Limit Order Books

Gould, Martin; Porter, Mason A.; Williams, Stacy; McDonald, Mark; Fenn, Daniel J.; Howison, Sam

doi:10.2139/ssrn.1970185

Cited by 78 publications

(128 citation statements)

References 168 publications

Supporting

Mentioning

115

Contrasting

Unclassified

Order By: Relevance

“…As ordens ativas possuem nomenclatura particular como "ordens penduradas" ou "ordens limitadas". Na literatura internacional estas ordens são chamadas de limit orders, comoé observado nos trabalhos de Biais et al (1995), Aldridge (2010), Gould et al (2013) e Cont e Larrard (2013). Conforme estes autores, o conjunto destas ordens ativas forma o LOB.…”

Section: Contribuiçõesunclassified

“…As variáveis e suposições exibidas são apresentadas nos artigos de Gould et al (2013) e Cont e Larrard (2013).…”

Section: Definição Do Espaço Probabilísticounclassified

“…Conforme apresentam Gould et al (2013), não existe um consenso sobre a melhor maneira de fazê-lo; no caso da literatura econômica os modelos são focados na descrição do comportamento individual dos traders.…”

Section: Introductionunclassified

“…O principal empecilho na criação de um consenso torna-se portanto a necessidade de impor suposições nos modelos propostos em ambas literaturas, sendo que nos estudos empíricos as suposições utilizadas foram testadas, porém não corroboradas. Gould et al (2013) também apresentam diversos problemas de pesquisa naárea que ainda precisam de exploração. O primeiro delesé a compreensão de possíveis padrões estatísticos a partir das observações do LOB e times and trades; conforme os autores, ainda nãoé claro o entendimento destes padrões em diferentes mercados e como podem surgir levando em consideração as diversas ações e estratégias dos vários agentes heterogêneos.…”

Section: Introductionunclassified

“…Aldridge (2010) e Gould et al (2013) afirmam que as estimativas podem variar significativamente a partir de como a escala de tempoé organizada.…”

Section: Introductionunclassified

See 4 more Smart Citations

Combinação de projeções de volatilidade baseadas em medidas de risco para dados em alta frequência

Araújo¹

View full text Add to dashboard Cite

CDD -332 i Aos meus paisiii Agradecimentos -À Deus, por iluminar o meu caminho e pela força no desempenho de todas as minhas atividades; -Ao meu pai, José Carlos e minha mãe, Sueli, pela força diária e apoio constante durante toda a minha vida; -Aos meus familiares tia Maria Cícera (tia Liu), tia Nena e família, tia Socorro (tia Côrre) e família, Henrique, Fernando, Viviane, Fernanda, Fred, Fabiana, Lourenço (Tio Nen) e família pelo apoio constante durante o curso de doutorado; -A Profa. Dra. Alessandra Montini que se dedicou muito no seu papel de orientadora, e a quem sou muito grato por todo o aprendizado obtido no curso de Doutorado; -À banca examinadora da Tese, ao Professor titular Adolpho Walter Pimazoni Canton, Prof. Dr. André Oda e Prof. Dr. Junio Fuentes, por todas as contribuições dadas e por todo o apoio durante a execução do trabalho; -Ao corpo docente da FEA/USP, em especial aos Profs. Drs. Daniel Cordeiro, Abraham Yu, Ronaldo Zwicker, César Alexandre, José Roberto Securato, Fábio Lotti, Rosana Tavares, Eduardo Kayo, José Roberto Savoia e Bernadete Marinho, com quem tive oportunidade de fazer matérias e engrandecer meus conhecimentos nas diversasáreas lecionadas; -À Coordenação de Aperfeiçoamento de Pessoal de Nível Superior -CAPES -pelo apoio financeiro que possibilitou a realização do curso; -Aos meus amigos (Prof. Dr. A.C.S. Costa, Prof. Ms. Eduardo, Prof. Dra. Neila Cunha, Júlio Barbosa, Raony Justo, Thales Nilton, Allana, Luiz B.O., Maxsuel (Macasuel), Henrique "Nêgo", Madal, Allan, Igor, Erich e Calebe Feitosa, Bruno "Cachorrão", Nayron Almeida, Sávio Henrique, Bruna Silva, Luzi, Haila Chagas e Halex, Nayara Abreu, Kaio Sosa, Gabriel Verlangieri, Mabel, Jose, Jaqueline, Hugo, Luciano, Vera e Anna Chaves, Jacira e Igor Milhorança) que tiveram participação importante em diversas fases da minha vida; -Aos meus colegas de Mestrado/Doutorado da Universidade de São Paulo com quem tive grande oportunidade de aprendizado durante o curso (Lemilson Almeida, Bruno Carls, Martín Hernani, Afonso Lima, Natália Cordeiro, Fernando Fleury, Thiago Rocha, Luciana Rizzi, Edison Simoni, Léo Raifur,Ângelo Danese, Daniel Cordeiro, Ana Carolina Shinoda e Cristina Chu, entre outros); v "An individual will seek to reduce as far as is possible the chance of such a catastrophe occurring".A. D. Roy vii Combinação de projeções de volatilidade baseadas em medidas de risco para dados em alta frequência RESUMOOperações em alta frequência demonstraram crescimento nosúltimos anos; em decorrên-cia disso, surgiu a necessidade de estudar o mercado de ações brasileiro no contexto dos dados em alta frequência. Os estimadores da volatilidade dos preços de ações utilizando dados de negociações em alta frequência são os principais objetos de estudo. Conforme Aldridge (2010) e Vuorenmaa (2013), o HFT foi definido como a rápida realocação de capital feita de modo que as transações possam ocorrer em milésimos de segundos por uso de algoritmos complexos que gerenciam envio de ordens, analisam dados e tomam as melhores decisões. A principal...

show abstract

Section: Contribuiçõesunclassified

“…As variáveis e suposições exibidas são apresentadas nos artigos de Gould et al (2013) e Cont e Larrard (2013).…”

Section: Definição Do Espaço Probabilísticounclassified

Section: Introductionunclassified

“…Aldridge (2010) e Gould et al (2013) afirmam que as estimativas podem variar significativamente a partir de como a escala de tempoé organizada.…”

Section: Introductionunclassified

See 3 more Smart Citations

Combinação de projeções de volatilidade baseadas em medidas de risco para dados em alta frequência

Araújo¹

View full text Add to dashboard Cite

show abstract

Benchmark dataset for mid‐price forecasting of limit order book data with machine learning methods

Ntakaris

Magris

Kanniainen

et al. 2018

Journal of Forecasting

115

106

View full text Add to dashboard Cite

Managing the prediction of metrics in high‐frequency financial markets is a challenging task. An efficient way is by monitoring the dynamics of a limit order book to identify the information edge. This paper describes the first publicly available benchmark dataset of high‐frequency limit order markets for mid‐price prediction. We extracted normalized data representations of time series data for five stocks from the Nasdaq Nordic stock market for a time period of 10 consecutive days, leading to a dataset of ∼4,000,000 time series samples in total. A day‐based anchored cross‐validation experimental protocol is also provided that can be used as a benchmark for comparing the performance of state‐of‐the‐art methodologies. Performance of baseline approaches are also provided to facilitate experimental comparisons. We expect that such a large‐scale dataset can serve as a testbed for devising novel solutions of expert systems for high‐frequency limit order book data analysis.

show abstract

Market Impact Paradoxes

Skachkov¹

2014

Wilmott

View full text Add to dashboard Cite

The market impact (MI) of volume-weighted average price (VWAP) orders is a convex function of a trading rate, but most empirical estimates of transaction costs are concave functions. How is this possible? We show that an isochronic (constant trading time) MI is slightly convex, and an isochoric (constant trading volume) MI is concave. We suggest a model that fits all trading regimes and guarantees no dynamic arbitrage.

show abstract

Limit Order Books

Cited by 78 publications

References 168 publications

Combinação de projeções de volatilidade baseadas em medidas de risco para dados em alta frequência

Combinação de projeções de volatilidade baseadas em medidas de risco para dados em alta frequência

Benchmark dataset for mid‐price forecasting of limit order book data with machine learning methods

Market Impact Paradoxes

Contact Info

Product

Resources

About