多层级指令流不平衡的价格冲击效应研究

doi:10.16381/j.cnki.issn1003-207x.2022.2771

Abstract

Abstract:

In order-driven financial market， order flow imbalance is the main driving force for price movement. To deeply explore the price impact of order flow imbalance， dynamic limit order book， and quantify time-varying characteristics of multi-level order flow imbalance are reconstructed， then the price impact and cross impact are discussed. The mechanism and trader's behavior characteristics behind the result are explored. Our empirical analysis results show that，first，multi-level order flow imbalance contains deeper levels information of limit order book. It can provide higher explanatory power for the contemporaneous price impact. Second， from the perspective of multi-asset trading， the information of other limit order book is also included in multi-level order flow imbalance， multi-asset models with cross-impact do not provide additional explanatory power for contemporaneous impact. Third， the post-double-selection granger causality testing can effectively identify the continuous guidance relationship between different sample stocks' multi-level order flow imbalance and realize the portrayal of cross impact. Multi-level order flow imbalance not only contains private information held by informed traders， but also implies behavioral characteristics of multi-asset traders.

Key words: limit order book, order imbalance, deeper levels, price impact, cross impact

CLC Number:

F830

Zhi-dong LIU,Chao WANG. Multi-Level Order Flow Imbalance and Price Impact[J]. Chinese Journal of Management Science, 2023, 31(12): 11-22.

Figures/Tables 9

股票名称	$O P I [1]$		$O P I [2]$		$O P I [3]$			$O P I [4]$
股票名称	$α i [1]$	$β i [1]$	$β i [2], 1$	$β i [2], 2$	$β i [3], 1$	$β i [3], 2$	$β i [3], 3$	$β i [4], 1$	$β i [4], 2$	$β i [4], 3$	$β i [4], 4$
万科A	0.01	10.05	2.98	8.32	1.86	3.66	5.46	1.41	2.57	2.89	3.88
招商蛇口	0.00	12.79	4.83	10.00	3.07	4.92	6.60	2.27	3.60	3.74	4.79
荣安地产	-0.01	69.49	4.03	45.17	1.78	15.77	29.47	0.90	8.85	20.67	18.68
南山控股	0.00	79.12	5.71	44.22	1.28	16.68	28.92	0.48	12.45	16.57	15.72
奥园美谷	0.01	36.36	4.72	27.94	2.03	10.44	18.81	1.36	6.40	10.50	12.91
国创高新	0.00	37.56	5.03	29.78	2.44	11.02	19.20	1.50	5.88	9.03	16.25
五粮液	0.01	1.73	0.84	1.25	0.65	0.60	1.04	0.55	0.48	0.55	0.82
宁德时代	0.01	3.13	1.73	2.09	1.36	1.10	1.69	1.17	0.87	0.99	1.31
美利云	0.01	17.40	5.24	13.83	3.26	6.86	8.81	2.26	4.82	5.49	6.08
方大集团	0.01	39.72	4.17	29.72	1.52	11.73	17.66	1.02	7.16	8.76	14.67
宇晶股份	0.01	6.10	3.19	4.24	2.31	2.47	3.10	1.87	1.88	1.97	2.38
扬帆新材	0.01	11.57	4.30	9.59	2.93	5.14	6.42	2.25	3.65	4.03	4.71
科大讯飞	0.01	5.31	1.97	4.09	1.31	1.96	2.89	1.05	1.41	1.59	2.14
巨人网络	0.01	14.92	5.02	12.05	3.00	6.01	7.54	2.24	4.45	4.63	5.05
恺英网络	0.00	40.57	2.78	31.42	1.20	11.31	20.10	0.71	7.00	11.00	14.33
海峡创新	0.01	17.16	4.55	14.62	2.46	6.54	9.54	1.70	4.33	1.43	8.10
汇纳科技	0.00	8.74	4.99	5.49	3.80	3.41	3.91	3.20	2.71	2.74	2.78
高伟达	0.01	17.94	4.16	14.92	2.30	6.60	9.47	1.54	4.37	5.27	6.76
平安银行	0.00	20.66	4.53	17.47	2.47	6.75	10.70	1.70	4.46	5.15	7.44
宁波银行	0.00	10.02	4.02	7.84	2.73	3.86	5.44	2.17	2.79	3.13	3.88
长城证券	0.01	10.76	2.42	9.23	1.47	3.92	5.90	1.04	2.64	3.18	4.14
西部证券	0.00	26.67	3.89	22.63	1.86	8.53	13.70	1.27	5.28	7.55	8.82
东北证券	0.00	25.13	3.93	20.91	1.97	7.52	12.74	1.32	4.87	6.01	9.15
张家港行	0.00	40.37	3.74	31.73	1.68	11.07	19.35	1.02	6.20	10.04	13.98
温氏股份	0.00	5.39	2.52	3.72	1.82	1.84	2.64	1.49	1.42	1.49	1.96
牧原股份	0.01	2.49	1.39	1.54	1.14	0.78	1.24	1.00	0.63	0.70	0.99
仙坛股份	0.01	10.00	3.41	7.69	2.17	3.70	5.05	1.68	2.61	2.92	3.59
登海种业	0.01	17.28	4.15	14.49	2.26	6.53	9.27	1.55	4.20	5.06	7.12
众兴菌业	0.01	28.93	5.82	23.76	2.74	9.98	15.07	1.63	6.26	7.36	12.66
百洋股份	0.01	23.16	5.14	18.11	2.59	7.87	12.09	1.78	5.07	6.89	8.67

股票名称	OPI^[1]		OPI^[2]		OPI^[3]			OPI^[4]
股票名称	α $i [1]$	β $i [1]$	β $i [2], 1$	β $i [2], 2$	β $i [3], 1$	β $i [3], 2$	β $i [3], 3$	β $i [4], 1$	β $i [4], 2$	β $i [4], 3$	β $i [4], 4$
万科A	0.13	99	67	100	53	85	99	47	76	84	96
招商蛇口	0.80	98	73	100	61	87	98	54	78	82	93
荣安地产	0.57	83	40	100	34	87	96	32	76	84	87
南山控股	1.14	82	45	100	37	84	93	34	73	81	86
奥园美谷	0.72	90	53	100	44	87	96	40	78	83	88
国创高新	1.07	92	57	100	47	89	96	43	79	84	88
五粮液	2.62	100	80	99	68	65	98	61	55	62	93
宁德时代	1.90	100	83	98	72	69	95	64	58	66	89
美利云	0.70	99	73	100	61	88	97	56	80	87	91
方大集团	0.63	91	49	100	40	89	96	36	79	84	90
宇晶股份	1.40	99	86	98	74	79	94	67	68	73	86
扬帆新材	1.23	98	77	99	66	85	95	61	77	79	88
科大讯飞	0.47	100	73	100	59	84	99	53	71	82	97
巨人网络	1.44	98	72	100	62	88	97	55	80	84	91
恺英网络	0.33	89	40	100	35	88	96	30	80	87	89
海峡创新	1.32	98	66	99	56	85	97	50	78	84	92
汇纳科技	2.09	98	79	94	71	75	84	66	67	67	74
高伟达	0.61	98	64	100	51	90	98	45	83	86	93
平安银行	0.17	99	57	100	46	87	99	40	79	84	96
宁波银行	0.68	99	73	100	61	88	98	55	77	83	94
长城证券	0.34	99	65	100	53	87	99	45	77	86	96
西部证券	0.39	96	53	100	44	89	98	40	80	86	93
东北证券	0.34	96	55	100	45	86	98	41	79	86	94
张家港行	0.09	91	46	100	38	88	96	35	80	86	90
温氏股份	0.55	100	78	99	66	72	98	59	62	72	93
牧原股份	1.36	100	86	97	77	59	94	72	49	58	88
仙坛股份	0.77	99	77	100	64	87	99	56	79	84	95
登海种业	0.48	97	64	100	52	90	98	47	82	87	94
众兴菌业	1.03	94	61	100	53	89	96	44	79	84	92
百洋股份	0.75	95	61	100	51	90	97	45	83	86	91

样本类型		$O P I [1]$	$O P I [2]$	$O P I [3]$	$O P I [4]$	$O P I [5]$	$O P I [6]$	$O P I [7]$	$O P I [8]$	$O P I [9]$	$O P I [10]$
样本内	0.25分位	0.138	0.451	0.567	0.634	0.677	0.707	0.732	0.749	0.764	0.775
	中位数	0.222	0.629	0.767	0.829	0.864	0.885	0.901	0.913	0.922	0.929
	0.75分位	0.308	0.832	0.930	0.961	0.975	0.983	0.988	0.991	0.993	0.994
	中位数增幅（%）	-	183.2	21.9	8.1	4.2	2.5	1.8	1.3	1.0	0.8
	P值	-	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00
样本外	0.25分位	0.043	0.275	0.360	0.405	0.429	0.436	0.431	0.417	0.396	0.362
	中位数	0.149	0.458	0.571	0.625	0.652	0.663	0.666	0.662	0.654	0.642
	0.75分位	0.239	0.670	0.778	0.817	0.837	0.842	0.844	0.842	0.839	0.833
	中位数增幅（%）	-	206.5	24.6	9.4	4.4	1.6	0.5	-0.6	-1.2	-1.8
	P值	-	0.00	0.00	0.00	0.00	0.00	0.00	1.00	0.97	0.00

样本类型		最优层级				多层级
样本类型		$O P I [1]$	$C P I [1]$	R²增幅	P值	$O P I [0]$	$C P I [0]$	R²增幅	P值
样本内	0.25分位	0.138	0.139	-	-	0.709	0.712	-	-
	中位数	0.222	0.231	3.79%	1.00	0.875	0.877	0.23%	0.00
	0.75分位	0.308	0.322	-	-	0.966	0.967	-	-
样本外	0.25分位	0.043	-0.836	-	-	0.597	0.360	-	-
	中位数	0.149	-0.326	-318.07%	0.00	0.786	0.664	-15.58%	0.00
	0.75分位	0.239	-0.131	-	-	0.906	0.853	-	-

References 36

1	邴涛，刘善存，张强，等. 指令驱动市场中非知情交易者的最优交易策略［J］. 管理科学学报， 2017， 20（3）： 24-45.
	Bing Tao， Liu Shancun， Zhang Qiang， et al. The optimal trading strategy of uninformed traders in an order driven market［J］. Journal of Management Sciences in China， 2017， 20（3）： 24-45.
2	郭梁，周炜星. 基于高频数据的中国股市量价关系研究［J］. 管理学报， 2010， 7（8）： 1242-1247.
	Guo Liang， Zhou Weixing. An empirical analysis of the volume-price relation using high-frequency data in the chinese stock market［J］. Chinese Journal of Management， 2010， 7（8）： 1242-1247.
3	Gould M D， Porter M A， Williams S， et al. Limit order books［J］. Quantitative Finance， 2013， 13（11）： 1709-42.
4	O'Hara M. High frequency market microstructure［J］. Journal of Financial Economics， 2015， 116（2）： 257-270.
5	Bouchaud J P， Bonart J， Donier J， et al. Trades， quotes and prices： financial markets under the microscope［M］. Cambridge University Press， 2018.
6	Capponi F， Cont R. Multi-asset market impact and order flow commonality［R］. Working Paper， Imperial College London，2020.
7	谢文杰，李牧遥，周炜星. 噪声交易者、交易行为多样性与即时价格冲击［J］. 管理科学学报， 2020， 23（4）： 98-109.
	Xie Wenjie， Li Muyao， Zhou Weixing. Noise traders，diversity of trading behavior，and immediate price impact of a stock and its warrant［J］. Journal of Management Sciences in China， 2020， 23（4）： 98-109.
8	Cont R. Statistical modeling of high-frequency financial data［J］. IEEE Signal Processing Magazine， 2011， 28（5）： 16-25.
9	Hautsch N， Huang R. The market impact of a limit order［J］. Journal of Economic Dynamics and Control， 2012， 36（4）： 501-522.
10	刘志东，赵致远，王超. 指令流不平衡、指令爆发与价格冲击［J］. 系统工程理论与实践， 2022， 42（9）： 2367-2390.
	Liu Zhidong， Zhao Zhiyuan， Wang Chao. Order flow imbalance， quote burst and price impact［J］. Systems engineering-Theory & Practice， 2022， 42（9）： 2367-2390.
11	龚玉婷，徐信喆，杨朝军. 证券市场指令流与收益的非线性依赖性研究：混合连接函数（Mixed Copula）在流动性及流动性黑洞问题上的应用［J］. 管理工程学报， 2016， 30（3）： 151-160.
	Gong Yuting， Xu Xinzhe， Yang Chaojun. Nonlinear dependence of order flow and return on stock market： applying mixed copula in the problem of liquidity and liquidity black hole［J］. Journal of Industrial Engineering/Engineering Management，2016， 30（3）： 151-160.
12	Eisler Z， Bouchaud J P， Kockelkoren J. The price impact of order book events： market orders， limit orders and cancellations［J］. Quantitative Finance， 2012， 12（9）： 1395-419.
13	Bouchaud J P， Gefen Y， Potters M， et al. Fluctuations and response in financial markets： the subtle nature of ‘random’ price changes［J］. Quantitative finance， 2004， 4（2）： 176-90.
14	陈收，李双飞，黎传国. 订单差、交易量变化对股票价格的冲击［J］. 管理科学学报， 2010， 13（9）： 68-75+97.
	Chen Shou， Li Shuangfei， Li Chuanguo. Stock price response to order imbalance and change of volume［J］. Journal of Management Sciences in China， 2010，13（9）： 68-75+97.
15	Frazzini A， Israel R， Moskowitz T J. Trading costs of asset pricing anomalies［R］. Working Paper，AQR Capital Management， 2012.
16	Cont R， Kukanov A， Stoikov S. The price impact of order book events［J］. Journal of financial econometrics， 2014， 12（1）： 47-88.
17	Xu Ke， Gould M D， Howison S D. Multi-level order-flow imbalance in a limit order book［J］. Market Microstructure and Liquidity， 2018， 4（03n04）： 1950011.
18	Chan K， Fong W M. Trade size， order imbalance， and the volatility-volume relation［J］. Journal of Financial Economics， 2000， 57（2）： 247-273.
19	Bouchaud J P. Price impact［R］. Working Paper， Capital Fund Management， 2009.
20	Wang Shanshan， Schäfer R， Guhr T. Cross-response in correlated financial markets： individual stocks［J］. The European Physical Journal B， 2016， 89（4）： 1-16.
21	Brown P， Walsh D， Yuen A. The interaction between order imbalance and stock price［J］. Pacific-Basin Finance Journal， 1997， 5（5）： 539-557.
22	Kyle A S. Continuous auctions and insider trading［J］. Econometrica： Journal of the Econometric Society， 1985： 1315-1335.
23	Andrade S C， Chang C， Seasholes M S. Trading imbalances， predictable reversals， and cross-stock price pressure［J］. Journal of Financial Economics， 2008， 88（2）： 406-423.
24	Benzaquen M， Mastromatteo I， Eisler Z， et al. Dissecting cross-impact on stock markets： an empirical analysis［J］. Journal of Statistical Mechanics： Theory and Experiment， 2017， 2017（2）： 023406.
25	Pasquariello P， Vega C. Strategic cross-trading in the US stock market［J］. Review of Finance， 2015， 19（1）： 229-282.
26	Cont R， Cucuringu M， Zhang Chao. Price impact of order flow imbalance： multi-level， cross-sectional and forecasting［J］. arXiv preprint arXiv：， 2021.
27	Ahn H J， Bae K H， Chan K. Limit orders， depth， and volatility： evidence from the stock exchange of Hong Kong［J］. The Journal of finance， 2001， 56（2）： 767-788.
28	赵秀娟，魏卓，汪寿阳.基于日内效应的沪深300股指期货套利的分析［J］.管理科学学报， 2015，18（1）：73-86.
	Zhao Xiujuan， Wei Zhuo， Wang Shouyang. Study on CS1300 index futures' arbitrage based on intraday effect［J］. Journal of Management Sciences in China， 2015， 18（1）： 73-86.
29	刘志东，赵致远. 基于状态依赖Hawkes过程的我国股市限价指令簿事件激励效应研究［J］. 中国管理科学， 2022， 30（2）： 1-13.
	Liu Zhidong， Zhao Zhiyuan. Research on excitation effect among limit order book events in chinese stock market based on state-dependent hawkes processes［J］. Chinese Journal of Management Science， 2022， 30（2）： 1-13.
30	Harris L E， Panchapagesan V. The information content of the limit order book： evidence from NYSE specialist trading decisions［J］. Journal of Financial Markets， 2005， 8（1）： 25-67.
31	Madhavan A， Richardson M， Roomans M. Why do security prices change？ A transaction-level analysis of NYSE stocks［J］. The Review of Financial Studies， 1997， 10（4）： 1035-1064.
32	Giot P. Market risk models for intraday data［J］. The European Journal of Finance， 2005， 11（4）： 309-324.
33	Hecq A， Margaritella L， Smeekes S. Granger causality testing in high-dimensional VARs： a post-double-selection procedure［J］. Journal of Financial Econometrics， 2023，21（3）：915-958.
34	Brunnermeier M K. Information leakage and market efficiency［J］. The Review of Financial Studies， 2005， 18（2）： 417-457.
35	Schneider M， Lillo F. Cross-impact and no-dynamic-arbitrage［J］. Quantitative Finance， 2019， 19（1）： 137-154.
36	Harford J， Kaul A. Correlated order flow： pervasiveness， sources， and pricing effects［J］. Journal of Financial and Quantitative Analysis， 2005， 40（1）： 29-55.

所属行业	股票名称	日均市值（亿元）	平均每日委托笔数	平均每日成交笔数	平均成交价格	平均买卖价差/ticks	平均相对买卖价差
房地产业	万科A	3136.65	67545.76	46478.55	28.20	1.43	0.0005
	招商蛇口	1607.33	23942.98	16592.60	20.60	1.67	0.0008
	荣安地产	90.19	10706.05	6376.27	2.97	1.05	0.0036
	南山控股	86.67	6038.54	3938.65	3.38	1.06	0.0032
	奥园美谷	42.24	8205.79	5180.85	6.01	1.16	0.0020
	国创高新	41.85	8146.80	5422.07	4.98	1.11	0.0023
制造业	五粮液	4201.14	120095.98	75441.94	109.43	3.09	0.0003
	宁德时代	1714.83	36375.01	23006.11	79.33	3.40	0.0004
	美利云	59.81	15673.36	10402.01	10.02	1.72	0.0017
	方大集团	59.91	13166.69	8516.81	6.07	1.10	0.0019
	宇晶股份	32.15	13813.38	8545.45	35.58	3.95	0.0011
	扬帆新材	32.11	8128.30	5196.50	19.52	2.19	0.0012
信息传输、软件和信息技术服务业	科大讯飞	700.17	74298.34	49191.88	33.31	1.60	0.0005
	巨人网络	384.87	13095.36	8516.66	19.83	1.63	0.0008
	恺英网络	72.99	26122.73	17087.23	3.58	1.06	0.0031
	海峡创新	72.27	9656.60	6372.36	10.77	1.51	0.0014
	汇纳科技	37.39	6413.50	3292.53	38.18	7.08	0.0019
	高伟达	36.76	18999.89	12760.92	8.84	1.30	0.0015
金融业	平安银行	2483.71	70165.24	47669.19	14.03	1.15	0.0008
	宁波银行	1251.79	28943.84	20307.12	23.50	1.68	0.0007
	长城证券	424.33	50612.67	34384.10	14.11	1.36	0.0010
	西部证券	336.20	32075.42	21238.76	10.28	1.17	0.0011
	东北证券	200.90	27801.23	19593.62	8.98	1.16	0.0013
	张家港行	107.62	19750.81	12622.06	6.29	1.07	0.0017
农、林、牧、渔业	温氏股份	1958.87	45723.77	31224.76	37.63	2.37	0.0006
	牧原股份	1415.20	45698.69	29762.98	71.11	4.20	0.0006
	仙坛股份	74.20	25230.67	17032.47	20.15	1.73	0.0009
	登海种业	69.38	27499.02	18241.67	8.94	1.37	0.0015
	众兴菌业	27.94	7013.10	4617.45	8.04	1.21	0.0015
	百洋股份	27.00	9428.61	6311.98	7.01	1.27	0.0018

Multi-Level Order Flow Imbalance and Price Impact

RichHTML

PDF (PC)

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 9

References 36

Related Articles 5

Metrics

Comments

Recommended 0

[1]	LIU Zhi-dong, ZHAO Zhi-yuan. Research on Excitation Effect among Limit Order Book Events in Chinese Stock Market Based on State-dependent Hawkes Processes [J]. Chinese Journal of Management Science, 2022, 30(2): 1-13.
[2]	XU Qi-fa, CAI Chao, JIANG Cui-xia. An Analysis of the Relationship between Order Imbalance and Stock Returns through Quantile Regression Approach for Large-scale Data [J]. Chinese Journal of Management Science, 2016, 24(12): 20-29.
[3]	WANG Wen-hu, WAN Di-fang, WU Zu-guang, ZHANG Lu. Investors Structure、Order Imbalance and Price Discovery:Evidence from Shanghai Commodity Futures Market [J]. Chinese Journal of Management Science, 2015, 23(11): 1-11.
[4]	CHEN Xiao-hong, HU Wei, WANG Zhi-yun. Empirical Research on Price Impact Factors of Carbon Exchange of Voluntary Market：Evidence from CCX of USA [J]. Chinese Journal of Management Science, 2013, 21(4): 74-81.
[5]	ZHANG Qiang, LIU Shan-cun, LIN Qian-hui, QIU Wan-hua. The Effects of the Optimal Trading Strategies on Trading Durations [J]. Chinese Journal of Management Science, 2012, 20(5): 24-30.