诚信为本:市场永远在变,诚信永远不变。

咨询热线

13988889999
手机:13988889999
电话:0898-66889888
地址:海南省海口市玉沙路58号
邮箱:admin@youweb.com

什么是金融市场微观结构?

你的位置: 首页 > 新闻资讯

什么是金融市场微观结构?

2024-03-12 13:25:28

金融市场微观结构(market microstructure)是指资产交易价格形成与发现的过程与运作机制 。






从学术界对该词语的解释和实际运用看,市场微观结构实际上在两个意义上被广泛使用:一是证券交易的制度架构,或者说市场微观结构本身;二是作为金融经济学的一个分支,该词语被用来指对市场微观结构的研究,即市场微观结构理论或市场微观结构经济学。


市场微观结构的核心是价格发现功能,后者也是整个证券交易市场最核心的环节。从这个意义上说,证券市场微观结构也可称之为证券市场的交易机制(trading mechanism)或市场模式(market model),即交易得以实现的市场架构、规则和制度。


在现代证券市场,大多数的交易均是通过集中的、电子化的市场进行,因此,需要有一个电子化的交易系统来支撑这些交易。这就是通常所说的证券交易系统。举凡证券交易系统,归纳起来不外两方面内容:一是交易机制(功能)方面,一是交易技术方面。技术系统是指交易得以实现的软件和硬件系统。多数研究者讨论的市场微观结构主要是交易机制。从交易机制的角度看,市场微观结构不同于广义上的市场结构。广义的市场结构包括整个证券市场的层次结构(如场外市场与场内市场、主板市场和二板市场)、市场自身的组织与治理结构(如交易所的组织形式)、市场的功能结构(如发行市场和流通市场)以及市场的产品结构(如股票、债券、期货和期权)等多方面的内容,而市场微观结构则仅指与交易价格形成过程有关的微观因素,如市场的参与者(如投资者、做市商、经纪商)、交易场所的形式(如交易大厅、电子无形市场)和市场的交易规则(如订单撮合规则、交易信息披露、价格稳定措施)等。




市场微观结构主要包括以下七个方面的内容:


1.价格形成方式。价格形成方式通常也称为市场类型(market type)或市场模式。从目前世界各证券市场的实践看,市场模式可依据不同标准区分为以下多种形式:


一是依据交易是否连续可将价格形成方式区分为定期(集合)交易模式和连续交易模式。前者仅在交易时间的特定时间点对投资者买卖需求集中进行撮合,而后者则在交易时间的任何时间点均可对投资者买卖需求进行撮合,即随到随撮合。


二是依据交易中介的作用可将价格形成方式划分为订单驱动和报价驱动两种形式。报价驱动市场也称做市商市场,即做市商(交易商)在交易时间内连续提供买卖双向报价,投资者可按做市商报价与做市商进行交易,投资者之间不直接撮合;订单驱动市场通常也称为竞价市场,即价格形成源于投资者订单的相互作用,投资者的订单相互之间直接进行撮合。




三是依据交易手段(或交易自动化程度)的不同,可将交易模式分为人工交易和电子交易两种。人工交易主要是指在交易所的交易大厅交易,但近年来,交易大厅交易尽管仍然存在较多的人工参与,但电子化程度也不断提高,如纽约证券交易所的交易大厅实际上是一个自动化程度相当高的场内交易市场;电子交易主要是指无形市场,市场参与者无需面对面进行交易,交易通过基于电脑屏幕(screen-based)的电子网络进行。




四是依据价格发现的独立性可将交易模式分为有价格确定机制的交易市场和自身无价格确定机制的交易市场。在自身无价格确定机制的交易市场,价格主要从其他市场引进,或引进其他市场的交易价格后适当进行优化。



2.价格形成机制的特殊方面。如市场的开盘、收盘制度和开收盘价格的确定机制,大宗交易的价格确定机制等。





3.订单形式。订单是投资者下达的买进或卖出证券的指令。从国际证券市场实践看,订单形式多种多样,如限价订单、市价订单、止损订单、限价转市价订单、全额即时订单、非全额即时订单、全额非即时订单、冰山订单等等。


例如在真格量化中提供的各种PriceType:




无论报价驱动的市场,还是订单驱动的市场,订单均是必不可少的。在报价驱动的市场,订单由投资者下达给经纪商,由经纪商代理投资者处理该订单以便与做市商交易。在订单驱动的市场,投资者的订单通过经纪商直接送达市场的撮合系统(通常是电脑撮合主机),由市场的撮合系统进行处理和决定匹配与否。市场在处理大量投资者的订单时,必须依据一定的原则(如价格优先、时间优先)对订单进行排序,这些原则即订单优先原则。订单优先原则也是订单以及价格形成机制中的一项重要内容。





4.交易离散构件。理论上,交易(包括交易时间、交易价格和交易数量)可以是连续的,但现实中并非如此。那些使交易价格和交易数量不能连续的制度被称为交易离散构件(discreetness)。


例如在真格量化中通过品种信息查询到的各种参数:




交易离散构件主要是两个方面,即最小报价档位与最小交易单位。最小报价档位规定了买卖报价必须遵循的最小报价变化幅度(如 0.01 元、1/32 美元等),从而限制了价格的连续性。最小交易单位通常也称为交易的整手数量,即订单不能低于该数量(例如在股票市场,低于该数量的订单称为零股订单,其交易方法与整手订单通常不一样),最小交易单位限制了交易数量的连续性。




5.价格监控机制。价格监控机制也称为价格稳定机制,指使市场波动平滑、价格稳定、有序的一系列措施,如断路器(熔断)措施、涨跌幅限制、最大报价档位等。





6.交易信息披露。交易信息披露是证券市场交易的另一个重要环节,也是形成公平、合理的价格必不可少的一环。交易信息披露包括交易前披露和交易后披露两个方面,前者主要是订单和报价信息的披露,后者主要是已成交信息的披露。无论是交易前信息披露,还是交易后信息披露,都有一个交易信息披露的数量和质量问题,即披露哪些信息、如何披露以及披露的速度等。




7.交易支付机制。交易支付是交易机制的一个特殊方面,即买空与卖空机制。当投资者在缺乏足够的资金以支付购买证券所需的价款,或没有足够的证券可供卖出时,可在缴纳规定的保证金后进行融资或融券,进行买空和卖空交易。这种在证券交易过程中,采取非现金交易或由有关机构给予授信的证券交易行为,即融资融券(Security Financing)。


对市场微观结构的研究,可以为设计各种高频交易、做市策略打下基础。



— — — — — — E N D — — — — — —


真格量化可访问:

quant.pobo.net.cn



真格量化微信公众号,长按关注:

遇到了技术问题?欢迎加入真格量化Python技术交流QQ群 726895887





往期文章:

Numpy处理tick级别数据技巧

真正赚钱的期权策略曲线是这样的

多品种历史波动率计算

如何实现全市场自动盯盘

AI是怎样看懂研报的

真格量化策略debug秘籍

真格量化对接实盘交易

常见高频交易策略简介

如何用撤单函数改进套利成交

Deque提高处理队列效率

策略编程选Python还是C++

如何用Python继承机制节约代码量

十大机器学习算法

如何调用策略附件数据

如何使用智能单

如何扫描全市场跨月价差

如何筛选策略最适合的品种

活用订单类型规避频繁撤单风险

真格量化回测撮合机制简介

如何调用外部数据

如何处理回测与实盘差别

如何利用趋势必然终结获利

常见量化策略介绍

期权交易“七宗罪”

波动率交易介绍

推高波动率的因素

波动率的预测之道

趋势交易面临挑战

如何构建知识图谱

机器学习就是现代统计学

AI技术在金融行业的应用

如何避免模型过拟合

低延迟交易介绍

架构设计中的编程范式

交易所视角下的套利指令撮合

距离概念与特征识别

气象风险与天气衍生品

设计量化策略的七个“大坑”

云计算在金融行业的应用

机器学习模型评估方法

真格量化制作期权HV-IV价差

另类数据介绍

TensorFlow中的Tensor是什么?

机器学习的经验之谈

用yfinance调用雅虎财经数据

容器技术如何改进交易系统

Python调用C++

如何选择数据库代理

统计套利揭秘

一个Call搅动市场?让我们温习一下波动率策略

如何用真格量化设计持仓排名跟踪策略

还不理解真格量化API设计?我们不妨参考一下CTP平台

理解同步、异步、阻塞与非阻塞

隐波相关系数和偏度——高维风险的守望者

Delta中性还不够?——看看如何设计Gamma中性期权策略

Python的多线程和多进程——从一个爬虫任务谈起

线程与进程的区别
皮尔逊相关系数与历史K线匹配

Python2和Python3的兼容写法
Python代码优化技巧

理解Python的上下文管理器

如何写出更好的Python代码?这是Python软件基金会的建议

评估程序化模型时我们容易忽视的指标

看看如何定位Python程序性能瓶颈

什么是Python的GIL

投资研究中的大数据分析趋势及应用

理解CTP中的回调函数

如何围绕隐含波动率设计期权交易策略

看看如何用Python进行英文文本的情感分析

算法交易的分类

Python编码的最佳实践总结

什么是波动率锥?如何用波动率锥设计期权策略?

期权的波动率策略与时间价值收集策略对比

期权用于套期保值和无风险套利

隐含波动率对期权策略的影响

卖出期权交易的风险管理原则和技巧

期权交易中的“大头针”风险

期权做市商策略简介

精细化您的交易——交易成本评估与交易执行策略

海外市场交易执行策略的实践

设计期权套期保值方案时应注意的问题

美式期权、欧式期权比较分析——定价与风险管理

构建您的AI时代武器库——常用的机器学习相关Python库

期权波动率“微笑曲线”之谜

运算任务愈发繁重,如何加速Python程序运行?

证券市场微观结构理论模型是什么

是瞬间成交还是漫长等待?——如何衡量市场流动性

波动率指数及其衍生品介绍

Python的异常处理技巧

Python中的阻塞、异步与协程

"香草"之外的更多选择——几种常见的路径依赖奇异期权

什么是CTP?——了解上期所CTP快速交易系统

了解季节性——以谷物和油籽为例

是前因还是后果?——在真格量化中进行格兰杰因果检验

Python导入模块的技巧

Python程序员常犯的十个错误

搜索数据泄露天机?——舆情指数与期货行情关联性分析思路

机器学习常见算法分类汇总

如何使用Data Pipeline 自动化数据处理工作?

CTP API的委托介绍和在真格量化中的订单流控制

高频交易对市场的影响

期货行情及其组织形式——以上期所为例

理解并行与并发

郑商所和大商所套利指令及在真格量化的实现

机器学习用于金融市场预测面临的挑战

高频交易中风险控制的常用措施

查询结果偏离预期?来了解CTP的报单函数及委托状态查询

Python中的ftplib模块

理解真格量化的Python编程范式

需要处理大量市场数据?来了解一下MySQL、HBase、ES的特点和应用场景

NumPy中的ndarray与Pandas的Series和DataFrame之间的区别与转换

Python中的scikit-learn机器学习功能库

什么是程序设计中的高内聚、低耦合?

Python的内存管理与垃圾回收机制

云服务中的容器技术

什么是“面向对象”程序设计-以Python为例

波动率介绍及其在资产定价中的应用

发现策略中的孪生兄弟——期权交易中的等价或相似策略解析

如何利用期权改进指数投资表现——借鉴海外市场经验

如何用期权进行“哑铃型”资产配置——“90/10”策略介绍

国外著名商品指数编制方法比较

FPGA技术在金融行业的应用——以沪深行情加速为例

美国市场对部分高频交易行为的监管

报价驱动制度与指令驱动制度比较

理解动量投资策略和逆向投资策略——通过行为金融学视角

期权做市商面临的风险及其对做市业务的影响

商品期权在现货企业中的应用

期权进行套期保值的优势与策略分类

COT报告揭秘——如何解读CFTC的持仓报告

什么是“零拷贝”技术

跨市场套利——策略简介与风险因素

什么是期权市场的PCR指标?

量化交易的频谱分析与策略搭配规律

资产价格与波动率的关系

基本面量化与美林时钟模型

常见的价差交易策略介绍

高频交易是否对市场造成了负面影响?

海外股指期权市场概况

期权是否能用于底层资产的价格预测?

什么是股指期权?

股指期权现货指数的构成和波动率

ETF期权与股指期权在策略设计中需注意的差异性

股指期权与ETF期权合约设计比较

期权实战攻略:如何进行期权的波动率交易?

不同市场预期下的期权交易策略

波动率期限结构与日历价差策略

期权策略基准指数简介

证监会批准开展PTA、铁矿石、黄金等5种期权交易

期权备兑开仓策略的注意事项
期权定价中的BAW和CRR模型

上海证券交易所股票期权组合策略业务指引及其影响

如何根据波动率曲面设计策略

什么是动量效应和动量交易策略?

成熟市场期权投资者的下单偏好

小幅震荡市场下的期权投资策略举例

友情链接: 和记亿兆杏运意昂
Copyright © 2012-2018 亿兆体育滋补养生产品销售站 版权所有 ICP备案编:富ICP备1119999号 

平台注册入口