Comparison of selected trade classification algorithms on the warsaw stock exchange

• Autorzy: Olbryś J. , Mursztyn M.

Warianty tytułu

PL

Porównanie wybranych algorytmów klasyfikacji transakcji na giełdzie papierów wartościowych w Warszawie S.A.

• Języki publikacji: EN

Abstrakty

EN

Empirical equity market microstructure research often requires knowledge about trade sides. It is important to recognize the side that initiates the transaction and to distinguish between the so called buyer- and seller-initiated trades. Unfortunately, most data sets do not identify the trade direction. Therefore, researchers rely on indirect trade classification rules to infer trade sides. The aim of this paper is to implement and compare four trade classification algorithms on the Warsaw Stock Exchange (WSE). The high-frequency data for the selected WSE-listed companies covers the period from January 3, 2005 to June 30, 2015. To check the robustness of empirical results to the choice of sample, three adjacent sub-periods of equal size: the pre-crisis, crisis, and post-crisis period are analysed. The Global Financial Crisis on the WSE is formally established as the period June 2007-February 2009.

PL

Badania empiryczne w zakresie mikrostruktury rynku często wymagają wiedzy na temat stron transakcji. Szczególnie ważna jest identyfikacja strony inicjującej transakcje oraz podział na transakcje inicjowane przez nabywcę i sprzedającego. Niestety, większość baz danych intraday nie zawiera takich informacji. Dlatego badacze korzystają z pośrednich metod klasyfikacji. Celem pracy była implementacja i porównanie czterech algorytmów klasyfikacji transakcji na Giełdzie Papierów Wartościowych w Warszawie S.A. Badanie przeprowadzono z wykorzystaniem sróddziennych danych transakcyjnych akcji trzech reprezentatywnych firm, należących do grup spółek dużych (grupa BIG), średnich (grupa MEDIUM) i małych (grupa SMALL). Były to odpowiednio spółki: KGH, MCI oraz ENP. Wszystkie charakteryzują się stosunkowo wysoką płynnością na tle grup, do których należą. Analizy objęły okres od 3 stycznia 2005 do 30 czerwca 2015, z wyróżnieniem trzech jednakowo licznych podokresów: przed kryzysem, kryzys, po kryzysie. Okres globalnego kryzysu finansowego na giełdzie warszawskiej został ustalony w sposób formalny jako przedział czasowy czerwiec 2007-luty 2009.

Słowa kluczowe

EN

trade classification algorithms; intraday data; Polish stock market

PL

algorytmy klasyfikacji transakcji; dane intraday; polski rynek kapitałowy

• Wydawca: Oficyna Wydawnicza Politechniki Białostockiej
• Czasopismo: Advances in Computer Science Research
• Rocznik: 2015
• Tom: Nr 12
• Strony: 37--52
• Opis fizyczny: Bibliogr. 33 poz., tab.

Twórcy

autor

Olbryś J.

• Faculty of Computer Science, Bialystok University of Technology, Białystok, Poland

autor

Mursztyn M.

• Student of Faculty of Computer Science, Bialystok University of Technology, Białystok, Poland

Bibliografia

• [1] Asquith, P., Oman, R., Safaya, C.: Short sales and trade classification algorithms, Journal of Financial Markets 13(1), 2010, pp. 157-173.
• [2] Chakrabarty, B., Li B., Nguyen, V., Van Ness, P.A.: Trade classification algorithms for electronic communications network trades, Journal of Banking and Finance 31(12), 2007, pp. 3806-3821.
• [3] Chakrabarty, B., Moulton, P.C., Shkilko, A.: Short sale, long sale, and the LeeReady trade classification algorithm revisited, Journal of Financial Markets 15(4), 2012, pp. 467-491.
• [4] Chakrabarty, B., Pascual, R., Shkilko, A.: Evaluating trade classification algorithms: Bulk volume classification versus the tick rule and the Lee-Ready algorithm, available SSRN-d2182819.pdf, 2014.
• [5] Chordia, T., Roll, R., Subrahmanyam, A.: Commonality in liquidity, Journal of Financial Economics 56(1), 2000, pp. 3-28.
• [6] Chordia, T., Roll, R., Subrahmanyam, A.: Order imbalance, liquidity, and market returns, Journal of Financial Economics 65, 2002, pp. 111-130.
• [7] Chordia, T., Sarkar, A., Subrahmanyam, A.: An empirical analysis of stock and bond market liquidity, The Review of Financial Studies 18(1), 2005, pp. 85-129.
• [8] Doman, M.: Mikrostruktura giełd papierów wartościowych, Pozna ´ n University ´ of Economics Press, Poznan, 2011.
• [9] Easley, D., López de Prado, M., O’Hara, M.: Flow toxicity and liquidity in a high-frequency world, Review of Financial Studies 25(5), 2012, pp. 1457-1493.
• [10] Easley, D., López de Prado, M., O’Hara, M.: Bulk classification of trading activity, Johnson School Research Paper No. 8-2012.
• [11] Ellis, K., Michaely, R., O’Hara, M.: The accuracy of trade classification rules: Evidence from Nasdaq, Journal of Financial and Quantitative Analysis 35(4), 2000, pp. 529-551.
• [12] Finucane, T.J.: A direct test of methods for inferring trade direction from intraday data, Journal of Financial and Quantitative Analysis 35(4), 2000, pp. 553- 576.
• [13] Foster, F.D., Viswanathan, S.: Variations in trading volume, return volatility, and trading costs: Evidence on recent price formation models, Journal of Finance 48(1), 1993, pp. 187-211.
• [14] Goyenko, R.Y., Holden, C.W., Trzcinka, C.A.: Do liquidity measures measure liquidity?, Journal of Financial Economics 92(2), 2009, pp. 153-181.
• [15] Huberman, G., Halka, D.: Systematic liquidity, Journal of Financial Research 24(2), 2001, pp. 161-178.
• [16] Jankowski, R., Olbrys, J.: Wymiary płynno ´ sci rynku papierów wartościowych, ´ Zeszyty Naukowe Uniwersytetu Szczecinskiego Nr 854. Finanse, Rynki Finansowe, Ubezpieczenia 73, 2015, pp. 645-658.
• [17] Korajczyk, R., Sadka, R.: Pricing the commonality across alternative measures of liquidity, Journal of Financial Economics 87(1), 2008, pp. 45-72.
• [18] Lee, C.M.C., Ready, M.J.: Inferring trade direction from intraday data, Journal of Finance 46(2), 1991, pp. 733-746.
• [19] Lee, C.M.C., Radhakrishna, B.: Inferring investor behavior: Evidence from TORQ data, Journal of Financial Markets 3, 2000, pp. 83-111.
• [20] Lu, Y.-C., Wei, Y.-C.: Classification of trade direction for an equity market with price limit and order match: Evidence from the Taiwan stock market, Investment Management and Financial Innovations 6(3), 2009, pp. 135-147.
• [21] Nowak, S.: Order imbalance on the Warsaw Stock Exchange, 2000-2012, International Conference Financial Investments and Insurance-Global Trends and Polish Market, Wroclaw, Poland, 17-19 September, 2014.
• [22] Odders-White, E.R.: On the occurrence and consequences of inaccurate trade classification, Journal of Financial Markets 3, 2000, pp. 259-286.
• [23] Olbrys, J.: Wycena aktywów kapitałowych na rynku z zakłóceniami w procesach transakcyjnych, Difin Press, Warszawa, 2014.
• [24] Olbrys, J., Majewska, E.: Direct identification of crisis periods on the CEE stock ´ markets: The influence of the 2007 U.S. subprime crisis, Procedia Economics and Finance 14, 2014, pp. 461-470.
• [25] Olbrys, J., Majewska, E.: Identyfikacja okresu kryzysu z wykorzystaniem ´ procedury diagnozowania stanów rynku, Zeszyty Naukowe Uniwersytetu Szczecinskiego Nr 802. Finanse, Rynki Finansowe, Ubezpieczenia 65, 2014, ´ pp. 699-710.
• [26] Peterson, M., Sirri, E.: Evaluation of the biases in execution costs estimation using trades and quotes data, Journal of Financial Markets 6(3), 2003, pp. 259- 280.
• [27] Piwowar, M.S., Wei, L.: The sensitivity of effective spread estimates to tradequote matching algorithms, Electronic Markets 16(2), 2003, pp. 112-129 51
• [28] Plerou, V., Gopikrishnan, P., Gabaix, X., Stanley, H.E.: Quantifying stock price response to demand fluctuations, Physical Review 66(2), 2008, 027104(1-4).
• [29] Ranaldo, A.: Intraday market liquidity on the Swiss Stock Exchange, Swiss Society for Financial Market Research 15(3), 2001, pp. 309-327.
• [30] Sadka, R.: Momentum and post-earnings announcement drift anomalies: The role of liquidity risk, Journal of Financial Economics 80(2), 2006, pp. 309-349.
• [31] Stoll, H.R.: Friction, Journal of Finance 55(4), 2000, pp. 1479-1514.
• [32] Theissen, E.: A test of the accuracy of the Lee/Ready trade classification algorithm, Journal of International Financial Markets, Institutions and Money 11(2), 2001, pp. 147-165.
• [33] von Wyss, R.: Measuring and predicting liquidity in the stock market, Dissertation Nr. 2899, University of St. Gallen, 2004.