چکیده:
هدف: بازار بورس ایران در سالهای گذشته تغییراتی در آن اعمال شده و در انتظار تغییرات جدیتر است. در این پژوهش یک مدل بهینه سفارشگذاری با رویکرد ریزساختار بازار ارائه شده که در ساخت بازار مصنوعی استفاده شده و در انتها عملکرد آن مورد بررسی قرار گرفته است.
روش: با کمک شبیه سازی بازار میتوان به مواردی همچون تنظیم بازار و بررسی عملکرد استراتژیهای معاملاتی پرداخت. اما برای کشف قیمت تابلوی ثبت سفارش سهام از شبیهسازی عاملگرا (agent-based) استفاده کردهایم که الگوریتم تصمیمگیری آن شامل انتخاب نوع سفارش (خرید یا فروش)، انتخاب نوع اقدام معاملهگران (ثبت سفارش جدید یا لغو سفارش در صف)، انتخاب استراتژی معاملاتی و انتخاب قیمت بهینهی سفارش - برای یکی از عاملها (agent) - است. از آنجاکه یکی از چالشهای مهم سرمایهگذاران، یافتن قیمت بهینهی سفارشگذاری است، در این پژوهش به این موضوع پرداخته شده است و سعی شده بازار بورس تهران به گونهای شبیهسازی شود تا تغییرات ریزساختار بازار را مطالعه کند.
یافتهها: دادههای پژوهش شامل دادههای درون-روزی تابلوی ثبت سفارش سهم فولاد مبارکه اصفهان در 5 سطح و برای ۷۱ روز معاملاتی است. در سیستم شبیهسازی پژوهش، با بررسی دادههای تاریخی سهم فولاد مبارکه اصفهان، رفتار معاملاتی عاملها استخراج شده است. همچنین با توجه به بحث ریزساختار بازار، تقابل بین ریسک اجرای معاملات و کنترل واکنش بازار به عنوان یک هزینه معاملاتی، مدلسازی شده است. بازار برای مدت 30 روز شبیهسازی شده و نتایج حاکی از آن است که استراتژی سفارشگذاری بهینه شده، از لحاظ میانگین قیمت خرید سهم، میانگین زمان انتظار برای اجرای معامله هر سهم و میانگین حجم معامله شده از سفارش، در مقایسه با سایر استراتژیهای مورد بررسی در بازار عملکرد بهتری داشته است.
نتیجهگیری: نتایج این پژوهش نشان میدهد بهکارگیری ریسک اجرایی شدن سفارش و هزینه معاملاتی بطور همزمان در استراتژی سفارشگذاری، عملکرد بهتری نسبت به استراتژیهای مبتنی بر درجهی تهاجمی بودن معاملهگران بازار دارد.
This contribution proposes an order placement strategy which can be run on simulating continuous financial markets، within an agent-based model framework.
Methods
In order to improve the efficiency of price discovery، the order placement decision is given by an optimization model which minimizes the risk adjusted execution cost، taking into consideration relevant market microstructure factors such as market impact. The trading behavior of the agents has been extracted from intraday LOB data of Foulad Stock in Tehran Stock Exchange.
Results
The market has been simulated for 30 days and the results indicated that the optimized ordering strategy، in terms of the average purchase price of the share، the average waiting time for the transaction of each share and the average volume of the order traded، had better performance in comparison to other strategies examined.
Conclusion
We can claim that taking into consideration both non-execution risk and execution cost could raise the performance in comparison to other strategies based on the aggressive level of the traders.