巴比特專欄 | 袁煜明：VPIN 在高波動市場中的應用_AND:FIN

本報告由火幣區塊鏈研究院出品，報告發布時間2019年4月10日，作者：袁煜明、胡智威、翁溢銘、喬曉峰。

摘要

作為市場流動性的提供者---做市商在日常經營中面臨的主要風險為交易對手的信息優勢導致的逆向選擇風險。VPIN是傳統交易市場中較為流行的一個測算指標。依據不同交易量的歸類標準，VPIN又可以劃分為TR-VPIN及BV-VPIN(BulkedVolumeVPIN)等。其原理是知情交易者的加入會導致原本穩定的分布發生偏移。火幣研究院對VPIN模型進行分析并編寫代碼，以1token提供的多個交易所的實盤數據及回測平臺進行回測。主要測試場景包括4月初比特幣價格的快速拉升和1月份EOS價格的快速下跌等。

結果顯示，無論是數字資產價格的暴漲或暴跌，VPIN時常會出現大幅度的提升，具有一定的預測效果，可視為是一種波動率領先指標，可對期權交易、做市商提供流動性、交易所風控管理等具有指導意義。

報告正文

1.VPIN作為市場流動性的提供者---做市商在日常經營中面臨的主要風險為交易對手的信息優勢導致的逆向選擇風險。為了測量做市商在交易中面臨的逆向選擇風險，行業里研究采用了各種指標，價格波動率是其中非常流行的一種。

但是在高頻交易的環境下，波動率已經不是最可靠的預測指標。對于高頻交易中的短期大幅波動，在傳統金融市場中一個更為流行的指標是VPIN。

VPIN起源于做市商關注的主要市場風險來源——PIN(probabilityofinformedtrading)，也就是知情交易者概率。簡單來說，當一個做市商在市場中提供報價時，需要考慮的一個核心問題就是交易對手是知情交易者的概率，因為和知情交易者或者有信息優勢的交易者做交易時，該筆交易的預期收益肯定是負的。

推特用戶：Jump已開始將MATIC轉移到B2C2、Cumberland和Wintermute:金色財經報道，推特用戶nay_gmy發推稱，Jump已開始將MATIC轉移到B2C2、Cumberland和Wintermute，然后將其存入 Coinbase和Binance，價值1250萬美元的MATIC仍留在Jump的錢包中。[2023/6/28 22:04:48]

VPIN是基于PIN指標做的改進。因為直接計算PIN是很困難的，Easley提出了用交易量時間來替代物理時間，可以實現對實時條件下的交易性的測算。依據不同交易量的歸類標準，VPIN又可以劃分為TR-VPIN及BV-VPIN(BulkedvolumeVPIN)。Easley在后來的文章中提到了BV-VPIN是一種更優的算法，所以我們在本文中的算法為BV-VPIN的算法。

對于頻繁發生短期大幅波動的數字資產二級市場，火幣研究院對VPIN模型分析并以Python進行算法代碼實現，以1token提供的多個交易所的實盤數據進行回測。對比特幣、EOS等交易歷史數據的測試結果顯示，VPIN在數字資產交易中具有一定預測效果，可視為是一種波動率領先指標，可對期權交易、做市商提供流動性、交易所風控管理等具有指導意義。

2.模型原理

在開始計算前，我們先回顧VPIN的模型邏輯。做市商在日常交易中的關注的核心指標之一就是交易對手有信息優勢的概率，也就是PIN。這個模型對PIN對做市商的報價的影響進行了建模。模型的推理過程比較復雜，我們在這主要陳述模型的核心假設及結論。

Terraform Labs正出售AVAX，LFG地址仍持有85萬枚AVAX:金色財經報道，據推特用戶余燼監測，Terraform Labs 正在鏈上出售 AVAX 。Luna Foundation Guard(LFG) 地址一年前 (2022/4/27) 接收到 1,085,421枚AVAX(價值1535萬美元)；前天 (5/30) LFG 地址將 20 萬枚 AVAX(289萬美元) 轉至 0x49ee 并開始出售，目前已將 14.7 萬枚 AVAX 換成 211萬 穩定幣；目前正在出售 AVAX 的 0x49ee 地址，在 1/11-3/12 還從 Terraform Labs 地址接收 12,738,900 枚LDO 并售出換成 2868萬 穩定幣。（Terraform Labs 的 LDO 是 2020 年私募投資獲得，數量為 2000 萬枚，目前已全部出售）。 LFG 地址目前還持有 85 萬枚 AVAX(1200萬美元)。[2023/6/1 11:53:04]

TheGlosten-MilgromModel

theEasley-O’HaraModel

這個模型是產生PIN這個關于信息流性指標的模型。在Easley的一系列文章中，交易被看成做市商和交易員之間的博弈。在這個模型中，交易被看成為一系列的交易時間i=1,…,I。在每個period的開始，會有α概率發生影響資產價格的事件。如果這個事件發生，對于資產來說可能是好消息，也可能是壞消息。在第i個period結束時，如果是個好消息，那么該資產的價值應為??，如果是壞消息，該資產的價值應為??。好消息發生的概率為，壞消息發生的概率為δ，可以將δ假設為一個先驗概率。在消息發生后，訂單流以泊松分布的進入交易所。知情交易者知道信息的好壞，他們將會在好消息時買入，壞消息時賣出。模型中假設知情交易者的到達率為μ，不知情交易者的到達率為ε。

FinTech NGR與華為云合作發布金融科技云采用白皮書，內容含加密貨幣:金色財經報道，尼日利亞國家金融科技協會FinTech NGR 和全球信息和通信技術 (ICT) 基礎設施和智能設備提供商華為云在拉各斯發布《尼日利亞FinTech云采用白皮書》，該白皮書的發布凸顯了國際社會對尼日利亞金融科技解決方案的認可度和消費者接受度不斷提高。據悉，《尼日利亞FinTech云采用白皮書》包含了金融科技行業的六個主要部分，分別是：支付、移動貨幣和數字銀行；貸款；儲蓄、投資和眾籌；企業服務和基礎設施；加密貨幣；保險科技。（technext24）[2023/5/29 9:47:36]

這個模型的演繹結果就是做市商報價的價差A-B=PIN。這個模型的演繹出informedtrading的比例越大，做市商報價的價差越大。這點也和日常自覺相符。

從上面兩個模型，我們可以得知如何從理論角度構建PIN這個指標。如果要將這個指標應用的到交易中，則必須對模型參數進行估計。標準的解決方法去求解這個模型并計算PIN需要對參數進行預測，這會使得實時預測變得十分困難。我們采用了VPIN的方法來預測PIN，這樣實時計算這個指標變得可能。在數字資產的二級市場中，這個想法也更加符合直覺。交易的發生通常和信息高度相關，和時間的相關性反而小，這也支持了用交易量時間而非物理時間對此事件進行建模。

在VPIN的模型中，會對交易進行分類。分類的分發是先將一段時間內的交易加總，然后用這段時間的起始價格和終止價格之差的分布將交易量分類。具體公式如下：

文獻中考慮了更復雜的訂單流模型，我們為了討論的簡單就提供了最簡單的訂單流模型。

DOGE第5大持倉地址在價格大漲后轉出6.5億枚DOGE:金色財經報道，Lookonchain發推特表示，Twitter將網頁端圖標改為狗狗幣Logo導致DOGE價格上漲后，DOGE持倉量排名第5的地址在今日03:48:22轉出了6.5億枚DOGE（約6130萬美元），目前余額37.86億枚（約3.57億美元）。[2023/4/4 13:43:48]

這個指標和上文中的理論模型是否相符呢，答案是肯定的。有興趣的讀者可以通過蒙特卡洛模擬驗證模型中假定(α,δ,μ,ε),并用這些參數生成訂單流。計算結果中的PIN與VPIN的計算結果十分接近。

整個模型的推理過程涉及到較多的理論證明，有興趣的讀者可以直接閱讀本報告的參考文獻原文。而模型背后的思想并不復雜，在日常交易策略開發中也值得借鑒。模型的假設是市場在均衡狀態下訂單流會有相對穩定的分布；而知情交易者的加入會導致原本穩定的分布發生偏移。VPIN就是對捕捉這種偏移做的嘗試。

3.算法步驟

在知道VPIN原理后我們可以嘗試將VPIN進行算法化,詳見Prado(2012)。

A.輸入

1.某個幣的交易數據的時間序列

T：交易發生時間T_i

P：交易發生時的標的交易價格P_i

V：交易量V_i

2.V：交易量

3.n:用來預測VPIN使用的交易樣本

B.將交易量切成同大小的份數

1.將交易單按時間順序排列

Animoca Brands Japan已投資全球娛樂公司Rainshine Global:3月8日消息，Animoca Brands Japan全球娛樂公司Rainshine Global，投資金額未披露。

據悉，Rainshine Global是一家總部位于特拉華州的娛樂公司，特別關注Web3內容，并在印度、美國、英國、中東和東南亞開展業務。雙方將共同把日本知識產權(IP)推向全球市場，此外，Rainshine Global內容庫中的原創動漫IP將被帶到日本。[2023/3/8 12:49:13]

2.計算

3.將?P_i擴展，使?P_i的數量與對應的V_i相同，在擴展后將獲得I=∑_i?V_i個?P_i

4.將?P_i從新排序i=1,…,I.

5.將τ=0

6.τ=τ1

7.如果I<τ*V,那么跳到11步

8.對于i屬于將交易量進行買方驅動和賣方驅動的分類

9.對籃子中的交易量進行標簽

10.回到第六步

11.將L=τ-1

C.使用VPIN計算公式

如果L大于n，將會有足夠的信息用于計算

D.VPIN準確性的驗證

可以使用蒙特卡洛算法來驗證VPIN的有效性。方法可以是假設一個訂單流背后的因子為(α,μ,ε)。用模擬的訂單流計算出的VPIN和真實的PIN將會非常接近。

4.實盤測試

本報告中，我們用1token提供的多個交易市場的實盤逐筆成交數據，測試比較VPIN在資產價格暴漲暴跌時的表現。1token是現在市場上為數不多的優質數據商，他們的數據具有很好的實時性及準群度，正好適合這種高頻數據的回測。同時，1token的回測平臺也可也減少回測代碼的開發成本。

測試1

比特幣的價格在2019年4月初快速從4100美元附近一度快速飆升至5000美元及以上。在該測試場景中，我們選擇多個交易所的BTC/USDT的逐筆數據進行測試。

測試參數均設置為：日平均交易量的1/50設置“桶”的大小，VPIN的計算選取最近25個桶。

測試數據是Bitfinex的實盤交易數據結果為：

測試數據是Kraken的實盤交易數據結果為：

測試數據是幣安的實盤交易數據結果為：

其中，上述各圖的藍線均表示BTC/USDT的交易價格，值對應在左側縱坐標軸；紅線為VPIN的累計概率分布值，值對應于右側縱坐標軸上。

可以看到，在多個交易所的4月2日4:30-5:00之間隨著比特幣價格飆升至4500美元附近，VPIN的CDF值也一同快速上漲并在5:00以后的一小段時間內保持在很高的水平；而比特幣價格隨后也在5:30左右飆升至了5000美元以上的近期價格高點。

因此可看到，VPIN在各個交易所中均對價格的飆升會起到一定的預先提示效果。

測試2

EOS的價格近期經歷了較大幅度的波動。EOS/USDT的價格在2019年1月10日經歷了大幅、快速下跌，從2.9左右下跌至2.4左右。在該測試場景中，我們選擇EOS/USDT測試價格下跌的情況。具體測試數據如下：

測試數據：幣安，Bitfinex交易所的EOS/USDT交易對在1月份的逐筆成交數據

測試參數：日平均交易量的1/50設置“桶”的大小，VPIN的計算選取最近25個桶

測試數據集是幣安交易所的結果:

其中，藍線表示EOS/USDT的交易價格，值對應在左側縱坐標軸；綠線為VPIN指標的數值、紅線為VPIN的累計概率分布值，值對應于右側縱坐標軸上。

測試數據集是Bitfinex的結果：

從圖上可以看到VPIN，特別是在幣安交易所的CDF，在EOS價格大幅下跌之前即保持在很高的水平以上。說明在該數字資產價格劇烈波動期間及大幅波動前，訂單的不平衡會有明顯的統計異常，并且VPIN、CDF均有比較好的指示效果。VPIN在Bitfinex交易所的水平會低于幣安交易所，愿意在于VPIN在領先的交易所的效果會更強，在滯后交易所會相對更弱，其中的區別我們會在后面的文章中討論。

5.總結

從上述結果可看到，VPIN及其累積概率分布函數CDF，在資產價格暴漲暴跌時常會出現大幅度的提升，具有一定的預測效果。因此，VPIN在數字資產交易的實踐中，可視為是一種波動率領先指標。當出現VPIN的大幅度快速提升時，則提示交易者需注意該數字資產的波動。由于漲跌均有可能，因此VPIN在期權交易的場景中將會更有指導意義。此外，也可應用在做市商提供流動性、交易所風控管理等方面。

本報告由于篇幅所限，選取了近期有代表性的行情時間段及交易品種。如果想更嚴謹的測試VPIN的效果，需要進一步檢驗VPIN和價格波動的相關性及VPIN與價格波動間的條件概率。這些測試我們會在未來的研究報告中繼續介紹。值得注意的是，對于VPIN的效果，在學術圈也有爭議。Anderson中質疑了VPIN的有效性，Easley中也對該質疑提出了反駁，有興趣深入學習的讀者也可以繼續閱讀該文章。

對于報告正文中的VPIN算法及Python代碼的相關實現，歡迎聯系火幣研究院進一步探討。

參考資料

MarcosM.LopezDePrado.AdvancesinHighFrequencyStrategies(2012),76-80

Glosten,L.R.andP.Milgrom(1985):”Bid,askandtransactionpricesinaspecialistmarketwithheterogeneouslyinformedtraders”,JournalofFinancialEconomics,14,71-100

Easley,D.andM.O’Hara(1992b):“Timeandtheprocessofsecuritypriceadjustment”,JournalofFinance,47,576-605

AndersenTG,andBondarenkoO.VPINandtheFlashCrash.JournalofFinancialMarkets,2014.17:1-46

EasleyD,dePradoMML,andO’HaraM.VPINandtheflashcarsh:Arejoinder.JournalofFinancialMarkets,2014.17:47-52

Easley，D.,R.F.Engle,M.O’HaraandL.Wu(2008):”Time-VaryingArrivalRatesofInformedandUninformedTraders”,JournalofFinancialEconometrics

Tags：PINANDFINORMpinetworkdefi幣最新消息SKYLANDSsaffron.financeDORMON幣

酷幣下載