Data-Driven Measures of High-Frequency Trading
创建于 更新于
摘要
本研究提出数据驱动的HFT度量，能够将流动性提供型与需求型HFT区分开来，基于NASDAQ的观测数据训练机器学习模型，再将模型应用到全美国股票日内数据（2010-2023）以生成HFT度量。相较于传统代理，这些度量在捕捉HFT的时间动态方面具有显著优势，并对外生冲击（如速度提升与数据传输升级）有明显响应。研究还发现，流动性提供型HFT有助于信息发现，而流动性需求型HFT则削弱信息发现。 [page::1]
