1、【火量学派【火量学派 5 5】VPINVPIN 在在高波动高波动市场中市场中 的应用的应用 2012019 9 年年 4 4 月月 1010 日日 摘要 作为市场流动性的提供者-做市商在日常经营中面临的主要风险 为交易对手的信息优势导致的逆向选择风险。 VPIN （Volume synchro- nized probability of informed trading）是传统交易市场中较为流行 的一个测算指标。 依据不同交易量的归类标准，VPIN 又可以划分为 TR-VPIN（Tick Rule VPIN）及 BV-VPIN (Bulked Volume VPIN)等。其原理是知情交 易者的

2、加入会导致原本稳定的分布发生偏移。 火币研究院对火币研究院对 VPINVPIN 模型进行分析并编写代码，以模型进行分析并编写代码，以 1token 1token 提供的提供的 多个交易所的多个交易所的实盘数据实盘数据及回测平台及回测平台进行回测进行回测。 主要测试场景包括 4 月初 比特币价格的快速拉升和 1 月份 EOS 价格的快速下跌等。 结果显示，无论是无论是数字数字资产价格资产价格的的暴涨暴涨或或暴跌暴跌，VPINVPIN 时常会出现时常会出现 大幅度的提升，具有一定的预测效果，可视为是一种波动率领先指标大幅度的提升，具有一定的预测效果，可视为是一种波动率领先指标， 可对可对期权交易、

3、期权交易、做市商做市商提供流动性提供流动性、交易所风控管理、交易所风控管理等等具有指导意义。具有指导意义。 相关报告相关报告 【火量学派 4】缠论在数字资产上 的应用（一)：脉络梳理2018-9-27 【火量学派 3】海龟交易法则在数 字资产上的应用2018-8-31 作者 袁煜明 胡智威 翁溢铭 乔晓峰 火量学派火量学派 2 目录目录 1.1. VPIN VPIN 简介简介 . 3 3 2.2. 模型原理模型原理 . . 4 4 3.3. 算法步骤算法步骤 . . 6 6 4.4. 实盘测试实盘测试 . . 8 8 5.5. 总结总结 . 1212 参考资料参考资料 . 1313 火币区块链

4、研究院火币区块链研究院 3 报告正文 1.1. VPIN VPIN 简介简介 作为市场流动性的提供者-做市商在日常经营中面临的主要风险为交易对 手的信息优势导致的逆向选择风险。为了测量做市商在交易中面临的逆向选择 风险，行业里研究采用了各种指标，价格波动率是其中非常流行的一种。 但是在高频交易的环境下，波动率已经不是最可靠的预测指标。对于高频 交易中的短期大幅波动，在传统金融市场中一个更为流行的指标是 VPIN。 VPIN 起源于做市商关注的主要市场风险来源PIN(probability of in- formed trading)，也就是知情交易者概率。简单来说，当一个做市商在市场 中提供报

5、价时，需要考虑的一个核心问题就是交易对手是知情交易者 （informed trader）的概率，因为和知情交易者或者有信息优势的交易者做交 易时，该笔交易的预期收益肯定是负的。 VPIN（Volume synchronized probability of informed trading）是基于 PIN 指标做的改进。因为直接计算 PIN 是很困难的，Easley（2015）提出了用 交易量时间来替代物理时间，可以实现对实时条件下的交易毒性的测算。依据 不同交易量的归类标准，VPIN 又可以划分为 TR-VPIN（tick rule VPIN）及 BV- VPIN (Bulked volum

6、e VPIN)。Easley（2015）在后来的文章中提到了 BV- VPIN 是一种更优的算法，所以我们在本文中的算法为 BV-VPIN 的算法。 对于频繁发生短期大幅波动的数字资产二级市场，火币研究院对 VPIN 模 型分析并以 Python 进行算法代码实现，以 1token 提供的多个交易所的实盘 数据进行回测。对比特币、EOS 等交易历史数据的测试结果显示，VPIN VPIN 在数在数 字资产交易中具有一定字资产交易中具有一定预测效果，可视为是一种波动率领先指标预测效果，可视为是一种波动率领先指标，可对期权交，可对期权交 易、做市商提供流动性、交易所风控管理等具有指导意义易、做市商提

7、供流动性、交易所风控管理等具有指导意义。 火量学派火量学派 4 2.2. 模型原理模型原理 在开始计算前，我们先回顾 VPIN 的模型逻辑。做市商在日常交易中的关 注的核心指标之一就是交易对手有信息优势的概率，也就是 PIN（probability of informed trading） 。这个模型对 PIN（probability of informed trading） 对做市商的报价的影响进行了建模。模型的推理过程比较复杂，我们在这主要 陈述模型的核心假设及结论。 TheThe GlostenGlosten- -Milgrom ModelMilgrom Model 这个模型是市场微结构

8、中关于 sequential model 的原型。模型中假设一 个资产在 T 时会有两个价格分别为，其中 。不知情的交易员只知道 该资产的价格区间，但并不知道这个资产在 T 时间的最终价格。在这段时间的 订单流中，有的比例的订单被假定为知情的交易单（informed trades） ，这 些交易单的交易员了解该资产的真实价值。市场在交易开始前不知情的市场参 与者对上涨和下跌的假设为Prob(= ) = , Prob(= ) = 1 。如果做 市商通过贝叶斯概率不断调整报价，这个会随着市场价格的波动市场会不断调 整该预期。最后在均衡状态下做市商报价的价差会停留在A B = 4(1)() 1(12

9、)22 （A 为 ask price，B 为 bid price） 。这个模型描述了对 informed trades 对 做市商报价行为的影响。但结果为这个模型是有限时间模型，后人在此模型上 提出了改进。 TheThe EasleyEasley- -OHara ModelOHara Model 这个模型是产生 PIN 这个关于信息流毒性指标的模型。在 Easley 的一系列 文章中，交易被看成做市商和交易员之间的博弈。在这个模型中，交易被看成 为一系列的交易时间（trading periods）i = 1,I。 在每个 period 的开始， 会有概率发生影响资产价格的事件。如果这个事件发生

10、，对于资产来说可能时 火币区块链研究院火币区块链研究院 5 好消息，也可能是坏消息。在第 i 个 period 结束时，如果是个好消息，那么该 资产的价值应为，如果时坏消息，该资产的价值应为。好消息发生的概率 为（1-） ，坏消息发生的概率为，可以将假设为一个先验概率。在消息发生 后，订单流以泊松分布的进入交易所。知情交易者知道信息的好坏，他们将会 在好消息时买入，坏消息时卖出。模型中假设知情交易者的到达率为，不知情 交易者的到达率为。 这个模型的演绎结果就是做市商报价的价差 A-B=-PIN （A 为 ask price，B 为 bid price） 。这个模型的演绎出 informed t

11、rading 的比例越大， 做市商报价的价差越大。这点也和日常自觉相符。 从上面两个模型，我们可以得知如何从理论角度构建 PIN 这个指标。如果 要将这个指标应用的到交易中，则必须对模型参数进行估计。标准的解决方法 去求解这个模型并计算 PIN 需要对（,）参数进行预测，这会使得实时预 测变得十分困难。我们采用了 VPIN 的方法来预测 PIN，这样实时计算这个指标 变得可能。在数字资产的二级市场中，这个想法也更加符合直觉。交易的发生 通常和信息高度相关，和时间的相关性反而小，这也支持了用交易量时间而非 物理时间对此事件进行建模。 在 VPIN 的模型中，会对交易进行分类。分类的分发是先将一段

12、时间内的 交易加总，然后用这段时间的起始价格和终止价格之差的分布将交易量分类。 具体公式如下： = ( ) =(1)+1 = 1 ( ) =(1)+1 火量学派火量学派 6 将交易量分类后就可以进一步计算订单中的不平衡（order imbal- ance） 。E = E| |,模型假设这种订单中的不平衡在调整后会变成 一种均匀的分布。 文献中考虑了更复杂的订单流模型，我们为了讨论的简单就提供了最简单 的订单流模型。 从 Easley，Engle，OHara and Wu(2008)中我们知道知情订单的到达 速率为E = (2 1) and E| | 文章中也假设了订单预计到达的速率为1 ( =

13、1 + ) = = + 2 所以 VPIN 最终可以被简化为 VPIN = +2 | =1 | 这个指标和上文中的理论模型是否相符呢，答案是肯定的。有兴趣的读者 可以通过蒙特卡洛模拟验证模型中假定(,),并用这些参数生成订单流。计 算结果中的 PIN 与 VPIN 的计算结果十分接近。 整个模型的推理过程涉及到较多的理论证明，有兴趣的读者可以直接阅读 本报告的参考文献原文。而模型背后的思想并不复杂，在日常交易策略开发中 也值得借鉴。模型的假设是市场在均衡状态下订单流会有相对稳定的分布；而 知情交易者的加入会导致知情交易者的加入会导致原本原本稳定稳定的分布发生偏移的分布发生偏移。VPINVPIN

14、 就是对捕捉这种偏移就是对捕捉这种偏移 做的尝试。做的尝试。 3.3. 算法步骤算法步骤 在知道 VPIN 原理后我们可以尝试将 VPIN 进行算法化,详见 Prado(2012)。 火币区块链研究院火币区块链研究院 7 A A. . 输入输入 1.某个币的交易数据的时间序列 T：交易发生时间 P：交易发生时的标的交易价格 V：交易量 2. V：交易量 3. n: 用来预测 VPIN 使用的交易样本 B B. . 将交易量切成同大小的份数将交易量切成同大小的份数 1. 将交易单按时间顺序排列 2. 计算 3. 将扩展，使的数量与对应的相同，在扩展后将获得I = 个 4. 将从新排序 i=1,I

15、. 5. 将 = 0 6. = + 1 7.如果 I0.8）以上。说明在该数字资产价格剧烈 波动期间及大幅波动前，订单的不平衡会有明显的统计异常，并且 VPIN、CDF 均有比较好的指示效果。VPIN 在 Bitfinex 交易所的水平会低于币安交易所，愿 意在于 VPIN 在领先的交易所的效果会更强，在滞后交易所会相对更弱，其中 的区别我们会在后面的文章中讨论。 5.5.总结总结 从上述结果可看到，VPIN 及其累积概率分布函数 CDF，在资产价格暴涨 暴跌时常会出现大幅度的提升，具有一定的预测效果。因此，VPIN VPIN 在数字资在数字资 产交易的实践中，可视为是一种产交易的实践中，可视

16、为是一种波动率领先指标波动率领先指标。当出现当出现 VPIN VPIN 的大幅度快速的大幅度快速 提升时，则提示交易者需注意该数字资产的波动提升时，则提示交易者需注意该数字资产的波动。由于涨跌均有可能，因此 VPINVPIN 在期权交易的场景中在期权交易的场景中将会将会更有指导意义更有指导意义。此外，也可应用在做市商提供流 动性、交易所风控管理等方面。 本报告由于篇幅所限，选取了近期有代表性的行情时间段及交易品种。如 果想更严谨的测试 VPIN 的效果，需要进一步检验 VPIN 和价格波动的相关性及 VPIN 与价格波动间的条件概率。这些测试我们会在未来的研究报告中继续介 火币区块链研究院火币

17、区块链研究院 13 绍。值得注意的是，对于 VPIN 的效果，在学术圈也有争议。Anderson （2014）中质疑了 VPIN 的有效性，Easley（2014）中也对该质疑提出了反 驳，有兴趣深入学习的读者也可以继续阅读该文章。 对于报告正文中的 VPIN 算法及 Python 代码的相关实现，欢迎联系火币 研究院进一步探讨。 参考资料参考资料 1 Marcos M.Lopez De Prado. Advances in High Frequency Strategies (2012), 76-80 2 Glosten, L. R. and P. Milgrom(1985):”Bid, a

18、sk and transaction prices in a specialist mar- ket with heterogeneously informed traders”, Journal of Financial Economics, 14, 71-100 3 Easley, D. and M. OHara(1992b):“Time and the process o f security price adjustment”, Journal of Finance, 47, 576-605 4 Andersen T G, and Bondarenko O. VPIN and the

19、Flash CrashJ. Journal of Financial Markets, 2014.17:1-46 5 Easley D, de Prado M M L, and OHara M. VPIN and the flash carsh: A rejoinderJ. Journal of Financial Markets, 2014. 17:47-52 6 Easley，D., R.F.Engle, M. OHara and L. Wu(2008):”Time-Varying Arrival Rates of In- formed and Uninformed Traders”, J

20、ournal of Financial Econometrics 火量学派火量学派 14 火币区块链应用研究院火币区块链应用研究院 关于我们：关于我们： 火币区块链应用研究院（简称“火币研究院” ）成立于 2016 年 4 月，于 2018 年 3 月起 全面拓展区块链各领域的研究与探索， 主要研究内容包括区块链领域的技术研究、 行业分析、 应用创新、模式探索等。我们希望搭建涵盖区块链完整产业链的研究平台，为区块链产业人 士提供坚实的理论基础与趋势判断，推动整个区块链行业的发展。 联系我们：联系我们： 咨询邮箱：咨询邮箱： 简书简书公众号：公众号： 火币区块链研究院 Twitter:Twitt

21、er: Huobi_Research Medium:Medium: Huobi Research Facebook:Facebook: Huobi Research WebWebsite:site: 免责声明：免责声明： 1.火币区块链研究院与本报告中所涉及的数字资产或其他第三方不存在任何影 响报告客观性、独立性、公正性的关联关系。 2.本报告所引用的资料及数据均来自合规渠道， 资料及数据的出处皆被火币区块 链研究院认为可靠，且已对其真实性、准确性及完整性进行了必要的核查，但火币区块 链研究院不对其真实性、准确性或完整性做出任何保证。 3.报告的内容仅供参考， 报告中的事实和观点不构成相关数字资产的任何投资建 议。 火币区块链研究院不对因使用本报告内容而导致的损失承担任何责任， 除非法律法 规有明确规定。 读者不应仅依据本报告作出投资决策， 也不应依据本报告丧失独立判断 的能力。 4.本报告所载资料、 意见及推测仅反映研究人员于定稿本报告当日的判断， 未来 基于行业变化和数据信息的更新，存在观点与判断更新的可能性。 5.本报告版权仅为火币区块链研究院所有，如需引用本报告内容，请注明出处。 如需大幅引用请事先告知， 并在允许的范围内使用。 在任何情况下不得对本报告进行任 何有悖原意的引用、删节和修改。