VPIN: wzór, koszyki wolumenu i spór o Flash Crash

VPIN to skrót od volume-synchronized probability of informed trading (synchronizowane z wolumenem prawdopodobieństwo handlu opartego na informacji). Easley, López de Prado i O’Hara przedstawili go jako miarę wysokiej częstotliwości związaną z toksycznością przepływu zleceń: sytuacją, w której dostawcy płynności mogą doświadczać negatywnej selekcji, ponieważ napływające transakcje prawdopodobnie pochodzą od strony dysponującej informacją. Ich metoda łączy nierównowagę wolumenu z intensywnością handlu i aktualizuje wynik według zegara wolumenu, a nie w stałych odstępach czasu zegarowego (Easley, López de Prado i O’Hara, 2012).

Do tej nazwy należy podchodzić ostrożnie. Obliczona wartość VPIN, na przykład 0.32, nie oznacza skalibrowanego 32-procentowego prawdopodobieństwa, że następna transakcja pochodzi od poinformowanego inwestora. To znormalizowana średnia oszacowanych nierównowag przy określonych danych, klasyfikacji, wielkości koszyka i zasadach okna. Wskaźnik nie identyfikuje poinformowanego inwestora, nie rozróżnia informacji od handlu wynikającego z potrzeb płynności i nie dowodzi, że dostawca płynności rzeczywiście poniósł stratę.

VPIN różni się także od znakowanej nierównowagi przepływu zleceń. Przed obliczeniem średniej bierze wartość bezwzględną nierównowagi w każdym koszyku, więc dodatni wkład wnoszą zarówno koszyki z przewagą kupna, jak i z przewagą sprzedaży. Wynik podsumowuje, jak jednostronny był przepływ w ostatnich przedziałach wolumenu, ale usuwa z wyniku końcowego kierunek nierównowagi. Klasyczny model PIN dopasowuje natomiast liczby napływających zleceń kupna i sprzedaży w okresach do modelu stanów ukrytych.

Wykres według czasu zegarowego pobiera obserwacje w stałych odstępach, na przykład co sekundę lub minutę. Zegar wolumenu przesuwa się po zawarciu transakcji na określoną ilość. Jeśli koszyk ma obejmować 1 000 kontraktów, zamyka się po obrocie taką liczbą kontraktów, niezależnie od tego, czy w aktywnym okresie trwa to 20 sekund, czy w spokojnym 12 minut.

Każdy koszyk ma zawierać taką samą łączną wielkość obrotu. Czas zegarowy objęty kolejnymi koszykami jest różny. VPIN oblicza się następnie dla kroczącego okna obejmującego ostatnie (n) koszyków wolumenu i aktualizuje po zakończeniu nowego koszyka. Dlatego w aktywnych okresach aktualizacji jest więcej, a w spokojnych mniej.

Czas wolumenu jest konwencją próbkowania, a nie sposobem na usunięcie aktywności rynku z danych. Szybszy handel może zmienić tempo przesuwania okna VPIN, a sama liczba obserwacji w ciągu godziny również będzie się zmieniać. Wyniki zależą więc od instrumentu, sesji, wolumenu koszyka, sposobu traktowania transakcji przekraczających granice koszyków oraz inicjalizacji zegara wolumenu. Analiza, którą można odtworzyć, powinna podawać te wybory.

VPIN wymaga wolumenu zainicjowanego przez kupujących i sprzedających. Jeśli dostępne są etykiety kierunku na poziomie transakcji, można je zagregować, z uwzględnieniem jakości klasyfikacji. Gdy brakuje wiarygodnych etykiet, w oryginalnych pracach o VPIN zaproponowano Bulk Volume Classification (BVC): wnioskowanie o prawdopodobnych udziałach wolumenu kupna i sprzedaży w przedziale czasowym na podstawie zmiany ceny w tym przedziale.

Jedna z często stosowanych postaci BVC to

\[ \widehat V^{B}_t=V_t\Phi\!\left(\frac{\Delta P_t}{\widehat\sigma_{\Delta P}}\right), \qquad \widehat V^{S}_t=V_t-\widehat V^{B}_t, \]

gdzie (V_t) oznacza całkowity wolumen w przedziale, \(\Delta P_t\) jego zmianę ceny, \(\widehat\sigma_{\Delta P}\) podane oszacowanie skali zmian cen, a \(\Phi\) dystrybuantę standaryzowanego rozkładu normalnego. Dodatnia standaryzowana zmiana ceny przypisuje większy wolumen do kupna, ujemna — do sprzedaży. Jeśli zmiana standaryzowana wynosi zero, wzór dzieli wolumen po równo.

Na przykład hipotetyczny przedział czasowy obejmuje 1 000 kontraktów, a jego standaryzowana zmiana ceny wynosi (0.5). Wtedy \(\Phi(0.5)\approx0.6915\). BVC przypisuje około 691.5 kontraktu do wolumenu kupna i 308.5 do wolumenu sprzedaży. Ułamkowe wartości są szacunkami, a nie obserwowanymi ułamkami kontraktu ani znaną intencją transakcji. Wynik zależy od długości przedziału, miary ceny, okna estymacji zmienności i założenia o rozkładzie.

BVC klasyfikuje wolumen w grupach na podstawie ruchu ceny; nie ustala kierunku każdej transakcji w grupie. Przedziały czasowe używane do tego oszacowania i późniejsze koszyki o jednakowym wolumenie pełnią różne funkcje. Należy opisać oba etapy. Porównanie Andersena i Bondarenki z 2015 roku wskazuje, że w ich benchmarku kontraktów futures E-mini S&P 500 BVC wypadło gorzej niż standardowa reguła tickowa, gdy punktem odniesienia była klasyfikacja transakcji skonstruowana z kwotowań i transakcji (Andersen i Bondarenko, 2015). Metody klasyfikacji kierunku transakcji Lee–Ready pomagają zrozumieć ograniczenia szacowanych etykiet strony inicjującej.

Niech (V) oznacza docelowy wolumen na koszyk, a \(\widehat V^B_i\) i \(\widehat V^S_i\) — oszacowane wolumeny kupna i sprzedaży w koszyku (i). Każdy pełny koszyk spełnia warunek \(\widehat V^B_i+\widehat V^S_i=V\). Często stosowana postać krocząca wygląda następująco:

\[ \mathrm{VPIN}_t= \frac{1}{nV} \sum_{i=t-n+1}^{t} \left|\widehat V^B_i-\widehat V^S_i\right|. \]

Licznik sumuje bezwzględną różnicę wolumenu kupna i sprzedaży w każdym z ostatnich (n) koszyków. Mianownik (nV) to ich łączny wolumen. Przy pełnych koszykach i nieujemnych oszacowaniach kupna i sprzedaży sumujących się do (V) wynik mieści się w przedziale od 0 do 1; niektóre wykresy mnożą go przez 100 i pokazują jako procent.

Wartość bliska zeru oznacza, że oszacowane wolumeny kupna i sprzedaży były w tych koszykach względnie zrównoważone. Wyższa wartość oznacza, że oszacowany przepływ był średnio bardziej jednostronny w danym kroczącym oknie wolumenu. Wynik nie pokazuje, czy przewagę miało kupno, czy sprzedaż, ponieważ wartość bezwzględna usuwa znak.

Różne implementacje mogą korzystać z innych metod określania kierunku transakcji, wielkości koszyków, długości kroczącego okna, interwałów próbkowania i danych cenowych. W praktyce te wybory współtworzą definicję statystyki. Wartości wyliczonych przy różnych ustawieniach nie można automatycznie porównywać.

Załóżmy, że cztery pełne koszyki zawierają po (V=100) kontraktów. Po zastosowaniu jednej określonej procedury klasyfikacji transakcji oszacowane wolumeny kupna i sprzedaży wynoszą:

Suma czterech nierównowag bezwzględnych wynosi (40+10+60+20=130) kontraktów. Łączny wolumen to (4\times100=400) kontraktów, więc

\[ \mathrm{VPIN}=\frac{130}{400}=0.325=32.5\%. \]

W tym samym oknie łączny oszacowany wolumen kupna wynosi 205, a sprzedaży 195. Znakowana nierównowaga netto to zaledwie \(205-195=10\) kontraktów, czyli \(10/400=2.5\%\) całego wolumenu. To inny wynik niż VPIN, ponieważ dodatnie i ujemne nierównowagi koszyków częściowo się znoszą w znakowanej wartości netto, a VPIN sumuje ich wartości bezwzględne.

Wszystkie wolumeny koszyków i klasyfikacje są hipotetyczne. Obliczenie ilustruje wzór i nie jest oszacowaniem dla rzeczywistego aktywa, giełdy, prawdopodobieństwa ani zdarzenia rynkowego. Jeśli oszacowania uzyskano za pomocą BVC, do odtworzenia kroku klasyfikacji trzeba podać także przedziały cenowe i miarę zmienności.

<!-- learn:illustration --> <!-- Schemat bez tekstu: koszyki o równym wolumenie pokazują różne szacowane udziały kupna i sprzedaży; średnia krocząca zachowuje wielkość nierównowagi, ale usuwa jej kierunek. Nie są to dane rynkowe, prawdopodobieństwo krachu, prognoza ani sygnał transakcyjny. -->

W pracy z 2012 roku Easley, López de Prado i O’Hara przedstawili VPIN jako miarę toksyczności przepływu zleceń i wskazali jego związek z krótkookresową zmiennością (Easley, López de Prado i O’Hara, 2012). We wcześniejszej analizie opisali także podwyższone odczyty przed Flash Crash z 6 maja 2010 roku (Easley, López de Prado i O’Hara, 2011). To motywacja do traktowania VPIN jako potencjalnego miernika stresu rynkowego, a nie dowód, że wiarygodnie przewiduje krachy.

Andersen i Bondarenko w rekonstrukcji opublikowanej w 2014 roku doszli do odmiennego wniosku. Uznali VPIN za słaby krótkookresowy predyktor zmienności, wskazali, że maksimum wskaźnika przypadło dopiero po Flash Crash, a jego zdolność predykcyjna była w dużej mierze związana z intensywnością handlu. Ich analiza testowała określone procedury klasyfikacji i implementacje; nie dowodzi, że każda wersja VPIN na każdym rynku zachowuje się identycznie (Andersen i Bondarenko, 2014).

Easley, López de Prado i O’Hara odpowiedzieli w 2014 roku. Zakwestionowali replikację i interpretację, argumentując, że analiza nie testowała zaproponowanej przez nich metodologii ani wniosków oraz że mikrostruktura rynku miała znaczenie dla porównania (Easley, López de Prado i O’Hara, 2014). Ta wymiana pokazuje spór o implementację i interpretację empiryczną, a nie zgodne potwierdzenie VPIN jako sygnału wczesnego ostrzegania.

W późniejszej ocenie Andersen i Bondarenko wykorzystali dane o kwotowaniach i transakcjach, aby porównać metody klasyfikacji transakcji dla kontraktów futures E-mini S&P 500. Stwierdzili, że ich benchmark przemawiał za regułą tickową zamiast BVC, i argumentowali, że błędy klasyfikacji związane ze zmiennością mogły wyjaśniać pozorne prognozowanie zmienności przez VPIN w analizowanym przypadku (Andersen i Bondarenko, 2015). To poważny problem pomiarowy, ponieważ VPIN zależy od szacowanych wolumenów kupna i sprzedaży, ale pozostaje wynikiem empirycznym dla określonych danych i procedur.

W artykule z 2017 roku Ke i Lin opracowali alternatywną wersję VPIN z wykorzystaniem estymacji największej wiarygodności. Argumentują, że oryginalna miara może być niestabilna przy małych koszykach wolumenu i rzadkich transakcjach poinformowanych uczestników; raportują też bardziej spójne wyniki swojej alternatywnej metody (Ke i Lin, 2017). Praca pokazuje znaczenie konstrukcji modelu, ale nie rozstrzyga, czy którykolwiek wariant VPIN jest wiarygodnym sygnałem ostrzegawczym w czasie rzeczywistym dla różnych aktywów, rynków lub reżimów.

Łącznie literatura nie uzasadnia prostego stwierdzenia, że VPIN „przewidział” albo „nie przewidział” każdej istotnej sytuacji. Badacze otrzymali różne wyniki przy odmiennych wyborach klasyfikacji, danych, implementacji i testów. Sam spór przemawia za opisaniem konstrukcji i sprawdzeniem dodatkowej trafności na tle prostych mierników aktywności oraz zmienności.

Wolumen koszyka (V) określa, ile handlu zostaje ujęte w jednej obserwacji. Mniejsze koszyki powodują częstsze aktualizacje, ale mogą zwiększyć wrażliwość oszacowań na pojedyncze skoki i szum klasyfikacji. Większe koszyki wygładzają lokalną zmienność i rzadziej się aktualizują. Odpowiednia skala zależy od typowej aktywności rynku i pytania badawczego; wartość wybrana po obejrzeniu krachu może zawyżać pozorną skuteczność ostrzegania.

Kroczące okno (n) określa, jaka część ostatniego wolumenu wpływa na wynik. Krótsze okno reaguje szybciej, ale może być bardziej zaszumione; dłuższe jest gładsze i wolniejsze. Podaj zarówno (V), jak i (n), a także rozkład równoważnego czasu zegarowego. Taka sama liczba koszyków nie oznacza takiego samego czasu kalendarzowego w spokojnych i aktywnych okresach.

BVC wprowadza kolejne decyzje: długość przedziału czasowego, cenę transakcji lub kwotowanie jako dane wejściowe, okno estymacji zmienności, sposób traktowania zerowych zmian cen oraz zakładany rozkład. Przy użyciu znaków transakcji znaczenie mogą mieć także błędy wynikające z czasu kwotowań, porównań z midpointem, reguł tickowych czy konwencji komunikatów na konkretnym rynku. Krytyka w pracy z 2015 roku wiąże zmiany zmienności z systematycznymi błędami klasyfikacji BVC w badanym przypadku. Oparta na arkuszu zleceń nierównowaga przepływu zleceń to odrębna miara zmian widocznej podaży i popytu, a nie tak sklasyfikowanego wolumenu transakcji.

Znaczenie ma także inicjalizacja. Kroczące okno VPIN zaczyna się od określonej granicy koszyka. Przesunięcie punktu startowego może zmienić grupowanie transakcji, a przez to nierównowagi w koszykach. Testy powinny mierzyć tę wrażliwość zamiast wybierać wyrównanie, które daje najsilniejszy wzrost przed wydarzeniem. Strukturalne zmiany godzin handlu, minimalnego kroku notowania, konstrukcji kontraktu lub zestawu rynków mogą dodatkowo ograniczyć porównywalność w czasie.

Rzetelne badanie VPIN powinno określić dane i algorytm przed obejrzeniem badanego wydarzenia. Podaj rynek i kontrakt, sesję, filtry transakcji i kwotowań, dane cenowe, metodę określania strony transakcji lub ustawienia BVC, wartości (V) i (n), regułę inicjalizacji oraz sposób traktowania niepełnych koszyków i transakcji przekraczających granice. Pokaż, jakiemu czasowi zegarowemu odpowiada każde okno VPIN przy różnym natężeniu aktywności.

Przy twierdzeniu predykcyjnym zastosuj chronologiczny test poza próbą i porównaj VPIN z łatwo obserwowalnymi punktami odniesienia, takimi jak wolumen, intensywność handlu, zmienność zrealizowana i nierównowaga zleceń. Sprawdź, czy VPIN wnosi dodatkowe informacje po uwzględnieniu tych wielkości. Raportuj fałszywe alarmy, pominięte zdarzenia, czas wyprzedzenia, niepewność i wyniki przy różnych progach, a nie tylko retrospektywny wykres pokazujący wzrost wskaźnika przed jednym wybranym krachem. Próg wybrany na podstawie samego wydarzenia nie dowodzi wcześniejszego ostrzeżenia.

Twierdzenie o toksyczności przepływu wymaga niezależnego pomiaru negatywnej selekcji lub skutków dla płynności, takich jak późniejszy wpływ na cenę, spready, głębokość rynku albo zrealizowane straty animatorów rynku. Należy wyjaśnić, jak te wyniki są identyfikowane. Korelacja VPIN ze zmiennością sama w sobie nie potwierdza interpretacji toksyczności. Wyższa wartość może wynikać z bardziej jednostronnie sklasyfikowanego wolumenu, wpływu zmienności na BVC albo szybszego zegara wolumenu.

VPIN może być użytecznym podsumowaniem opisowym, gdy badacz chce śledzić oszacowaną bezwzględną nierównowagę przepływu zleceń w oknach o jednakowym wolumenie. Może też być cechą w szerszej analizie, jeśli jej konstrukcja jest przejrzysta, a wkład pozostaje widoczny po porównaniu z prostszymi miarami. Interpretacja jest wąska: VPIN podsumowuje określoną klasyfikację niedawnego wolumenu.

Wysoki wynik sam w sobie nie dowodzi aktywności poinformowanych inwestorów, rychłego kryzysu płynności, kierunku przyszłego ruchu ceny ani opłacalności zwiększenia lub zmniejszenia pozycji. Niska wartość nie gwarantuje bezpiecznego lub płynnego rynku. Każde zastosowanie operacyjne wymaga niezależnej walidacji, odpowiednich kontroli, jawnej reguły decyzyjnej, danych uwzględniających opóźnienia i realistycznej analizy kosztów realizacji.

Estymator spreadu Rolla odpowiada na inne pytanie i wyprowadza przybliżenie spreadu z autokowariancji stóp zwrotu.