Trading-Strategien In Der Italienischen Interbankenmarkt

Klicken Sie, um den Volltext von zu sehen: Siehe Volltext Physica A 376 (2007) 467-479 Trading-Strategien in der italienischen Interbankenmarkt Giulia Ioria. Roberto Reno `b, Giulia De Masic, Guido Caldarellid aDepartment of Economics, City University, Northampton-Platz, EC1V 0HB London, UK bDipartimento di Economia Politica, Universita 'di Siena, Piazza S. Francesco 7, 53100 Siena, Italien cPhysics Abteilung, Universität von L'Aquila, Via Vetoio, 67010 Coppito, L'Aquila, Italien dINFM-SMC und Physik-Department der Universität "" La Sapienza "," P. le A. Moro 2, 00185 Roma, Italien Empfangen 1. April 2006; in überarbeiteter Form 6 empfangen Oktober 2006 Online verfügbar 13. November 2006 Mit Hilfe eines Datensatzes, der alle Transaktionen zwischen den Banken in der italienischen Geldmarkt umfasst untersuchen wir ihre Handels Strategien und die Abhängigkeit unter ihnen. Wir verwenden die Fourier-Methode, die Varianz-Kovarianz-Matrix zu berechnen, Trading-Strategien. Unsere Ergebnisse zeigen, dass gut definierte Muster entstehen. Zwei Hauptgemeinschaften der Banken, die sein können, grob, wie kleine und große Banken identifiziert, entstehen. r 2006 Elsevier B. V. Alle Rechte vorbehalten. Stichwort: Sozio-ökonomische Netze; Fourier Korrelationen; Spektralanalyse; Gemeinschaften Identifikations 1. Einleitung Die Kreditinstitute im Euro-Raum sind verpflichtet, Mindestreserveguthaben innerhalb von National Central halten Banks. Reserven einen Puffer gegen unerwartete Liquiditätsschocks, Milderung der bedingte Schwankungen der Marktzinsen. Diese Reserven sind an der Hauptrefinanzierungssatz verzinst. Im Berichtszeitraum nur im Durchschnitt über einen einmonatigen Erfüllungsperiode, die von der Untersuchung läuft erfüllt werden, mussten sie 24. eines Monats bis zum 23. des folgenden Monats, das Ende der Wartungsarbeiten Tag (fortan EOM). Banks kann Reserven am Interbankenmarkt mit dem Ziel austauschen, um die Reserve impliziten Kosten zu minimieren. Im Italien, Börsen sind in der E-MID-Markt geregelt. Das Ziel dieser Arbeit ist es, Zusammenhänge in den Liquiditätsmanagementstrategien unter den Banken in analysieren Italien, unter Verwendung eines einzigartigen Datensatzes der Geschäfte mit eintägiger Laufzeit. Die Informationen enthalten Transaktions Preise, Mengen und das kodierte Identität des Angebots - und Auftrags Banken. So sind wir in der Lage, das zu entwirren Trading-Strategie der jeweiligen Bank. Es gibt Hinweise darauf, dass nicht alle Kreditinstitute aktiv zu managen ihre Mindestreserven. Einige Institutionen, in der Regel kleiner, neigen dazu, ihre Reservekonto auf dem erforderlichen Niveau zu halten ständig durch den Wartungszeitraum. Elsevier / suchen / Physa 0378-4371 / $ - siehe Titelei r 2006 Elsevier BV Alle Rechte vorbehalten. doi: 10.1016 / j. physa.2006.10.053 Anschrift für die Verfasser. E-Mail-Adressen: g. ioricity. ac. uk (G. Iori), renounisi. it (R. Reno `), giulia. demasiaquila. infn. it (G. De Masi), Guido. Caldarelliroma1.infn. it (G. Caldarelli). Wir verabschieden kurzem statistische Methoden, um zuverlässig zu Zusammenhängen zwischen Handel zu messen entwickelt Strategien, wie von der kumulativen Handelsvolumen Proxy. Die Zeitreihen sind sehr asynchronen, aber die angewandte Methode, nämlich der Fourier-Methode geeignet ist, mit dieser Situation umzugehen. Wir schätzen die Varianz-Kovarianz-Matrix, und wir analysieren mit Hilfe von zwei Methoden: Standardhauptkomponentenanalyse und Netzwerkanalyse, wobei letzterer die Informationen über das Vorhandensein von Communities. Wir zeigen, dass das Spektrum der Varianz-Kovarianz-Matrix zeigt nur wenige Eigenvektoren, die nicht im Einvernehmen mit der Zufallsmatrix Vorhersage. Insbesondere finden wir, dass der größte Eigenwert, der gibt die Gesamtaggregationsebene der Strategien, nimmt ab, wenn wir die EOM Datum nähern. Das Netz Analyse offenbart die Existenz von zwei Gemeinden. 2. Schätzung der Varianz-Kovarianz-Matrix Um die Anwesenheit von gemeinsamen Faktoren in Handelsstrategien zwischen verschiedenen Banken analysieren wir schätzen die Varianz-Kovarianz-Matrix der unterzeichneten Handelsvolumina. Die italienische elektronische Broker-Markt MID (Markt für Interbankeinlagen) deckt das gesamte bestehende Inlandstagesgeldmarkt in Italien. Dieser Markt ist im Euro-Raum einzigartig, ein Bildschirm auf der Basis vollelektronische Interbankenmarkt. Außerhalb Italiens Bankdirektgeschäften weitgehend bilaterale oder per Sprache durchgeführt Makler. Sowohl italienische Banken und ausländische Banken können Geld in diesem Markt auszutauschen. Die beteiligten Banken waren 215 im Jahr 1999, 196 im Jahr 2000, 183 im Jahr 2001 und 177 im Jahr 2002. Die Banken Namen sind sichtbar neben ihre Offerten zu Erleichterung Kreditlinie Prüfung. Quotes können eingereicht werden und eine Transaktion, wenn die auftraggebende Bank abgeschlossen akzeptiert eine gelistet Geld - / Brief. Jedes Zitat ist als Angebot oder ein Angebot identifiziert. Ein Angebot, zeigt an, dass die Transaktion hat am Verkaufspreis des zitierte Bank abgeschlossen worden, während ein Gebot gibt an, dass eine Transaktion wurde im Kaufpreis des zitierte Bank abgeschlossen. Unser Datensatz besteht aus allen auf dem E-MIB von Januar 1999 bis abgeschlossenen Transaktionen über Nacht Dezember 2002 insgesamt 586.007 Transaktionen. Für jeden einzelnen Auftrag haben wir Informationen über das Datum und Zeit des Handels, der Menge, der Zinssatz und der codierten Namen des Angebots - und Auftrags Bank. Unsere Stichprobe besteht aus Nb¼ 265 Banken, und unsere Daten überspannen vier Handels Jahren. Bei der Analyse, unser Haupt Ergebnisse beziehen sich auf eine Teilstichprobe von 85 Banken, die mindestens 900 Tage handeln (von der ersten bis zur letzten Transaktion) und mit einer Reihe von Transaktionen, die größer als 1000. Zum Vergleich wurde in einigen Fällen haben wir auch die Ergebnisse präsentiert die Analyse für den gesamten Probe (in diesem letzten Fall sind die Ergebnisse statistisch weniger genau). Trading ist sehr asynchron. Während einige Banken den Handel so häufig wie alle paar Minuten andere können sein inaktiv für mehrere Tage. In Fig. 1 Wir plotten die kumulative Verteilung der durchschnittlichen Volumen (links) und durchschnittliche Wartezeit (rechts) über Banken. Die Verteilung der durchschnittlichen Wartezeiten ist Potenzgesetz und enthüllt, dass es nicht um eine typische Skala die Handelsfrequenz im System. Feige. 1. Kumulative Verteilung der durchschnittliche Handelsgröße (links) und Wartezeit in Minuten (rechts) gegenüber Banken. G. Iori et al. / Physica A 376 (2007) 467-479 In Fig. 2 Wir plotten die Verteilung von Wartezeiten, über die vier Jahreszeiträume, für zwei sehr aktive Banken. Wir finden, dass die Verteilung folgt eine gestreckte Exponentialfunktion der Form a EXPD? T = tÞb [1]. Die Parameter der Sitz für die beiden Banken sind in Tabelle 1 angegeben. Wir bezeichnen die unterzeichneten Handelsvolumen als die kumulative Volumen der Transaktionen für eine einzelne Bank, wo jede Transaktion wird mit einem Pluszeichen, wenn die Transaktion ein Verkaufs hinzugefügt und mit einem Minuszeichen, wenn die Transaktion ein Kauf. Als ein Beispiel, wenn eine Bank beginnt mit einer gegebenen Liquidität verleiht etwas Geld und dann lehnt es zur Wiederherstellung der anfängliche Liquiditäts werden mit dem Gesamt unterzeichneten Handelsvolumen positive und zunehmende am Anfang sein, so Verringern, um danach auf Null. Daher berechnen wir die unterzeichnete Handels volume¯Vi t, wobei das hochgestellte i die Bank, und wir analysieren ihre Korrelationsmatrix. Feige. 3 zeigt den unterzeichneten Handelsvolumen Zeitreihe für eine Reihe von Banken. es ist offensichtlich, dass es einige Banken, die korrelierten Strategien und andere, die antikorreliert folgen folgen Strategien. Ein Strukturbruch scheint eindeutig im Juli 2001, als einige Banken invertiert ihre Trading-Verhalten. Diese Verhaltensänderung kann mit zwei Veranstaltungen, zumindest in Verbindung gebracht werden. Erstens sind die offiziellen und Marktzinsen der Eurozone verändert ihren Trend von positiv zu negativ zu Beginn des Jahres 2001. Die Geldmarktsätze begann zunehmend Preis in einer Reduzierung der EZB-Leitzinsen um 25 Basispunkte, die schließlich war am 30. August 2001. Darüber hinaus die Menge an Liquidität durch die Europäische Zentralbank zur Verfügung gestellt beschlossen im Sommer 2001 erhöht werden, um das Wirtschaftswachstum zu unterstützen. Es gibt viele Probleme bei der Berechnung der Varianz-Kovarianz-Matrix. Erstens haben wir keine Veränderungen zu beobachten Abschlussvolumens in kontinuierlicher Zeit, sondern nur in Form von diskreten Veränderungen, die auftreten, wenn eine Transaktion zwischen zwei Banken statt. Demgegenüber haben die Transaktionen nicht zur gleichen Zeit auftreten. So eine Frist von zwei Banken, die Veränderungen in der unterzeichneten Volumen nicht synchron sind. Außerdem einige Banken können mehr als oft handeln andere und wir beobachten, ein breites Spektrum von Frequenzen Handel. Diese Schwierigkeiten machen die Implementierung einer klassische Pearson artigen Varianz-Kovarianz-Schätz problematisch. Trading-Strategien in der italienischen Interbankenmarkt Zusätzliche Kontaktinformationen Giulia De Masi: Dep. Pysics L'Aquila Italien Guido Caldarelli: Dep. Physik Univ. "La Sapienza" Rom Italien Abstract: ihre Handelsstrategien und die Abhängigkeit zwischen ihnen Verwenden eines Datensatzes, der alle Transaktionen zwischen den Banken in der italienischen Geldmarkt beinhaltet, wir studieren. Wir nutzen die Fourier-Methode, um die Varianz-Kovarianz-Matrix von Handelsstrategien zu berechnen. Unsere Ergebnisse zeigen, dass gut definierte Muster entstehen. Zwei Hauptgemeinschaften der Banken, die grob als kleine und große Banken identifiziert werden können, entstehen. Interbankenmarkt italienische Tagesgeld Und Emid Finance Essay 1．Introduction Unsere Garantie für Sie Kein Geld zurück Garantie! Wir sind so überzeugt von unserer Fähigkeit, Top-Level-wissenschaftlichen Arbeit, die wir bereit, es mit einem "No Quibble, Geld zurück" Garantie Rückseite sind zu produzieren! Garantieinformationen Essay Writing Service Ein Netzwerk (auch Graphen in der Mathematik genannt) ist eine Darstellung eines Satzes von Elementen, die Scheitelpunkte genannt werden, in denen einige Paaren der Scheitelpunkte durch Kanten verbunden. Eckpunkte werden auch als Knoten bezeichnet, und Kanten werden auch als Linien. Beispiele hierfür sind die elektrischen Netz von Verbindungen zwischen elektrischen Elementen, das Internet, die sozialen Netzwerke von Einzelpersonen und Organisationen, das World Wide Web und viele andere. Die Kanten können gerichtet oder ungerichtet werden. Zum Beispiel würde das Netz der Telefonnachrichten zwischen Individuen gerichtet werden, da jede Nachricht geht in nur einer Richtung; auf der anderen Seite, ist die Freundschaft zwischen zwei Individuen ungerichtet. Darüber hinaus ist ein Netz unvollständig, wenn einige Paare von Scheitelpunkten werden nicht direkt miteinander verbindet. Das heißt, es ist mindestens eine Zwischenscheitelpunkt zwischen zwei Scheitelpunkten liegt. Eingestellt auf das World Wide Web als ein Beispiel, je größer der Unvollständigkeit wird das weitere Vermittlung benötigt wird, um eine effiziente Informations erreichen fließt somit umso teurer ist die Übertragung. Laut Newman (2003), kann die einfachste nützliches Modell eines Netzwerks der Zufallsgraphen sein. Vorausgesetzt, es gibt n Ecken ist jede ungerichtete Kante zwischen Paaren von Scheitelpunkten zufällig angeordnet, so dass jede Kante mit unabhängigen Wahrscheinlichkeit P vorhanden ist, und dann wird der Grad des Scheitelpunkts (die Anzahl der enden Kanten des Scheitels) erfolgt gemäß einer Binomialverteilung oder ein Poisson-Verteilung im Grenzfall großer n. Allerdings sind reale Netze in der Regel nicht zufällig in dem Maße, dass sie starke Clustering oder Transitivität Eigenschaften, die Zufallsgraphen in der Regel nicht haben zu zeigen. Ein Netzwerk soll Clustering zeigen, wenn es eine hohe Wahrscheinlichkeit, dass zwei Eckpunkte, die derselbe eine andere Scheitelpunkt angebracht wurden, werden durch eine Kante verbunden sind. Genauer gesagt, wird der Knoten A ist mit dem Knoten B verbunden ist, und B ist an dem Knoten C, dann ist es sehr wahrscheinlich, daß A und C wird durch eine Kante verbunden sind. Ein weiterer wichtiger Unterschied ist, dass der Grad Verteilungen von Scheitelpunkten der realen Welt-Netze in der Regel nicht an die Binomialverteilung oder Poisson-Verteilung oben erwähnt, sondern folgt entweder exponentiell oder Potenzgesetz Verteilung. Zusätzlich Vertices in Zufallsgraphen haben meist den gleichen Grad, der dem Durchschnittseckengrad entspricht. Diese Eigenschaft macht Zufallsgraphen elastischen zufällige Entfernen der Vertices, wobei die Federkraft des anderen Netzwerken ist abhängig von den Verteilungen von Scheitel Grad. Anders als Zufallsgraphen, ist eine Skala freies Netzwerk anfällig für gezielte Angriffe (Abbildung 1). Ein skalenfreien Netzwerk ist ein Netzwerk, dessen Ecken Gradverteilung folgt oder sich asymptotisch einem Potenzgesetz folgt. Ein herausragendes Merkmal des skalenfreien Netzwerks ist, dass es zumindest einen Scheitelpunkt mit einem Abschluss, der die durchschnittliche und diese höchsten Grad Scheitel weitem übersteigt werden Hubs bezeichnet. Hubs sind zäh wie auch schwach. Wenn Angriff nach dem Zufallsprinzip entnommen und nur ein kleiner Teil der Knoten Niedrigen scheitern, ist das gesamte System wahrscheinlich nicht beeinträchtigt werden aufgrund ihrer Verbundenheit durch restlichen höheren Grades Hubs gehalten. Dennoch skalenfreien System wird äußerst fragile nach ein paar großen Drehkreuze herausgenommen. Viele der realen Welt-Netze gelten als Maßstab frei, wie soziale Netzwerke und World Wide Web sein (Albert und Barab & aacute; si, 2002). Netzwerke haben auch ausgiebig in Wirtschaft und Finanzen in den letzten Jahren untersucht. Battiston (2003) untersucht, wie die Wahrscheinlichkeit, dass die breite genehmigt durch den Chief Executive Officer vorgeschlagene Strategie wird durch die Größe und die Topologie des Interlock-Netzwerk betroffen. Haldaneï¼2009ï¼ ‰ erforscht sowohl die strukturellen Schwachstellen und Robustheit des Finanzsystems. Er weist darauf hin, dass die Subprime-Krise im Jahr 2008 bietet eine große Beweise, um die Netzwerkanalyse in der Finanzsysteme. Er erklärt auch, dass die Komplexität und Homogenität sind die zwei Merkmale der Finanznetzwerk, das sich im letzten Jahrzehnt entstanden und gestürzt die Theorie, dass die Komplexität und die Homogenität Zauber Stabilität, sondern auch die Zauber Fragilität hatte. Unterstützt von Gai und Kapadia (2010), entwickeln sie ein Modell eines Übergreifens auf beliebige Finanznetzwerke zu schließen, dass die Finanzsysteme kann ein robustes-nicht-fragile Tendenz zu präsentieren. Zusätzlich Fricke (2012) analysiert die Handelsstrategien für die Mitglieder der italienischen Interbankennetzwerk und kommt zu dem Schluss, dass die bevorzugte Kreditvergabe Beziehung auf der Mikro-Ebene führen zu Gemeinschaftsstruktur auf der Makro-Ebene. Kämpfen Sie mit Ihrem Essay? Foreign Exchange Market Interbankenmarkt Der Devisenmarkt ist ein anständiger weltweiten dezentralen Markt für den Handel von Währungen aller Länder. Die Hauptkunden in diesem Markt ist die große internationale Banken. Der Devisenmarkt bestimmt die relativen Werte der verschiedenen Währungen. Der Forex-Markt funktioniert auf Finanzinstitute, und es auf verschiedene Arten von mehreren Ebenen arbeitet. Neben der, dass, Bank, ein Finanzunternehmen, das als ein Händler, der in große Anzahl von Devisenmarkt Handel beteiligt sind, bekannt zu machen. In Forex-Markt. Die Banken sind die Devisenmarkt-Händler. Aus diesem Grund wird es irgendwann auch "Interbankenmarkt". Einige Versicherungsgesellschaften und Finanzunternehmen sind in diesem Teil mit. Die Finanzdevisenmarkt unterhält internationalen Handel und Investitionen durch die Kontrolle der Währungsumrechnung. Zum Beispiel, es gibt auch Genehmigungen ein Unternehmen in den Vereinigten Staaten, um Waren von den EU-Mitgliedstaaten wie Großbritannien zu importieren, und zahlen Euro, obwohl sein Einkommen ist in US-Dollar. Im Devisenmarkt. es unterstützt auch direkte Spekulation auf den Wert der Währungen und die Carry-Trade zwischen zwei Währungen. In einem typischen Forex Markttransaktion, ein großer Geschäftsmann oder Firmenfeiern sind Käufe gewisse Menge von einer Währung durch die Zahlung eine gewisse Menge an einer anderen Währung. Die moderne Devisenmarkt begann im Jahr 1970. Nach 30 Jahren beginnen, erstellt Regierungen Beschränkungen in Devisenmarkt-Transaktionen. Danach, wenn Länder wurden nach und nach zu flexiblen Wechselkursen aus dem vorherigen Wechselkurssystem, das nach der Bretton-Woods-System fixiert blieb eingeschaltet. Der Devisenmarkt ist für diese Art von folgenden Eigenschaften akzeptabel: Seine riesigen Handelskapazitäten, die den größten Asset-Klasse in der Welt. Seine geographische Streuung rund um das Wort. Es ist Dauerbetrieb bedeutet, 24 Stunden am Tag außer am Wochenende. Die verschiedenen Faktoren, die Wechselkurse beeinflussen. Die niedrigen Margen Gewinn im Vergleich zu anderen Märkten festverzinslicher. Devisenmarkt ist ein Over-the-Counter-Markt, wo Broker / Händler zu verhandeln offen miteinander, so dass es keine zentrale Börse. Das größte Handelszentrum ist das Vereinigte Königreich, vor allem London, die nach der Stadt in Großbritannien schätzt seinen Anteil des weltweiten Umsatzes im traditionellen Transaktionen erhöhten nimmt rasant zu. Aufgrund Londons Dominanz auf dem Devisenmarkt. eine bestimmte currencys angegebene Preis ist in der Regel die Londoner Marktpreis. Der Devisenmarkt ist in Zugriffsebenen unterteilt ist, anders als bei einem Aktienmarkt. Im Devisenmarkt. Interbankenmarkt ist in der Spitze, die sich aus den großen Geschäftsbanken und Wertpapierhändlern besteht. Zentralbanken auch im Devisenmarkt zu beteiligen, um Währungen zu ihren wirtschaftlichen Bedürfnissen auszurichten. Buchkapitel G. Iori und J. Porter Kapitel Handbook on Computational Economics and Finance. Eds. Shu-Chen Heng und Mak Kaboudan, OUP Oxford University Pres Polina Kovaleva und Giulia Iori Nichtlineare Dynamik und Wirtschafts Financial Modelling, Springer Festschrift für Carl Chiarella & # x27; s 70 Geburtstag G. Iori und C. Deissenberg in E. J. Konotghiorghes, B. Rustem und P. Winker (Hrsg.): Computational Methods in Financial Engineering, Springer, Heidelberg 2008 Vanessa Mattiussi und Giulia Iori in Debt, Risiko und Liquidität in Futures Markets, London und New York: Routledge, BA Goss (ed) (2008) De Masi, Giulia und Iori, Giulia und Caldarelli, Guido: Lärm und Stochastik in komplexen Systemen und Finanzen, SPIE, pp. 210-223. ISBN 978-0819467386 J. D. Bauer, L. Gillemot, G. Iori. S. Krishnamaurty, E. Smith und M. G. Daniel in der Wirtschaft als eine sich entwickelnde komplexe System III, Blume und Durlauf (Eds), 175-206, Oxford University Press, (2006) G. Iori und V. Koulovassilopoulos in William Barnett, Christophe Deissenberg und Gustav Feichtinger (Eds.), Wirtschafts Komplexität: Nichtlineare Dynamik, Multi-Agenten Volkswirtschaften und Lernen, ISETE Vol 14, Elsevier, Amsterdam (2004). in ungeordneter und Komplexe Systeme, hrsg. P. Sollich et al. AIP Conference Proceedings, Band 553, 297-302 (2001).