Lambda de Kyle: impacto no preço por unidade de fluxo de ordens assinado

Uma ordem a mercado consome a liquidez disponível. Se um dealer observa uma pressão compradora inesperadamente forte, pode elevar o preço porque o fluxo talvez contenha informações sobre o valor do ativo. A lambda de Kyle, geralmente escrita como λ, é a variação de preço associada a uma unidade de fluxo líquido de ordens em um modelo de microestrutura de mercado. Uma λ positiva maior significa que o mesmo fluxo assinado desloca mais o preço do modelo; nesse modelo, o mercado tem menos profundidade.

Seja y o fluxo de ordens assinado: quantidade iniciada por compradores menos quantidade iniciada por vendedores. Uma regra linear simples de precificação é

\[ p(y)=\mu+\lambda y, \]

em que μ é o valor esperado a priori e λ tem unidade de preço por unidade de fluxo. Se o fluxo é medido em ações, λ é o preço por ação negociada. Se é medido em valor nocional em dólares, λ é a variação de preço por dólar de valor nocional líquido. A unidade faz parte do parâmetro; não é um detalhe de formatação.

A palavra “impacto” exige um horizonte temporal. O preço pode se mover no momento da negociação e depois reverter parcialmente, ou a negociação pode revelar uma informação que permanece no preço. Uma regressão do midpoint no mesmo intervalo, uma resposta das cotações alguns segundos depois e uma resposta de longo prazo são resultados distintos. A estrutura de informação das negociações de Hasbrouck modela dinamicamente as negociações e as revisões de cotações e mostra que o efeito informacional completo de uma negociação pode chegar com atraso (Hasbrouck, 1991).

Na estrutura de Kyle, um trader informado conhece algo sobre o valor final do ativo, traders de ruído enviam ordens por motivos sem relação com essa informação, e um formador de mercado competitivo define os preços depois de observar o fluxo agregado de ordens. O trader informado escolhe quanto negociar sabendo que ordens maiores movem o preço contra ele. A resposta de preço do formador de mercado e a estratégia do trader informado são determinadas em conjunto no equilíbrio (Kyle, 1985).

A expressão fechada conhecida fica mais clara em um modelo de referência linear-gaussiano de leilão único. Seja v o valor terminal, com média a priori μ e desvio padrão σᵥ; o fluxo de ordens de ruído u tem desvio padrão σᵤ; e a ordem informada é x=β(v−μ). O fluxo total é y=x+u. Um formador de mercado competitivo define p(y)=E[v|y]=μ+λy. Dada essa regra de preço, o lucro esperado do trader informado é proporcional a x[(v−μ)−λx], portanto a estratégia linear ótima tem β=1/(2λ). Combinando-a com a expectativa condicional do formador de mercado, obtemos

\[ \beta=\frac{\sigma_u}{\sigma_v}, \qquad \lambda=\frac{\sigma_v}{2\sigma_u}. \]

Essa expressão vale para aquele modelo de referência com um leilão, não é uma fórmula universal para todos os mercados ou para cada rodada de um equilíbrio de leilões contínuos. Ela mostra o mecanismo do modelo: mais incerteza sobre o valor aumenta a pressão de seleção adversa, enquanto mais fluxo de ruído dificulta distinguir ordens informadas e reduz a resposta do preço por unidade. Em modelos com várias rodadas, também importam o fracionamento estratégico das ordens, o horizonte de negociação e a trajetória do fluxo de ruído.

Em um estudo empírico, um ponto de partida comum é regredir os retornos do midpoint contra o fluxo assinado:

\[ r_t = a+\widehat{\lambda}_{\mathrm{OLS}}q_t+\varepsilon_t, \qquad r_t=10{,}000\Delta\log m_t. \]

Aqui, mₜ é o midpoint, rₜ é o retorno logarítmico em pontos-base, qₜ é o fluxo assinado no intervalo escolhido, a é o intercepto e εₜ representa a parte que a reta ajustada não explica. Se qₜ for medido em unidades de valor nocional de $100,000, a inclinação será em pontos-base por $100,000 de fluxo líquido. Uma estimativa positiva significa que, nesta amostra e neste intervalo, um fluxo líquido maior iniciado por compradores tende a coincidir com um retorno maior do midpoint.

Essa interpretação é descritiva, a menos que o desenho da pesquisa sustente uma leitura causal ou estrutural. Fluxo e preço são formados em conjunto: traders reagem aos preços, formadores de mercado reagem ao fluxo e ambos podem reagir a informações. OLS, por si só, não recupera a estratégia do trader informado nem a regra de precificação de equilíbrio do formador de mercado competitivo. Mantenha as notações distintas: λ para o parâmetro do modelo e \(\widehat{\lambda}_{\mathrm{OLS}}\) para o coeficiente de regressão ajustado.

A variável dependente da regressão também importa. A variação do preço de uma negociação inclui o bid–ask bounce; a variação do midpoint filtra parte desse movimento mecânico, mas não elimina o horário das cotações, as notícias nem a negociação endógena. Glosten e Harris modelam preços de negociação e mudanças nas cotações para separar componentes do spread, enquanto Brennan e Subrahmanyam estudam custos de negociação intradiária e medidas de impacto no preço em precificação de ativos (Glosten and Harris, 198890034-7); Brennan and Subrahmanyam, 199600870-K)). Esses estimandos se relacionam à liquidez, mas não são intercambiáveis com uma única inclinação OLS contemporânea.

Defina o fluxo assinado antes de estimar qualquer coisa. Para a negociação i, seja sᵢ=+1 quando iniciada pelo comprador e −1 quando iniciada pelo vendedor; nᵢ representa ações, contratos ou valor nocional. Então

\[ q_t=\sum_{i\in t}s_i n_i. \]

Se o feed fornecer um campo do lado agressor, documente seu significado e os casos não resolvidos. Se o sinal for inferido, descreva o classificador e a regra de correspondência com as cotações. O guia Lee–Ready explica por que os negócios observados nem sempre revelam qual lado iniciou a negociação. O desequilíbrio do fluxo de ordens é uma medida relacionada, mas diferente: pode incluir mudanças nas ofertas de compra e venda exibidas, e não apenas execuções assinadas.

Registre as unidades dos dois eixos. Converter q de ações para contratos, dólares ou blocos de $100,000 redimensiona a inclinação. Converter o retorno de dólares para pontos-base ou porcentagem também altera o valor. Por exemplo, se o coeficiente for 0.64 ponto-base por $100,000, expressar o fluxo em milhões de dólares muda seu valor numérico por um fator de dez. Um coeficiente normalizado pode ajudar a comparar instrumentos, mas responde a outra pergunta e precisa declarar a normalização.

O intervalo é igualmente importante. Fluxo de cinco minutos associado a retorno de cinco minutos estima uma associação no intervalo; não informa quanto do movimento persiste. Intervalos curtos são sensíveis ao alinhamento dos timestamps, ao bid–ask bounce e à baixa frequência de negociações. Intervalos longos agregam mais negócios e notícias, mas ocultam a sequência da resposta do preço. Informe se os retornos são contemporâneos ou futuros, o relógio de amostragem, a cobertura de venues e a estrutura de defasagens.

Considere quatro observações inventadas de cinco minutos. Seja qₜ o valor nocional assinado em unidades de $100,000 e rₜ o retorno do midpoint em pontos-base:

\[ q=[-2,-1,1,2],\qquad r=[-1.1,-0.3,0.5,1.7]. \]

O fluxo médio é zero e o retorno médio é 0.20 ponto-base. A inclinação e o intercepto OLS são

\[ \widehat{\lambda}_{\mathrm{OLS}} =\frac{\sum_t(q_t-\bar q)(r_t-\bar r)} {\sum_t(q_t-\bar q)^2} =\frac{6.4}{10} =0.64 \quad\text{bp per } \$100{,}000, \qquad \hat a=\bar r-\widehat{\lambda}_{\mathrm{OLS}}\bar q=0.20\text{ bp}. \]

Por exemplo, o retorno ajustado para q=2 é 0.20+0.64×2=1.48 bp, em comparação com os 1.7 bp observados. Para q=−2, o retorno ajustado é −1.08 bp, em comparação com −1.1 bp. Resíduos pequenos nesses quatro pontos não demonstram uma relação estável: quatro observações são apenas uma demonstração aritmética transparente, não uma estimativa adequada nem um resultado de negociação.

As unidades tornam a estimativa legível. Segundo essa reta ajustada, mais $100,000 de fluxo líquido iniciado por compradores está associado a mais 0.64 bp de retorno do midpoint no mesmo intervalo de cinco minutos. Isso não significa que o formador de mercado sempre mova o preço nesse valor, que o efeito dure mais de cinco minutos ou que uma ordem de $100,000 possa ser executada no midpoint.

<!-- learn:illustration --> <!-- Text-free concept: four glass vessels hold increasingly one-sided mixes of blue and amber beads above a gently rising clear ribbon; conceptual, not market data, a forecast, or a trading signal. -->

Uma série empírica de fluxo só é tão útil quanto seus sinais. Se compras e vendas forem rotuladas incorretamente de forma aleatória, um fluxo positivo pode ser registrado como negativo e vice-versa. Sob premissas restritivas — erros de sinal simétricos e independentes, além de outros erros de medição exógenos — a inclinação estimada costuma ser puxada em direção a zero, pois o fluxo medido é uma aproximação mais ruidosa do fluxo verdadeiro. Essa não é uma regra de correção garantida. Se os erros se concentrarem em torno de grandes negócios, mercados rápidos, determinados venues ou saltos de preço, o viés pode ocorrer em qualquer direção.

A correspondência temporal importa tanto quanto a regra de sinal. Um negócio comparado com uma cotação atualizada depois dele pode ser atribuído ao lado errado. Negócios dentro do spread, no midpoint, em leilões, correções e timestamps com baixa precisão podem continuar ambíguos. Mantenha uma categoria explícita de “desconhecido”, informe a parcela do fluxo assinado que foi classificada e, quando possível, repita a estimativa com classificadores alternativos razoáveis.

Os erros de classificação também podem mudar com a liquidez. Uma regra que funciona razoavelmente em condições normais pode falhar quando as cotações mudam rapidamente ou muitas execuções ocorrem dentro do spread. Quando o venue disponibilizar seu próprio campo de lado agressor, verifique a especificação e as exceções em vez de presumir que o campo é diretamente comparável entre bolsas. Se o classificador for inferido, o artigo Lee–Ready oferece um ponto de partida para documentar o método e as limitações dos timestamps.

Com fluxo e retornos no mesmo intervalo, a ordem dos eventos fica oculta dentro de cada bin. Uma alta no começo do intervalo pode atrair compradores mais tarde, ainda que a regressão seja descrita como “o fluxo move o preço”. Ao mesmo tempo, um provedor de liquidez pode revisar cotações depois de observar as execuções. A inclinação combina essas direções, a menos que o desenho as separe.

Informações públicas são outra causa comum. Um anúncio programado pode alterar ao mesmo tempo expectativas de valor, volatilidade, spreads e envio de ordens. O fluxo assinado pode então servir de proxy para a reação às notícias, em vez de revelar informação privada. O modelo simples de Kyle isola a negociação informada e a negociação de ruído para expor um mecanismo; observações reais também incluem notícias públicas, gestão de estoque, hedge, negócios de índice e choques de liquidez. Marcar eventos programados, controlar choques comuns observáveis e separar o fluxo medido antes da janela de retorno pode esclarecer a pergunta, mas controles não eliminam automaticamente a endogeneidade.

Use uma interpretação estrutural ou causal somente quando as premissas de identificação forem explicitadas e defendidas. Defasar o fluxo muda a pergunta para saber se o fluxo anterior prevê retornos posteriores; isso, por si só, não torna o fluxo exógeno. A abordagem dinâmica de negociações e cotações de Hasbrouck é útil quando o objetivo é o conteúdo informacional defasado das negociações, enquanto um coeficiente OLS simples continua ligado ao intervalo e à especificação de regressão escolhidos (Hasbrouck, 1991).

As negociações chegam em grupos e os preços se ajustam ao longo do tempo. Se o fluxo ou os resíduos da regressão tiverem dependência serial, os erros-padrão OLS convencionais podem induzir a erro mesmo quando o coeficiente ainda é um resumo descritivo útil. Examine os resíduos, informe se as estimativas de incerteza consideram heterocedasticidade e correlação serial e avalie um modelo dinâmico quando a pergunta tratar de persistência ou resposta defasada. Um coeficiente no mesmo bin e uma resposta acumulada nos bins seguintes não devem receber o mesmo rótulo.

A liquidez também muda dentro e entre sessões. Spread, profundidade exibida, volatilidade, horário, venue e condições do mercado afetam quanto uma ordem pode mover os preços. Uma única inclinação para toda a amostra faz a média desses estados. Estime subamostras predefinidas ou interaja o fluxo com a liquidez medida se a pergunta exigir dependência de estado, e informe quantos dados sustentam cada comparação. Não presuma que um coeficiente de um mercado calmo também descreva um choque de notícias ou um livro de ofertas raso.

O impacto não precisa ser linear nem simétrico. Uma reta de regressão pode tirar a média de ordens pequenas e grandes mesmo quando suas respostas marginais de preço diferem; compras e vendas também podem ter efeitos distintos. As evidências dinâmicas de Hasbrouck apontam uma relação positiva e côncava entre o tamanho da negociação e o impacto total no preço na amostra estudada (Hasbrouck, 1991). Tóth e coautores estudam impacto anômalo e escala de liquidez nos mercados financeiros, incluindo um padrão do tipo raiz quadrada em seu contexto (Tóth et al., 2011). Esses resultados motivam testes de especificações não lineares; não estabelecem uma curva de impacto universal para todo ativo, venue ou horizonte.

Antes de comparar valores de “lambda” publicados ou fornecidos por um vendor, alinhe o objeto estimado. O fluxo é medido em ações, contratos ou valor nocional em dólares assinado? O resultado é o preço da negociação, o midpoint ou uma mudança de preço de longo prazo? O fluxo é contemporâneo, defasado ou acumulado ao longo de um horizonte de resposta? Intervalo de amostragem, cobertura de venues, instrumento, regime de mercado e classificador de sinais são semelhantes? Um número bruto com unidades e objetivos diferentes não é um ranking de liquidez.

A escolha do estimador também muda o objetivo. Uma inclinação OLS simples resume uma associação linear em sua amostra. Um modelo dinâmico de negociações e cotações pode separar respostas imediatas e defasadas. Decomposições do spread estimam componentes como custos de processamento de ordens e seleção adversa. O método de dados diários de Hasbrouck estima custos efetivos de negociação com outro conjunto de informações (Hasbrouck, 2009). O estimador de Roll usa a autocovariância dos retornos para inferir uma proxy do spread sob suas próprias premissas; a participação informacional de Hasbrouck distribui a variância das inovações permanentes comuns de preço entre mercados relacionados. Nenhum dos dois é outro nome para a lambda de Kyle.

Trate uma estimativa como uma medida cuidadosamente definida de resposta do preço, não como uma nota completa de qualidade do mercado ou um sinal pronto para negociação. Um relatório defensável declara as premissas de equilíbrio ou a regressão empírica, sinal e unidade do fluxo, medida de preço, horizonte, amostra, método de incerteza, tratamento de eventos e sensibilidade a especificações alternativas. Rentabilidade exige um teste separado fora da amostra que inclua spread, taxas, latência, slippage e impacto de mercado.