Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
1111
人工市場シミュレーションを用いた
ダーク・プールによる市場効率化の分析
スパークス・アセット・マネジメント株式会社
野村證券株式会社
東京大学大学院工学系研究科
科学技術新興機構 CREST
和泉 潔
水田 孝信
http://www...
2222
今日のおはなし今日のおはなし
(1)はじめに:ダーク・プールとは?
(2)人工市場シミュレーションモデル
(3)結果1:ビット・アスク・バウンスの低減
(4)結果2:板の厚み増加による市場効率化
(6)まとめ
(5)実データとの比較
3333
今日のおはなし今日のおはなし
(1)はじめに:ダーク・プールとは?
(2)人工市場シミュレーションモデル
(3)結果1:ビット・アスク・バウンスの低減
(4)結果2:板の厚み増加による市場効率化
(6)まとめ
(5)実データとの比較
4444
ダーク・プールとは?
ダーク・プール
欧州:MiFIDⅡ: ダーク・プールへの売買代金キャップ規制
(8%ルール)が導入 [Bowley 14]
欧州:MiFIDⅡ: ダーク・プールへの売買代金キャップ規制
(8%ルール)が導入 [B...
5555
ダーク・プールに必要な議論
これまでの議論:ダーク・プールは「あり」か「なし」かの二者択一
→ どれくらいが適切か?という議論が必要
これまでの議論:ダーク・プールは「あり」か「なし」かの二者択一
→ どれくらいが適切か?という議論が...
6666
今日のおはなし今日のおはなし
(1)はじめに:ダーク・プールとは?
(2)人工市場シミュレーションモデル
(3)結果1:ビット・アスク・バウンスの低減
(4)結果2:板の厚み増加による市場効率化
(6)まとめ
(5)実データとの比較
7
● リット市場(ザラバ) ⇒ 現実的な市場メカニズムの実装
● エージェントモデルは簡素 ⇒ 恣意的な結果を避けるため
Chiarella et. al. [2009]
エージェント(投資家モデル)モデル






...
88
ダーク・プールのモデル化
リット
(ザラバ)
売り 価格 買い
84 101
176 100
99 2
98 77
ダーク
プール
売り 買い
175
リット(ザラバ): 売買の別、価格、株数、を指定 ⇒ ザラバ
ダーク・プール: 売買の...
99
d:ダーク・プールへの注文配分比率
エージェント
確率dでダーク・プールへ注文を出す
リット
市場
ダーク
プール
確率: d確率: 1-d
市場の選択方法
1010
推定ではない理想的な市場(非)効率性の定義が可能
市場が完全に効率的なら、取引価格は常に
ファンダメンタル価格になるはずである
実際にファンダメンタル価格からの乖離で定義
↑ 実際の市場では用いることができない手法
ファンダメンタル価...
11111111
今日のおはなし今日のおはなし
(1)はじめに:ダーク・プールとは?
(2)人工市場シミュレーションモデル
(3)結果1:ビット・アスク・バウンスの低減
(4)結果2:板の厚み増加による市場効率化
(6)まとめ
(5)実データと...
12121212
市場価格に、仲値を使用
⇒ ビット・アスク・バウンス(BAB)効果を取り除いた値
市場価格に、仲値を使用
⇒ ビット・アスク・バウンス(BAB)効果を取り除いた値
ダーク・プールの普及でBAB効果が低減
後述のSORがなければ...
13131313
ビット・アスク・バウンス(BAB)の低減効果
最良売り価格
最良買い価格
リット市場
のみ
ダーク・プール
あり
最良売り価格
最良買い価格
BABの頻度を減らし、1回あたりの価格変動幅も半分程度にBABの頻度を減らし、1回あ...
14141414
今日のおはなし今日のおはなし
(1)はじめに:ダーク・プールとは?
(2)人工市場シミュレーションモデル
(3)結果1:ビット・アスク・バウンスの低減
(4)結果2:板の厚み増加による市場効率化
(6)まとめ
(5)実データと...
1515
リット
(ザラバ)
売り 価格 買い
84 101
176 100
99 2
98 77
指値注文と成行注文について 本研究での定義
リットへの注文は必ず価格を指定
指値
成行成行 指値
成行成行
対当する売り注文あり
即座に注文成立...
1616
リット
(ザラバ)
売り 価格 買い
84 101
176 100
99 2
98 77
ダーク
プール
売り 買い
175
SOR(Smart Order Routing)の導入
99.5円
確率dでダーク・プールへ注文を出す
指値...
1717
リット
(ザラバ)
売り 価格 買い
84 101
176 100
99 2
98 77
ダーク
プール
売り 買い
175
99.5円
注文の配分例
(1) 99円の売り:ダーク・プールへ
(2) 100円の売り:確率dでダーク・プ...
18181818
ある程度のダーク・プールの普及は市場を効率化する
リットへの成行注文の量(←キーパラメーター)の減少が理由
ある程度のダーク・プールの普及は市場を効率化する
リットへの成行注文の量(←キーパラメーター)の減少が理由
仲値を使用...
1919
リット
(ザラバ)
売り 価格 買い
84 101
176 100
99 2
98 77
ダーク
プール
売り 買い
175
市場が効率化するメカニズムとキーパラメーター(1/2)
キーパラメーター:リット成行注文数/リット指値注文数...
2020
これが小さいということは、、、これが小さいということは、、、
ファンダメンタル
価格
ファンダメンタル
価格
取引価格取引価格
市場が効率化するメカニズムとキーパラメーター(2/2)
厚い板
厚い板
外へ
出にくい
外へ
出にくい
外...
21212121
高すぎるダーク・プールの普及は
ファンダメンタル価格へ回帰する動きを妨げる
ダーク・プール待機注文が多く存在する
高すぎるダーク・プールの普及は
ファンダメンタル価格へ回帰する動きを妨げる
ダーク・プール待機注文が多く存在する...
2222
ファンダメンタル価格より高く乖離しているファンダメンタル価格より高く乖離している
取引価格取引価格
市場が非効率化するメカニズムと非効率化の条件(1/2)
ダーク・プールの
厚い板(待機注文)
SORあり
売り成行注文が吸収される
S...
2323
D:ダーク・プール取引量シェアD:ダーク・プール取引量シェア
市場が非効率化するメカニズムと非効率化の条件(2/2)
注文配分量dではない注文配分量dではない
sはいくつなのかは別の議論必要(手計算できる?)
シミュレーション結果はs...
24242424
ダーク・プールの取引量シェアが50%を超えると効率化しなくなる
s≧5(D>50%)を示唆
ダーク・プールの取引量シェアが50%を超えると効率化しなくなる
s≧5(D>50%)を示唆
0%
25%
50%
75%
100%
0...
25252525
今日のおはなし今日のおはなし
(1)はじめに:ダーク・プールとは?
(2)人工市場シミュレーションモデル
(3)結果1:ビット・アスク・バウンスの低減
(4)結果2:板の厚み増加による市場効率化
(6)まとめ
(5)実データと...
26262626
シミュレーション
BABを低減
比較できるシミュレーション結果比較できるシミュレーション結果
シミュレーション結果1
比較できないシミュレーション結果比較できないシミュレーション結果
リットの板の厚み増加 シミュレーション結果...
27272727
データ
期間: 2014年6月毎営業日
対象銘柄: TOPIX100採用銘柄
・ ダーク・プール取引量シェア
= ダーク・プール取引量(21日) / リット取引量(21日)
・ ダーク・プール取引量
= TOSTNETの単一銘...
28282828
縦軸実効スプレッドが大きい銘柄実効スプレッドが大きい銘柄
ダーク・プールはBABを低減
ダーク・プール取引量シェアが高い
実データではBAB低減は直接測定できない
⇒ 工夫が必要
BABが大きいBABが大きい
ダーク・プールを...
29292929
“ダーク・プールはBABを低減”と整合的
⇒ シミュレーション結果1と整合的
“ダーク・プールはBABを低減”と整合的
⇒ シミュレーション結果1と整合的
0.01%
0.10%
1.00%
0%
5%
10%
15%
20%...
30303030
縦軸
リット取引量 / 最良気配株数 が低いリット取引量 / 最良気配株数 が低い
ダーク・プール取引量シェアが高い
横軸
シミュレーション結果2
リットの板の厚み増加
リットの板の厚み増加
31313131
1
10
100
1000
10000
0%
5%
10%
15%
20%
リット取引量/最良気配株数
ダーク・プール取引量シェア
ダーク・プール取引量シェアごとの
リット取引量/最良気配株数
“ダーク・プールの使用が増えると...
32323232
今日のおはなし今日のおはなし
(1)はじめに:ダーク・プールとは?
(2)人工市場シミュレーションモデル
(3)結果1:ビット・アスク・バウンスの低減
(4)結果2:板の厚み増加による市場効率化
(6)まとめ
(5)実データと...
33333333
まとめ
・ ダーク・プールはビット・アスク・バウンスを低減
・ ある程度のダーク・プールの普及は市場を効率化
⇒ リットへ出される成行注文(マーケット・インパクトがある注文が
減少するため
・ ダーク・プールの普及しすぎは市場...
34343434
課題
・ sはどのように決まるか議論 ← 手計算可能?
・ リット市場とダーク・プールの使い方に差が無いモデル
↑実際には大きい取引はダーク・プールにしか
出さないなどの工夫がある
・ 詳細な実証分析 ← 今回は簡便な比較にと...
3535353535
ご清聴ありがとうございました
http://www.slideshare.net/mizutata/dark2015
この資料は以下のサイトで閲覧、ダウンロードできます:
3636363636
補足資料
http://www.slideshare.net/mizutata/dark2015
この資料は以下のサイトで閲覧、ダウンロードできます:
3737373737
(A) 買い注文と売り注文の”ゆらぎ”の大きさについて
買い注文と売り注文の発生確率は1/2ずつである。(Poの決め方より)
今、全部でn個の注文があった場合、買い注文の数は1標準偏差の誤差も含めると
の範囲となる。(一般...
3838383838
(B) d(ダーク・プールへの注文配分比率)とD(ダーク・プール取引量シェア)
k: リットの約定率=成行注文数量/(成行注文数量+指値注文数量)
とすると、
リットでの取引量(率): (1-d)k
ダーク・プールでの取引...
3939393939
リット ダーク・プール
(1-d) d
買い: 成行:k (1/2+1/2s)k(1-d)
(1/2+1/2s)d
1/2+1/(2s) 指値:(1-k) (1/2+1/2s)(1-k)(1-d)
売り: 指値:(1-k)...
4040404040
参考文献
http://www.slideshare.net/mizutata/dark2015
この資料は以下のサイトで閲覧、ダウンロードできます:
4141414141
参考文献 (人工市場モデル)
* 水田孝信, 小杉信太郎, 楠本拓矢, 松本渉,和泉潔, 吉村忍 (2014)
ダーク・プールは金融市場を安定化しマーケット・インパクトを低減させるか?
~人工市場シミュレーションを用いた検...
4242424242
参考文献 (ダーク・プールに関する議論)
[Johnson 10] Johnson, B.: Algorithmic Trading & DMA: An introduction to direct access trad...
Upcoming SlideShare
Loading in …5
×

人工市場シミュレーションを用いた ダーク・プールによる市場効率化の分析

991 views

Published on

株式市場において,注文を公開せずに注文を付き合わせる,ダーク・プールという取引市場が普及してきている.ダーク・プールは市場の安定化につながると言われている一方,ダーク・プールは価格決定を行わない市場であるため,市場全体の価格発見機能が低下し,市場全体の効率性が失われるという批判もある.本研究では1つのリット市場(注文情報が公開されている通常の市場)と1つのダーク・プールが存在する人工市場モデル(マルチ・エージェント・シミュレーション)を用いて,ダーク・プールの普及が市場を非効率にするのかどうかシミュレーションを行い分析した.その結果,ダーク・プールはビット・アスク・バウンスを低減させ市場を効率化することが分かった.さらに,ある程度までのダーク・プールの普及はリット市場へ出される成行注文(マーケット・インパクトがある注文)が減少し,流動性を供給する注文が相対的に多くなることによって,市場を効率化することが分かった.一方で,普及のしすぎはファンダメンタル価格への収斂も妨げ市場は非効率になることも分かった.普及しすぎの水準は,ダーク・プールの取引量が,リット市場の取引量より大きいときである可能性を指摘した.さらに,日本株式市場における実データとの比較を行い,シミュレーション結果と整合的な結果が得られることを示した.

Published in: Economy & Finance
  • Be the first to comment

人工市場シミュレーションを用いた ダーク・プールによる市場効率化の分析

  1. 1. 1111 人工市場シミュレーションを用いた ダーク・プールによる市場効率化の分析 スパークス・アセット・マネジメント株式会社 野村證券株式会社 東京大学大学院工学系研究科 科学技術新興機構 CREST 和泉 潔 水田 孝信 http://www.slideshare.net/mizutata/dark2015 小杉 信太郎 楠本 拓矢 松本 渉 この資料は以下のサイトで閲覧、ダウンロードできます:
  2. 2. 2222 今日のおはなし今日のおはなし (1)はじめに:ダーク・プールとは? (2)人工市場シミュレーションモデル (3)結果1:ビット・アスク・バウンスの低減 (4)結果2:板の厚み増加による市場効率化 (6)まとめ (5)実データとの比較
  3. 3. 3333 今日のおはなし今日のおはなし (1)はじめに:ダーク・プールとは? (2)人工市場シミュレーションモデル (3)結果1:ビット・アスク・バウンスの低減 (4)結果2:板の厚み増加による市場効率化 (6)まとめ (5)実データとの比較
  4. 4. 4444 ダーク・プールとは? ダーク・プール 欧州:MiFIDⅡ: ダーク・プールへの売買代金キャップ規制 (8%ルール)が導入 [Bowley 14] 欧州:MiFIDⅡ: ダーク・プールへの売買代金キャップ規制 (8%ルール)が導入 [Bowley 14] マーケット・インパクトを与える注文が減るため 市場が安定化? [Johnson 10] 価格決定を行わない市場であるため、 市場の価格発見機能が低下し市場非効率化? [EC 10, Ye 12] ・ 注文を公開せず、他の市場での取引価格を使って取引する市場 ・ 欧米のみならず日本でも普及し始めている[SEC 10] ・マーケット・インパクトを低減したい大口売買を行う投資家にニーズ
  5. 5. 5555 ダーク・プールに必要な議論 これまでの議論:ダーク・プールは「あり」か「なし」かの二者択一 → どれくらいが適切か?という議論が必要 これまでの議論:ダーク・プールは「あり」か「なし」かの二者択一 → どれくらいが適切か?という議論が必要 ダーク・プールがこれ以上普及したらどうなるか? → まだ一度も起きていないこと:実証研究ではできない 価格形成に関してダーク・プールの効果だけを取り出す → さまざまな要因が複雑:実証研究では困難 ダーク・プールがこれ以上普及したらどうなるか? → まだ一度も起きていないこと:実証研究ではできない 価格形成に関してダーク・プールの効果だけを取り出す → さまざまな要因が複雑:実証研究では困難 人工市場シミュレーション 人工市場を用いた先行研究: [水田ら 14]、[Mizuta et. al. 14] マーケット・インパクトの分析が主、市場効率性は議論していない 人工市場を用いた先行研究: [水田ら 14]、[Mizuta et. al. 14] マーケット・インパクトの分析が主、市場効率性は議論していない
  6. 6. 6666 今日のおはなし今日のおはなし (1)はじめに:ダーク・プールとは? (2)人工市場シミュレーションモデル (3)結果1:ビット・アスク・バウンスの低減 (4)結果2:板の厚み増加による市場効率化 (6)まとめ (5)実データとの比較
  7. 7. 7 ● リット市場(ザラバ) ⇒ 現実的な市場メカニズムの実装 ● エージェントモデルは簡素 ⇒ 恣意的な結果を避けるため Chiarella et. al. [2009] エージェント(投資家モデル)モデル         t jj t jhjt f j i ji t je wrw P P w w r ,3,,2,1 , , log 1 ファンダメンタル テクニカル ノイズ 予想リターン ,i jw 戦略ウエイト ↑ エージェント ごとに異なる 1000体のheterogeneousなノーマル・エージェント + 約定件数やキャンセル率、1日の騰落率の標準偏差 板の形状、など短期のマイクロストラクチャーの性質 マイクロ・ストラクチャーの再現も必要 ダーク・プールの選択はアルゴリズムが自動で行っている (オリジナル)
  8. 8. 88 ダーク・プールのモデル化 リット (ザラバ) 売り 価格 買い 84 101 176 100 99 2 98 77 ダーク プール 売り 買い 175 リット(ザラバ): 売買の別、価格、株数、を指定 ⇒ ザラバ ダーク・プール: 売買の別、株数、のみ指定 ⇒ 取引価格=仲値:リット市場の最良買い(売り)価格の平均 売り買いのどちらかのみに注文が残る ダーク・プール・モデル 仲値: (100+99)/2=99.5 で取引
  9. 9. 99 d:ダーク・プールへの注文配分比率 エージェント 確率dでダーク・プールへ注文を出す リット 市場 ダーク プール 確率: d確率: 1-d 市場の選択方法
  10. 10. 1010 推定ではない理想的な市場(非)効率性の定義が可能 市場が完全に効率的なら、取引価格は常に ファンダメンタル価格になるはずである 実際にファンダメンタル価格からの乖離で定義 ↑ 実際の市場では用いることができない手法 ファンダメンタル価格を外から与えられる人工市場ならでは ファンダメンタル価格 の平均ファンダメンタル価格市場価格 市場非効率性   市場非効率性
  11. 11. 11111111 今日のおはなし今日のおはなし (1)はじめに:ダーク・プールとは? (2)人工市場シミュレーションモデル (3)結果1:ビット・アスク・バウンスの低減 (4)結果2:板の厚み増加による市場効率化 (6)まとめ (5)実データとの比較
  12. 12. 12121212 市場価格に、仲値を使用 ⇒ ビット・アスク・バウンス(BAB)効果を取り除いた値 市場価格に、仲値を使用 ⇒ ビット・アスク・バウンス(BAB)効果を取り除いた値 ダーク・プールの普及でBAB効果が低減 後述のSORがなければBAB低減以外の効果は無い ダーク・プールの普及でBAB効果が低減 後述のSORがなければBAB低減以外の効果は無い 0.00% 0.04% 0.08% 0.12% 0.16% 0.20% 0.24% 0.28% 0.32% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 市場非効率性 ダーク・プールへの配分比率 d ダーク・プール配分比率 d ごとの市場非効率性 取引価格を使用、仲値を使用 市場非効率性:取引価格を使用 市場非効率性:仲値を使用
  13. 13. 13131313 ビット・アスク・バウンス(BAB)の低減効果 最良売り価格 最良買い価格 リット市場 のみ ダーク・プール あり 最良売り価格 最良買い価格 BABの頻度を減らし、1回あたりの価格変動幅も半分程度にBABの頻度を減らし、1回あたりの価格変動幅も半分程度に 取引価格 仲値
  14. 14. 14141414 今日のおはなし今日のおはなし (1)はじめに:ダーク・プールとは? (2)人工市場シミュレーションモデル (3)結果1:ビット・アスク・バウンスの低減 (4)結果2:板の厚み増加による市場効率化 (6)まとめ (5)実データとの比較
  15. 15. 1515 リット (ザラバ) 売り 価格 買い 84 101 176 100 99 2 98 77 指値注文と成行注文について 本研究での定義 リットへの注文は必ず価格を指定 指値 成行成行 指値 成行成行 対当する売り注文あり 即座に注文成立 対当する売り注文あり 即座に注文成立 対当する売り注文なし 即座には注文成立せず 対当する売り注文なし 即座には注文成立せず 買い買い売り売り 注文価格を指定した結果、 対当する注文があれば成行、なければ指値 注文価格を指定した結果、 対当する注文があれば成行、なければ指値
  16. 16. 1616 リット (ザラバ) 売り 価格 買い 84 101 176 100 99 2 98 77 ダーク プール 売り 買い 175 SOR(Smart Order Routing)の導入 99.5円 確率dでダーク・プールへ注文を出す 指値 成行でダーク・プールに対当する注文が無い 指値 成行でダーク・プールに対当する注文が無い 必ずダーク・プールへ注文を出す 成行でダーク・プールに対当する注文がある成行でダーク・プールに対当する注文がある まずダーク・プールに注文して取引が成立しなければ リットへ注文するということは、実務上よく行われている まずダーク・プールに注文して取引が成立しなければ リットへ注文するということは、実務上よく行われている リットへの成行注文(価格影響がある注文)がより減少 本研究での定義
  17. 17. 1717 リット (ザラバ) 売り 価格 買い 84 101 176 100 99 2 98 77 ダーク プール 売り 買い 175 99.5円 注文の配分例 (1) 99円の売り:ダーク・プールへ (2) 100円の売り:確率dでダーク・プールへ (3) 100円の買い:確率dでダーク・プールへ (4) 99円の買い:確率dでダーク・プールへ (1)によって、マーケット・インパクトがある注文が ダーク・プールへ吸収される (1)によって、マーケット・インパクトがある注文が ダーク・プールへ吸収される
  18. 18. 18181818 ある程度のダーク・プールの普及は市場を効率化する リットへの成行注文の量(←キーパラメーター)の減少が理由 ある程度のダーク・プールの普及は市場を効率化する リットへの成行注文の量(←キーパラメーター)の減少が理由 仲値を使用仲値を使用 0% 5% 10% 15% 20% 25% 30% 35% 40% 45% 0.00% 0.04% 0.08% 0.12% 0.16% 0.20% 0.24% 0.28% 0.32% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% ダーク・プールへの配分比率 d リット成行/リット指値 市場非効率性 ダーク・プール配分比率 d ごとの市場非効率性とリット成行/リット指値 SORありとSORなし 市場非効率性: SORあり 市場非効率性: SORなし リット成行/リット指値: SORあり リット成行/リット指値: SORなし
  19. 19. 1919 リット (ザラバ) 売り 価格 買い 84 101 176 100 99 2 98 77 ダーク プール 売り 買い 175 市場が効率化するメカニズムとキーパラメーター(1/2) キーパラメーター:リット成行注文数/リット指値注文数 流動性 供給 流動性 供給 流動性 供給 流動性 供給 流動性 奪う 流動性 奪う 流動性 奪う 流動性 奪う より多くの 注文が移動 より少ない 注文が移動 ダーク・プールは価格を指定しないため、指値注文が広がらず 結局取引されずキャンセルされてムダになる指値注文が少ない ダーク・プールは価格を指定しないため、指値注文が広がらず 結局取引されずキャンセルされてムダになる指値注文が少ない
  20. 20. 2020 これが小さいということは、、、これが小さいということは、、、 ファンダメンタル 価格 ファンダメンタル 価格 取引価格取引価格 市場が効率化するメカニズムとキーパラメーター(2/2) 厚い板 厚い板 外へ 出にくい 外へ 出にくい 外へ 出にくい 外へ 出にくい キーパラメーター:リット成行注文数/リット指値注文数 板が厚くなり、ファンダメンタル価格からの乖離がしづらくなる板が厚くなり、ファンダメンタル価格からの乖離がしづらくなる ⇒ 板の厚み増加による市場効率化
  21. 21. 21212121 高すぎるダーク・プールの普及は ファンダメンタル価格へ回帰する動きを妨げる ダーク・プール待機注文が多く存在する 高すぎるダーク・プールの普及は ファンダメンタル価格へ回帰する動きを妨げる ダーク・プール待機注文が多く存在する -0.2% -0.1% 0.0% 0.1% 0.2% 0.3% 0.4% (30) (20) (10) 0 10 20 30 40 50 60 9,890 9,910 9,930 9,950 9,970 9,990 10,010 10,030 10,050 10,070 10,090 10,110 10,130 10,150 エージェント平均予想リターン ダーク・プール待機注文数量 価格帯 価格帯別ダーク・プール待機注文数量 および、エージェント平均予想リターン ダーク待機注文数量(d=90%) 予想リターン(d=90%) 予想リターン(d=0%)
  22. 22. 2222 ファンダメンタル価格より高く乖離しているファンダメンタル価格より高く乖離している 取引価格取引価格 市場が非効率化するメカニズムと非効率化の条件(1/2) ダーク・プールの 厚い板(待機注文) SORあり 売り成行注文が吸収される SORあり 売り成行注文が吸収される ダーク・プールに買い注文が多く待機 ファンダメンタル価格へ収束する売り成行注文が SORにより、すべてダーク・プールへ吸収される ファンダメンタル価格へ収束する売り成行注文が SORにより、すべてダーク・プールへ吸収される ⇒ 乖離の解消に時間がかかり非効率化 ファンダメンタル 価格 ファンダメンタル 価格
  23. 23. 2323 D:ダーク・プール取引量シェアD:ダーク・プール取引量シェア 市場が非効率化するメカニズムと非効率化の条件(2/2) 注文配分量dではない注文配分量dではない sはいくつなのかは別の議論必要(手計算できる?) シミュレーション結果はs≧5(D>50%)を示唆 ⇒ 直感的な水準と整合的では? s: 非効率化に恒常的に必要なダーク・プールの待機数量を 平均注文株数(=本研究では1)で割ったもの s: 非効率化に恒常的に必要なダーク・プールの待機数量を 平均注文株数(=本研究では1)で割ったもの 𝐷 > 𝑠 − 1 𝑠 + 3 不等式の導出詳細は以下の巻末の補足資料 http://www.slideshare.net/mizutata/dark2015 s D 1 0.0% 2 20.0% 3 33.3% 4 42.9% 5 50.0% s D 6 55.6% 7 60.0% 8 63.6% 9 66.7% 10 69.2% 手計算
  24. 24. 24242424 ダーク・プールの取引量シェアが50%を超えると効率化しなくなる s≧5(D>50%)を示唆 ダーク・プールの取引量シェアが50%を超えると効率化しなくなる s≧5(D>50%)を示唆 0% 25% 50% 75% 100% 0.00% 0.04% 0.08% 0.12% 0.16% 0.20% 0.24% 0.28% 0.32% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% ダーク・プールへの配分比率 d 取引量シェアD 市場非効率性 取引量・プール配分比率 d ごとの市場非効率性と 取引量シェアDの関係 市場非効率性 出来高シェア
  25. 25. 25252525 今日のおはなし今日のおはなし (1)はじめに:ダーク・プールとは? (2)人工市場シミュレーションモデル (3)結果1:ビット・アスク・バウンスの低減 (4)結果2:板の厚み増加による市場効率化 (6)まとめ (5)実データとの比較
  26. 26. 26262626 シミュレーション BABを低減 比較できるシミュレーション結果比較できるシミュレーション結果 シミュレーション結果1 比較できないシミュレーション結果比較できないシミュレーション結果 リットの板の厚み増加 シミュレーション結果2 普及しすぎの弊害普及しすぎの弊害 シミュレーション結果2’ ファンダメンタル価格が分からないファンダメンタル価格が分からない 板の厚み増加による市場効率化板の厚み増加による市場効率化 シミュレーション結果2’ 現実ではそこまで普及していない現実ではそこまで普及していない
  27. 27. 27272727 データ 期間: 2014年6月毎営業日 対象銘柄: TOPIX100採用銘柄 ・ ダーク・プール取引量シェア = ダーク・プール取引量(21日) / リット取引量(21日) ・ ダーク・プール取引量 = TOSTNETの単一銘柄取引のうち3000万円以下のもの ・ リット = 東京証券取引所 ・ 実効スプレッド = |直近約定価格ー仲値|×2≒ ビット・アスク・スプレッド ・ 最良気配株数 = 最良気配に置かれている1日の平均株数×21日 日本株式市場における日中の板データ
  28. 28. 28282828 縦軸実効スプレッドが大きい銘柄実効スプレッドが大きい銘柄 ダーク・プールはBABを低減 ダーク・プール取引量シェアが高い 実データではBAB低減は直接測定できない ⇒ 工夫が必要 BABが大きいBABが大きい ダーク・プールを使いたいダーク・プールを使いたい 横軸 シミュレーション結果1 BABを低減
  29. 29. 29292929 “ダーク・プールはBABを低減”と整合的 ⇒ シミュレーション結果1と整合的 “ダーク・プールはBABを低減”と整合的 ⇒ シミュレーション結果1と整合的 0.01% 0.10% 1.00% 0% 5% 10% 15% 20% 実効スプレッド ダーク・プール取引量シェア ダーク・プール取引量シェアごとの実効スプレッド
  30. 30. 30303030 縦軸 リット取引量 / 最良気配株数 が低いリット取引量 / 最良気配株数 が低い ダーク・プール取引量シェアが高い 横軸 シミュレーション結果2 リットの板の厚み増加 リットの板の厚み増加
  31. 31. 31313131 1 10 100 1000 10000 0% 5% 10% 15% 20% リット取引量/最良気配株数 ダーク・プール取引量シェア ダーク・プール取引量シェアごとの リット取引量/最良気配株数 “ダーク・プールの使用が増えるとリットの板の厚み増加”と整合的 ⇒ シミュレーション結果2(の一部)と整合的 “ダーク・プールの使用が増えるとリットの板の厚み増加”と整合的 ⇒ シミュレーション結果2(の一部)と整合的
  32. 32. 32323232 今日のおはなし今日のおはなし (1)はじめに:ダーク・プールとは? (2)人工市場シミュレーションモデル (3)結果1:ビット・アスク・バウンスの低減 (4)結果2:板の厚み増加による市場効率化 (6)まとめ (5)実データとの比較
  33. 33. 33333333 まとめ ・ ダーク・プールはビット・アスク・バウンスを低減 ・ ある程度のダーク・プールの普及は市場を効率化 ⇒ リットへ出される成行注文(マーケット・インパクトがある注文が 減少するため ・ ダーク・プールの普及しすぎは市場を非効率にする ⇒ ファンダメンタル価格へ回帰する動きを妨げる 待機注文がたまるため ・ 市場を非効率化する水準は、 ・ 実データとの比較を行い上記の一部を確認できた s≧5(D>50%)を示唆s≧5(D>50%)を示唆𝐷 > 𝑠 − 1 𝑠 + 3 𝐷 > 𝑠 − 1 𝑠 + 3
  34. 34. 34343434 課題 ・ sはどのように決まるか議論 ← 手計算可能? ・ リット市場とダーク・プールの使い方に差が無いモデル ↑実際には大きい取引はダーク・プールにしか 出さないなどの工夫がある ・ 詳細な実証分析 ← 今回は簡便な比較にとどまった ・ MiFIDⅡの8%ルールが厳しすぎるのかどうか議論
  35. 35. 3535353535 ご清聴ありがとうございました http://www.slideshare.net/mizutata/dark2015 この資料は以下のサイトで閲覧、ダウンロードできます:
  36. 36. 3636363636 補足資料 http://www.slideshare.net/mizutata/dark2015 この資料は以下のサイトで閲覧、ダウンロードできます:
  37. 37. 3737373737 (A) 買い注文と売り注文の”ゆらぎ”の大きさについて 買い注文と売り注文の発生確率は1/2ずつである。(Poの決め方より) 今、全部でn個の注文があった場合、買い注文の数は1標準偏差の誤差も含めると の範囲となる。(一般的なの話) 今、買い注文が1標準偏差多い方に偏る状況を考える。 全注文のうちの買い注文が占める割合は、 ただし、 であり、sは買い注文と売り注文の差である。 𝑛 2 − 𝑛 2 ~ 𝑛 2 + 𝑛 2 𝑛 2 + 𝑛 2 𝑛 = 1 2 + 1 2𝑠 𝑠 = 𝑛 ・・・(1)
  38. 38. 3838383838 (B) d(ダーク・プールへの注文配分比率)とD(ダーク・プール取引量シェア) k: リットの約定率=成行注文数量/(成行注文数量+指値注文数量) とすると、 リットでの取引量(率): (1-d)k ダーク・プールでの取引量(率): d/2 (↑指値はほぼ取引成立しているため、指値数量=成行数量となるので) とすると、 D=リットでの取引量/(リット+ダーク・プールの取引量) =d/2/((1-d)k+d/2) これを変形して、 𝐷 = 𝑑 2 1 − 𝑑 𝑘 + 𝑑 𝑘(1 − 𝑑) = 𝑑 (1 − 𝐷) 2𝐷 ・・・(2)
  39. 39. 3939393939 リット ダーク・プール (1-d) d 買い: 成行:k (1/2+1/2s)k(1-d) (1/2+1/2s)d 1/2+1/(2s) 指値:(1-k) (1/2+1/2s)(1-k)(1-d) 売り: 指値:(1-k) (1/2-1/2s)(1-k)(1-d) (1/2-1/2s)d 1/2-1/(2s) 成行:k (1/2-1/2s)k(1-d) SOR:すべてこちらに ダーク・プールに入る買い注文 > ダーク・プールに入る売り注文より (2)を(3)に代入すると、dは消えて 𝐷 > 𝑠 − 1 𝑠 + 3 1 2 + 1 2𝑠 𝑑 > 1 2 − 1 2𝑠 𝑑+ 1 2 − 1 2𝑠 𝑘 1 − 𝑑 ・・・(3) (おわり) (C) ダーク・プールへの買い注文と売り注文の数量差 今、買い注文が1標準偏差多い方に偏る状況を考える。 (1)より買いと売りの注文確率は、それぞれ、1/2+1/(2s)、1/2-1/(2s)、 リット、ダーク・プールへの注文確率は、(1-d)、d リットでの成行と指値の確率は、k、(1-k)、 これらをまとめると下記の表のようになる。 今、ダーク・プールに買い注文が対している状況を考えると、 リットへの成行売り注文は全てダーク・プールへの売り注文となる。 このとき、ダーク・プールに買い注文がたまる条件は、
  40. 40. 4040404040 参考文献 http://www.slideshare.net/mizutata/dark2015 この資料は以下のサイトで閲覧、ダウンロードできます:
  41. 41. 4141414141 参考文献 (人工市場モデル) * 水田孝信, 小杉信太郎, 楠本拓矢, 松本渉,和泉潔, 吉村忍 (2014) ダーク・プールは金融市場を安定化しマーケット・インパクトを低減させるか? ~人工市場シミュレーションを用いた検証 ~, 第12回 人工知能学会 金融情報学研究会 http://sigfin.org/SIG-FIN-012-14/ * Mizuta, T., Kosugi, S., Kusumoto, T., Matsumoto, W., Izumi, K., Yoshimura, S. (2014) Do Dark Pools Stabilize Markets and Reduce Market Impacts? -- Investigations using Multi-Agent Simulations --, IEEE, Computational Intelligence for Financial Engineering and Economics (CIFEr), 2014 http://www.geocities.jp/mizuta_ta/FE-1029.pdf * Chiarella C. and G. Iori (2002) A simulation analysis of the microstructure of double auction markets, Quantitative Finance, 2, 5, 346-353
  42. 42. 4242424242 参考文献 (ダーク・プールに関する議論) [Johnson 10] Johnson, B.: Algorithmic Trading & DMA: An introduction to direct access trading strategies, 4Myeloma Press (2010) [EC 10] European Commision : Public Consultation Review of the Markets in Financial Instruments Directive (MiFID), Consultation Report, Vol. 8, (2010) [Ye 12] Ye, M.: Price manipulation, price discovery and transaction costs in the crossing network, Price Discovery and Transaction Costs in the Crossing Network (March 14, 2012) (2012) [Bowley 14] Bowley, A.: Agreement of MiFID II Reforms, Instinet incorporated, http://instinet.com/docs/msr/2014/Agreement_of_MiFID_II_Reforms-Quick_Analysis.pdf (2014)

×