITG Inc. (www.itg.com),
Fev 2008
ITG (2009) 'ITG Global Trading Custo Review', ITG Inc. (www.itg.com),
Maio de 2009
Jain (2005) Jain PK, 'Design do Mercado Financeiro e Patrimnio premium: Eletrnico contra Pavimento
Negociao ', Journal of Finance, vol: 60 (6), p 2955-2985, DOI: 10,1111 / J. 1540-6261.2005.00822.x
Jares e Lavin (2002) Jares T.E. e Fundos Lavin AM ', Japo e Hong Kong negociados em bolsa (ETFs):
descontos, devolues, e Estratgias de Negociao ", Journal of Financial Services Research, vol: 25 (1), p
57-69, doi: 10,1023 / B: FlNA.0000008665.55707.ab
Johnson (2008) Johnson S., "The Trouble with QSAR (ou como eu aprendi parar de se preocupar e
Embracc Falcia) ', Journal of Chemical Informao e Modelagem, vol: 48 (1), p 25-26, doi: 10,1021
/ ci700332k
Kaastra e Boyd (1995) Kaastra 1. MS e Boyd, "Futuros de Previso Volume de Negociao Usando
Redes neurais', Jornal de Mercados Futuros, vol: 15 (8), p 953-970, doi: 10.1002 / fut.3990150806
Kallberg e Pasquaricllo (2008) Kallberg J. e P. Pasquariello, 'Time-scries e transversal excesso
comovimento em ndices de aes ", Journal of Empirical Finance, vol: 15 (3), p 481-502
Kallberg, Liu e Pasquaricllo (2005) Kallberg J., Liu C.H. e Pasquariello P., "Uma Anlise das A crise
asitica: Regime Desloca em Moeda e Mercados de Aes ", Journal of Business, vol: 78 (1), doi: 10,1086 /
426.523
Kamijo e Tanigawa (1990) Kamijo K. e T. Tanigawa, 'da preo padro de reconhecimento deum abordagem de rede neural recorrente , Redes Neurais, 1990., 1990IJCNN Conferncia
Internacional Conjunta de, vol: 1, p 215-221, DOI: 10,1109 / IJCNN. 1990.137572
Kamruzzaman e Sarker (2003) Kamruzzaman J. e Sarker RA, 'Previso de cmbio taxas utilizando
ANN: um estudo de caso ', Redes Neurais e processamento de sinais, 2003. Anais da Conferncia Internacional
de 2003 sobre, p 793-797, doi: 10,1109 / ICNNSP.2003.1279395 Kamruzzaman, Begg e Sarker (2006)
Kamruzzaman J., Begg R.K. e Sarker R.A., 'Artificial Redes Neurais em Finanas e Manufatura editora Idea
Group Publishing Hershey, PA, EUA Kang, e Lee Lee (2004) J. Kang, Lee S. e Lee C., "uma investigao
emprica do Lead-Lag Relaes de Devolues e volatilidades entre os KOSP1200 spot, futuros e opes e
Mercados suas explicaes , Journal of Emerging Market Finanas, vol: 5 (3), p 235-261,
doi: 10,1177 / 097265270600500303
Kavajccz (1999) Kavajecz KA, 'Citado Profundidade de um especialista ea Limit Order Book ", Journal
of Finanas, vol: 54 (2), p 747-771, doi: 10,1111 / 0022-1082,00124
Kawaller, Koch e Peterson (2001) Kawaller I.G., Koch P.D. e Peterson J.E., 'Volume e Volatilidade
Circundante Redesignao Quarterly do chumbo S & P 500 Futures Contract ", Jornal de Mercados
Futuros, vol: 21 (12), p 1.119-1.149
Kazakov (2003) Kazakov V., 'trading VWAP Optimal em o ASX ', Tese de Doutoramento
558
Referncias
Kearns e Ortiz (2003) Kearns M. e L. Ortiz, 'The Pcnn-Lehman automatizado projeto de negociao ,
Intelligent Systems, IEEE, vol: 18 (6), p 22-31, doi: 10,1109 / MIS.2003.1249166
Kempf e Mayston (2008) Kempf A. e Mayston D., 'comunalidade de liquidez para alm melhores preos ",
Journal of Financial Research, vol: 31 (1), p 25-40, doi: 10,1111 / j. 1475-6803.2008.00230.x
Kim (1998) Kim S., "rede neural recorrente Time-delay para correlaes temporais e previso",
Neurocomputao, vol: 20 (1-3), p 253-263, doi: 10.1016 / S0925-2312 (98) 00018-6
Kim e Chun (1998) Kim S.H. e Chun SH, 'Graded previso usando uma matriz de bipolar previses:
application de redes neurais probabilsticas a um ndice de mercado de aes ", International Journal of
Forecasting, vol: 14 (3), p 323-337, doi: 10.1016 / S0169-2070 (98) 00003-X
Kim e Rhec (1997) Kim K.A. e Rhee SG, "preo limite Performance: Evidncias da Tokyo Bolsa de Valores',
Kim, Yagiie e Yang (2008) Kim Y., J. Yagiic e Yang JJ, 'O desempenho relativo de paradas de negociao e
limites de preo: evidncias do espanhol Bolsa de Valores ", Revista Internacional de Economia e Finanas, vol:
17 (2), p 197-215, doi: 10.1016 / j.iref.2007.06.003
Rei e Yaroshevsky (2005) Rei J. e Yaroshevsky Y., 'O Ticker ", Abel / Noser (www.abelnoser.com),
Queda
2005
Kissell (2006) Kissell R., "o dficit Implementao Expandida: Entendendo Custos de Transao Componentes ',
Journal of Trading, Vero 2006
Kissell e Glantz (2003) Kissell R., M. Glantz e Malamut R., 'Estratgias de Negociao ideal: abordagens
quantitativas para o gerenciamento de impacto no mercado e de negociao de risco \ editora American
Management Association
Kissell e Malamut (2005) Kissell R. e Malamut R "'Compreendendo o Profit and Loss Distribuio de
Comrcio de Algoritmos", "Guia de Algorithmic Trading", publisher Institutional Investor Inc., Primavera de
2005
Kissell e Malamut (2005b) Kissell R. e Malamut R., 'Tomada de Deciso Algorithmic Estrutura',
Journal of Trading, Inverno 2006
Kissell, Freyre-Sanders e Carrie (2005) Kissell R., Freyre-Sanders e Carrie A. C., O futuro de
negociao algortmica "," Algorithmic Trading, Um Manual Buy-Side ', primeira edio (2005), editor do
comrcio (www.thetradenews.com)
Kissell, Glantz e Malamut (2004) Kissell R., M. Glantz Malamut e R, 'Um quadro prtico para estimar os
custos de transao e desenvolver estratgias de negociao ideais para conseguir a melhor execuo ",
Finanas Research Letters, vol: I (1), p 35-46, doi: 10.1016 / S1544-6123 (03) 00004-7
Kiymaz e Berument (2003) Kiymaz H. e Berument H., 'O dia da semana efeito no estoque a
volatilidade do mercado e Volume: Evidncia Internacional ", Revista de Economia Financeira, vol: 12 (4), p
363-380, doi: 10.1016 / S 1058-3300 (03) 00038-7
Kloptchenko et ai. (2004) Kloptchenko A., T. Eklund, Voltar B., J. Karlsson, Vanharanta H. e Visa A.,
"Combinando tcnicas de minerao de dados e texto de anlise de relatrios financeiros ', Revista Internacional
de Sistemas Inteligentes em Contabilidade, Finanas e Gesto, vol: (1) 12, p 29-44, doi: 10.10027isar.239
Cavaleiro (2007) Cavaleiro R., 'ETFs de renda fixa no mercado para ficar', o site do Financial Times (ft.com),
04 de junho de 2007
Kolb e Ovcrdahl (2006) Kolb RW e Overdahl, JA, "Entendendo Futuros Mercados",
editora Blackwell Publishing
Koza (1992) Koza J.R., 'Programao Gentica: Na programao de computadores por Meios de
Seleo natural', publisher MIT Press
Krinsky e Lee (1996) Krinsky I. e J. Lee, resultados comunicados e os componentes do Bid-ask spread \
Krishnamurthy (2002) Krishnamurthy A., "O diferencial das obrigaes / old-bond ', Journal of
Financial Economics, vol: 66 (2-3), p 463-506, doi: 10.1016 / S0304-405X (02) 00207-6
559
Kulkarni (1996) Kulkarni A., Aplicao de Redes Neurais para Predio Stock Market ', Relatrio Kyle
(1985) Kyle AS," Leiles contnua e insider trading', Econometrica, Voi: 53 (6), p 1315- 1335
Kyle e Xiong (2001) Kyle A.S. e Xiong W., "Contagion como um efeito riqueza", Journal of Finance,
vol: 56 (4), p 1401-1440, doi: 10,1111 / 0022-1082,00373
Lakhal (2008) Lakhal F., "liquidez do mercado de aes e assimetria de informao em torno de anncios de
lucros de carcter voluntrio: Novas evidncias a partir de Frana", International Journal of Managerial
Finance, vol: 4 (1), p 60-75, doi: 10,1108 / 17439130810837384
Larison (2008) Larison S., "Anlise dos Custos de Transao e Discovery Liquidez com opes de aes ',
Journal of Trading, Inverno 2008
LeBaron (2000) LeBaron B. ', baseados em agentes finan as computacionais: leituras sugeridas e
no incio pesquisa', Journal of Economic Dynamics e Controle, vol: 24 (5 -7), p 679-702, DOI: 10.1016 /
S0165- 1889 (99) 00.022-6
LeBaron (2001) LeBaron B., "Um guia do construtor baseados em agentes dos mercados financeiros,
Quantitative Finance, vol: I (2), p 254-261
LeBaron (2001a) LeBaron B., "regularidades empricas de interagir memria de longo e curto investidores
num mercado financeiro com base em agente ", IEEE Transactions on Computao Evolucionria, vol: 5, p 442455
LeBaron e Weigcnd (1994) IxBaron B. e Weigend AS, "Avaliando preditores de rede neural por
bootstrapping ", Proceedings da Conferncia Internacional sobre Neural Information Processing (ICONIP'94), p
1207-1212
Lcc (2006) Lee WC, 'Previso de alta volatilidade frcquency dados financeiros via no paramtrico
algoritmos: evidncias dos mercados financeiros de Taiwan ', Nova Matemtica e Computao
Natural (NMNC), vol: 2 (3), p 345-359, doi: 10,1142 / S1793005706000543
Lee e Kadhakrishna (2000) Lee C.M.C. e Radhakrishna B., "Deduzir o comportamento do investidor:
Evidncias de dados BIN", Journal of Financial Markets, vol: (2) 3, p 83-111, doi: 10.1016 / S1386- 4181
(00) 00002-1
Lee e Ready (1991) Lee C.M.C. e Pronto MJ, "Direo Deduzindo Comrcio de Dados Intraday ',
Journal of Finance, VO1: 46 (2), p 733-746
Lcc, Mucklow e Ready (1993) Lee CMC, Mucklow B. and Ready MJ, "Spreads, profundidades, eo impacto
da informao ganhos: uma anlise intraday", Revista de Estudos Financeiros, vol: 6, p 345-374 Leinwcber
(2000) Leinweber DJ, 'Stupid Tricks minerador de dados: O excesso de S & P 500 ", Journal of Investing,
Primavera de 2007
Leinwcber (2002) Leinweber D., "Usando as informaes de negociao em negociao e
portflio gesto: ", documento de trabalho, dez anos depois
Leinwcber e Madhavan (2001) Leinweber D.J. e Madhavan A., "trezentos anos de da Manipulaes do
mercado , Journal of Investing, Vero 2001
L'Habitant (2007) L'Habitant F.S., Handbook ' dos fundos de hedge ", editora John Wiley & Sons,
Inc., Hoboken, NJ
Li e Tsang (1999) Li J. e Tsang EPK, 'Investimento fazendo usando FGP deciso: um estudo de caso',
Computao Evolutiva, 1999. CEC 99. Actas do Congresso de 1999, relativa, vol: 2, p 1259, doi:
10,1109 / CEC. 1999.782584
Li e Tsang (1999a) Li J. e Tsang EPK, Melhorar Previses de anlise tcnica: An Aplicao de
Programao Gentica ", Anais do XII Conferncia da Sociedade Internacional de Inteligncia Artificial
Florida Research, p 108-112
Libby, Mathicu, Robb (2002) Libby T., Mathieu R. e Robb S.W.G., resultados comunicados e Informao
assimtrica: Uma Anlise Intra-Day ', Contemporary Accounting Research, vol: 19 (3), p 449-472
560
Referncia
s
Lien, Tse e Zhang (2002) Lien D., Tse Y.K. e Zhang X., 'changc estrutural e de relacionamento lead-lag
entre o ndice Nikkei local e preo do futuro: uma abordagem de programao gentica ", Quantitative
Finance, vol: 3 (2), p 136-144, DOI: 10,1088 / 1469-7688 / 3/2/307
Lillo, Agricultor e Mantcgna (2003) Lillo F., Agricultor JD e Mantcgna RN, 'Curve Individual
Colapso Preo da Funo Impacto para o New York Stock Exchange ", documento de trabalho
Lo e Wang (2000) Lo A. e J. Wang, 'Volume de Negociao: Definio, anlise de dados, e Implicao
Teoria de Portflio ", Revista de Estudos Financeiros, vol :! 3 (2), p 257-300
Lo, MacKinlay e Zhang (2002) Lo A., MacKinlay C. e J. Zhang, "modelos de LIMIT- Economctric ordenar as
execues ", Journal of Financial Economics, vol: 65 (1), p 31-71, doi: 10.1016 / S0304- 405X (02) 00134-4
Longin e Solnik (2001) Longin F. e Solnik B., "Correlao extremo da International Equity Mercados ',
Journal of Finance. vol: 56 (2), p 649-676, doi: 10,1111 / 0022-1082,00340
Longstaff, Mithal e Neis (2003) Longstaff F., Mithal S. e E. Neis, 'A Troca Market-Credit Padro:
de Proteo ao Crdito Priced corretamente? ", USC FBE Seminrio Finanas
LSE (2006) "Guia de Servios Comerciais", Londres Slock cmbio, Jul 2006
LSE (2006a) "SETSmm Evoluo para o sucesso ', London Stock Exchange, Jul 2006
Lyden (2007) Lyden S., 'Time of Impact Day e Mercado ", Journal of Trading, Vero 2007
Lynch e Mendenhall (1997) Lynch A.W. e Mendcnhall R.R., 'New Evidence em Bolsa de Valores
Efeitos Associated com mudanas no ndice S & P 500 ", Journal of Business, vol: 70 (3),
doi: 10,1086 / 209.722
Lyons (2001) Lyons R., "A abordagem de microestrutura de Taxas de Cmbio. ', Editora MIT Press
Ma, Wong e Sankar (2007) 1. Ma, T. Wong Sankar e T., "a previso de volatilidade utilizando sries
temporais minerao de dados e tcnicas de computao evolucionria ", gentica e evolucionria Conference
Proceedings Computao do arquivo da conferncia anual 9 em gentica e evolucionria
computao
Madhavan (2000) Madhavan A., "Mercado microestrutura: Um inqurito", Journal of Financial Markets,
vol: 3 (3), p 205-258, doi: 10.1016 / S1386-4181 (00) 00007-0
Madhavan (2002) Madhavan A., "Mercado Microestrutura: Guia de um Practitioner ", Financial Analysts
Journal, vol: 58 (5), p 28-42, doi: 10,2469 / faj.v58.n5.2466
Madhavan (2002a) Madhavan A., "Reconstituio do ndice e Patrimoniais Returns ', ITG Inc. (www.itg.com)
Madhavan (2002b) Madhavan A., Aplicao de estratgias de hedge funds ', Hedge Strategies Fund
(Institutional Investor), Outono 2002
Madhavan e Ming (2003) Madhavan A. e Ming K., "Os custos ocultos de ndice de Reequilbrio: A Estudo
de caso das S & P 500 alteraes da composio de julho 19,2002 ", Journal of Investing, Outono 2003
Madhavan e Smidt (1993) Madhavan A. e S. Smidt, "Uma Anlise das Alteraes no Specialist
Cotaes . e Estoques ", Journal of Finance, vol: 48 (5), p 1595-1628
Madhavan e Yang (2003) Madhavan A. e Yang J., 'Anlise de Risco Prtico para Gestores de
Carteira e Traders ", Journal of Portfolio Management, vol: 30 (1), p 73-85
Malkiel (2004) Malkiel B.G., "Um Passeio Aleatrio de Down Wall Street", publisher WW Norton & Company
Mariathasan e Bannister (2007) Mariathasan J. e M. Bannister, "uma perspectiva de mercado no
EuroMTS Governo Bond Index Futures Na Euronext.liffe ', publicao Euronext
Markose e Er (2000) Markose S. e Er H., 'The Black (1976) e efeito transversal arbitragem do mercado
em FTSE-100 futuros sobre ndices e opes ", Economics Discusses Papers, Universidade de Essex
Markose, Malik e Ng (2007) Markose S., Malik A. e Ng WL, 'micro-estrutura Mercado simulador agente
multi- e Londres se pe ", CCFEA Escola de Vero Apresentao setembro 2007
Markowltz (1952) Markowitz H., 'Portfolio Selection', Journal of Finance, vol: 7 (1), p 77-91
Mase (2006) Masc B "" O Impacto das Mudanas no ndice FTSE 100 ", Financial Review, vol: 42 (3), p 461 484, doi: 10,1111 / j. 1540-6288.2007.00179.x
561
Maslov e Mills (2001) Maslov S. e M. Mills, "As flutuaes de preo a partir do livro de ordens
perspective- fatos empricos e um modelo simples ', Physica A: Mecnica Estatstica e suas Aplicaes, vol: 299
(1- 2), p 234-246, doi: 10.1016 / S0378-4371 (01) 00301-6
McEachern (2007) McEachern C., 'Eletrnico de Negociao na sia: as armadilhas e Oportunidades',
Negociao Avanada (www.advancedtrading.com), De Novembro de 2007
McEachcrn (2008) McEachern C., 'Exclusivo: Dentro da State Street FICross', Negociao
Avanada (www.advancedtrading.com), Agosto 2008
Mclntyre (2006) Mclntyre N., "Classificando o trigo do joio, FTMandate.com, Maio de 2006 e
Meese Rogoff (1983) Meese R.A. e Rogoff K., "modelos empricos taxa de cmbio do Seventies ',
Jornal de Economia Internacional,
vol: 14, p 24/03
Meissncr e Kawano (2001) Meissner G. e Kawano N., "Capturando o sorriso da volatilidade de opes em
aes-A alta tecnologia GARCH-neural abordagem de rede combinada ", Jornal de Economia e Finanas, vol:
25 (3), p 276-292, doi: 10,1007 / BF02745889
Mendelsohn (1993) Mendelsohn L., 'pr-processamento de dados Para Neural Networks ", Anlise
Tcnica de Aes e Commodities revista (tambm no www.tradertech.com), vol: 11, p 416-420
Mcnglc (2007) Mengle D., "Derivativos de Crdito: Uma Viso Geral", Economic Review Federal
Reserve Bank de Atlanta, vol: 92 (4), p 24/01
Mcnzly e Ozbas (2004) Menzly EU. e Ozbas O., "o impulso da indstria Cross ', AFA 2005 Reunies
Filadlfia
Middlcton (2005) Middlcton T., "Compreender como os algoritmos de trabalho. Onde que o tempo
de corte e ordem de roteamento inteligente final e randomizar seus pedidos atravs de algoritmos
complexos comear? ', 'Algorithmic Trading, Um Manual Buy-Side \ 1 edio (2005), editor do comrcio
(www.thetradenews.com)
Middlcton (2005a) Middleton T., "Aprender a usar a ferramenta de tecnologia ', FTMandate.com, De
Dezembro de de 2005
Mitra (2006) Mitra S.K., "Melhorando a Preciso Opo de Preo Estimativa usando a Neural Artificial
Networks, Instituto Indiano de Mercado de Capitais Mercado de Capitais 9 Conferncia Papel
Mittal (2008) Mittal H., 'Voc joga em uma associao escuro txico? Um Guia de Informao ao Impedindo
Vazamento', ITG Inc. (www.itg.com), De Junho de 2008
Mittal e Taur (2008) Mittal H. e Taur R., "Manuteno de Lista Trade Estrutura Do outro lado dark pools: A
agregao Algoritmo direito faz toda a diferena ", ITG Inc. (www.itg.com)
Mittal e Wong (2008) e Wong Mittal H. J., 'Escolhendo o "direito" algoritmo pode Minimizar Custos
Operacionais em mercados volteis de hoje ', ITG Inc. (www.itg.com), Novembro 2008 MonitorllO
(2007) Site, Monitorar I I0.com
Morgan (2007) J. Morgan, 'Algos Explore New Space', Revista Waters (www.watersonline.com),
Novembro 2008
Morgan Stanley (2006) 'Exchange Traded Funds Relatrio Trimestral', Morgan Stanley
Morgan Stanley (2007) 'Morgan Stanley Eletrnico de Negociao Estratgias de Execuo benchmark',
Morgan Stanley (www.morganstanley.com)
Moshiri e Foroutan (2004) Moshiri S. e Foroutan F., "Teste de caos determinstico em futuros crudc preo do
petrleo; Faz chumbo rede neural para melhor previso? ', Canadian Economics Association Reunio Anual de
2004
Grupo MTS (2007) 'MTS grupo v Desempenho Q1 Strong; Repo e BondVision New Hit Volumes
recordes ', Comunicado de imprensa, Abril 2007
Muchnik, Louzoun e Salomo (2006) Muchnik L., Louzoun Y. e Solomon S., 'Based Agente
Simulao Princpios de Design - Aplicaes para Stock Market ', frutas prticos de Econofsica:
Proceedings of the Third Nikkei Econofsica Simpsio, editora Springer-Verlag Berlim e Heidelberg
GmbH & Co. KG, p 183-188
562
Referncias
Nakajima et al. (2004) Nakajima Y., I. Ono, Sato H., Mori, N., H. Kita, H. Matsui, K. Taniguchi,
Deguchi H., Terano T. e Shiozawa Y., 'Introducing Virtual Futures Mercado Sistema "U-Mart"',
NASDAQ (2008) 'The NASDAQ Workstation', NASDAQ (www.nasdaq.com)
NASDAQ (2008a) 'Tipos de ordem e Routing Guia de Estratgias de referncia , NASDAQ
Natenberg (1994) Natenberg S.," Opo volatilidade e preos ", 2a ed, editora McGraw-Hill / Irwin
NY
Fed de Nova York (1998) 'EUA Poltica monetria e Mercados Financeiros: CH4 dos mercados financeiros,
Fed de Nova York (www.newyorkfed.org)
Fed de Nova York (2009) Volume transaes Primary Dealer no Governo Federal e Agncia de EUA
Securities ", Fed de Nova York, 11 outubro de 2007
New York Times (1997) Wade N., 'testes em ratos bloquear defesa pelo cncer ", New York Times, 27
de novembro de 1997
New York Times (1998) Kolata G., 'Esperana no laboratrio: Um relatrio especial; Um temor
cauteloso cumprimenta drogas que os tumores erradicar em camundongos ", New York Times, 03 de
maio de 1998
Nicoll (2004) Nicoll E., Reduzir os Custos de Transao e Recaptura de Valor para o seu plano", Pension
Observer Inverno 2004
Niemira e Zukowski (1998) Niemira M.P. Zukowski e GF, intitulado "Negociar os fundamentos ',
editora McGraw-Hill, New York
Norden e Weber (2005) Norden L. e M. Weber, 'The Co-movimento do Credit Default Swap,
Vnculo e Mercados de Stock: Uma anlise emprica ", a ser publicado Gesto NRI Financeira Europeia
(2007)" Assistncia Tcnica para o Desenvolvimento Markets Bond na Tailndia Repo Mercado Implicaes de , Instituto Nomura Research mercados estrangeiros '
NSX (2009) Dados National Stock Exchange histrico ETF ', www.nsx.com
Nyholm (2002) Nyholm K., "Estimando a Probabilidade Informado de Negociao ", Journal of Financial
Research, vol: 25 (4), p 485-505, doi: 10,1111 / 1475-6.803,00033
NYSE (2006) 'Hbrido Programa de Formao de Mercado', NYSE (www.nyse.com), Setembro
2006 NYSE (2009) 'volume mensal histrico', Bolsa de Valores de Nova Iorque (www.nyse.com)
Trocas NYSE (2007) 'Como muito volume hbrido ', Exchanges NYSE (exchanges.nyse.com)
O'Connor (1999) O'Connor ML, "A Transversais relao entre os custos de negociao e
Efeitos lead / lag in Stock & Markets opo ', Financial Review, vol: 34 (4), p 95-117, doi: 10,1111 /
j. 1540-6288,1999. tb00471.x
Oppenheimer e Parry (2007) Oppenheimer S. e Parry T., "Backtesting inteligente: Ganhando uma vantagem
competitiva FX no desenvolvimento da estratgia ', revista e -FOREX, Out 2007
Ormoneit e Neuneier (1996) Ormoneit D. e Neuneier R., Experimentos ' na previso do Alemo ndice de
aes DAX com densidade estimar redes neurais. ', Inteligncia Computacional para Engenharia Financeira,
1996., Proceedings of the / 1AFE 1996 Conferncia IEEE, p 66-71,
doi: 10,1109 / CIFER.l 996,501825
Pagano e Padilla (2005) Pagano M. e Padilla AJ, "A Economia da Caixa de Negociao: Um Viso
geral', Documento de trabalho
Romeiro et ai. (1994) Palmer R.G., Arthur W.B., Holland J.H, IxBaron B. e P. Tayler,. "Vida Econmica
Artificial: um modelo simples de um Stockmarket ', Physica D, vol: 75, p 264-274
Pardo e Pascual (2006) Pardo A. e R. Pascual, "No lado oculto da liquidez", Parlour documento de
trabalho (1998) Parlour C., "a dinmica de preos nos mercados ordem de limite", reviso de Estudos
Financeiros, vol: ll, p 789-816
Pascual e Veredas (2008) Pascual R. e D. Veredas, 'O Pieces of Limit Order Livro
Informaes Matria Ao explicar o comportamento de limite de ordem Traders e Market-Order Traders? ',
563
Pasquaricllo (2007) Pasquariello P., "concorrncia imperfeita, Informao Heterogeneidade e

contgio financeiro", Reviso de Estudos Financeiros, vol: 20, p 391-426, doi: 10.1093 / RFS / hhl010.
Penses & Investments (2003) Williams F., "ferramentas de anlise de custos de negociao finalmente
disponveis para o mundo de renda fixa", Penses e Investimentos
Pcrold (1988) Pcrold A., "O dfice de implementao: papel versus realidade", Journal of Portfolio
Management, Primavera 1988
Pcrsaud (2001) Persaud A., "buracos negros de liquidez ', Documento de trabalho
Pcrsaud (2006) Pcrsaud A., Melhorar a eficincia no mercado de ttulos do governo europeu",
Publicao ICAP e Inteligncia Capital
Phylaktis e Xia (2008) Phylaktis K. e Xia L., Patrimnio Lquido Mercado Co-movimento e Contgio:
Uma Perspectiva Setorial ', Gesto financeira, prximo
Pires e Marwala (2007) Pires M.M. e Marwala T., "Opo de Preos Usando Baycsian Neural Networks,
Poon e Granger (2003) Poon S.H. e Granger CWJ, 'Previso Volatilidade Financeira Mercados: Uma
reviso ", Journal of Economic Literature, vol: 41 (2), p 478-539, doi: 10,1257 / 002205103765762743
Potvin, Soriano e Vallce (2004) Potvin JY, Soriano P. e M. Vallee, "gerar regras de negociao no
mercados de aes com programao gcnetic ', Computers & Operations Research, vol: 31 (7), p 1033- 1047, doi:
10.1016 / S0305-0548 (03) 00063-7
Qi e Sui (2007) Qi R. e L. Sui, 'A Adio e Eliminao Efeitos da Standard & Poors 500 ndice de Mercados
opo ', 2007 FMA Conf. (Orlando)
QSG (2008) 'Estude de Execues NYF1X Millennium Feiras reduo significativa no mercado Impacto em
todos os sectores de Mercado e Estratgias de Negociao ", NYFIX de imprensa, junho de 2008
Rabcrto et al. (2001) Raberto M "Cincotti S., Focardi S.M. e Marchesi M., "simulao baseada em agentes
de um mercado financeiro ", Physica A: Mecnica Estatstica e suas Aplicaes, vol: 299 (1 -2), p 319-327, doi:]
0,1016 / S0378-4371 (01) 00.312-0
Rabcrto et ai. (2003) Raberto M., S. Cincotti, Focardi S.M. e Marchesi M., 'Traders' Longo Prazo Riqueza
num mercado financeiro artificial ', Jornal Computational Economics, vol: 22 (S2-3), p 255-272, doi: 10,1023 /
A: 1026146100090
Ranaldo (2004) Ranaldo A., "Ordem agressividade nos mercados de livro de ordens limite", Journal of
Financial Markets, vol: 7 (1), p 53-74, doi: 10.1016 / S1386-4181 (02) 00069-]
Ranaldo (2008) Ranaldo A., 'Dynamics mercado intradirio Cerca de Informao Pblica
Chegadas', publicado em: Gregoriou G. e L'Habitant F.S. (eds): "Liquidez Stock Market: Implicaes
para o Mercado microestrutura e Asset Pricing", de 2008, John Wiley and Sons
Rcfcncs e Holt (2001) Refencs A.P.N, e Holt WT, 'Previso volatilidade com regresso neural: Uma
contribuio para modelar adequao ", Redes Neurais, IEEE Transactions on, vol: 12 (4), p 850-864,
doi: 10,1109 / 72,935095
Rcfcncs, Zapranis e Francis (1995) Refenes A.P.N., Zapranis A. e Francis G., "estoque Modeling
retornos no mbito da APT: um estudo comparativo com os modelos de regresso "," Redes Neurais nos
mercados de capitais ', ed. Refenes A., editora John Wiley & Sons, p 101-125
Rime, Sarno e Sojli (2008) Rime D., Sarno L. e Sojli E., "a previso de taxa de cmbio, fluxo de pedidos e
informaes macroeconmicas ", documento de trabalho
Rivcro (2005) Rivero R., 'FIX e negociao algortmica ", FIX global (www.fixglobal.com),
Q3 2005
Vol 1 Issue 7
Rosenblatt Securities (2007) Gawronski J., 'Isto realmente adeus ? E porque? Uma anlise de
encolhendo melhoria de preos na NYSE, suas causas, o potencial para uma reverso, e outro mercado
qualidade e observaes da estrutura do mercado , Negociao Talk, Rosenblatt Securities Inc.
(www.rblt.com), Fev 2007
564
Referncias
Rosenblatt Securities (2007a) Gawronski J., 'O declnio e queda de Mercados apresentados ???
Destacando algumas tendncias recentes em no-exibido pools de liquidez (PARTE DEUX) ', Comrcio de
conversa, Rosenblatt Securities Inc. (www.rblt.com), Outubro 2007
Rosenblatt Securities (2008a) Schack J. e J. Gawronski, 'Haja luz', Negociao Talk, Rosenblatt
Securities Inc. (www.rblt.com), Dezembro 2008
Rosenblatt Securities (2009) Schack J. e Gawronski J., "Vamos l se a luz ', Negociao Talk,
Rosenblatt Securities Inc. (www.rblt.com), Maio de 2009
Safarik (2005) Safarik D., "Renda Fixa Meets the Black Box ', Negociao Avanada
(www.advancedtrading.com),
Out 2005
Sapcria e Gross (2008) Saperia N. e J. Gross, "Evento de Crdito Leilo Primer",
www. creditfixings. com
Schittcnkopf, Dorffner e Dockner (1998) Schittcnkopf C., G. Dorffner e Dockner EJ, "previses de
volatilidade com as redes Mistura densidade", ICANN 98 -. continuaes da 8 Conferncia Internacional
sobre Redes Neurais Artificiais, L Niklasson, M. Boden e T. Ziemka, ed, Berlim, p 929-934
Schittcnkopf, Dorffner e Dockner (2000) Schittenkopf C., G. e Dockner Dorffner E. J., 'Previso
densidades condicionais dependentes do tempo: A abordagem de rede neural semi-nonparametric ',
Journal of Forecasting, vol: 19 (4), p 355-374
Schmerkcn (2006) Schmerken I., Trocas apostar em Multi-Ativos de negociao, Negociao Avanada
De Janeiro de de 2006
Schmerkcn (2008) Schmerken I., "NYSE dizem adeus a especialistas; Ol
Negociao Avanada (www.advancedtrading.com), De Junho
de 2008
Schmcrken (2009) Schmerken EU, "Empurre Reguladora para Plataformas de Compensao no Credit
Derivatives pode pavimentar o caminho para o E-Trading ", Negociao Avanada
Jan 2009
Schwartz e Pagano (2005) Schwartz R. e Pagano H " "Consolidao no Exchange e Concorrncia , Um
Comentrio Carta Comisso da Concorrncia em conexo com a London Stock Exchange Sua mensagem
Schwartz, Van Ness e Van Ness (2004) Schwartz A.L., Van Ness B.F. e Van Ness R.A.,
"Clustering no mercado futuro: evidncia de S & P 500 contratos de futuros ", Journal of Mercados
Futuros, vol: 24 (5), p 413-428, doi: 10.1002 / barranco, 10129
Sco, Giampapa e Sycara (2002) Seo Y.W., Giampapa J. e Sycara K., A classificao de texto para
Gesto de Portflio Inteligente ", Tech. denunciar o CMU-RI-TR-02-14, Instituto de Robtica da Carnegie
Mellon University
Shalcn (2002) Shalcn C., "o mago da questo de Index Futures DJ1A CBOT Arbitrage ', Chicago Board of
Trade (www.cbot.com)
Sherstov e Stone (2004) Sherstov A.A. e Stone P., "Trs agentes automatizados de negociao de aes: Um
Estudo comparativo', AAMAS 2004 Workshop sobre Comrcio Eletrnico Agent Mediated VI
Shillcr (1989) Shiller RJ, 'Comovements em estoque Preos e Comovements em dividendos ", Journal of
Finance Papers e Anais da Reunio Anual quadragsima oitava da Associao Americana de Finanas, New
York, vol: 44 (3), p 719-729
SIFMA (2006) "Renda Fixa inqu rito e-commercc ', SIFMA (www.sifma.org)
SIFMA (2007a) "Securities Industry e Financeiro Global Markets Adenda de 2007 , SIFMA (
www.sifma.org )
SIFMA (2008) "O volume mdio dirio em os EUA Markets Bond ', SIFMA (www.sifma.org)
SIFMA (2008a) "Investigao-Quarterly ', SIFMA (www.sifma.org), Setembro 2008
SIFMA (2008b) "Instrumentos do Mercado Monetrio Outstanding ', SIFMA
(www.sifma.org) SIFMA (2008c) 'EUA Tesouro Securities Outstanding ', SIFMA
(www.sifma.org)
565
Silvapullc e Granger (2001) e P. Silvapulle Granger CWJ, 'grandes retornos, a correla o

condicional e diversificao da carteira: uma abordagem 'value-at-risk, Quantitative Finance, vol.l (5), p 542551, doi: 10,1080 / 713665877
SIN (2006a) L.E. Harris, "No End a fragmentao ", Securities Industry News - Relatrio Especial Estrutura
de Mercado
SIN (2007) Trombly M., 'Buy-Side-Driven Negociao vigora em Hong Kong, Securities Industry News
- Algorithmic Trading, abril de 2007
SIN (2007a) Kite S., "Duas plataformas de obrigaes, duas abordagens", Securities Industry News, 30 de
abril de 2007 Sinclair (2008) E. Sinclair, "Negociao Volatilidade", editora John Wiley & Sons, Inc.,
Hoboken, NJ Smith (1998) Smith SNP , 'Aplicaes de Negociao de Programao Gentica', Engenharia
Financial News, setembro 1998, vol: 6
Smith (2005) Smith H., 'ECNs: Um futuro incerto', IBM: Construindo uma Edge - os Servios Financeiros
Boletim de Notcias, vol: 6 (9)
Sofianos (1990) Sofianos G., ndice de Arbitragem Rentabilidade ', Jornal de Derivativos, vol :!
(1) Sosvilla-Rivcro e Rodriguez (2004) Sosvilla-Rivero S. Rodriguez e PN, 'Vnculos nos
mercados de aes internacionais: Evidncias de um procedimento de classificao ", documento de
trabalho
SPA (2008) Site, Produtos Estruturados Associao (www.structuredproducts.org)
Steincr e Wittkcmpcr (1995) Steiner M. e Wittkemper HG, "Redes Neurais como Alternativa Stock Market
modelo "," Redes Neurais em ed os mercados de capitais . Refenes A., editora John Wiley & Sons
Stoll (1969) Stoll HR, "a relao entre venda e de preos das opes ', Journal of Finance,
vol: 24 (5), p 801-824
Stoll (2001) Stoll H.R., 'Mercado microestrutura', Manual da Economia das Finanas, vol: 1 (1), p 553-604
Strcichcrt (2002) Streichert F., "Introduo a algoritmos evolutivos", apresentao Frankfurt MathFinance
Oficina
SunGard (2006) 'Loanet Centralized Routing Order Servi o da SunGard Atinge Milestone para
Daily Volume ', SunGard (www.sungard.com), Agosto 2006
Switzcr, Varson e Zghidi (2000) Switzer LN, Varson PL e Zghidi S "'Norma and Poors certificados
de depsito e o desempenho do mercado S & P 500 futuros sobre ndices ", Journal of Mercados Futuros,
vol: 20 (8), p 705-716
Tabb (2004) Tabb L., "uma estrutura de mercado para Nova Bonds ', Finanas Tecnologia
(www.financelec1i.com)
TABB Group (2003) Tabb L., "NYSE: Por que o buy-side est chorando para a mudana ', TABB
Group ( www. grupo Tabb, com)
Grupo TABB (2006) J. Johnson, 'Localizando o invis vel: Agregao escuro Livro de liquidez',
Grupo TABB (www.tabbgroup.com)
TABB Group (2007) R. lati, 'O mercado de FX tornou -se fragmentado', Grupo TABB
(www. tabbg rupo, com)
Grupo TABB (2007b) Sussman A. e M. Simon, 'European Negocia o Patrimnio Institucional 2007:
O Compre-Side Perspectiva ', Grupo TABB (www.labbgroup.com)
TABB Group (2007d) Nybo A., "negociados em bolsa de Equity Derivatives: O Buy -Side de aumento
Exposio ', Grupo TABB (www.tabbgroup.com)
Grupo TABB (2007e) Bcrke L., "Algoritmos FX: Trazendo Melhor Execuo aos Mercados FX ', Grupo
TABB (www.tabbgroup.com)
Grupo TABB (2008) Berke L., 'US Institucional Equidade de negocia o: Crise, Cruzar
Concorrncia ,
Grupo TABB (www.tabbgroup.com)
Grupo TABB (2009) Nybo A., "Opes de US Negociao 2009: resistncia em face de situaes
de crise", Grupo TABB (www.tabbgroup.com)
Referncias
566
Takcuchi (2005) Takeuchi A., "Estudo de Impedimentos para transfronteiria de Bond Investimento e Emisso
em pases asiticos ", Bonds asiticos Online (asianbondsonline.adb.org)
Taniguchi (2003) Taniguchi T., "Quem perdeu MTS? A plataforma de negociao eletrnica Killed By JGB ',
GLOCOM (www.glocom.com), 06 de novembro de 2003
Tay e Cao (2001) Tay F. e Cao L., Aplicao de mquinas de vetor de suporte em tempo financeira
previso de sries ', Omega: A International Journal of Management Science, vol: 29 (4), p 309-317, doi:
10.1016 / S0305-0483 (01) 00026-3
Taylor (1986) Taylor S., "Modelagem Financial Time Series ', editora John Wiley & Sons
TBMA (2005) 'Fontes European Bond Preos e Servios: Implicaes para a transparncia dos preos em o
Europeu Market Bond ', SIFMA (www.sifma.org)
Tetlock, Saar-Tsechansky e Macskassy (2008) Tetlock P.C., Saar-Tsechansky M. e Macskassy S., "More
Than Words: Quantificao Lngua medir Firms" fundamentos ", Journal of Finance, vol: 63 (3), p 14371467, doi: 10,1111 / j. 1540-6261.2008.01362.x
TcxtMap (2007) 'Rede relacional para o Google ", Texto Mapa (www.textmap.com)
O Trade News (2008) 'Turquoise rompe 5% barreira quota de mercado , O Trade News
(www.thetradenews.com),
07 novembro de 2008
Theocharides (2006) Theocharides G., "Contgio: Evidncias do Mercado Bond ', Documento de trabalho
TheOptionsGuide.com (2007) 'Arbitrage Dividend', TheOptionsGuide.comwebsite
Thirict (2006) Thiriet O., "Nvel de execuo nas melhores condies, A Revista Trade, Edio 07 janeiromaro 2006
Tifto, Schittenkopf e Dorffner (2000) Tino P., Schittenkopf C. e Dorffner G "" Padro Temporal
Reconhecimento em Noisy no-estacionrio sries temporais baseado em quantizao em fluxos simblicos:
Lies Aprendidas de volatilidade financeira Negociao ', Documento de trabalho
Traders Magazine (2007h) "Traders Revista Reportagem Especial: Algos 3,0 Developments
dentro Algorithmic Trading. ', Traders Revista (www.tradersmagazine.com)
Tradeweb (2008) Site, www.tradeweb.com
TradingMarkets (2007) 'Da Bolsa de Cingapura preo-alvo elevado para 20 a partir de 15 SGD SGD UBS Tera-feira, 9 de outubro, 2007 ', Mercados de troca (www.tradingmarkets.com)
Trombly (2007) Trombly M., 'Asia Report', Revista Waters (www.watersonline.com),
Julho 2007
Tsang et al. (2000) Tsang E.P.K., Li, J., Markose S., Er H., Salhi A. e Iori G., "EDDIE Em Financeiro
Tomada de deciso', Jornal de Gesto e Economia, vol: 4 (4)
Tsang, Markose e Er (2005) E.P.K. Tsang, Markose S. e Er H., "descoberta chance em estoque opo de
ndice e futuros arbitragem ', New Matemtica e Computao Natural., vol :! (3), p 435-447 Tsibouris e
Zcidenberg (1995) Tsibouris G. e Zeidenberg M., 'Testando os mercados eficientes hiptese com algoritmos
de gradiente de descida "," Redes Neurais nos mercados de capitais ", ed. Refenes A., editora John Wiley and
Sons
Tucker (1991) Tucker A.L., 'Futuros, opes, e swaps ", publisher Oeste bar. Co St. Paul Tuttle (2003)
Tuttle L., 'ordens ocultas, os custos de negociao e informaes ", 2008 FMA Europeia Conf. (Atenas)
Twain (1907) Twain M., "Captulos de My Autobiography ', North American Review, No. DCXVIII., July5
de 1907
EUA DOA (2009) Site, Departamento de Agricultura dos EUA FATUS Commodity agregaes
(www.fas.usda.gov)
EUA DOT (2009) Site, Departamento de Transportes Fatality Analysis Reporting System (www- longe s.
Nhtsa.dot.gov)
Van Gestel et ai. (2001) Van Gestel T., Suykens JAK, Baestaens DE, Lambrechts A., G. Lanckriet, Vandaele
B., De Moor e B. Vandewalle J., "previso de sries temporais Financial usando mnimos quadrados apoiar
vectormachines no mbito evidncia", Redes Neurais, IEEE Transactions on,
vol: 12 (4), p 809-821, DOI: 10,1109 / 72,935093
567
Vapnik (1995) Vapnik, V., "A Natureza Estatstica de aprender a teoria. ', editora Springer, NY
Vcrcdas (2006) Vercdas D., "surpresas Macrocconomic e comportamento de curto prazo em futuros de
obrigaes', Empirical Economics, vol: 30 (4), p 843-866, doi: 10,1007 / s00181-005-0002-y
Vidyamurthy (2004) Vidyamurthy G "'Pairs Negociao: Mtodos Quantitativos e Anlise ', editora John
Wiley and Sons
WACI (2008) Wacl L., 'Ajuste de preos das aes para anncios de lucros: evidncia da Euronext Paris ',
Reviso de Contabilidade e Finanas, vol: 7 (1), p 102-115, doi: 10,1108 / 14757700810853879 Wagner
(2006) Wagner W.H., "Criando A Hierarquia das decises de negociao ", Journal of Trading, Inverno 2006
Wagner e Edwards (1993) Wagner W.H. e Edwards M., "Execuo nas melhores condies,
Financial Analysts Journal, vol: 49 (1), p 65-71, doi: 10,2469 / faj.v49.nl.65
Wagner e Vidro (2001) Wagner W.H. e vidro S., "O que cada patrocinador do plano precisa saber sobre custos
de transao', Guia de Custos de Transao, Institutional Investor Inc., p 16/9
Wang, Zu e Kuo (2006) Wang M.C., Zu L.P. e Kuo C.J., 'Anatomia de bid-ask Spread: Evidncias
Empricas de uma Ordem impulsionada pelo mercado ", Money Macro e Finanas (MMF) Research
Group Conference 2006
Wang, Zu e Kuo (2008) Wang M.C., Zu LP e Kuo CJ, "O Estado do Limite eletrnico Livro de
Ofertas, Ordem Agressividade Preo e Formao ', sia-Pacfico Jornal de Estudos Financeiros, vol: 37
(2), p 245-296
Wei e Zee (1998) Wei H.P. e Zee S., "variao interdia da volatilidade dos preos, volume e contratos em aberto
no mercado de futuros em moeda estrangeira", Journal of Research in Finanas, vol: l, p 27/06 WFE (2007)
"Focus", Federao Mundial de Bolsas (www.world-exchanges.org),
Maio de 2007
Nol71 WFE (2007a) "WFE Relatrio Anual 2006", Federao Mundial de Bolsas (www.worldexchanges.org)
WFE (2008) "Relatrio Anual WFE 2007, Federao Mundial de Bolsas (www.worldexchanges.org)
WFE (2009) "Relatrio Anual WFE 2008 ', Federao Mundial de Bolsas (www.worldexchanges.org)
White (1988) Branco H., 'Previso Econmica utilizando redes neurais: o caso de estoque dirio
IBM retornos ", Redes Neurais, 1988., IEEE Conferncia Internacional sobre, vol: 2, p 451-458,
doi: 10,1109 / ICNN. 1988,23959
Wicsc (1930) Wicsc R.F., "Investir em Valor True ', Barron, 1930 Setembro p 5
Wikipcdia (2006) "Diversificao (finanas) ', Wikipedia (en.wikipedia.org)
Wikipcdia (2008) "(Reconhecimento de padres) Vizinho mais prximo ', Wikipedia
(en.wikipedia.org) Williams (1938) Williams J.B., 'The Theory do valor do investimento ", publisher
Harvard University Press
WSJ (2004) Malik NS, 'troca de moeda est se movendo de corretores para escritrios domsticos ,
Wall Street Journal, 25 de novembro de 2004
www.IndcxArh.com (2007) Site, www.indexarb.com
Yang (2005) Yang J. W., "Prevendo Movimentos da Preo: Uma anlise probit ordenado no Australian
Stock Market ', Documento de trabalho
Yang e Jiu (2006) Yang J. e Jiu B., "Algoritmo de seleo: Uma Abordagem Quantitativa",
'Algorithmic Trading II', publisher Institutional Investor, New York
Yao e Poh (1995) J. Yao e Poh HL, "Prever o ndice KLSE utilizando redes neurais", Redes Neurais,
1995. Anais., IEEE Conferncia Internacional sobre, vol: 2, p 1012-1017, doi: 10,1109 / 1CNN.
1995.487559
Yao e Tan (2000) J. Yao e Tan CL, 'Um estudo de caso sobre o uso de redes neurais para executar tcnica
previso de forex ', Neurocomputao, vol: 34 (1), p 79-98, doi: 10.1016 / S0925-2312 (00) 00300-3
568
Referncias
Yao, Tan e Poh (1999) Yao J., Tan C.L. e Poh H.L, "As redes neurais para anlise tcnica:. Um estude em
KLCI ", International Journal of Theoretical and Applied Finance (IJTAF), vol: 2 (2), p 221 - 241, doi:
10,1142 / S0219024999000145
YCO (2008) Yeo W.Y., "Correlao Serial no Limit Order Fluxo: Causas e Impacto "de 2008 FMA Europeia
Conf. (Praga)
Yuan (2005) Yuan K., "Movimentos assimtrica dos preos e restries ao crdito: A Rational Expectativas
Equilibrium Modelo de Crise, Contgio, e Confuso ", Journal of Finance, vol: 60 (1), p 379-411
Zemke (2002) Zemke S., 'On Desenvolvimento um Sistema de Previso Financeira: Armadilhas e
Possibilidades ",
Anais do Seminrio DMLL-2002 na ICML-2002, Sydney, Austrlia
Zhang e Zhou (2004) Zhang D. e L. Zhou, "Descobrindo pepitas de ouro: a minerao de dados em financeira
aplicao ", Sistemas, homem, e Ciberntica, Parte C: Aplicaes e Avaliaes, IEEE Transactions
ligar, vol: 34 (4), p 513-522, DOI: 10.1109yTSMCC.2004.829279
569
ndice
UMA
Algoritmos adaptativos d fice 138-41 ,201
ADR
Vejo Depositrio recibos
Anunciado encomendas
109
Agncia comrcio
6
Agressivo in-the-money
Veja AI
M AIM 138-41, 144-46, 182, 201,202, 207,
462
projetar um ambiente para
medos e mitos
implementao de regras de
anegociao
infraestrutura
performance de
de segurana
testes
a evoluo de
de utilidade
Algoritmos
326
22
329
322
23
22
Veja Testing
13-15
24
ativo de classe especfico factors210

categorizao
escolher entre algoritmos
comum parmetros
116
199
118
custo-driven
132
requisitos de dados
208
fatores que afetam a escolha algoritmo
203
orientada para o impacto
119
mapeamento para a fronteira eficiente de
negociao 199 requisitos da estrutura do
mercado
209
multi-ativo trading397
base de notcias
436
oportunista
143
outros tipos
154
carteira de negociao
360
Instrues tudo-ou-nada
91
Estratgias de arbitragem
trading base
386
dividendo arb
395
ndice ETF arb
390
futuros e opes ARB
394
ndice de arb
387
listagem mltipla / recibo de depsito
384
opo arb
392
inteligncia computacional
convencional
computao evolutiva
futuros clientes
geradora de negociao
estratgias / regras / parmetros
incorporando
na negociao estratgias
464
448
449
449
453
468
461
tipos
449
ATS
8, 11, 34, 59,65-66,211, 254
Leilo
ligar
34,45,231
contnuo
34,43
ponto mdio combine
45, 230
outros tipos de harmonizao
230
price / pr-rata prioridade
44, 227
preo / tempo prioridade
44, 226
prioridade, paridade,
228
9
Negociao automatizada
B
estatsticos (pares)
150Benchmarks
48, 168
54
194
a escolha ideal para
intraday
169
169
171
ps-negociao
prc-comrcio
Beta349
Bilateral comrcio
4
1
Bloco
comrcio
8
O negcio
ciclo
43
0
Buy-side
3
C
Call auction
Contraparte central
Ordens Criana
Clareira
Ordens contingentes
Contnuo leilo
leilo Corporativo
Veja este leilo

47, 72
4
46, 335
110
Veja este
anncios
308
Corporativo news403
a reao do mercado
Crdito derivados
530 mercados
423
57,
532
570
Cruzamento
D
Escuro piscinas
Dados minerao
relaes
crises e contagion445
activo cruz aula
inter-mercado
intra-mercado
tcnicas
regras de associao
classificao e agrupamento
sries temporais
Revendedor-to-elient mercados
Depositrio recibos
mercados
precificao e negociao
Derivativos
mercados
Negociao de Acesso Directo
Dircet Acesso Liquidez
Acesso Estratgia dircet
Instrues de roteamentoDirigido
ndice
8, 16, 211
Vejo ATS
440
444
444
442
440
441
440
440
62
58, 534
536
535
56
515
15
16
Vejo DM
UMA
17
93
104
345
4, 7, 15
93
Diversificao
DM UMA
No-route instrues
E
CE N
11,59 , 64, 2 478,48
Fronteira negocia o eficiente
algoritmos de mapeamento para
199
Rede de Comunicao Eletrnica .. Vejo
ECN
Eletrnico comrcio
77
tendncias globais
67
histria
10
Capital prprio
54
mercados
474
sia
491
Canad
484
EMEA
486
Latino Amcrica
485
U.S
477
475
ET F
5 8 ,53 8
mercados
539
539
Exchange Traded Fundo
Vejo ET
Gesto de Execuo F systems312
Mtodos de execuo
comparando
testemunho
eficincia
quanto arco eles usava
performance / custo
usabilidade
Execuo ttica
captura
desenho
escondendo
IMPACTO-d ri ven
estratificao
oportunista / liquidez de drivcn265
emparelhamento
pegging
preo / risco-driven262
roteamento
buscando
slicing
sniping
F
Fat comrcios dedo
Encha-or-kill instrues
Protocolo FIX
apoio classe de ativos
FIXML
tipos de mercado
ordem
condies
tipos
carteiras
comrcio algoritmos
Fixo renda
mercados
Americas
sia
EMEA
U.S
novas questes
baixo dvida de curto prazo
Ordens de Flash
mercados
preos e negociao
Futuros
contrato expirao
mercados
Amricas
sia
EMEA
17
6
18
21
20
19
257
264
258
261
259
262
268
264
267
265
259
266
335
90
316
318
316
317
318
319
321
314, 320
54, 495
495
500
502
501
498
300
496
509
94
55, 504
504.505
505
56, 516
301
516
524
526
525
571

reao notcia
U.S
519
517
G
Gamma M dia Ponderada Preo
Vej
o
GWA P
Gentico
algoritmos
453
GWA P
algoritmos
159-60
referncia
159
H
Hedging
beta
376
balanceamento de dinheiro carteiras
355
neutralidade para categoriscd carteiras
357
delta
380
gamma
382
Risco de taxa de juros
378
carteiras neutro para o mercado
356
359
minimizando portflio tracking error
estratgias
375
Liquidez oculto
lidando com
247
estimar a probabilidade de
250
manchas
248
Oculto encomendas
101
Alta frequncia comrcio
9
High-touch comrcio
7
Eu
Icebergue encomendas
101
Imediata-ou-cancelar instrues
89
Implementao dficit
49 , 162
algoritmos
133-38,200
Implcita encomendas
111
ndice reequilbrio
304
Indicao de interesse
Vejo
101
Institucional
estilos
comrcio
nter-dealer mercados
intercmbios
OTC corretor / lnter-dealer redes
Varreduras Inter-mercado
101
eu
Ordens Limitadas
Encomendas-Linked alternativos
Liquidez
predio
estatstico
6
8I
59
60
61
93
108.318
85
109
29
287
Trades FX de caixa
hedging estratgias
estruturada estratgias
Multilateral de Comrcio Instalao
corporativo
426
macroeconmico
421
Algoritmos orientada por liquidez . 14650,20 2 Baixa-touch comrcio
M
Macroecon mico
notcia
402
a reao do mercado
41
6 Contribuio marginal para risco
35
1
Fechamento do mercado algoritmos 141-43
Mercado Fechar algoritmos
200
Impacto no mercado
estimar
2
93 para estimar carteiras
35
1
custos de transao
178 Mercado
fabricante
31, 39,41 , 42,48,223,
224,22 5
Mercado microestrutura
27
classificando grande mercado tipos
33
liquidez
29
funo
do
28 estrutura do mercado
mercado
e
projeto
30
tipos de mercado
participantes
frequncia de negociao
mecanismo de comrcio
protocolos comerciais
transparncia
Mercado encomendas
31
28
33
31
35
36
84
Market-to-limite encomendas
96
Market-com-proteco encomendas
97
MiFID
Vejo
Regulamentos Algoritmos impacto mnimo
.. 130-32,20 0Mnimo volume instrues
91
Dinheiro mercados
55,
509 repos
512
dvida de curto prazo
510
do emprstimo de ttulos
513
MT F
59,64 , 486,48 8
Multi-ativo comrcio
371
estratgias de arbitragem
3
83 cobrindo curta vendas
3
74
374
375
374
Vejo MT
7
F Multi-perna negociao algoritmos 155-57

Deve ser-cheia- instrues
N
Negociado encomendas
Neural redes
92
109
451
572
ndice
prevendo
de ativos prices455
comrcio volume460
volatilidade
459
Notcia
alternativa fontes
407
anlise
412
associao
410
digitalizao
404.406
filtragem
410
fluxo
433
incorporar estratgias de negociao 432
interpretao
413
reaes do mercado para
416
minerao
414
surpresas
427.435
oportunidade
428
tipos de
401
No-realizada encomendas
103
O
-One-cancela outra instrues
95
Negociao Optimal estratgias

189
avaliar a dificuldade das ordens
190
escolher entre algoritmos
199
rvore de deciso para a seleo estratgia 214
fatores que afetam a escolha algoritmo
203
para as carteiras
352
Opes
56, 517
mercados
516
Amricas
524
sia
526
EMEA
525
U.S
519
518
Ordem instrues
88
leilo / travessia sesso
89
durao
88
preencher
89
vinculao
95
variado
95
Preferencing e dirigido
92
roteamento
92
Gerenciamento de pedidos
312
ordem
codificao
316
entrada
313
roteamento
316
transmisso
321
Gerenciamento de pedidos sistemas 312,
337 Colocao de pedidos
estimar a probabilidade de execuo
252
liquidez oculto
247
fatores de mercado
Ordem tipos
condicional
cruzamento
discretional
oculto
hbrido
fim-contingente
roteado
Orientada para o fim comrcio
P
Par de negociao algoritmos
Passiva in-the-money
Atravessar encomendas
Pegged encomendas
Percentagem de Volume
238
35, 96
98
108
103
100
96
109
106
31
150-54, 202
Sec PLM
106
104
Vejo
POV atuao anlise

167
benchmarks
168
Desempenho relativo Medida
171
PIM
138-41, 144-46, 201207 , 462
Portfolio risco
342
beta
349
decomposio
346
diversificao
345
contribuio marginal arriscar
351
medidas de risco
349
erro de rastreamento
350
Portfolio comrcio
9
algoritmos de alfaiataria para
363
usando o padro algorithms360
167
Anlise ps1 2 7 -3 0 , 2 0 0
negociao Algoritmos
Prc-trade anlise
165
Pricc
predio
455
desequilbrios
278
reao para notcias
corporativo
423
macroeconomic416
Preo algoritmos adaptativos .... Veja
Adaptive dficit, Pricc inline, AIM, PIM
Preo descoberta
Leilo de 226 chamadas
correspondncia contnua
Pricc formao
modelos combinados
baseada na informao modelos
baseado inventrio- models223
modelos
Dados carteira de pedidos models225
40 ,
231
226
39, 222
225
224
223
573
avaliao
Preo em linha algoritmos
Diretor comrcio
Programa comrcio
222
144-46 , 202
8
9
Q
Negociao quantitativa
-Driven Citar
comrcio
9
31
R
Regulamentos
conformidade
335
dedo gordo trades335
as regras do mercado
336
sanidade chccks
335
MiFID
11.486, 488
Reg NMS11.478.479
Repos
511
Pedido de CitaoVejo RF
Q
Pedido-para-strcaming
Vejo
RFS Reserva encomendas
101
4 2 2 0 8 2 0 9 3 1 7 , 398
RF Q
RFS
42, 208317 , 398
Risco
5
averso
196
pasta
342
Routing estratgia- encomendas
107
S
Escala encomendas
105
Valores mobilirios Lending
513
Sell-side
3
Sentimento
434
Assentamento
46, 335
Ordem inteligente roteamento
7
15
Acesso patrocinado
Arbitragem
9, 151
estatstica
Pare
de encomendas
98
Straight-through47 , 335
Vector apoio mquinas
453
prevendo
os preos dos ativos
458
volatilidade
459
Swaps
57, 528
mercados
529
Sistemtico comrcio
9
T
TC UMA
Veja Os custos de
transao Testing332
teste de volta
mercados
artificial
333.465
466
real simulaes
Assinale sensvel encomendas
467
100
Tempo Preo Mdio Ponderado Vejo TWA

PRisco temporal
estimar
299
para estimar carteiras
352
custos de transao
182
Rastreamento erro
350
Comrcio execuo Vejo Preo
descoberta Comrcio
relatando
46
Negociao
interrupes
limites de preo
paradas de negociao
volatilidade leiles
Negociao algoritmo
306
308
307
308
Vejo
Algoritmos Negociao
objetivos
196
custo de equilbrio e
risco
197
minimizando portfoliorisk
359
minimizar o custo
197
pasta hedging354
preo melhoria
197
Vejo Volume
Negociao ordens
99
de stop volume de
161.292
Custos de transao
184
atravs mercados mundiais
benchmarks
48
quebra baixa
49.173
comisso
177
atraso
175
estimar
292
taxas
177
investimento relacionadas com o
175
impacto no mercado
178 medio
47
oportunidade
183
ps-negociao
172
trending preo
181 os
spreads
48.178
impostos
175
cronometragem
risco
182
trading relacionada
176
Transparncia
36
tendncias globais
69
TWA P
algoritmos
120-23, 200
referncia
169
vc
Uncommitted encomendas
No andar de cima mercado
108
16, 34
ndice
574
V
VIX
Volatilidade
ndices
predio
213, 291
291
288
459
implcita volatility289
estatstico
288
volatilidade ndices
291
reao notcia
corporativo
427
macroeconmico
422
Impulsionado pela volatilidade algoritmos
157-59
Volume
decomposio
285
fatores que afetam
284
perfis histricos
281
predio
281
460
volume de histrico perfis
281
reao notcia
corporativo
425
macroeconomic420
Volume M dio Ponderado Preo
Vejo
AP V
PAP V P
algoritmos
123-27,200
referncia
170
W
Sedutor dias
302
Mundo mercados
53
comparao
74
tendncias
66
Z
Zero-toueh comrcio
7
Ai d

Tcnicas de execuo avanadas, como a negociao algortmica,
tm j provou o seu valor, em alguns dos mercados mais volteis.
Para tirar o melhor proveito dessas ferramentas fundamental para
compreend-los totalmente. Este livro oferece uma base slida, ajudando
voc a chegar at a velocidade sobre essas estratgias e como melhor
utiliz-los.
Prego eletrnico transformou os mercados. Negocia o algortmica e Acesso Direto ao Mercado (DMA) s o
ferramentas importantes que ajudam tanto os comerciantes compram e vendem -laterais para conseguir a melhor
execuo.
Este livro comea a partir do zero. fornecendo explicaes detalhadas sobre estas duas tcnicas:
Uma introduo para os diferentes tipos de execuo seguido pela um resumo da teoria da microestrutura de mercado. Ao longo
do livro, exemplos de estudos emp ricos preencher a lacuna entre a te oria ea prtica da negociao.
As ordens so os blocos de construo fundamentais para qualquer estratgia de execuo. Market, limite, pare,
escondido, iceberg, peg, ordens roteadas e imediatas-or-cancelar esto todos descritos, usando exemplos ilustrados.
Algoritmos de negocia o so explicados e comparados usando gr ficos para mostrar padres comerciais
potenciais. TWAP. VWAP, Percentual de Volume, impacto mnimo, Shortfall Implementao, Adaptive dfice.
Mercado On Close e Pairs algoritmos de negocia o esto todas cobertas, juntamente com varia es comuns.
Os custos de transao pode ter um efeito significativo sobre o retorno dos investimentos. Um profundo exemplo mostra como
estas podem ser dividido em componentes, tais como o impacto no mercado, risco temporal, difundir e custo de oportunidade e
outras taxas.
A cobertura inclui todas as principais classes de ativos, de a es para renda fixa, cmbio e derivativos. Vises
gerais detalhadas para cada um dos principais mercados do mundo s o fornecidos nos apndices.
Colocao de pedidos e execuo tticas so abordados com mais detalhes, bem como potenciais melhorias
(como previses de curto prazo), para os interessado s nos detalhes de implementao dessas estratgias.
Aplicaes de corte de ponta, como a carteira de negocia o e multi-ativo tambm so considerados, como esto
lidando com notcias e minerao de dados / inteligncia artificial.
JMY
e lom
ISBN 978-095639920 5
um
1PRes s
9 780956 399205
90 00 >

Book Algorithmic Trading and DMA Barry Johnson+text - En.pt

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Book Algorithmic Trading and DMA Barry Johnson+text - En.pt

Transféré par

Droits d'auteur :

Formats disponibles

EuEu

Com direitos de autor / flaSlJ ^

Uma introduo a estratgias de negociao de acesso directo

II | IIII | IIII | IIII

Algorithmic Trading E DMA

Por Barry Johnson

Direitos autorais 2010, Barry Johnson. Todos os direitos reservados.

Para mais informaes sobre este livro, visite o site www.algo-dma.com

Impresso nos Estados Unidos.

Na memria de minha me.

Por favor, doe para www.myeloma.org.uk

Algorithmic Trading DM & A

Parte Eu Uma viso geral de negociao e mercados

Negociao algortmica e DMA estratgias

Algorithmic Trading DM & A

Outros tipos de ordens

Viso geral do algoritmo

Estratgias de negociao Optimal

Parte III Negociao implementao estratgias

Algorithmic Trading DM & A

Fatores que afetam a escolha de execuo

Previso condies de mercado

Negociao avanada estratgias

Carteira de negociao com algoritmos

Algorithmic Trading & DM UMA

Outros fatores que afetam o impacto da notcia

A minerao de dados e inteligncia artificial

Capital prprio mercados

Algorithmic Trading DM & A

uma raa especial; eles tm muita

experincia e conhecimento detalhado do mercado. Negociao algortmica destila alguns desses

Quem deve ler este livro?

um resumo de algumas tcnicas avanadas de negociao. Os usurios

Parte I: Uma viso geral de negociao e mercados

A formao bsica neste

Estratgias de negociao algortmica e DMA: Part II

Algorithmic Trading DM & A

Parte III: Implementao de estratgias de negociao

um resumo de como eles podem ser

usados por algoritmos de negociao.

uma reviso de modelos de estimativa de custos para mais algoritmos

plataformas para estrat gias de negocia o electrnica so

examinados. A implementa o e testes de regras de negociao tambm discutida.

Parte IV: estratgias de negociao avanadas

algoritmos considerado, seguido pela uma avaliao da

melhor forma de adaptar algoritmos de negociao para carteira de negocia o.

Anexos: A avaliao dos mercados mundiais por classe de ativos

mercados. O foco sobre a adoo do comrcio eletrnico e da prestao de

Algorithmic Trading & DM UMA

abrangendo plataformas de negocia o algortmica e de carteira, bem como

alguns para propriet rio

negociao. O principal foco tem sido as a es, embora derivados

Algorithmic Trading DM & A

Algorithmic Trading DM & A

baseado simplyacomputerisedrulesistema responsvel pela execuo de

Acesso Direto ao Mercado (DMA) permite que os clientes para enviar

Sistema de negocia o algortmica e Direct Market Access (DMA) s o ferramentas importantes

um comprador ou vendedor naturais para negociar, por isso os mercados tambm

dependem de intermedirios para "lubrificar as engrenagens": os comerciantes especializados, ou revendedores, o

A em Figura 1-1. Negociao eletrnica simples e oferece um meio de emisso de tais

ordens via computadores.

uma abordagem um pouco diferente para DMA: Um sistema

para o mercado, muitas vezes, as condies do mercado e rastrear