LA LIQUIDEZ DEL MERCADO

wu 2018

We develop a three dimensional liquidity measure to study the interaction between liquidity and
order flow in the E-mini S&P 500 index future market. We show that trade size is larger during
periods of high liquidity. Particularly, the thicker the depth of the limit order book, the larger the
resilience, the narrower the bid-ask spread, the larger the trade size could be.

Desarrollamos una medida de liquidez tridimensional para estudiar la interacción entre la liquidez y
el flujo de pedidos en el mercado futuro del índice E-mini S P 500. Mostramos que el tamaño de la
operación es mayor durante los períodos de alta liquidez. Particularmente, cuanto más gruesa sea
la profundidad del libro de órdenes de límite, mayor será la resistencia, menor será la extensión de
la oferta y la demanda, mayor será el tamaño de la operación.

As a measurement of the transaction cost, liquidity is an important determinant of the market

quality. Over the last decade, there has been a growing interest in studying the limit order book
(LOB) liquidity using the tick data in the ultra-high-frequency domain. The tick data records detailed
market events including each transaction and each LOB update. By various definitions of liquidity,
researchers have gained a thorough understanding of the cross-sectional and time-series
determinants of liquidity (for an overview, see Holden et al., 2014). However, the interaction of
liquidity and order flow, especially how does the existing orders affect the incoming order supply is
much less understood.

Como medida del costo de transacción, la liquidez es un determinante importante de la calidad del
mercado. Durante la última década, ha habido un creciente interés en estudiar la liquidez del libro
de órdenes de límite (LOB) utilizando los datos de tick en el dominio de frecuencia ultra alta. Los
datos de la marca registran eventos detallados del mercado, incluidas cada transacción y cada
actualización de LOB. Mediante diversas definiciones de liquidez, los investigadores han adquirido
una comprensión profunda de los determinantes de liquidez de las secciones transversales y de
series de tiempo (para una visión general, ver Holden et al., 2014). Sin embargo, la interacción de
liquidez y flujo de pedidos, especialmente cómo afectan los pedidos existentes al suministro de
pedidos entrantes, es mucho menos comprendida.

Traders would split large orders into small pieces to camouflage their trading intention to reduce
the adverse price impact that occurs when large trades dry market liquidity. Almgren (2003) and
Obizhaeva and Wang (2013) propose a general framework to study trade size as an optimal
execution problem. Later Almgren (2012) and Fruth et al. (2014) develop theoretical models and
conclude that investors would benefit from splitting orders adaptively to the instantaneous
variations of market quality including the volatility and the liquidity. Despite the theoretical
attempts, in the real market it is mysterious how traders choose to execute their trades. In this
paper, we will empirically examine whether and how investors choose trade size according to the
temporal market liquidity.
Los operadores dividirían los pedidos grandes en pequeños trozos para camuflar su intención
comercial de reducir el impacto adverso en los precios que ocurre cuando los grandes negocios
secan la liquidez del mercado. Almgren (2003) y Obizhaeva y Wang (2013) proponen un marco
general para estudiar el tamaño del comercio como un problema de ejecución óptimo. Más tarde
Almgren (2012) y Fruth et al. (2014) desarrollan modelos teóricos y concluyen que los inversores se
beneficiarían de dividir los pedidos de manera adaptativa a las variaciones instantáneas de la calidad
del mercado, incluida la volatilidad y la liquidez. A pesar de los intentos teóricos, en el mercado real
es misterioso cómo los comerciantes eligen ejecutar sus operaciones. En este documento,
examinaremos empíricamente si los inversores eligen el tamaño de la operación de acuerdo con la
liquidez temporal del mercado y cómo lo hacen.

Guo et al. (2015) and Cont and Kukanov (2017) suggest that the trade size is an important decision
traders need to make. Investors monitor the time-varying liquidity when making trades. Gomber et
al. (2004), Coppejans et al. (2002), and Degryse et al. (2005) reveal that transactions take place when
liquidity is unusually high. Foucault (1999) and Cont and Kukanov (2017) find when using limit and
market orders, there is a trade-off between price saving and immediacy. However, in most of the
existing studies, the trade size is either ignored or treated as one explanatory variable.

There are three dimensions associated with the LOB liquidity, width (the bid-ask spread), depth, and
resilience according to previous studies (for an overview, see Biais et al., 2002). It is difficult to
capture both the depth across multiple price levels because the state space of LOB is so large (Gould
et al., 2013). Our paper contributes to the literature by providing a liquidity measure to summarize
the LOB.

Guo y col. (2015) y Cont y Kukanov (2017) sugieren que el tamaño del comercio es una decisión
importante que los operadores deben tomar. Los inversores controlan la liquidez variable en el
tiempo al realizar operaciones. Gomber y col. (2004), Coppejans et al. (2002) y Degryse et al. (2005)
revelan que las transacciones tienen lugar cuando la liquidez es inusualmente alta. Foucault (1999)
y Cont y Kukanov (2017) descubren que al usar órdenes de límite y de mercado, existe una
compensación entre el ahorro de precios y la inmediatez. Sin embargo, en la mayoría de los estudios
existentes, el tamaño del comercio se ignora o se trata como una variable explicativa.

Hay tres dimensiones asociadas con la liquidez LOB, el ancho (el spread bid-ask), la profundidad y la
resistencia de acuerdo con estudios previos (para una visión general, ver Biais et al., 2002). Es difícil
capturar tanto la profundidad en múltiples niveles de precios porque el espacio de estado de LOB
es muy grande (Gould et al., 2013). Nuestro artículo contribuye a la literatura al proporcionar una
medida de liquidez para resumir el LOB.

From the tick data of the E-mini S&P 500 index future (E-mini future for short hereafter) market, we
analyze the variations of the trade sizes and find empirical evidence that investors choose trade-size
according to liquidity as predicted by the theoretical models (Almgren, 2012; Fruth et al., 2014).

The rest of the paper is organized as follows: Section 2 introduces our liquidity measure. Section 3
presents the data. Empirical analysis can be found in Section 4. Section 5 concludes.
A partir de los datos de tick del mercado de futuros del índice E-mini SP 500 (futuro E-mini para el
corto más adelante), analizamos las variaciones de los tamaños de las operaciones y encontramos
evidencia empírica de que los inversores eligen el tamaño de las operaciones de acuerdo con la
liquidez según lo previsto por la teoría modelos (Almgren, 2012; Fruth et al., 2014).

El resto del documento está organizado de la siguiente manera: la Sección 2 presenta nuestra
medida de liquidez. La sección 3 presenta los datos. El análisis empírico se puede encontrar en la
Sección 4. La Sección 5 concluye.

2. Liquidity measure

The first dimension of the liquidity is the spread. Most previous studies on the stock data mainly use
bid-ask spread (B/A spread) as a proxy for the liquidity (Holden et al., 2014). However, in the S&P
future market, 99% of the time, the B/A spread is 1 tick. The depth of the book, in this case, is the
major component of the liquidity. But one depth variable for each price level generates a large state
space. In this study, we use a scalar to summarize the depth of the entire LOB. Rösch and Kaserer
(2014) introduces the weighted spread WS(I) to represent the cost of the immediate execution of a
round-trip order of size I, aggregating the state of the LOB into a single number.

La primera dimensión de la liquidez es el spread. La mayoría de los estudios previos sobre los datos
de las acciones utilizan principalmente el spread bid-ask (spread B / A) como un indicador de la
liquidez (Holden et al., 2014). Sin embargo, en el mercado futuro S&P, el 99% de las veces, el
diferencial B / A es 1 tick. La profundidad del libro, en este caso, es el componente principal de la
liquidez. Pero una variable de profundidad para cada nivel de precio genera un gran espacio de
estado. En este estudio, usamos un escalar para resumir la profundidad de todo el LOB. Rösch y
Kaserer (2014) presenta el diferencial ponderado WS (I) para representar el costo de la ejecución
inmediata de una orden de ida y vuelta de tamaño I, agregando el estado del LOB en un solo número.

If we label the order in the book according to the price and time priority as i = 1, 2, 3, …, and denote
the corresponding price of each order as Pi. If an order of size I is executed against the book, the
average cost is Σ= P 1 . The weighted spread is computed by Rösch and Kaserer (2014) for different
values of I. In this study, we define our effective depth using the trading cost in the average sense.
The expected cost of trade (ECT) is computed by assuming that f(I) is the probability of a trade with
size I.1 The ECT is calculated as,

Si etiquetamos el pedido en el libro de acuerdo con el precio y la prioridad de tiempo como i = 1, 2,

3, ..., y denotamos el precio correspondiente de cada pedido como Pi. Si se ejecuta una orden de
tamaño I contra el libro, el costo promedio es Σ = P 1. Rösch y Kaserer (2014) calculan el diferencial
ponderado para diferentes valores de I. En este estudio, definimos nuestra profundidad efectiva
utilizando el costo de negociación en el sentido promedio. El costo de intercambio esperado (TCE)
se calcula asumiendo que f (I) es la probabilidad de un intercambio de tamaño I.1. El TCE se calcula
como,