Sie sind auf Seite 1von 22

On detecting spoofing strategies in high

frequency trading

Simona Aleksandrova

TU Wien

February 2021

Simona Aleksandrova On detecting spoofing strategies in high frequency trading


Übersicht

High Frequency Trading und


Spoofing
Preisabweichung und
Ungleichgewicht
Spoofing Strategie
Spoofing Manipulation und
ihre Existenz
Optimale Spoofing
Monitoring

Simona Aleksandrova On detecting spoofing strategies in high frequency trading


High Frequency Trading

automatisierte Handelsplattform, die große Investmentbanken,


Hedgefonds und Investoren zusammen einsetzen
mächtiger Computer, um eine große Anzahl von Aufträge mit
extrem hoher Geschwindigkeit abzuwickeln
Algorithmen, um Märkte zu analysieren
Veränderungen auf dem Markt erkennen und den
Bid-Ask-Spreads besser schätzen

Simona Aleksandrova On detecting spoofing strategies in high frequency trading


Spoofing

illegale Handlung, bei der die Angebote zum Verkauf und zum
Kauf von Terminkontrakte künstlich verändert werden
Ungleichgewicht wurde eingeführt, das die Preisbewegung
beeinflusst
Spoofer storniert vorherige Angebot
von Preisbewegung profitieren

Simona Aleksandrova On detecting spoofing strategies in high frequency trading


Arten von Aufträge

Markt Orders werden sofort ausgeführt


Bei Limit Orders streben sich die Teilnehmer nach bestimmten
Preis; keine Dringlichkeit
In Limit order book sind alle angegebenen Preise gesammelt
Wenn es viele Aufträge in LOB gibt, werden ankommende
Markt Orders mit größerer Wahrscheinlichkeit von diesen
Limit Orders zu einem guten Preis vollständig abgeglichen.
Diese Ausgabe von Limit Orders erhöht daher die Liquidität
des Vermögenswertes.

Simona Aleksandrova On detecting spoofing strategies in high frequency trading


Notation

p - Preis
v =(v0 , ..., vN ) - Limitaufträge auf Ask Seite
v − = (v0− , ..., vN− ) - Limitaufträge auf Bid Seite
H - Anzahl der Aktien
G - Liquiditätskosten
a - die Anzahl von Vermögenswerte auf Ask Seite für jede
Preistiefe
b - bezeichnet oben beschriebene Definition für Bid

Simona Aleksandrova On detecting spoofing strategies in high frequency trading


Preisabweichung und Ungleichgewicht

x
( )
X
F (H) := inf x ∈N: v̄k ≥ H
k=0
repräsentiert wie groß die positive Abweichung für eine
Bestellung der Größe H ist.

 
F (H) F (H)
X X
pH + kδ v̄k − δF (H)  v̄k − H  = pH + δG (H)
k=0 k=0

sind Markt Orders Kosten.


Wir erhalten für Ungleichgewicht zwischen der Angebot bzw.
Nachfrage ist
PN
wk b b
ῑ = PN k=0 =
k=0 wk (a + b)
a+b

Simona Aleksandrova On detecting spoofing strategies in high frequency trading


Faktoren, die Einfluss auf Preisabweichung haben

Buchung und Stornierung von Limitaufträge


dp =Pdp−N , ..., dp0 , ..., dpN
µ= N x=−N xdpx
Buchung von Markt Orders
dq =P dq−N−1 , ..., dq0 , ..., dqN+1
ν = N+1y =−N−1 ydpy
Mit Parametrisierung ι 7→ dp(ι) bekommen wir
µ(ι) := N
P PN + +
x=−N xdp x (ι) = (2ι − 1) x=−N xdp x = µ (2ι − 1)

Simona Aleksandrova On detecting spoofing strategies in high frequency trading


Spoofing Strategie

Man bucht Limitauftrag auf ask Seite, Markttiefe k, mit k


∈ 0, 1, ..., N, um die Liquidität auf der Ask-Seite zu erhöhen. In der
nächsten Periode weicht der Preis zwischen p und p + δ(x + y ) ab.
Wir unterscheiden zwei Fälle:
y ≤ k: Preis für Anzahl H von Aktien:

(p + δ(x + y ))H + δG (H)

y > k: Preis für H + v Aktien:

(p + δ(x + y ))(H + v ) + δG (H + v ) − (p + δ(x + k))v


= (p + xδ)H
+ δG (H + v )
+ δ(y − k)v

Simona Aleksandrova On detecting spoofing strategies in high frequency trading


Fortsetzung
Also sind die Spoofing Nettokosten für Preisabweichung
p + δ(x + y ) wie folgt
Ck (v , x, y ) = (p+(x +y )δ)H+δG H + v 1{y >k} +δ(y −k)v 1{y >k}


gegeben. Die Ungleichgewicht ändert sich von ῑ auf


B
ιk (v ) :=
(A + B + wk v )
gegeben. Mit
N+1
X
Qk = dqy
y =k+1

und
N+1
X
νk = (y − k)dqy
y =k+1

werden wir durchschnittliche Spoofing Nettokosten berechnen.


Simona Aleksandrova On detecting spoofing strategies in high frequency trading
Spoofing Kosten
Die durchschnittliche Nettokosten sind dann durch
N
X N+1
X
Ck (v ) : = Ck (v , x, y )dpx (ιk (v )) dqy
x=−N y =−N−1
N
X
= (p + δx)Hdpx (ιk (v )) + δ (1 − Qk )
x=−N
N+1
X
G (H) + δQk G (H + v ) + δv (y − k)dqy
y =k+1

= pH + δ (1 − Qk ) G (H) + δHµ+ (2ık (v ) − 1)


| {z } | {z }
cost for optimal situation Spoofing impact

+ δQk G (H + v ) + δv νk
| {z }
cost for being caught wrong way

Simona Aleksandrova On detecting spoofing strategies in high frequency trading


Spoofing Manipulation

Definition
Begrenztes Auftragsbuch lässt Spoofing Manipulation zu, wenn es
v > 0 und k ∈ 0, 1, ..., N existieren, sodass
(
Ck (v ) < pH + δ(G (H) + µ+ H(2ῑ − 1)) wenn ῑ ≤ 1/2
Ck (v ) < pH + δG (H) wenn ῑ > 1/2

Simona Aleksandrova On detecting spoofing strategies in high frequency trading


Spoofing Existenz

Proposition
In einem block shaped Limit Orderbuch, wo das Volumen aus
Ask-Seite des Buches überall ist, gilt
i.) Falls ῑ ≤ 1/2, der Limitauftrag lässt keine Spoofing
Manipulation zu genau dann, wenn

2ρµ+ (1 − ῑ)ῑwk ≤ Qk ρ + νk (1)

für alle k gilt.


ii.) Falls ῑ > 1/2, der Limitauftrag lässt keine Spoofing
Manipulation zu, wenn (1) gilt.

Simona Aleksandrova On detecting spoofing strategies in high frequency trading


Proof.
Sei H = ρa. Weiter sei die Ungleichgewicht ιk = b/(b + a + wk v ),
wobei b = aῑ/(1 − ῑ). Für den Gradient von ιk (v ) erhalten wir

b (1 − ῑ) 2
∇(ιk (v )) = − wk = − ι (v )wk
(a + b + wk v )2 aῑ k
ῑ ≤ 1/2
x2
Setze g (x) = 2a . Damit es gilt, dass es keine Spoofing
Manipulation gibt, genau dann wenn

Qk v 2
f (v ) := + Qk ρv + v νk − 2ρaµ+ (ῑ − ιk (v )) ≥ 0
a
für alle v ≥ 0.

Simona Aleksandrova On detecting spoofing strategies in high frequency trading


Proof.
Der Gradient dieser Funktion ist
Qk v 1 − ῑ 2
∇(f (v )) = + Qk ρ + νk − 2ρµ+ ι (v )wk
a ῑ k
Dieser ist in v monoton. Da f (0) = 0 ist, folgt f (v ) ≥ 0 für alle v
genau dann, wenn ∇(f (0)) ≥ 0 und das ist äquivalent zu

Qk ρ + νk ≥ 2ρµ+ (1 − ῑ)ῑwk (2)

Simona Aleksandrova On detecting spoofing strategies in high frequency trading


Proof.
ῑ > 1/2
In diesem Fall existiert keine Spoofung Manipulation genau dann,
wenn

Qk v 2
f (v ) := + ρqk v − 2ρaµ+ (1/2 − ιk (v )) ≥ 0
2a
für alle v ≥ 0. Der Gradient von f (v ) ist durch

Qk v 1 − ῑ 2
∇(f (v )) = + ρQk − Qk kv − 2ρµ+ ι (v )wk
a ῑ k
Da f (0) > 0 ist, wie wir schon argumentiert haben, folgt f (v ) ≥ 0
genau dann, wenn ∇(f (0)) ≥ 0, die ist wiederum äquivalent zu (2).

Simona Aleksandrova On detecting spoofing strategies in high frequency trading


Folgerungen

Preismanipulationen sind
wahrscheinlicher, wenn
Qk klein ist.
ῑ nahe bei 1/2 ist.
µ+ größer ist.
wk größer ist.
ρ größer ist

Simona Aleksandrova On detecting spoofing strategies in high frequency trading


Optimale Spoofing

Proposition
Die optimale Spoofing-Volumen vspoof auf einem bestimmten Level
k und daraus resultierende Ungleichgewicht ιspoof sind durch

a 1 − ῑ
vspoof = [2ρw µ+ − (Qρ + ν)]+
Q ῑ
gegeben. Hier ist folgende Notation übernommen: w := wk ,
Q := Qk und ν := νk . ιspoof ist die eindeutige Lösung, die eine
kubische Wurzel ist, in (0, ῑ] von
ῑ (1−ῑw ) + 1−ῑ − (Qρ + ν)]+
ι =1+ Q [2ρw µ ῑ

Simona Aleksandrova On detecting spoofing strategies in high frequency trading


Beweis

Proof.
Sei die Notation wie in der Proposition gegeben. Annahme:
H = ρa. Wir wollen unsere Zielfunktion f (v ) über v ≥ 0
optimisieren.
2 (ρa+v )2
f (v ) = (1 − Q) (ρa)
2a + Q 2a + ρaµ+ (2ι(v ) − 1) + v ν =
(ρa)2 2
2a + Q v2a + (Qρ + ν)v + ρaµ+ (2ι(v ) − 1)
Nach Bedingungen erster Ordnung mit dem Lagrange Parameter λ
ergibt sich
v 1 − ῑ 2
Q + (Qρ + ν) − 2ρw µ+ ι =λ
a ῑ
wobei ι := ι(v ).

Simona Aleksandrova On detecting spoofing strategies in high frequency trading


Proof.
Für ι ∈ (0, 1) bekommen wir

1 − ῑ 2 2
λ(ι) = [(Qρ + ν) − 2ρw µ+ ι ]
ῑ
1 − ῑ 2
v (ι) = a/Q[2ρw µ+ ι − (Qρ + ν)]2
ῑ
Wenn wir nun die optimale v (ι) als Funktion von ι geben, lösen
wir für ι so, dass
1 a + b + wv (ι) 1 1 − ῑ
= = +w v (ι)
ι b ῑ aῑ
1 w 1 − ῑ 1 − ῑ 2
= + [2ρw µ+ ι − (Qρ + ν)]2
ῑ Q ῑ ῑ

Da die linke Seite streng monoton fallend von ∞ bis 1ῑ auf (0, ῑ] ist
und die rechte Seite streng monoton steigend von 1ῑ auf (0, ῑ] ist,
existiert eine eindeutige Lösung, die eine kubische Wurzel ist.
Simona Aleksandrova On detecting spoofing strategies in high frequency trading
Monitoring

Simona Aleksandrova On detecting spoofing strategies in high frequency trading


Danke für
Aufmerksamkeit!

Simona Aleksandrova On detecting spoofing strategies in high frequency trading

Das könnte Ihnen auch gefallen