Optimal liquidation with temporary and permanent price impact, an application to cryptocurrencies
Auteurs : Hugo E. Ramirez, Julián Fernando Sanchez
Résumé : This paper studies the optimal liquidation of stocks in the presence of temporary and permanent price impacts, and we focus in the case of cryptocurrencies. We start by presenting analytical solutions to the problem with linear temporary impact, and linear and quadratic permanent impact. Then, using data from the order book of the BNB cryptocurrency, we estimate the functional form of the temporary and permanent price impact in three different scenarios: underestimation, overestimation and average estimation, finding different functional forms for each scenario. Using finite differences and optimal policy iteration, we solve the problem numerically and observe interesting changes in the optimal liquidation policy when applying calibrated linear and power forms for the temporary and permanent price impacts. Then, with these optimal policies, we identify optimal liquidation trajectories and simulate the liquidation of initial inventories to compare the performance among the optimal strategies under different parametrizations and against a naive strategy. Finally, we characterize the optimal policies based on the functional form of the inventory and find that policies generating the highest revenue are those starting with a low trading rate and increasing it as time passes.
Explorez l'arbre d'article
Cliquez sur les nœuds de l'arborescence pour être redirigé vers un article donné et accéder à leurs résumés et assistant virtuel
Recherchez des articles similaires (en version bêta)
En cliquant sur le bouton ci-dessus, notre algorithme analysera tous les articles de notre base de données pour trouver le plus proche en fonction du contenu des articles complets et pas seulement des métadonnées. Veuillez noter que cela ne fonctionne que pour les articles pour lesquels nous avons généré des résumés et que vous pouvez le réexécuter de temps en temps pour obtenir un résultat plus précis pendant que notre base de données s'agrandit.