Optymalna realizacja Almgren–Chrissa: kompromis między wpływem na rynek a ryzykiem ceny

Wyobraź sobie zlecenie główne zbyt duże, by złożyć je jednorazowo. Podział na zlecenia cząstkowe może ograniczyć jednorazową presję na arkusz, ale wiąże się z kompromisem. Szybka realizacja zwykle podnosi koszt przejściowego wpływu na rynek; wolna pozostawia większą część pozycji przez dłuższy czas narażoną na zmianę ceny.

Almgren–Chriss ujmuje ten kompromis jako optymalizację kosztów i ryzyka. Niech X oznacza początkową ilość do realizacji, T termin zakończenia, a x(t) ilość, która pozostaje do wykonania w chwili t. Dla uproszczenia x(t) jest dodatnią ilością w kierunku pierwotnego zlecenia, niezależnie od tego, czy chodzi o kupno, czy sprzedaż. Tempo realizacji to v(t) = −dx(t)/dt: gdy pozostała ilość maleje, rośnie ilość już zrealizowana. Warunki brzegowe są następujące: x(0) = X oraz x(T) = 0.

W popularnym ujęciu średnia–wariancja harmonogram ocenia się według:

Cel harmonogramu = oczekiwany koszt realizacji + λ × wariancja kosztu realizacji

λ to waga awersji do ryzyka. Oryginalna praca Almgrena i Chrissa ujmuje ten kompromis kosztów i ryzyka jako problem optymalnej realizacji (oryginalny artykuł). Wzór nie znajduje automatycznie „właściwej” wartości. Osoba korzystająca z modelu musi ustalić wagę ryzyka oraz oszacować zmienność i wpływ na rynek.

Przejściowy wpływ występuje, gdy zlecenie zużywa dostępną płynność albo musi przekroczyć spread bid-ask. W prostym modelu liniowego wpływu tempo v powoduje koszt jednostkowy proporcjonalny do v. Po pomnożeniu przez ilość transakcji całkowity koszt na jednostkę czasu jest proporcjonalny do v². Przyspieszenie całego zlecenia może więc zwiększyć koszt wpływu.

Wpływ trwały jest inny: w standardowym modelu liniowym transakcja przesuwa cenę odniesienia, a część tego przesunięcia utrzymuje się po wykonaniu zlecenia. Przy tej samej łącznej ilości X oczekiwana składowa kosztu trwałego w modelu podstawowym nie zależy od tego, jak rozłożono X w czasie. Dlatego w uproszczonym ujęciu można traktować ją jako stałą podczas porównywania harmonogramów. Bardziej złożone definicje wpływu lub rynku mogą prowadzić do innych wniosków.

Ryzyko ceny wynika z tego, że niewykonana część pozycji pozostaje narażona na zmiany ceny. Jeśli zmienność ceny na pierwiastek jednostki czasu wynosi σ, wariancja kosztu ryzyka w modelu podstawowym jest proporcjonalna do σ² pomnożonego przez całkę z x(t)² w czasie realizacji. Harmonogram szybciej zmniejszający pozostałą ilość zwykle ogranicza tę ekspozycję, ale może wymagać bardziej agresywnych transakcji. Dlatego oba składniki występują w funkcji celu.

Po pominięciu składników kosztu, które są takie same dla każdego harmonogramu, uproszczona postać ciągła wygląda następująco:

J = całka od 0 do T z [ηv(t)² + λσ²x(t)²] dt

η to współczynnik przejściowego wpływu według tej konwencji. Minimalizacja przy ustalonej ilości początkowej i końcowej daje:

x(t) = X × sinh(κ(T − t)) / sinh(κT)

W granicy czasu ciągłego κ² = λσ²/η. sinh oznacza sinus hiperboliczny. Wzór przedstawia ilość, która pozostaje do transakcji, a nie ilość już zrealizowaną. W pokrewnej pracy Bertsimas i Lo analizują dynamiczne strategie minimalizacji kosztów realizacji przy określonych założeniach dotyczących wpływu na ceny (artykuł).

Parametr κT podsumowuje kształt trajektorii względem terminu. Gdy λ dąży do zera, rozwiązanie zbliża się do linii prostej: pozostała ilość maleje równomiernie, a tempo przypomina TWAP. Gdy rośnie λ lub σ albo maleje η, κ rośnie, a harmonogram przesuwa więcej transakcji na początek. Wyższy koszt przejściowego wpływu sprzyja na ogół wolniejszemu, bardziej równomiernemu harmonogramowi. W wersji dyskretnej dokładna definicja κ zależy od długości interwału i przyjętej konwencji współczynników; powyższy wzór jest granicą ciągłą modelu podstawowego i nie jest niezależny od jednostek.

Załóżmy, że zlecenie na 1 000 jednostek ma zostać wykonane w ciągu 60 minut. Porównajmy liniowy harmonogram TWAP z trajektorią Almgrena–Chrissa dla κT = 2. Wartość κT służy wyłącznie do pokazania kształtu krzywej i nie jest estymacją dla konkretnego instrumentu.

W pierwszych 15 minutach harmonogram TWAP realizuje około 250 jednostek, a przykład Almgrena–Chrissa około 413. Po 30 minutach zrealizowano odpowiednio 500 i około 676 jednostek. Oba harmonogramy dochodzą do zera w terminie, ale przykład dla κT = 2 utrzymuje w trakcie krótszą pozostałą pozycję.

To wyłącznie porównanie trajektorii matematycznych. Przykład nie określa cen, spreadów, realizacji, opłat ani zysków i nie dowodzi, że szybszy harmonogram będzie lepszy. Wartości zaokrąglono na podstawie wzoru; nie pochodzą z obserwacji rynku.

Dla każdego harmonogramu model może obliczyć oczekiwany koszt realizacji i jego wariancję. Powtarzając optymalizację dla różnych wartości λ, otrzymuje się zbiór efektywnych harmonogramów: przy danym poziomie ryzyka harmonogram na granicy ma w modelu najniższy koszt oczekiwany. Wyższa wartość λ nadaje większą wagę ryzyku otwartej pozycji; model wybiera więc zazwyczaj trajektorię zmniejszającą wariancję, akceptując wyższy koszt przejściowego wpływu.

Sama granica nie wskazuje właściwego wyboru. λ odzwierciedla preferencję lub ograniczenie decyzyjne, a σ i η trzeba oszacować na podstawie danych odpowiadających instrumentowi, wielkości zlecenia i warunkom rynkowym. Inne oszacowania mogą znacząco zmienić harmonogram. Na przykład wykorzystanie zmienności dziennej dla horyzontu śróddziennego bez spójnego przeliczenia jednostek czasu utrudnia interpretację κ.

Standardowy wynik zakłada jeden instrument, stałą zmienność, ceny bez prognozowanego dryfu, liniowy wpływ na rynek i niezmienne parametry płynności w trakcie realizacji. Harmonogram jest open-loop: krzywą ustala się z góry, zamiast automatycznie dostosowywać ją do każdej zmiany arkusza lub przepływu zleceń. Model podstawowy nie obejmuje sygnałów alfa, korelacji z innymi aktywami, ograniczeń ceny limitowanej, częściowych realizacji zależnych od kolejki ani minimalnej wielkości jednostki czy kroku notowań.

Rzeczywisty rynek może charakteryzować się nieliniowym wpływem, zmienną płynnością, niepewnymi realizacjami, zmienną zmiennością i odbudową głębokości arkusza po transakcjach. Estymacje wpływu powinny być spójne z założeniami o dynamice cen. Badania Gatherala dotyczące braku dynamicznego arbitrażu pokazują, że modelowanie wpływu wymaga uwzględnienia relacji między jego kształtem a dynamiką cen, a nie tylko dopasowania krzywej lokalnie do danych (praca Gatherala).

Gdy warunki zmieniają się podczas realizacji, harmonogram adaptacyjny lub model uwzględniający wolumen, alfę i stan rynku może odpowiadać na inne pytanie. Nie jest to automatyczna korekta pojedynczej wartości λ; zmieniają się model i potrzebne dane.

Almgren–Chriss to model decyzji ex ante: wybiera harmonogram na podstawie funkcji koszt–ryzyko i jej parametrów. VWAP lub TWAP mogą oznaczać benchmark ceny albo harmonogram realizacji oparty na wolumenie lub czasie; sama nazwa nie optymalizuje celu Almgrena–Chrissa. Przewodnik po VWAP i TWAP omawia różnicę między benchmarkiem a harmonogramem.

Po zakończeniu transakcji implementation shortfall mierzy koszt względem ceny decyzji lub ceny w chwili złożenia zlecenia, zgodnie z określoną konwencją. To ocena ex post, a nie trajektoria taka jak w tym modelu. Przewodnik po implementation shortfall omawia cenę decyzji, niewykonaną ilość i jawne koszty. Zobacz przewodnik po nierównowadze przepływu zleceń, aby zrozumieć związek nierównowagi arkusza z krótkoterminową płynnością.

Zanim odczytasz wynik modelu, sprawdź, czy X podano w akcjach, kontraktach czy wartości pieniężnej, jak zdefiniowano T oraz czy σ i η mają spójne jednostki czasu i ceny. Zapytaj też, jak model traktuje niewykonaną ilość, opłaty stałe, ceny limitowane, spread i częściowe realizacje.

Sprawdź również, czy harmonogram jest liczony raz, czy można go aktualizować, gdy zmieniają się zmienność, płynność lub wolumen. Jeśli wynik nazywa się wyłącznie „optymalnym”, poszukaj funkcji celu, parametrów, ograniczeń i definicji kosztu, na których oparto ten opis. Słowo optymalny ma znaczenie tylko względem tych elementów.