Almgren-Chriss แบบไม่กั๊กความรู้: Optimal Execution ที่คุณนำไปใช้จริงได้ในบ่ายวันเดียว

งานวิจัยของ Almgren และ Chriss (2001) เรื่อง "Optimal execution of portfolio transactions" (Journal of Risk 3(2), 5–39) น่าจะเป็นเปเปอร์ที่ถูกอ้างอิงมากที่สุดในงานวิจัยด้าน execution และเป็นหนึ่งในเปเปอร์ที่ถูกนำไป implement อย่างถูกต้องน้อยที่สุด โค้ด "Almgren-Chriss" ส่วนใหญ่ที่พบเห็นทั่วไปแท้จริงแล้วเป็น TWAP scheduler ที่มีบล็อกคอมเมนต์แปะไว้ บล็อกโพสต์ส่วนใหญ่ที่พูดถึงมันก็ข้ามส่วนอนุพัทธ์ไป โบกมือให้ฟังก์ชัน sinh อยู่ห่างๆ และไม่เคยแตะส่วนที่สำคัญจริงในระบบ production นั่นคือ พารามิเตอร์เหล่านั้นมาจากไหน

บทความนี้ทำครบทั้งหมด สมมติฐานของโมเดลที่ระบุอย่างตรงไปตรงมา เส้นทางในรูป closed-form ที่ถูกอนุพัทธ์ออกมา ไม่ใช่แค่หยิบยกมาอ้าง efficient frontier และวิธีเลือกพารามิเตอร์ risk-aversion และการ calibrate อินพุตทั้งสามตัว — temporary impact $\eta$, permanent impact $\gamma$, volatility $\sigma$ — จากข้อมูล order book และ trade ของ Binance พร้อมโค้ด Python ที่ใช้งานได้จริงและการอภิปรายอย่างตรงไปตรงมาว่าทำไมการ fit จึงมี noise สูง นี่คือแกนกลางทางความคิดของทุกสิ่งในงาน execution: TWAP, VWAP และ POV ล้วนเป็นกรณีพิเศษหรือญาติเชิง heuristic (ดู TWAP, VWAP, POV: อัลกอริทึม execution ที่ทุกคนใช้กัน) ส่วนแนวทาง ML สมัยใหม่ — reinforcement learning scheduler และ neural impact model — ก็คือความพยายามที่จะผ่อนคลายสมมติฐานเดียวกันกับที่เรากำลังจะเขียนลงไปนี่เอง

การตั้งโจทย์: โมเดลนี้สมมติอะไรจริงๆ

คุณถือสินทรัพย์อยู่ $X$ หน่วย (สมมติว่า 100 BTC) และต้อง liquidate ให้หมดภายในเวลา $T$ แบ่งช่วง $[0, T]$ ออกเป็น $N$ ช่วงย่อยความยาว $\tau = T/N$ ตัวแปรตัดสินใจของคุณคือเส้นทางการถือครอง $x_0 = X, x_1, \dots, x_N = 0$ โดยมี trade $n_k = x_{k-1} - x_k$ ที่ถูก execute ในช่วง $k$

สมมติฐานสามข้อแบกรับโมเดลทั้งหมดเอาไว้:

1. Arithmetic random walk. ราคาที่ยังไม่ถูกรบกวนเป็นไปตาม

โดย $\xi_k$ เป็น i.i.d. standard normal และ $\sigma$ คือ volatility แบบ สัมบูรณ์ (ดอลลาร์ต่อหน่วยเวลา$^{1/2}$ ไม่ใช่เปอร์เซ็นต์) เป็น arithmetic ไม่ใช่ geometric — ในช่วงไม่กี่ชั่วโมง ความต่างนั้นแทบไม่มีนัยสำคัญ และ arithmetic walk ก็ทำให้พีชคณิตยังคงอยู่ในรูป linear-quadratic ไม่มี drift: Almgren และ Chriss อภิปรายเทอม drift ไว้ แต่สำหรับการ liquidate ภายในวัน ค่าประมาณ alpha ของคุณในกรอบ 4 ชั่วโมงแทบจะเป็น noise เสมอ และการตั้งให้มันเป็นศูนย์คือค่าเริ่มต้นที่ซื่อสัตย์ที่สุด

2. Linear permanent impact. $g(v) = \gamma v$: การเทรดที่ rate $v$ จะเลื่อนราคาอย่างถาวร เป็นสัดส่วน และการเลื่อนนั้นไม่มีวันจางหาย ทุกหน่วยที่คุณขายจะดันราคา mid ลงไป $\gamma$ ตลอดกาล มันดูหยาบ แต่มีเหตุผลลึกซึ้งที่จะรักษามันให้เป็น linear ต่อไป: Huberman และ Stanzl (2004) พิสูจน์ว่า impact แบบ permanent ที่ไม่เป็นเชิงเส้นตามขนาด trade จะเปิดช่องให้เกิดกลยุทธ์ round-trip ที่มีกำไรคาดหวังเป็นบวก — นั่นคือการปั่นราคา (price manipulation) linear permanent impact ไม่ได้เป็นการทำให้ง่ายเพื่อความสะดวก แต่มันเป็นทางเลือกเดียวที่ปราศจาก arbitrage ในโมเดลกลุ่มนี้

3. Linear temporary impact. ราคาที่คุณได้รับจริงในช่วง $k$ คือ

$\epsilon$ จับครึ่งหนึ่งของ bid-ask spread บวกค่าธรรมเนียม ส่วน $\eta$ คือความชันของต้นทุนส่วนเพิ่มในการเรียกร้อง liquidity ที่ rate $v$ temporary impact ส่งผลต่อ fill ของคุณเองเท่านั้นและหายไปในทันที — order book เติมกลับเต็มก่อนที่ child order ตัวถัดไปของคุณจะมาถึง คำทั้งสามคำ "linear", "instantly", "fully" ล้วนผิดในตลาดจริง และส่วนสุดท้ายของบทความจะว่าด้วยว่ามันผิดแค่ไหน แต่ก่อนอื่น มาดูผลตอบแทนจากการยอมรับมันกันก่อน

ต้นทุนและความแปรปรวนของเส้นทาง

รวม fill ทั้งหมด ลบออกจาก mark ตั้งต้น $X S_0$ แล้วคุณจะได้ implementation shortfall ค่าคาดหวังและความแปรปรวนของมันเหนือ noise $\xi_k$ คือ:

โดย $\tilde{\eta} = \eta - \tfrac{1}{2}\gamma\tau$ (เทอมแก้ไขจากการ discretize ที่หายไปเมื่อ $\tau \to 0$)

ข้อสังเกตสองข้อที่ implementation ส่วนใหญ่มองข้าม:

• ต้นทุน permanent $\tfrac{1}{2}\gamma X^2$ ไม่ขึ้นกับเส้นทาง เมื่อ permanent impact เป็น linear และไม่จางหาย คุณจ่ายค่าธรรมเนียมถาวรเท่าเดิมไม่ว่าจะจัด schedule อย่างไร การ optimize จึงเป็นการต่อสู้ระหว่างเทอม temporary-cost (ซึ่งอยากให้เทรดช้าๆ สม่ำเสมอ — มันต่ำสุดที่ $n_k = X/N$ นั่นคือ TWAP) กับเทอม variance (ซึ่งอยากให้ inventory ของคุณหายไปตั้งแต่เมื่อวาน — มันต่ำสุดที่การ liquidate ทันที) ล้วนๆ
• เทอม variance ถ่วงน้ำหนักด้วย inventory ไม่ใช่ด้วย trade ความเสี่ยงสะสมบนสิ่งที่คุณยังถืออยู่ $x_k$ ไม่ใช่บนสิ่งที่คุณเทรด นี่คือเหตุผลว่าทำไมความเร่งด่วนจึงดัน schedule ไปกองไว้ข้างหน้า (front-load)

รูป closed form: sinh, cosh และพารามิเตอร์ความเร่งด่วน

Almgren-Chriss ทำการ minimize ฟังก์ชันเป้าหมายแบบ mean-variance

โดย $\lambda \geq 0$ คือ risk aversion ในหน่วย 1/ดอลลาร์ ตั้ง $\partial U / \partial x_j = 0$ สำหรับจุดภายใน เทอม temporary จะให้ผลต่างอันดับสอง (second differences) ของ $x$ ส่วนเทอม variance จะให้ $x_j$ เองออกมา และคุณจะได้สมการผลต่างเชิงเส้นอันดับสอง:

นี่คือ analogue แบบ discrete ของ $x'' = \kappa^2 x$ และเมื่อมีเงื่อนไขขอบเขต $x_0 = X$, $x_N = 0$ ผลเฉลยจะออกมาในรูป hyperbolic:

โดย $\kappa$ เป็นคำตอบของ $\tfrac{2}{\tau^2}\left(\cosh(\kappa\tau) - 1\right) = \tilde{\kappa}^2$ ซึ่งสำหรับ $\tau$ ที่เล็กก็คือ $\kappa \approx \tilde{\kappa} = \sqrt{\lambda\sigma^2/\eta}$ นั่นเอง

ทุกสิ่งเกี่ยวกับกลยุทธ์ถูกบีบอัดลงในตัวเลขเดียว:

$\kappa$ คือ ความเร่งด่วน (urgency) ส่วนกลับของมัน $\theta = 1/\kappa$ คือเวลาลักษณะเฉพาะ (characteristic time) ของ trade: มาตราส่วนเวลาที่คุ้มค่าจะแบกความเสี่ยงของ inventory เพื่อประหยัดต้นทุน impact สังเกตว่า $\kappa$ ไม่ ขึ้นกับอะไร: ขนาด order $X$ และเส้นตาย $T$ ไม่ว่ามาตราส่วนเวลาโดยธรรมชาติของ trade ของคุณจะเป็น 20 นาทีหรือ 6 ชั่วโมง มันถูกกำหนดโดย risk aversion, volatility และ liquidity เพียงลำพัง หาก $\theta \ll T$ เส้นตายของคุณก็ไม่เกี่ยวข้อง — โมเดลจะ liquidate ตาม schedule ของมันเองและหางของ horizon จะไม่ถูกใช้ หาก $\theta \gg T$ เส้นตายจะเป็นข้อผูกมัดและคุณกำลังทำ TWAP อยู่โดยปริยาย

ลิมิตแบบ risk-neutral คือ TWAP — นี่คือเหตุผลว่าทำไม TWAP จึงมีอยู่

ให้ $\lambda \to 0$ ดังนั้น $\kappa \to 0$ แล้ว $\sinh(z) \to z$ และ

เส้นทางที่เหมาะสมยุบลงเป็นเส้นตรง: ปริมาณเท่ากันในช่วงเวลาที่เท่ากัน TWAP ไม่ใช่ heuristic ที่บังเอิญใช้ได้ผล แต่มันคือ optimum ที่แม่นยำของโมเดล Almgren-Chriss สำหรับเทรดเดอร์ที่เป็น risk-neutral ที่มี linear impact ทุกครั้งที่ใครสักคนรัน TWAP เขากำลังยืนยันโดยปริยายว่า $\lambda = 0$: "ฉันไม่สนใจความแปรปรวนของ shortfall ของฉัน สนใจแค่ค่าเฉลี่ยของมัน" นั่นเป็นจุดยืนที่พอรับได้สำหรับ order เล็กและ horizon สั้น แต่มันเป็นจุดยืนที่แปลกประหลาดสำหรับการ liquidate ปริมาณ 5% ของ volume รายวันในเวลา 8 ชั่วโมงในสินทรัพย์ที่มี vol รายวัน 4% ซึ่งก็เป็นจุดที่คนเอาไปรันมันอยู่ดี ลิมิตตรงข้าม $\lambda \to \infty$ ให้ $x_j \to 0$ สำหรับทุก $j > 0$: เทขายทุกอย่างในช่วงแรก จ่ายเท่าที่มันจะแพง ระหว่างสองสุดขั้วนี้ $\kappa T$ เป็นตัว interpolate: $\kappa T \lesssim 0.5$ แทบแยกไม่ออกจาก TWAP ส่วน $\kappa T \gtrsim 3$ เป็น front-load เชิงรุก

Efficient frontier ของ execution

สำหรับแต่ละ $\lambda$ คุณจะได้เส้นทางหนึ่งเส้น ต้นทุนคาดหวังหนึ่งค่า $E(\lambda)$ และความแปรปรวนหนึ่งค่า $V(\lambda)$ การกวาด $\lambda \in [0, \infty)$ จะลากเส้นโค้งบนระนาบ $(V, E)$ ออกมา — นั่นคือ efficient frontier ของ execution ในลักษณะที่เปรียบเทียบตรงกับ Markowitz มันเป็นเส้นโค้งนูน (convex) และลดลง: variance ที่น้อยลงย่อมแลกมาด้วย shortfall คาดหวังที่มากขึ้นเสมอ โดยมีผลตอบแทนส่วนเพิ่มที่ลดลงอย่างชัน ณ จุดบน frontier ที่ถูกเลือกโดยค่า $\lambda$ หนึ่งๆ risk aversion จะเท่ากับความชัน (เชิงลบ) ของเส้นสัมผัส: $\lambda = -\partial E / \partial V$

frontier นี้เปลี่ยนกรอบคำถามจาก "อะไรคือ $\lambda$?" — ซึ่งไม่มีใครตอบได้ด้วยการมองย้อนเข้าไปในใจ — ให้กลายเป็น "ฉันต้องการ trade-off ระหว่างต้นทุน/ความเสี่ยงแบบไหน?" ซึ่งเป็นสิ่งที่ desk ตอบได้จริง สามวิธีเชิงปฏิบัติในการเลือกจุด:

1. การให้เหตุผลแบบ marginal-cost เดินไปตาม frontier แล้วถามว่า "การขยับจากจุดนี้ไปจุดถัดไป ฉันจ่ายต้นทุนคาดหวัง $\Delta E$ ดอลลาร์เพื่อกำจัดค่าเบี่ยงเบนมาตรฐานของ shortfall ออกไป $\Delta\text{std}$ ดอลลาร์ — ฉันจะรับ trade นี้ไหม?" หัวเข่า (knee) ของ frontier มักจะเห็นได้ชัดภายในความคลาดเคลื่อนราวเท่าตัว และเส้นทางก็ไม่ไวต่อ $\lambda$ ที่ความละเอียดระดับนั้น
2. Risk budget กำหนดค่า std ของ shortfall สูงสุดที่ยอมรับได้ (เช่น "1-sigma ของ position ที่เหลือในหนึ่งวันต้องอยู่ต่ำกว่า 15 bps ของ notional") แล้วเลือกเส้นทางที่ถูกที่สุดที่สอดคล้องกับเงื่อนไขนั้น นี่เป็นปัญหาแบบมีข้อจำกัด (constrained) ซึ่ง Lagrange multiplier ของมัน คือ $\lambda$
3. การกำหนดเป้าเวลาลักษณะเฉพาะ (characteristic-time targeting) เลือก $\theta = 1/\kappa$ โดยตรง ("order นี้ควรมี half-life 90 นาที") แล้วย้อนหา $\lambda = \eta/(\sigma^2\theta^2)$ นี่คือสิ่งที่ practitioner ส่วนใหญ่ทำโดยปริยายเมื่อพวกเขาตั้งค่าสไลเดอร์ "urgency"

ตัวอย่างการคำนวณด้วยตัวเลขที่เราจะให้เหตุผลในหัวข้อ calibration ขาย $X = 100$ BTC ที่ S_0 = \100{,}000$, horizon$T = 4$ชั่วโมง,$\sigma = $600$ต่อ BTC ต่อ$\sqrt{\text{h}}$(ราว 3$\eta = 1.0\ $\cdot\text{h}/\text{BTC}$,$\lambda = 10^{-6}\ $^{-1}$ จากนั้น

schedule ที่เหมาะสมขาย 46.2 BTC ในชั่วโมงแรก (TWAP: 25) ต้นทุน temporary: \eta \int_0^T v(t)^2 dt \approx \3{,}290$เทียบกับ$$2{,}500$ของ TWAP std ของ shortfall:$$53{,}000$เทียบกับ$$69{,}300 ของ TWAP ดังนั้นเพื่อแลกกับต้นทุนคาดหวังที่เพิ่มขึ้นอีก 0.8 bps บน notional \10M คุณลดความเสี่ยง shortfall ลงได้ 23% นั่นคือเนื้อหาทั้งหมดของโมเดลในประโยคเดียว: มันตั้งราคาของประกัน และปล่อยให้คุณตัดสินใจว่าจะซื้อมันหรือไม่

ตัวเส้นทางเองก็เป็น Python สิบบรรทัด:

import numpy as np

def almgren_chriss(X, T, N, sigma, eta, gamma, lam):
    """Optimal liquidation trajectory (discrete AC 2001)."""
    tau = T / N
    eta_t = eta - 0.5 * gamma * tau          # tilde-eta
    kappa_t2 = lam * sigma**2 / eta_t        # tilde-kappa^2
    kappa = np.arccosh(0.5 * kappa_t2 * tau**2 + 1) / tau
    t = np.arange(N + 1) * tau
    x = X * np.sinh(kappa * (T - t)) / np.sinh(kappa * T)
    n = x[:-1] - x[1:]                       # child order sizes
    E = 0.5 * gamma * X**2 + (eta_t / tau) * np.sum(n**2)
    V = sigma**2 * tau * np.sum(x[1:]**2)
    return x, n, E, V

x, n, E, V = almgren_chriss(X=100, T=4, N=48, sigma=600,
                            eta=1.0, gamma=0.3, lam=1e-6)
print(f"first-hour qty: {n[:12].sum():.1f} BTC, "
      f"E=${E:,.0f}, std=${np.sqrt(V):,.0f}")

กวาด lam ไปทั่ว np.logspace(-8, -4, 50) แล้วพล็อต $E$ เทียบกับ $\sqrt{V}$ — นั่นคือ frontier ของคุณ และพื้นผิวการตัดสินใจทั้งหมดก็พอดีอยู่บนแผนภูมิเดียวที่คุณส่งให้คณะกรรมการความเสี่ยงได้

Calibration: $\eta$, $\gamma$, $\sigma$ จากข้อมูล Binance

นี่คือจุดที่ 90% ของ implementation ตายเงียบๆ สูตรเส้นทางนั้นง่ายมาก แต่พารามิเตอร์ไม่ใช่ สามปริมาณ สามปัญหาการประมาณค่าที่ต่างกัน

$\sigma$: ตัวที่ง่าย

volatility สัมบูรณ์ต่อรากที่สองของชั่วโมง จาก return ของราคา mid ใช้ bar ระดับ 1 นาทีแล้วสเกล ที่ความถี่การ sample ละเอียดกว่านั้น microstructure noise (bid-ask bounce) จะทำให้ realized variance เอนเอียงสูงเกินจริง ค่าประมาณนี้แน่นหนา — vol คือพารามิเตอร์ตัวเดียวที่คุณจะได้ถูกต้อง

$\eta$: temporary impact จาก book และจาก trade

สองเส้นทางที่เสริมกัน เส้นทาง A — เดินไปตาม L2 book จาก snapshot ของ depth คำนวณต้นทุนของการ sweep แบบ marketable เชิงสมมติที่ขนาด $q$: VWAP ของ level ที่ถูกกินไปลบด้วย mid การ fit $\text{cost}(q) \approx \epsilon + \eta_{\text{inst}}\, q$ จะให้ instantaneous impact ต่อ BTC เพื่อแปลงให้เป็น $\eta$ แบบอิง rate ของโมเดล คุณต้องสมมติเวลาเติมกลับของ book $\Delta t_r$ (อยู่ในลำดับ 10–60 วินาทีสำหรับ BTCUSDT): การเทรดที่ rate $v$ จะกิน $v \Delta t_r$ ต่อรอบการเติมกลับหนึ่งครั้ง ดังนั้น $\eta \approx \eta_{\text{inst}} \Delta t_r$ สมมติฐานนั้น — การเติมกลับที่ทันทีและเต็มจำนวนบนนาฬิกาคงที่ — คือรอยแตกที่ Obizhaeva-Wang เดินเข้ามาพอดี รายละเอียดอยู่ด้านล่าง เส้นทาง B — regress slippage ที่เกิดขึ้นจริงบน participation จับ flow ที่เป็นฝ่ายรุก (taker) ใส่ bin ระดับ 1 นาที สำหรับแต่ละ bin ให้ regress ค่า VWAP ฝั่ง taker ลบ mid ตอนเปิด เทียบกับ rate ของ volume ฝั่ง taker เส้นทาง B วัดสิ่งที่ตลาดเก็บค่าจากฝ่ายรุกจริงๆ ส่วนเส้นทาง A วัดสิ่งที่ resting book จะเก็บค่า ณ ตอนนี้ เมื่อทั้งสองไม่ตรงกันถึงราว 3 เท่า จงเชื่อ B สำหรับระดับ (level) และเชื่อ A สำหรับรูปทรงภายในวัน (intraday shape)

$\gamma$: permanent impact ผ่าน regression แบบ Kyle

regress การเปลี่ยนแปลงราคา mid บน signed net taker flow ในหน้าต่าง 5 นาที:

จากนั้นตรวจสอบว่า impact ไม่ได้กลับตัว (revert) ในหน้าต่างถัดไป — ส่วนประกอบที่ไม่กลับตัวคือส่วนที่ "permanent" ที่มาตราส่วนเวลาการเทรดของคุณ นี่คือตัวที่ noise มากที่สุดในสามตัวแบบทิ้งห่าง

โค้ดที่ใช้งานได้จริง โดยใช้แค่ public Binance REST endpoint:

import requests, numpy as np, pandas as pd

B = "https://api.binance.com/api/v3"
sym = "BTCUSDT"

kl = requests.get(f"{B}/klines", params=dict(
    symbol=sym, interval="1m", limit=1000)).json()
close = np.array([float(k[4]) for k in kl])
sigma = np.diff(close).std() * np.sqrt(60)       # $/sqrt(h)

d = requests.get(f"{B}/depth",
                 params=dict(symbol=sym, limit=5000)).json()
bids = np.array(d["bids"], dtype=float)          # [price, qty]
mid = (bids[0, 0] + float(d["asks"][0][0])) / 2
cq = np.cumsum(bids[:, 1])                       # cum qty
cn = np.cumsum(bids[:, 0] * bids[:, 1])          # cum notional
sizes = np.linspace(0.5, 50, 40)                 # BTC probes
cost = [mid - np.interp(q, cq, cn) / q for q in sizes]
eps, eta_inst = np.polyfit(sizes, cost, 1)[::-1] # cost ~ eps + k*q
eta = eta_inst * (30 / 3600)                     # 30s refresh -> $*h/BTC

tr = requests.get(f"{B}/aggTrades",
                  params=dict(symbol=sym, limit=1000)).json()
df = pd.DataFrame(dict(
    t=[t["T"] for t in tr],
    p=[float(t["p"]) for t in tr],
    q=[float(t["q"]) * (-1 if t["m"] else 1) for t in tr]))
df["bin"] = df.t // 300_000                      # 5-min bins
g = df.groupby("bin").agg(dp=("p", lambda s: s.iloc[-1] - s.iloc[0]),
                          qn=("q", "sum"))
gamma = np.polyfit(g.qn, g.dp, 1)[0]             # $/BTC
print(f"sigma={sigma:.0f} $/sqrt(h)  eta={eta:.2f} $*h/BTC  "
      f"gamma={gamma:.3f} $/BTC")

สำหรับ production ให้แทนที่หน้า aggTrades หน้าเดียวด้วย ข้อมูล dump ย้อนหลัง ไม่กี่วัน แล้วรัน regression ของ $\gamma$ บน bin หลายพันตัว ไม่ใช่แค่ไม่กี่ตัว

ทำไม calibration ของ crypto จึงมี noise สูง และควรทำอย่างไร

รัน regression ของ $\gamma$ บนข้อมูลจริงแล้วคุณจะได้ $R^2$ แค่ไม่กี่เปอร์เซ็นต์ และค่าสัมประสิทธิ์ที่ขยับไปมาราว 2–5 เท่าระหว่างวัน นี่ไม่ใช่บั๊กในโค้ดของคุณ เหตุผลนั้นเป็นเชิงโครงสร้าง:

• Endogeneity flow ตอบสนองต่อราคาพอๆ กับที่ราคาตอบสนองต่อ flow เทรดเดอร์สาย momentum ซื้อ เพราะ ราคาขึ้น การทำ OLS ของ return บน flow อย่างซื่อๆ จะไปจับปฏิกิริยาของพวกเขาแล้วเข้าใจผิดว่ามันคือ impact ทางแก้ที่สะอาดคือใช้ fill ของ ตัวเอง (ซึ่งเป็น exogenous โดยโครงสร้าง) — ซึ่งคุณจะมีก็ต่อเมื่อเทรดไปสักพักแล้วเท่านั้น
• Concavity impact จริงเป็น concave ตามขนาด — ในเชิงประจักษ์ใกล้เคียงกับ square-root (Almgren, Thum, Hauptmann และ Li, 2005, "Direct estimation of equity market impact" พบเลขชี้กำลังใกล้ 0.6 ความ concave แบบเดียวกันนี้ก็แน่นหนาใน crypto) การ fit เส้นตรงเข้ากับฟังก์ชัน concave หมายความว่า $\eta$ และ $\gamma$ ของคุณจะขึ้นกับช่วงขนาดในตัวอย่าง จง calibrate ที่ participation rate ที่คุณจะเทรดจริง
• Fragmentation และการนำโดย derivative BTCUSDT spot บน Binance เป็นเพียงหนึ่งใน venue จำนวนมาก และ price discovery มักเกิดขึ้นบน perps flow ที่คุณไม่เคยเห็นเป็นตัวขยับราคาที่คุณ regress อยู่ ทำให้เทอม noise พองขึ้น
• การขึ้นกับ regime $\eta$ ที่วัดในเซสชันเอเชียไม่ได้อธิบายช่วงเปิดตลาดสหรัฐฯ impact เพิ่มขึ้นราวเท่าตัวเมื่อ volatility เพิ่มเป็นสองเท่า จง calibrate แยกตามเซสชัน และ re-fit อย่างน้อยสัปดาห์ละครั้ง

จุดผ่อนปรน: เส้นทาง นั้นให้อภัย $\kappa \propto \sqrt{1/\eta}$ ดังนั้นความคลาดเคลื่อน 2 เท่าใน $\eta$ ขยับ $\kappa$ เพียง $\sqrt{2}$ และฟังก์ชันต้นทุนก็แบนราบใกล้ๆ optimum การได้ $\eta$ ถูกต้องภายในราว 2 เท่าและ $\lambda$ ถูกต้องภายในหนึ่ง order of magnitude ก็จับส่วนที่ปรับปรุงได้จริงเหนือ TWAP ไว้ได้เกือบหมดแล้ว ความแม่นยำสำคัญสำหรับ การประมาณต้นทุนก่อนเทรด (pre-trade cost estimate) ส่วนความทนทานก็เพียงพอสำหรับ การจัด schedule

จุดที่โมเดลพัง และเปเปอร์ที่ซ่อมมัน

Almgren-Chriss เป็นโครงนั่งร้าน และการรู้แน่ชัดว่าคานอันไหนรับน้ำหนักอยู่ ก็บอกคุณได้ว่าควรหยิบส่วนขยายอันไหนมาใช้

Nonlinear impact — Almgren (2003) "Optimal execution with nonlinear impact functions and trading-enhanced risk" (Applied Mathematical Finance 10, 1–18) ทำโปรแกรมนี้ใหม่ด้วย temporary impact แบบ power-law $h(v) = \eta v^\alpha$ สำหรับ $\alpha \approx 1/2$ ที่ได้รับความนิยมในเชิงประจักษ์ — กฎ square-root — เส้นทางที่เหมาะสมจะเปลี่ยนลักษณะ: impact แบบ concave ลงโทษการเทรดกระชากน้อยกว่า linear impact ดังนั้น schedule ที่เหมาะสมจึง front-load มากขึ้นที่ค่า $\lambda$ เดียวกัน โครงสร้างเชิงคุณภาพ (พารามิเตอร์ urgency, efficient frontier) ยังคงอยู่ แต่สูตร sinh ไม่รอด

Resilience และ LOB — Obizhaeva และ Wang (2013) "Optimal trading strategy and supply/demand dynamics" (Journal of Financial Markets 16(1), 1–32; working paper เผยแพร่ตั้งแต่ปี 2005) แทนที่การแบ่งขั้ว temporary/permanent ด้วย limit order book ที่มี depth จำกัดและ impact ที่ สลายตัวแบบเอ็กซ์โพเนนเชียล: trade ของคุณกิน book และ book ก็เติมกลับที่ resilience rate $\rho$ สมมติฐาน "temporary impact หายไปทันที" ของ AC คือลิมิต $\rho \to \infty$ กลยุทธ์ที่เหมาะสมเปลี่ยนรูปทรงอย่างมาก: block trade ที่ตอนต้น อีก block ที่ตอนท้าย และ rate การเทรดคงที่ตรงกลาง — block เหล่านั้นใช้ประโยชน์จากการฟื้นตัวของ book หากช่วง child-order ของคุณเทียบเท่ากับเวลาเติมกลับของ venue (บน crypto คือวินาทีถึงหนึ่งนาที ซึ่งมักเป็นเช่นนั้น) คุณกำลังอยู่ในดินแดนของ Obizhaeva-Wang ไม่ใช่ดินแดนของ Almgren-Chriss และค่า $\Delta t_r$ ที่ปรับๆ ลูบๆ ใน calibration ข้างต้นก็คือสัญญาณเตือนของคุณ

No-dynamic-arbitrage — Gatheral (2010) "No-dynamic-arbitrage and market impact" (Quantitative Finance 10(7), 749–759) ถามว่าการผสมกันแบบใดระหว่างฟังก์ชัน instantaneous impact $f(v)$ กับ decay kernel $G(t)$ ที่สอดคล้องกันภายใน กล่าวคือไม่เปิดช่องให้กลยุทธ์ round-trip ที่มีต้นทุนคาดหวังเป็นลบ ผลลัพธ์นั้นคมชัด: การสลายตัวแบบเอ็กซ์โพเนนเชียลเข้ากันได้ เฉพาะ กับ linear impact — ผสม exponential decay เข้ากับ square-root impact แล้วโมเดลจะถูกปั๊มเงินออกมาได้ด้วยลำดับ trade ที่แกว่งไปมา ส่วน nonlinear impact ต้องการ power-law decay โดยมีอสมการเชื่อมเลขชี้กำลังทั้งสอง (สำหรับ impact $\sim v^\delta$ และ decay $\sim t^{-\gamma_d}$ คร่าวๆ คือ $\gamma_d + \delta \geq 1$) นี่คือเปเปอร์ที่ต้องอ่านก่อนจะเอา decay kernel เก๋ๆ มาแปะเข้ากับ impact model ของคุณ: การผสมแบบ ad-hoc ส่วนใหญ่แอบมี arbitrage ซึ่งในทางปฏิบัติหมายความว่า optimizer ของคุณจะไปค้นเจอ arbitrage นั้นแล้วผลิต schedule ที่แกว่งไปมาอย่างไร้สาระออกมา หากเส้นทาง "ที่เหมาะสม" ของคุณสลับซื้อสลับขายระหว่างการ liquidate ล้วนๆ คุณได้ละเมิด Gatheral ไม่ใช่ค้นพบ alpha

ภาคต่อสาย ML สองเส้นเรื่องในซีรีส์นี้ต่อยอดจากโครงนั่งร้านนี้โดยตรง เส้นแรกคือ reinforcement-learning execution: เมื่อคุณยอมรับว่า impact เป็น nonlinear, ขึ้นกับ state และสังเกตได้เพียงบางส่วน (partially observable) รูป closed form ก็หายไป และ RL (ตั้งแต่เปเปอร์ Q-learning ของ Nevmyvaka, Feng และ Kearns ปี 2006 เป็นต้นมา) ก็เป็นวิธีธรรมชาติในการค้นหาปริภูมิเส้นทาง — แต่ RL execution agent ที่จริงจังทุกตัวล้วนถูก benchmark เทียบกับ และมักถูก initialize จาก คำตอบของ AC เส้นที่สองคือ neural price-impact model: แทนที่ $h(v) = \eta v$ ด้วย functional ที่เรียนรู้จาก state ของ order book ในขณะที่ยังคงตรรกะการจัด schedule แบบ mean-variance ไว้ด้านบน ภาคต่อทั้งสองไม่มีความหมายเลยหากไม่รู้แน่ชัดว่า baseline แบบ linear-Gaussian คืออะไรและทำไมมันจึงมีรูปแบบเช่นนั้น

สิ่งที่ควรจดจำ

โมเดลนี้คือสมมติฐานสามข้อ สมการผลต่างหนึ่งสมการ และตัวเลขหนึ่งตัว linear permanent impact (ถูกบังคับโดยการห้าม manipulation), linear temporary impact (การประมาณที่คุณ calibrate อยู่รอบๆ), arithmetic Brownian noise optimum นั้น trade-off ระหว่าง variance ของ inventory กับต้นทุน impact กลยุทธ์ทั้งหมดยุบลงเป็น urgency $\kappa = \sqrt{\lambda\sigma^2/\eta}$ และ TWAP ก็หล่นออกมาในฐานะกรณี degenerate ที่ $\lambda = 0$ — ซึ่งเป็นข้อเท็จจริงที่มีประโยชน์ที่สุดเพียงข้อเดียวในโมเดล เพราะมันเปลี่ยน "เราควร TWAP ตัวนี้ไหม?" จากเรื่องของความเคยชิน ให้กลายเป็นข้ออ้างเกี่ยวกับ risk aversion ที่ตรวจสอบได้ calibration คืองานจริง: $\sigma$ ง่าย, $\eta$ เป็นเกมความคลาดเคลื่อน 2 เท่า, $\gamma$ เป็นโปรเจกต์วิจัย และเส้นทางก็ให้อภัยทั้งสามตัว implement มันในบ่ายวันเดียว แล้วใช้เวลาที่เหลือของเดือนไปกับ regression diagnostics

References

• Almgren, R., Chriss, N. (2001). "Optimal execution of portfolio transactions." Journal of Risk, 3(2), 5–39.
• Almgren, R. (2003). "Optimal execution with nonlinear impact functions and trading-enhanced risk." Applied Mathematical Finance, 10(1), 1–18.
• Almgren, R., Thum, C., Hauptmann, E., Li, H. (2005). "Direct estimation of equity market impact." Risk, 18(7), 58–62.
• Huberman, G., Stanzl, W. (2004). "Price manipulation and quasi-arbitrage." Econometrica, 72(4), 1247–1275.
• Obizhaeva, A., Wang, J. (2013). "Optimal trading strategy and supply/demand dynamics." Journal of Financial Markets, 16(1), 1–32.
• Gatheral, J. (2010). "No-dynamic-arbitrage and market impact." Quantitative Finance, 10(7), 749–759.
• Nevmyvaka, Y., Feng, Y., Kearns, M. (2006). "Reinforcement learning for optimized trade execution." ICML 2006.