Alta Freqüência Negociação Opções Mercado

Negociação de alta freqüência - HFT O que é negociação de alta freqüência - HFT A negociação de alta freqüência (HFT) é uma plataforma de negociação de programa que usa computadores poderosos para transacionar um grande número de ordens em velocidades muito rápidas. Utiliza algoritmos complexos para analisar múltiplos mercados e executar pedidos com base nas condições do mercado. Normalmente, os comerciantes com as velocidades de execução mais rápidas são mais rentáveis ​​do que os comerciantes com velocidades de execução mais lentas. BREAKING DOWN Negociação de alta freqüência - HFT O comércio de alta freqüência tornou-se popular quando os intercâmbios começaram a oferecer incentivos para que as empresas adicionassem liquidez ao mercado. Por exemplo, a Bolsa de Valores de Nova York (NYSE) tem um grupo de provedores de liquidez chamado Provedores de Liquidez Suplementar (SLPs) que tenta adicionar concorrência e liquidez para cotações existentes na bolsa. Como incentivo para as empresas, a NYSE paga uma taxa ou desconto por fornecer essa liquidez. Em julho de 2016, o desconto médio do SLP foi de 0,0019 para os títulos cotados na NYSE e NYSE MKT na NYSE. Com milhões de transações por dia, isso resulta em uma grande quantidade de lucros. O SLP foi introduzido após o colapso do Lehman Brothers em 2008, quando a liquidez era uma grande preocupação para os investidores. Benefícios do HFT O principal benefício do HFT é que ele melhorou a liquidez do mercado e removeu os spreads de oferta e demanda que anteriormente seriam muito pequenos. Isso foi testado adicionando taxas sobre HFT, e como resultado, spreads bid-ask aumentou. Um estudo avaliou como os spreads canadenses bid-ask mudaram quando o governo introduziu taxas sobre HFT, e verificou-se que os spreads de oferta e demanda aumentaram em 9. Críticas de HFT HFT é controversa e tem recebido algumas duras críticas. Ele substituiu uma grande quantidade de corretores e usa modelos matemáticos e algoritmos para tomar decisões, tomando a decisão humana e interação fora da equação. Decisões acontecem em milissegundos, e isso poderia resultar em grandes movimentos do mercado sem razão. Como exemplo, em 6 de maio de 2010, a Dow Jones Industrial Average (DJIA) sofreu sua maior queda intraday ponto nunca, declinando 1.000 pontos e caindo 10 em apenas 20 minutos antes de subir novamente. Uma investigação do governo culpou uma ordem maciça que desencadeou um sell-off para o acidente. Uma crítica adicional da HFT é que permite que as grandes empresas lucrem às custas dos pequenos, ou dos investidores institucionais e de varejo. Outra queixa importante sobre HFT é a liquidez fornecida pela HFT é a liquidez fantasma, o que significa que fornece liquidez que está disponível para o mercado um segundo e passou o próximo, impedindo os comerciantes de realmente ser capaz de negociar esta liquidity. Has Alta Frequência Trading Ruined The Stock Mercado para o resto de nós Se você é um investidor, de alta freqüência de negociação (HFT) é uma parte de sua vida, mesmo se você não sabe. Você provavelmente comprou ações oferecidas por um computador ou vendeu ações compradas e, em seguida, imediatamente vendido por outro computador. HFT é controversa. Os comerciantes discordam uns com os outros e estudos contradizem outros estudos, mas independentemente das opiniões, o que é mais importante é como HFT afeta seu dinheiro. Principais tendências de investimento para 2013. Vamos sobre algumas tendências de investimento para você pensar sobre para 2013. O que é HFT HFT é um termo mais amplo para várias estratégias de negociação que envolvem a compra e venda de produtos financeiros em velocidades extremamente altas. Os computadores podem identificar padrões de mercado e comprar ou vender esses produtos em questão de milissegundos com base em algoritmos ou algos. Uma estratégia é servir como um criador de mercado onde a empresa de HFT oferece produtos nos lados de compra e venda. Ao comprar no preço da oferta e vender ao preço de pedir, os comerciantes de alta freqüência podem fazer lucros de um centavo ou menos por ação. Isso se traduz em grandes lucros multiplicados por milhões de ações. Será que ferir o mercado? Seria pensar que, porque a maioria das negociações deixa uma trilha de papel computadorizada, seria fácil olhar para as práticas dos comerciantes de alta freqüência para fornecer uma resposta clara a esta pergunta, mas isso não é verdade. Devido ao volume de dados e as empresas desejam manter suas atividades comerciais segredo, reunir um dia de negociação normal é bastante difícil para os reguladores. Aqueles que debatem esta questão muitas vezes olhar para o flash crash. Em 6 de maio de 2010, o Dow Jones Industrial Average misteriosamente caiu 10 em minutos, e tão inexplicavelmente, rebounded. Alguns grandes estoques de blue chips trocados brevemente por um centavo. Em 01 de outubro de 2010, a Securities and Exchange Commission (SEC) emitiu um relatório culpando um comércio muito grande no SampP e-mini contratos futuros, o que desencadeou um efeito em cascata entre os comerciantes de alta freqüência. Como um algo vendido rapidamente, provocou outro. À medida que mais vendem paradas bateu, não só foram comerciantes de alta freqüência dirigindo o mercado mais baixo, todo mundo, todo o caminho até o menor comerciante varejo, estava vendendo. A queda do flash foi um efeito de bola de neve financeira. Esse incidente fez com que a SEC adotasse mudanças que incluíam a colocação de disjuntores em produtos quando eles caíram um certo nível em um curto período. Na esteira do choque de flash, muitos perguntaram se a imposição de uma regulamentação mais rigorosa nos comerciantes de alta freqüência fazia sentido, especialmente desde que os flashes menores e menos visíveis acontecem em todo o mercado com regularidade. Será que ferir o investidor de varejo O que é importante para a maioria do público investidor é como HFT afeta o investidor de varejo. Esta é a pessoa cuja aposentadoria poupança está no mercado, ou a pessoa que investe no mercado, a fim de obter melhores retornos do que o quase inexistente interesse que vem de uma conta poupança. Um estudo recente lançou alguma luz sobre esta questão. De acordo com o New York Times. Um alto economista do governo descobriu que as empresas de HFT estão obtendo lucros significativos com o que eles chamam de investidores tradicionais, ou aqueles que não estão usando algoritmos de computador. Estudando o SampP 500 e-mini contratos, os pesquisadores descobriram que os comerciantes de alta freqüência fez um lucro médio de 1,92 para cada contrato negociado com grandes investidores institucionais e uma média de 3,49 quando eles negociados com investidores de varejo. Isso permitiu que o comerciante de alta velocidade mais agressivo fizesse um lucro diário médio de 45.267 de acordo com os dados de 2010. O documento concluiu que esses lucros eram à custa de outros comerciantes e isso pode fazer com que os comerciantes deixem o mercado de futuros. Embora os autores não tenham estudado os mercados de ações onde os comerciantes de alta freqüência representam uma grande quantidade de volume de negociação de ações - possivelmente 70 ou mais, segundo alguns relatórios - eles dizem que é provável que eles chegariam às mesmas conclusões. The Bottom Line O sentimento geral que o pequeno investidor não pode ganhar neste mercado está começando a proliferar. Alguns culpam a enorme quantidade de dinheiro não investido como prova de que muitos desistiram e perderam a confiança nos mercados. Isso se tornou um problema que até mesmo os comerciantes de alta freqüência estão olhando para outros mercados mundiais para encontrar a liquidez que precisam para realizar operações. Reguladores em todo o mundo estão procurando maneiras de restaurar a confiança do consumidor no mercado de ações. Alguns propuseram um imposto de troca por ação, enquanto outros, como o Canadá, aumentaram as taxas cobradas às empresas HFT. Devido à relativa novidade de HFT, o processo de regulação veio lentamente, mas uma coisa que parece ser verdade é que HFT não está ajudando o pequeno comerciante. Um tipo de imposto incidente sobre ganhos de capital incorridos por pessoas físicas e jurídicas. Os ganhos de capital são os lucros que um investidor. Uma ordem para comprar um título igual ou inferior a um preço especificado. Uma ordem de limite de compra permite que traders e investidores especifiquem. Uma regra do Internal Revenue Service (IRS) que permite retiradas sem penalidade de uma conta IRA. A regra exige que. A primeira venda de ações por uma empresa privada para o público. IPOs são muitas vezes emitidos por empresas menores, mais jovens à procura da. DebtEquity Ratio é o rácio da dívida utilizado para medir a alavancagem financeira de uma empresa ou um rácio da dívida utilizado para medir um indivíduo. Um tipo de estrutura de compensação que os gestores de fundos de hedge normalmente empregam em que parte da remuneração é baseada no desempenho. Negociação de Alta Freqüência 2: Estrutura do Mercado amp Instruments Bem-vindo ao curso de Negociação de Alta Freqüência parte 2: Estrutura, Instrumentos e Infra-estrutura. A série de cursos sobre negociação de alta freqüência destina-se a essas pessoas, que estão interessados ​​em tudo sobre os mercados financeiros e de negociação. Depois de passar por estes cursos você vai conhecer todos os meandros do comércio de alta freqüência: concepções, estratégias, tecnologias você vai destruir muitos mitos e equívocos sobre HFT e vai encontrar uma compreensão cristalina de como todas as coisas funcionam na realidade. Mas isso não significa que é necessário para você começar a partir do primeiro curso, todos eles são bastante independentes, para que você possa começar com este A partir desta parte2 você vai aprender sobre a mudança de estrutura de mercado durante os últimos anos, os melhores ativos de negociação Para HFT, e requisitos de infra-estrutura de hoje mercados. Durante esta segunda parte da série de cursos vamos falar sobre: ​​- mudanças dramáticas da estrutura de mercado durante os últimos anos, e como isso afetou as estratégias dos comerciantes - vamos olhar para todas as características, vantagens e desvantagens destes novos operadores no mercado, Tais como ECN e Dark Pool, que estão absorvendo a grande maioria dos comerciantes HFT - vamos descobrir quais os ativos de negociação são mais adequados para HFT - vamos olhar para as necessidades de infra-estrutura moderna dos mercados de hoje: microssegundos contam. O aluno ideal para este curso é um iniciante ou trader já experiente, que já conhece conceitos básicos de mercados financeiros e de comércio e gostaria de ampliar seu conhecimento em uma esfera tão popular, mas amplamente mal entendido, como negociação de alta freqüência. Sinta-se livre para dar uma olhada na descrição do curso e clique no botão Take This Course (Tome este curso) quando estiver pronto. Vê-lo dentro O estudante ideal para este curso é um iniciante ou trader já experiente, que já conhece conceitos básicos de mercados financeiros e de comércio e gostaria de ampliar o seu conhecimento em uma esfera tão popular, mas amplamente mal entendido, como High Frequency TradingHow HFT está mudando o que sabemos sobre o mercado Quando os produtores de TV estão procurando imagens para ilustrar notícias financeiras, a escolha mais fácil é muitas vezes o pregão de uma bolsa, com os comerciantes gesticulando e gritando. Este verão, algumas dessas imagens serão confinadas à história. CME Group, a maior bolsa de futuros do mundo, está fechando quase todos os poços de Chicago, onde gerações de comerciantes trocaram contratos de futuros e opções com gritos e sinais manuais. Grande parte do trabalho desses comerciantes é agora automatizado, executado por algoritmos que colocam milhares de ordens a cada segundo, e que competem entre si para alcançar os servidores de troca. Leitura recomendada Necessário rapidamente: bons compradores para dívidas incobráveis ​​Por que você está errado sobre um colapso do mercado de ações futuro Como os movimentos da taxa do Fed afetam a economia Este é o exemplo mais recente de como a negociação eletrônica e mais recentemente a negociação de alta freqüência (HFT) mercado. Mas não é apenas a velocidade e os meios de execução que mudaram: os dados que os mercados financeiros produzem estão mudando o que sabemos ou pensamos que sabíamos sobre os mercados financeiros. Armados com enormes quantidades de dados e poder de computação suficiente para fazer sentido, econometristas e estatísticos estão revisitando e fazendo buracos em algumas teorias sobre o funcionamento dos mercados. Algumas dessas teorias foram construídas sobre pontos de dados diários coletados de livros encadernados mantidos em bibliotecas. Mas na era das altas freqüências, essas hipóteses precisam ser atualizadas? Houve uma proliferação de dados, e isso levou a um renascimento na pesquisa empírica, diz Andrew MITs Lo. Os profissionais do mercado podem descartar parte deste trabalho como exercício acadêmico. Afinal, os acadêmicos usam dados passados ​​para explicar como o mercado operou, enquanto os profissionais se concentram em antecipar os movimentos futuros do mercado. Os comerciantes inteligentes usam modelos econométricos concebidos por acadêmicos, muitos outros por praticantes como ferramentas para pensar sobre coisas e explorar coisas, não necessariamente como evangelho, diz Columbia University Emanuel Derman, autor de Modelos. Comportando Loucamente. Mas Lo compara a relação entre acadêmicos e profissionais do mercado àquela entre cientistas e engenheiros. Quando acadêmicos em finanças realizam pesquisas, engenheiros de Wall Street levam suas idéias básicas e transformá-las em estratégias de negociação, o que significa que a pesquisa forma diretamente estratégias de negociação automatizadas. Pesquisa sendo conduzida por Dacheng Xiu. Professor assistente de econometria e estatística no Chicago Booth, e seus colaboradores ilustra a mudança em curso. Usando instantâneos de dados, os pesquisadores estão cutucando e estimulando teorias de longa data, incluindo uma metodologia que ganhou seu criador um Prêmio Nobel. O Método Generalizado dos Momentos Os modelos econométricos tendem a ser altamente geeky. Quando a Universidade de Chicagos Lars Peter Hansen ganhou o Prêmio Nobel de Ciências Econômicas em 2013, muitos jornalistas lutaram para explicar seu trabalho, o Método Generalizado dos Momentos (GMM). Como um dos Hansens dois co-vencedores, Robert Schiller de Yale, explicou no New York Times, o professor Hansen desenvolveu um procedimento. Para testar modelos-modelos de expectativas racionais que englobam o modelo de mercados eficientes e seu método levou à rejeição estatística de muitos deles. Xiu oferece outra maneira de pensar sobre isso: o GMM forneceu um quadro geral e orientações sobre como aplicar modelos para Dados da vida real. Em Wall Street, ele diz, os comerciantes e suas empresas usam o GMM, ou alguma versão dele, para testar modelos teóricos usando dados de mercado. O GMM funciona, portanto, como uma ponte entre as teorias acadêmicas e dados empíricos. Um especialista da indústria entrevistado para este artigo (usando talvez uma definição mais restrita de GMM do que Xiu faz) estima que apenas metade dos quants de Wall Street sabe que o GMM existe, e apenas 5% deles explicitamente usá-lo. Xiu responde que o GMM foi tão completamente adaptado pela indústria financeira que muitos comerciantes podem nem sequer perceber theyre usá-lo. O GMM foi publicado em 1982, a história praticamente antiga para os mercados financeiros de hoje. Como uma ferramenta para vincular as teorias aos mercados contemporâneos, Xiu diz, tem duas limitações principais. Primeiramente, os mercados de hoje movem-se distante mais rapidamente do que fizeram em 1982, e um valor dos dias do volume negociando é muitas ordens da magnitude maior do que o que era. Hoje, muitos modelos são construídos para prever o que o mercado vai fazer na próxima hora ou minuto, ao invés da próxima década. A abordagem de Hansens é projetada para séries de longo alcance ao longo de décadas, e tem que ser adaptada para este cenário, diz Xiu. Em segundo lugar, embora o risco tenha sido sempre uma parte da negociação, a medida da volatilidade de risco existiu há 30 anos. Em 1982, o Prêmio Nobel Robert Engle da NYU desenvolveu o célebre modelo ARCH, que descreveu a dinâmica da volatilidade pela primeira vez. Em 1993, o Chicago Board Options Exchange anunciou relatórios em tempo real sobre o que se tornaria o Volatility Index, comumente conhecido como Wall Streets fear calibre. O VIX, uma medida da volatilidade implícita das opções do índice SampP 500, mostra quão volátil o mercado de opções espera que o mercado de ações esteja nos próximos 30 dias. Desde que o CBOE em 2003 revisou a metodologia que usa para calcular o VIX, várias empresas lançaram derivados de volatilidade negociados em bolsa, e os investidores abraçaram esses contratos com entusiasmo. Para usar o GMM, acadêmicos e comerciantes agora muitas vezes têm de fazer fortes suposições, como assumir que a volatilidade segue um padrão específico ou pode ser perfeitamente estimado. Xiu e Duke Universitys Jia Li propor uma maneira de ajustar o GMM para torná-lo mais aplicável aos mercados contemporâneos. Eles criaram uma versão que, em homenagem ao original, eles chamam o Método Generalizado de Momentos Integrados (GMIM). E eles foram levando-o para um empírico test-drive usando alguns dos dados de maior freqüência coletados por trocas e disponíveis a partir de fornecedores de dados. O CBOE atualiza os dados VIX a cada 15 segundos, enquanto os preços das transações de futuros e estoques foram temporizados para cada segundo. Os dados atualizados a cada milissegundo só recentemente ficaram disponíveis para os acadêmicos, diz Xiu, e ele também planeja usá-los. Antes de desenvolver o GMIM, Xiu fazia parte de uma equipe revisitando a influente hipótese de economista Fischer Black sobre a alavancagem. No mercado acionário, a volatilidade das ações tende a se mover mais alto quando o preço da ação se move para baixo, particularmente em índices como o SampP 500. Black acreditava que a relação negativa entre a volatilidade dos ativos e seu retorno poderia ser explicada pela dívida da empresa Relação. Quando o preço das ações da General Motors diminui, por exemplo, a volatilidade das ações aumenta. Intuitivamente, faz sentido: quanto mais alavancada uma empresa é, mais voláteis suas ações são susceptíveis de ser. Mas, para estudar várias teorias financeiras sobre o efeito de alavancagem, relacionaríamos o efeito de alavancagem com as variáveis ​​macroeconômicas e as características das firmas, que normalmente são atualizadas mensalmente ou trimestralmente, escreve Xiu e a Universidade de Montreals Ilze Kalnina. Eles queriam avaliar a hipótese bem conhecida usando dados de períodos de tempo muito menores. Como suas notas de pesquisa, a volatilidade é estimada e não medida com precisão. Uma estratégia comum para superar esse obstáculo tem sido criar estimativas preliminares de volatilidade sobre pequenas janelas de tempo e, em seguida, calcular a correlação entre essas estimativas e os retornos dos investimentos. A abordagem, entretanto, introduz muito ruído estatístico sobre o que os econometristas consideram períodos curtos, como um mês ou um quarto. Mesmo com anos de dados, a correlação permanece insignificante. Xiu e Kalnina substituíram as estimativas preliminares de volatilidade com dados de duas fontes: os preços das ações ou futuros de índices e observações de alta freqüência disponíveis para o VIX ou um instrumento de volatilidade alternativo. Em geral, concluem, há evidências de que a hipótese de alavancagem dos negros ainda se mantém: a relação entre dívida e capital da empresa ajuda a explicar a relação entre volatilidade e retornos. Mas eles também acham que poderia haver outros fatores no trabalho, incluindo risco de crédito e risco de liquidez. A relação dívida / capital não é necessariamente a variável dominante, diz Xiu. Xiu e Kalnina podem até certo ponto estar provando o que muitos comerciantes já suspeitam. Os traders das opções estão cientes de um teste padrão chamado o sorriso da volatilidade que se levanta em índices das equidades tais como o SampP 500implied a volatilidade aumenta enquanto os preços de greves de uma opção diminuem. A hipótese de alavancagem é uma explicação para esse padrão, diz Derman. Ele diz que os traders levam em consideração o sorriso da volatilidade, mas não o atribuem necessariamente à hipótese de alavancagem. Modelos de preços de opções As perguntas sobre o efeito de alavanca levaram a Xiu a questionar modelos de preços de opções. Das muitas coisas que são modeladas em finanças, o preço das opções de ações é um dos mais fundamentais. Contratos de opções iniciaram a revolução quantitativa do setor financeiro: depois que o CBOE formou e lançou seus primeiros contratos, Fischer Black e Myron Scholes criaram seu famoso modelo Black-Scholes, que os traders costumavam precificar opções. Durante anos, os comerciantes e corretores nos poços de negociação impressos folhas de preços calculados usando Black-Scholes. Muitos no setor financeiro usam Heston e uma variedade de modelos similares para avaliar opções. Isso é sábio13. Esse modelo foi publicado muito antes do índice VIX, no entanto, e antecedeu o aumento da volatilidade como uma classe de ativos. Black-Scholes assume que a volatilidade é uma medida constante, enquanto os modelos mais novos sabem que a volatilidade realmente flutua. Como resultado, muitas pessoas têm substituído Black-Scholes com modelos mais recentes, o mais famoso dos quais é o modelo Heston, nomeado para a Universidade de Marylands Steven L. Heston. Uma extensão de Black-Scholes, Heston assume que a volatilidade de ativos é aleatória, não constante, e está correlacionada com retornos de ativos (o efeito de alavancagem mencionado acima). Muitos na indústria financeira usam Heston e uma variedade de modelos similares (os assim chamados modelos afins) para avaliar opções. É sábio Xiu e Dukes Jia Li decidiu abordar a questão testando uma característica-chave desses modelos de tipo Heston: a relação linear entre a volatilidade spot e implícita volatilityspot sendo o payoff de contratos futuros de volatilidade que expirará no futuro e implícita Sendo a volatilidade o preço de mercado atual da opção. Os pesquisadores reuniram 23 quartos de dados sobre volatilidade implícita (utilizando o VIX) e volatilidade spot (obtida a partir do SampP 500), cobrindo 1.457 dias. Eles descobrem que a relação entre volatilidade spot e implícita é na verdade não-linear. Se você traçar os dois conjuntos de dados de volatilidade, ao invés de criar uma linha consistente, eles se desviam um do outro, exibindo o que os pesquisadores denominam variação temporal substancial. Mais uma vez, a academia pode estar provando o que os praticantes suspeitam: o modelo de Hestons é falho. Xiu, que trabalhou em uma empresa comercial antes de obter seu doutorado, diz que muitos comerciantes observaram que o modelo Heston não funciona. E um especialista da indústria, que pediu para não ser identificado, disse que, embora Heston é popular porque o seu em alguns aspectos fácil de usar, tem conhecido fraquezas. Mas ele também disse que iria ajudar os comerciantes a ter o relacionamento melhor quantificado. Volatilidade e volume de negócios Os pesquisadores também estão transformando o GMIM em outro conhecido modelo teórico, a Mixture of Distribution Hypothesis (MDH), que data da década de 1970 e prevê uma relação entre volatilidade e medidas de liquidez, como volume de negociação. Essas são variáveis-chave para estratégias de market-makers, eo MDH é um dos modelos que os ligam. Ele sustenta que as boas ou más notícias impulsionam mudanças de preço diárias e volume de negociação. Northwestern Universitys Torben G. Andersen criou uma versão modificada em 1996 que produziu os mesmos resultados em grande parte. Andersen fez isso funcionar bem antes da explosão em dados de alta freqüência. Um monte desse trabalho eu colecionava, ele diz, lembrando suas viagens de biblioteca para fazer fotocópias de dados diários de ações e dados de volume de negociação. Eu não sei quantos livros eu tive que copiar estas páginas, mas foi um trabalho muito tedioso e limitado quantas ações você poderia olhar. Ele diz que, embora a volatilidade tenha se tornado uma característica maior do mercado desde então, os volumes também aumentaram. O investimento institucional cresceu, os custos de negociação caíram e as empresas HFT adicionaram milhões de transações aos mercados globais todos os dias. Essas coisas afetaram o volume de forma diferente do que têm volatilidade. Xiu e Li voltaram a testar o MDH com o GMIM, usando quatro anos de dados intraday-trading, agregados a cada cinco minutos. Eles analisaram os dados dos preços das ações da 3M, General Electric, IBM, JP Morgan Chase e Procter amp Gamble. Eles acham que Andersens modelo modificado MDH mantém-se moderadamente bem. Seu modelo prevê que há uma relação entre volume e volatilidade, e encontramos evidências favoráveis ​​disso, diz Xiu. Assim, quando a volatilidade é alta, o volume de negociação é tão bem. Mas a relação que o modelo prevê entre volatilidade e volume está errada na metade do tempo. Eles descobrem, por exemplo, que as notícias têm mais impacto em tempos de crise. Nossa evidência sugere que o modelo MDH modificado precisa de refinamento adicional a fim de abordar totalmente a modelagem de dados intraday de alta freqüência, os autores escrevem. Andersen diz que na década de 1990, foi emocionante ser capaz de estabelecer uma conexão entre volatilidade e volume, mas ele estava ciente das limitações dos dados. Xiu e Li, ele diz, estão revisitando o trabalho no espírito de como o fizemos. Xiu diz que o próximo passo para os pesquisadores é pensar sobre como HFT afeta a relação entre volatilidade e liquidez. Isso requer o uso de dados de alta freqüência. Xiu e Li têm testado suas teorias usando dados coletados a cada segundo, mas Xiu diz que seu método será capaz de lidar com dados coletados em velocidades de menos de um segundo. Com a negociação ficando cada vez mais rápido, mesmo que o trabalho será apenas coçar a superfície do que estatísticos futuro será capaz de analisar. Com John Hintze