Specialist Handel System Nyse Monopol

NYSE chef försvarar specialisthandel. Market-maker system får bästa priser för aktieägare, säger han. 19 februari 2004 av NEW YORK TIMES NEWS SERVICE. NEW YORK - Verkställande direktören på New York Stock Exchange försvarade sina marknadsförare och dess 211- årig handelsmodell igår och argumenterar för att de förändringar han har infört under den senaste månaden borde vara tillräckliga för att hysa kritikerna för de stora styrelsen. Kommentarer från utbyteschefen John A Thain kom bara två dagar innan han är planerat att vittna inför en kongresspanel om lönsamheten hos börsens handelssystem, som bygger på ett nätverk av specialhandlare för att styra investerare till bästa möjliga pris för ett lager. Specialistsystemet får bättre priser, sa han igår Om du vill ha det bästa priset, kommer du sannolikt att få det på NYSE. Att behålla dem lönsamma. Samtidigt som han nekade att kommentera 240 miljoner bosättningen i veckan av utbytes s fem största specialist företag och Securities and Exchange Commission över handelsmissbruk, sa han att han var oroad över lönsamheten hos företagen. Det finns bara sju kvar, han sa att jag vill att de ska vara livskraftiga och överleva. Det här testamentet kommer på en avgörande tid för utbytet. Nästa vecka förväntas SEC att besluta om att ändra eller kanske avskaffa en av dess stående regler för att säkerställa att investerare får det bästa priset för ett lager, oavsett vilken utbyte den handlas på. Kallat genom genomgående regeln har det blivit en blixtstång av sorter för utbytes kritiker som hävdar att det är en gammal bestämmelse som tjänar bara för att skydda monopolet hos specialisterna genom att styra orderflödet till Big Board och bort från sina elektroniska konkurrenter. De här försvarade regeln som en nödvändig garanti för principen om bästa genomförande, enligt vilken investerare är skyldig till det bästa priset för ett lager . Han varnade för att eliminering av regeln skulle leda till att flera mäklare och institutionella investerare skulle ta sina affärer av det offentliga marknadssystemet, till egen fördel och till nackdel för investerare. Risken är att om de avskaffar genombrottsregeln, skulle det finnas mer internalisering, Thain sa. De företag med stora detaljhandelsnät kommer också att gynna, tillsammans med stora investerare. De sade att förändringar han gjort till börsens elektroniska handel system, vilket gör det mer attraktivt för investerare som är intresserade av hastighet och anonymitet, sätter ut utbytet på en jämn nivå med sina elektroniska motparter. Som ett resultat sa han, att utbytet nu sannolikt kommer att klassificeras som en snabb marknad, som är relaterad till dess elektroniska konkurrenter är det inte nödvändigt att avskaffa genomgångsregeln. Vi kommer att ge institutionella investerare möjlighet att handla lika snabbt och med samma anonymitet som andra utbyten, sade Thain. Om du har motsvarande hastighet, borde du inte låta investerare välja bort från genombrottsregeln. Han sa att han inte förväntade sig SEC för att avskaffa regeln men han sa att det var troligt att det skulle ändras. En förändring som beaktas av kommissionen är en ändring som skulle göra det möjligt för handlare att handla med ett överlägset pris för ett lager, så länge som skillnaden i pris översteg inte 2 eller 3 cent. Vill Reed stanna. På den fortfarande obesvarade frågan om vem som ska lyckas John S Reed som ordförande, erkände Thain till reportrar att det inte fanns ett stort antal kandidater som lobbyade för jobbet. Medan Reed har varit häftigt att säga att han inte har något intresse av att göra sig till en fast ordförande, erkände Thain att han hade bett Reed att ta bort tillfället från hans titel. Jag har haft diskussioner med John och frågade honom att fortsätta, sade Thain och han har sagt nej. Det är en pågående diskussion. Faktum 335 Kap 3 Bok Notes. underwriters köper värdepapper från det utfärdande företaget och säljer dem till allmänheten - officiella erbjudanden av aktier och obligationer marknadsförs av investeringsbanker kallas försäkringsgivare - investmentbankers advise firm - Först måste ett preliminärt registreringsbevis lämnas in med värdepapper och utbytesprovision som beskriver företagsemission - när det godkänns av sek så kallas det prospektet. - teller-OTC-marknaden. - Typ av återförsäljare - Det informella nätverket av mäklare och återförsäljare som förhandlar om försäljning av värdepapper - Mäklare registrerar sig som återförsäljare, Återförsäljare citerar priser som de är villiga att sälja Köp värdepapper, Mäklare utför sedan handel genom att kontakta återförsäljaren med ett attraktivt pris -1971 skapades NASDAQ för att länka mäklare och återförsäljare i datanätverk där prisnoteringar visades - mäklare skulle kontakta återförsäljare bästa citat och utföra handel - NASDAQ brukade vara att behöva ringa återförsäljare för att utföra handel, nu alla elektroniska. - utbyten som NYSE ger specialister ansvaret för förvaltningen av värdepapper - specialistföretaget gör en marknad i många värdepapper - specialist upprätthåller gränsvärdesboken för alla utestående exekverade limitorder - När order sker till marknadspris, utför specialistkors handeln. - Behåll också rättvis och ordnad marknad när boken med begränsade köp - och försäljningsorder är så tunn att spridningen är för bred - specialist förväntas erbjuda att köpa sälja aktier från egen lager vid en smalare bud-ask spread. rise av elektronisk handel. - Steg för elektronisk handel som drivs av nya regler som gör det möjligt för mäklare att konkurrera om affärer, bryta det grepp som återförsäljare en gång hade om information om bästa tillgängliga bud - och prispriser, tvingas integration eller marknader och tillåtna värdepapper att handla i mindre prissteg som kallas fältstorlekar - teknologi snabbare handel, och denna tävling drev ner priserna på handelens genomförande. vad händer Ed i 2005.SEC antog förordning NMS nationella marknadssystem - målet var att länka utbyten elektroniskt för att skapa en stor integrerad marknad - utbyten som inte kunde hantera ett citat elektroniskt skulle märkas långsam marknad och ignoreras - NYSE-specialsystem var i fara och Det gick sålunda mot elektronisk handel. - NYSE förlorade sitt monopol på att handla egna aktier - specialister finns fortfarande idag men knappt jämfört med elektroniska för stocks. new trading strategies.1 algoritmiska handel delegater handel beslut till datorprogram 2 högfrekvent handel specialklass av algoritmisk handel där datorprogram initierar order i fraktioner av en sekund - har tagit likviditet från mäklare 3 mörka pooler handelsplatser som bevarar anonymitet men påverkar även likviditet på marknaden 4 obligationshandel. användningen av datorprogram för att göra snabba handelsbeslut, hälften av all volymandel i USA initieras av algoritmer - dessa branscher utnyttjar små skillnader i säkerhetsriser och snabbkorsningar Marknadsprisjämförelser möjliga bc min min tick size-några algoritmiska branscher utnyttja kortsiktiga trender som ny info om företaget återspeglas i aktiekurs - översikt använder PAIRS TRADING normala prisförhållanden mellan par av aktier tillfälligt störda och erbjuder små vinster som flyttar tillbaka till anpassning - sommar algoritmer vinst från bud-ask spread köp köp till budpris och sälja till askpris innan pris kan förändras --- bc inte marknadsförare de behöver inte behålla bud och fråga citat. En delmängd av algoritmisk handel som bygger på dator Program för att göra väldigt snabba handelsbeslut - Traderna konkurrerar om handel med små vinster - En strategi innebär att man försöker dra nytta av budgivningsfördelningen - Annat är beroende av cross-market arbitrage. Små prissamtal mellan olika marknader gör det möjligt att köpa säkerhet till ett pris och sälja till något högre pris - de som är snabbast att utföra vinster - exekveringar mäts i mikrosekunder för högfrekventa handlare - företag flyttar handelscentrum n extruderas till system för elektroniska utbyten. stora transaktioner där minst 10k aktiebestånd köps eller säljs - traditionellt fördes till blockhus företag som specialiserat sig på matchande blockköpare och säljare - dessa mäklare arrangerar diskret stora affärer utanför allmänhetens ögon och undviker att flytta priser mot kunder - nu förskjutna till mörka pooler. - Nyse Euronext största aktiemarknad - marknader marknader pressas för att göra internationella allianser bc av elektroniska handel-elektroniska handelsnätverk som länkar till handlare, vill ha billigaste affärer vi kan få och globala allianser hjälpa till med detta I trend mot marknadskonsolidering mer och mer har fusionerats. Säkerheter och utbytesprovision med ansvar för bred övervakning av värdepappersmarknaderna, delar ansvar med andra agenturer. Futures trading commission reglerar handel med terminsmarknader. Fed reserverar ansvaret för hälsan av det amerikanska finansiella systemet - uppsättningar av marginaler på aktier och optioner och reglerar banklån blished värdepapper investor protection corp för att skydda investerare från förluster om mäklarfirmor misslyckas - intygar att investerare kommer att få värdepapper som hålls för deras konto i gatunamn genom fältmäklare företag upp till 500k - hon försäkringspremie för medlemmäklare företag. sarbanes-oxley act.-passed under 2002 som svar på skandaler med immateriella rättigheter, underskattad värdepappersforskning, vilseledande bokslut och redovisningspraxis. - Huvudsakliga reformer Skapande av revisionsorgan för offentlig företagsrevision för att övervaka revisionen. Revisorerna kan inte längre tillhandahålla flera andra tjänster till företag etc. - Regler mot principer utfärda regler är definierade metoder för vad som är och får inte tillåtas medan principerna är mindre definierade. En empirisk analys av specialisthandelns beteende på New York Stock Exchange. NOTE International Finance Discussion Papers är preliminära material som cirkuleras för att stimulera diskussion och kritisk kommentar Referenser i publikationer till internationella finansdiskussionspapper andra än ett ack kunskap om att författaren har haft tillgång till opublicerat material borde röjas med författaren eller författarna. Nyliga IFDP finns tillgängliga på webben på det här dokumentet kan laddas ner utan kostnad från Electronic Science Research Networks elektroniska bibliotek på Du lämnar Federal Reserve Board s webbplats Den webbsida du har valt är en extern som finns på en annan server. Styrelsen ansvarar inte för någon extern webbplats. Den stöder inte information, innehåll, presentation eller noggrannhet eller ger någon garanti, uttrycklig eller underförstådd, angående extern Webbplats Tack för att du besöker styrelsens webbsida. Jag skapar stiliserade empiriska fakta om New York Stock Exchange-specialisters handelsbeteende. I synnerhet tittar jag på effekten av framtida prisrörelser, specialistens exakta roll och specialisternas lagernivåer på specialiserat handelsbeteende Motivationen för denna empiriska studie är att fastställa huruvida specialisten beter sig som en aktiv inves tor som har en informationsförmån som han erhåller när han agerar som mäklare för andra handlare. Om så är fallet kan man förvänta sig att specialisten skulle engagera sig i en vinstmaksimeringsstrategi, köpa låg och sälja hög, vilket står i motsats till förutsägelsen om den traditionella inventeringsmodellen. Jag tycker att specialister beter sig som aktiva investerare som försöker köpa aktier när priserna är låga och att sälja när priserna är höga. Jag finner också att när specialister inte utför sina handelsförpliktelser att vara på motsatta sidan av marknaden De är i nästan 85 procent av sina affärer, köper låga och säljer höga. Resultaten av detta dokument visar att NYSE-specialisten är bäst representerad i teoretiska modeller som en begränsad vinstmaksimering, informerad investerare snarare än som en nollvinsthandlare. Nyckelord Marknadsmikrostruktur Specialist NYSE Market maker. JEL-klassificering G10 G14. I det här dokumentet undersöks empiriskt handelsbeteendet hos specialister på New York Stock Utbyte En specialist på NYSE har en ensamrätt att göra marknaden för värdepapper tilldelade honom Med detta kommer den jakande skyldigheten att upprätthålla en rättvis och ordnad marknad i den tilldelade säkerheten. Detta innebär att likviditet ska ge när likviditeten är låg, hålla priserna något kontinuerliga och Arbetare som agent för andra handlare I sin tur tjänar specialisten inkomster genom budgivningsutbredningen. Dessutom använder specialisten budet att sprida sig för att försäkra sig mot asymmetrisk information. Dessutom har NYSE-specialisten en sista fördel som kan ge upphov till ytterligare Handelsvinster. Jag tycker att när lagernivåer och specialistens exakta roll beaktas, beter sig specialisten som aktiva investerare som vill köpa aktier när priserna är låga och att sälja när priserna är höga. Ett annat viktigt resultat av papperet är att När det gäller att generera inkomster, förlorar specialisten pengar på marknadsföringsverksamhet medan han gör vinst på självinitierade affärer, detta även trots att likviditetsbranschen per definition inkluderar spridningsresultatet. Senare finner jag att en specialisthandel är informativ om framtida kortsiktiga prisrörelser. Tidigare har den teoretiska litteraturen betonat inventeringsbaserade modeller när modellera handels - och prisinställningsbeteendet hos specialister Om en specialist står inför inventeringsbärande kostnader eller är riskavvikande, kommer han aktivt att styra sin lagerposition genom att ställa in priser för att inducera rörelser mot önskade lagernivåer. I ett halvbidrag bidrog Garman 1976 till marknadsaktörer som nollvinst Individer som anpassar priserna för att undvika misslyckande vid orderosäkerhet. Hans huvudsakliga slutsats var att de optimala budprisen var monotona minskande funktioner hos återförsäljarens lagerposition medan spridningen var fast Stoll 1978 och O Hara och Oldfield 1986 för att namnge några, förlängde denna modell men kom till slut till samma huvud slutsats, det vill säga att budet a sk-priserna beror på specialistens lagerposition. Emellertid har empiriska studier kopplade till dessa inventeringsmodeller endast funnit några svaga belägg för kortfristiga inventeringseffekter Madhavan och Smidt 1991 och Hasbrouck och Sofianos 1993 Madhavan och Smidt 1993 granskade lagerbeteende över långa horisonter och fann också bara svaga bevis för inventeringseffekter Sammanfattningsvis tyder empirisk forskning på att specialisters inventarier endast har en svag effekt på förändringar i fråge - och budpriserna Madhavan och Panchapagesan 2000 fann även att de enda signifikanta inventeringseffekterna var i motsatt riktning mot vad teorin förutsäger I ett försök att förklara dessa motsättningar fann Madhavan och Sofianos 1998 att specialister kontrollerar sina lager genom tidpunkten och riktningen för sina affärer i stället för att justera sina citat. Det innebär att den nuvarande inventeringsmodellen för specialister utesluter några viktiga funktioner som också påverkar specialister beteende. Med antagande tha t specialisten är en välinformerad vinstmaksiminator Jag finner bevis på att specialister kontrollerar sina lager genom tid och riktning av sina affärer. Antagandet att specialisten är en informerad vinstmaksimering motiveras av två teoretiska papper. För det första modellerade Spiegel och Subrahmanyam 1996 specialisten Som en konkurrenskraftig näringsidkare som försöker dra nytta av prisfluktuationer i minut för minut, i motsats till andra handlare som kontinuerligt följer övervakningen av marknadsrörelserna orimligt kostsamma. Benveniste, Marcus och Wilhelm 1992 uttryckligen modellerade förhållandet mellan specialist och golvmäklare Som informativ för specialisten I båda dessa modeller kommer specialisten att köpa när priserna är låga och sälja när priserna är höga. Det här är det exakta motsatsen till det beteende som förutspås av lagerstyrningsmodeller. I ett nytt empiriskt papper av Harris och Panchapagesan 2003 konstateras att specialister använder information från gränsvärdesboken för att styra handeln Handel påverkas inte bara av orderobalans utan även av individuella orderegenskaper, såsom varaktighet och pris på gränsvärden i förhållande till marknaden. Den empiriska modellen nedan tester sambandet mellan specialiserat handelsbeteende, specialister och säkerhetspriser. Det finns ingen försök här för att utgå från hur specialisten får sin information, oavsett om den ständigt övervakar marknaden eller från andra golvmäklare. Istället är syftet att härleda sig från specialistens beteende om han är informerad och om han tjänar på den informationen. Analysen av 143 aktier på NYSE visar att när man jämnar rådande mittenpunkter på citat, säljer specialist på höga och köper på låga. De uppför sig därför som konkurrensutsatta näringsidkare som försöker dra nytta av prisfluktuationer i minut för minut. Detta strider mot den allmänna uppfattningen av den vanliga litteratur, vilket är att specialister är leverantörer av omedelbar närhet till vanliga handlare, och att budgivningsutbredningen är både th ett pris som de ålägger för tillhandahållandet av denna tjänst och en försäkring mot asymmetrisk information till exempel Glosten och Milgrom 1985 Ett huvudresultat av mitt papper är att specialister får kompensation från lönsam självinitierad handel snarare än bara från budgivningsutbredningen. Resultaten är statistiskt mer betydelsefulla för mer likvida bestånd, för vilka specialisternas roll som marknadsaktivering kan vara mindre betydelse. Inventarpositioner spelar också roll i specialistiska åtgärder. Om det finns en obalans i inventeringen kommer specialister att justera riktningen för sina affärer för att korrigera för detta. är i överensstämmelse med Madhavan och Sofianos 1998 En av de starkaste egenskaperna hos specialistbeteendet ligger på motsatta sidan av marknaden när det råder en orderobalans. Gör så här - vilket är olönsamt under undersökningsperioden gör att specialister uppfyller sin skyldighet till NYSE för att upprätthålla en ordnad marknad i den tilldelade säkerhetsspecialisten s trades turn ou T vara informativ om framtida kortsiktiga prisrörelser Det är, om en specialist initierar en handel till ett pris över den rådande mitten, är aktiekursens sannolikhet att öka på kort sikt, vilket tyder på att dessa specialister är informativa Om framtida prisrörelser Detta leder till den sista frågan som utforskas i detta dokument När det gäller att generera inkomster är det mer lönsamt för de specialister som han initierar eller handlar där han är en likviditetsleverantör Trots att likviditetsbranschen per definition inkluderar spridning vinst är den totala vinsten från specialistinriktade branscher högre för de lager jag undersöker I urvalet förlorar specialisterna pengar på marknadsföringsverksamheter samtidigt som de ger vinst på självinriktade affärer. I USA har det gått en rörelse mot så kallade automatiserade handelssystem ATS som opererar utan några uttryckligen utsedda marknadsförare Internationella utbyten har också vidtagit stora ATSs 2 i respo På grund av dessa marknadsutvecklingar har NYSE nyligen slått samman med ArcaEx, en av de ledande elektroniska kommunikationsnätverkens ECNs. NYSE har sagt att den kommer att anta en hybridmodell för handel där golvhandel och elektronisk handel kommer att samexisteras. Denna ändring kommer att minska monopolstyrkan av specialisten på grund av minskat orderflöde och det kan också vara ett drag mot att det allt mer debatterade specialsystemet helt och hållet avvecklas 3 Innan det händer är det viktigt att förstå specialistens roll i den nuvarande handelsmiljön. Detta dokument bidrar till det effekt. Detta papper är organiserat enligt följande Avsnitt två diskuterar empirisk modell Avsnitt tre beskriver data Avsnitt fyra presenterar empiriska resultat Avsnitt fem diskuterar hur olika strategier bidrar till specialistens vinst Slutligen slutar avsnitt sex. Frågan om intresse är om framtiden prisrörelser påverkar specialisterna Specialister handelsbeslut potentiellt avslöjar mer abo ut deras privata uppgifter än deras citat, eftersom andra handlare har prioriterad handel till det angivna priset. Den beroende variabeln i modellen är därför om specialister köper eller säljer, med en av de oberoende variablerna framtida priser. Den upprätthållna hypotesen är att specialister har vissa information om framtida priser. Tidig teoretisk forskning identifierar andra faktorer som kan påverka riktningen för specialisthandel på transaktionsnivå för ett enskilt lager. Som nämnts i introduktionen har empiriska tester av lagerstyrningsteori bara funnit mycket svaga eller inga relationer mellan lager nivåer och priser Å andra sidan fann Madhavan och Sofianos 1998 att specialister kontrollerar sina lager genom tidpunkten och riktningen för deras affärer. Därför ingår inventarier i denna modell där det förväntas att en högre inventering kommer att leda till att marknadsaktören tar säljarens sida i en handel oftare. Bid-ask-spridningen Kan också påverka specialisthandeln Seppi 1997 presenterar en modell av en strategisk specialist som står inför konkurrens från gränskontrollboken. Han visar att specialister är mer benägna att delta när budgivningsutbredningen är bred genom att förbättra bud - eller askpriset. Sådana åtgärder kan vara lönsam och även uppfylla specialistens krav på jakande växelkurs för att tillhandahålla likviditet och upprätthålla priskontinuitet. Följaktligen modelleras inköp eller försäljning vid tidpunkten enligt följande. Där indikatorvariabeln y är lika med en om specialisten köper och är lika med noll om specialisten säljer. specialistens förhandelsavtal undertecknade lagerposition positivt när det är långt och negativt när det är kort Enligt Madhavan och Sofianos 1998 är hypotesen negativ, det vill säga när specialisten har en hög lagerposition han använder handelsriktningen för att bli av med någon av hans risker. Den förhandlade dollarns spridning multiplicerad med tecknet på handelsposten Siffror för handelar som klassificeras som köparinitierad och negativ för säljaren initierad. Hypotesen är att det är negativt, vilket tyder på att specialisterna är mer aktiva på motsatta sidan av en handel när spridningen är bredare, eftersom det tar hänsyn till specialisterna en positiv utbyteplikt att tillhandahålla likviditet och upprätthålla priskontinuitet. Den underskattade procentuella förändringen beräknad till mittpunkten av det rådande budet och fråga citat åtta affärer i framtiden. Hypotesen är att det är positivt, dvs att specialister köper låga och säljer höga. Tidsseriedata som används I detta papper består handel-för-handel-information från TORQ-databasen för handel, order, post och citat. TORQ-databasen innehåller transaktioner och citat för ett urval av 144 aktier från november 1990 till januari 1991. Åldern för dessa uppgifter är en Utgåva, men på grund av NYSE-delningspolicyen är det inte längre aktuella data. TORQ-datamängden består av fyra olika filer, varav en inbegriper es detaljerad information om näringsidkarens identitet Denna information är endast delvis klar Vissa handelsidentiteter, inklusive de som är specialister, avslöjas avsiktligt. I sådana fall är de relevanta fälten inte dolda, men lämnas bara tomma. Specialisthandlar identifieras med hjälp av en algoritm som utvecklades av Edward 1999 och senare raffinerad av Panchapagesan 1999 Uppsägning av en näringsidkares identitetskod används för att flagga transaktioner som möjligen involverar en specialist. Använda filter baserade på förkunskaper om datafilerna och NYSE: s politik och procedurer var algoritmen raffinerade av Panchapagesan 1999 för att identifiera specialiserade affärer Denna algoritm verifierades genom att replikera studier som använde validerade specialisthandel data och det visade sig vara mycket exakt Panchapagesan 1999 För ytterligare en diskussion av algoritmen för att identifiera specialiserade affärer, se Appendix AA-proceduren som antogs av Lee och Ready 1991 används för att klassificera affärer som köpare eller sel R-initierad Specifikt är handelspriset jämfört med mittpunkten för det rådande bud - och askcitationstecknet. En 15 sekunders fördröjning på citat används för att korrigera för skillnader i klockhastighet med vilka handel och citat redovisas. Trader vars priser är under Mittpunkten klassificeras som köparinitierad säljinitierad handel vid citatets mittpunkt kan i allmänhet inte klassificeras på detta sätt. Men efter Madhavan och Sofianos 1998 är mittenkvothandel där specialister deltar klassificeras som säljinitierad köpareinitierad om specialisten köper säljer Det vill säga specialisten specificeras som likviditetsleverantör. En öppningsandel för varje dag och varje lager är uppbyggd som summan av alla signerade specialaffärer. Eftersom inventeringsnivån vid provets början inte observeras Lagernivån är bara korrekt upp till en okänd konstant. Av de 144 bestånden i TORQ-databasen används 143 i detta dokument 4 Alla viktiga resultat anges i handelsfrekvensgrupper med de bestånd som handlar med högsta frekvensen i denna period i frekvens 1 och de som handlar med den lägsta frekvensen i frekvens 5.Tabell 1 presenterar sammanfattande statistik över dessa frekvensgrupper av lager för november 1990 till och med januari 1991 Provet Aktierna varierar kraftigt i viktiga dimensioner Specialister för de oftast handlade aktierna handlar i genomsnitt nästan en gång per minut, medan för de minst ofta handlade aktierna handlar specialisten om aktierna i genomsnitt mindre än en gång i timmen. Specialistdeltagandet är omvändt relaterat till handelsfrekvens som förväntas, eftersom marknadsföringsansvar är viktigare för lagerhandel. De data som kommer att vara av största intresse är inventeringsdata, spridningsdata och förändringen i mitten av citat åtta affärer i framtiden. Dessa är De data som används i modellen som presenterades i föregående avsnitt Tabell 1 ger sammanfattningen av dessa data för Fem frekvensgrupper som nämns ovan. Det är uppenbart att enheterna i dessa tal varierar kraftigt och detta måste beaktas när resultaten i nästa avsnitt tolkas. Varulagret är till exempel i tusentals medan prisförändringar Är i åttondelar av en dollar. Standardavvikelsen i inventeringen är lägre för aktier med lägre handelsfrekvens. Det är förmodligen eftersom den ökade risken att hålla en position i ett lager som inte är väldigt likvida leder till mer lagerinriktning. Även standardavvikelsen i priserna Ökar när handelsfrekvensen sjunker, eftersom aktier som är mer smidigt förekommande tenderar att ha mer volatila priser och också eftersom åtta affärer i framtiden är en längre tidsperiod för tunt handlade aktier. Som förväntat är genomsnittsspridningen högst minst Flytande lager. Som nämnts ovan är åldersgränsen för denna dataset ett problem, och det är viktigt att komma ihåg att det har gjorts många förändringar i regler och regler S av NYSE sedan dessa data samlades En av de viktigaste förändringarna för specialisten kan ha varit öppnandet av gränsvärdesboken i januari 2002 Boehmer, Saar och Yu 2005 konstaterar att specialisternas deltagandehastighet minskade efter att gränsvärdesböckerna var Öppnas för andra handlare Detta stämmer överens med ökad handelsrisk genom en minskning av informationsfördelningen Andra viktiga förändringar inträffade i juni 1997, när NYSE började handla aktier i sekstende dollar och i januari 2001 när decimalpriserna var fullt genomförda. Handelsfördel blir ännu viktigare i den nya miljön, eftersom kostnaden för att öka köpeskillingen eller sänka försäljningspriset har minskat. Resultatet är att specialistintressen verkar ha ökat avsevärt, vilket indikerar en ökning av användningen av informationsfördel 5 Utan de senaste specialspecifika handelsuppgifterna är de exakta effekterna av dessa regleringsändringar okända. Det finns inte tillgång till mer aktuell data av denna typ, det ändrar inte den grundläggande hypotesen för detta papper, vilket är specialisterna handlar med den information de har. Det här dokumentet kan inte säga om specialister fortfarande har samma informationsfördel eller vad I vilken utsträckning de kan handla på deras information. Modellen som kommer att beräknas är den ovan nämnda binära modellen som uppskattar om specialisten köper eller säljer. Utvärdering 2 beräknas med både probit och logit MLE estimeringsmetoder där varje observation behandlas som en Enkeldragning från en Bernoulli-distribution. Tabell 2 presenterar resultaten från de individuella probituppskattningarna. Som tidigare nämnts är den tidigare hypotesen att koefficienten för är negativ, negativ och positiv, vilket innebär att dessa testas mot ett ensidigt alternativ konstant testas å andra sidan mot ett tvåsidigt alternativ, eftersom det inte förekommer något tidigare om resultatet av den estimatorn. För godhet av passform är en pseudo - R rapporteras liksom sannolikhetsförhållandesteststatistiken Resultaten för probit - och logit-estimatema är likartade, i överensstämmelse med en måttlig balans mellan 0s och 1s för den beroende variabeln. Således redovisas endast resultaten av probitestimingen här och i resten Av papperet. Huvudresultatet av probituppskattningen är att i sjuttiofem procent av aktierna 107 av 143 är priskoefficienten positiv och att det är betydligt i åtta procent av fallen. Detta stöder huvudhypotesen De specialisterna köper aktier när priserna är på väg att gå upp och sälja dem när priserna är på väg ner. Detta indikerar att marknadsaktörer erhåller vinst från att utnyttja framtida prisfluktuationer förmodligen, de kan tjäna dessa vinster från den jämförande fördel som uppnås genom att kontinuerligt övervaka marknaderna Dessa resultat är robusta mot förändringar i antalet framtida affärer som används för prisförändringsberäkning, det vill säga med prisförändringar uppskattade R fyra eller sexton affärer in i framtiden Detta innebär att det första antagandet att marknadsförare informeras om verktygsmaximenter kan vara lämpliga när teoretiska modeller av specialbeteende utvecklas. Det är intressant att se att framtida prisförändringar påverkar specialisten olika beroende på frekvensen grupp av aktien Det verkar vara ett inverterat U-format förhållande mellan aktiens likviditet och den möjlighet som specialisten måste tida på marknaden, eftersom de lägsta framtida prisförändringskoefficienterna är i högsta handel och i lägsta handel frekvens I den högsta handelsfrekvensen är detta resultat ekonomiskt intuitivt eftersom dessa marknader är effektivare och specialisten är därför inte så bra att förutsäga och utnyttja framtida priser och dra nytta av dem. För de mest tunna börserna Det är troligt att specialistens roll att tillhandahålla likviditet är viktigare proportionellt än vinstmaksimering, which would explain why the future price change coefficient becomes smaller as stocks become more thinly traded. The inventory coefficient is negative and significantly so in thirty percent of the cases This supports the empirical results in Madhavan and Sofianos 1998 , who find that specialists control their inventories through the timing and direction of their trades rather than through the adjustment of their quotes The magnitude of the inventory effects is strongest in the most thinly traded stocks This is economically intuitive because the time between trades, and hence inventory carrying costs, tend to be greater in less liquid stocks This will cause the specialist in a thinly traded stock to want to promptly reverse his position to a optimal inventory level. The coefficient of the variable signed spread is negative and significantly so in ninety eight percent of the regressions This strongly supports the hypothesis that specialists are more active on the opposite side of a trade when the spread is wider, affirming their exchange obligation to provide liquidity and maintain price continuity These obligations also appear to increase as the stocks become less liquid, with the coefficient being highest for the least liquid group. The marginal effects can be seen in table 3 where the slope is estimated at the mean of each of the regressors 6 If prices go up by an eighth of a dollar in the future, the decision to buy 1 goes up by 0 2325 If inventories go up by 10,000, the decision to buy goes down by -0 06 for all stocks It is interesting to see if any one of the exogenous parameters is driving the endogenous variable in any one direction The effect of each coefficient is determined in table 4 for the mean of the regressor multiplied by the slope coefficients To clarify even further that none of the variables drive the resulting endogenous variables, the absolute value of the standard deviation of the regressor times the slope is also given The magnitude results indi cate that no single variable dominates the specialist s choice whether to sell or buy The spread size has the greatest effect in all groups of stocks though, indicating that the role of specialists in providing liquidity is an important factor in their decision to buy or sell. With the estimators for the model in hand it is of interest to investigate how well the model does in predicting whether a specialist will buy or sell at specific points in time Table 5 gives the outcome of sample prediction probabilities for the five groups of stocks November and December data was used to estimate probit and logit models and the models were then used to predict specialist activities in January The naive prediction is both out of sample and in sample, which gives the best possible naive alternative to the models prediction A stock has a naive prediction of y if P buy is For out of sample data, the naive prediction number of sells and buys are counted in November and December, for the in sample nai ve prediction the number of sells and buys in January are counted As before, only the probit results are displayed The results for the logit estimation were similar. The results indicate that the model presented and estimated above improves predictions considerably The probit model correctly predicts the direction of the specialist s trade in 66 of all trades while an in sample naive predictor only predicts it correctly in less than 57 of all trades For some trade frequency groups the difference is even greater The probit model does increasingly well in predicting the direction of trade for trading frequencies one through four, with 61 prediction accuracy for the most frequently traded stocks and tops it with almost 70 accuracy for trading frequency group four The model does not do as well for the least liquid stocks, but still does better than the naive predictors The results suggest that the independent variables in the model do have a real effect on the specialists decision whether t o buy or sell. To refine the predictions a rolling update was made of the model to assess its performance when information is updated November and December data was used to predict two trading days in January, then the data from those two trading days was added and the model estimated again and those results used to predict other two days into the future This rolling prediction was done for group one, two, and three It was not done for the other two groups since those stocks were too thinly traded to yield significant results Updating the model with new data does not make a huge difference in the predictability, as can be seen in table 5 panel B It does improve the probit predictions in all the groups but only marginally, the greatest improvement is in group three which is only half a percent improvement from 66 74 to 67 21 This indicates that the model is robust when used for predictions up to a month into the future. A specialists has two separate roles, he has to be a liquidity provid er in the stock he is assigned to, and as shown above, he is an active trader trying to profit from short term price fluctuations It is therefore interesting to try to split the trades into two categories, those done to fulfill market making obligations and those done to maximize profits In this section the trades are decomposed into trades initiated by the specialist and trades initiated by other traders It is assumed that the trades that are initiated by the specialist are profit maximizing trades. As before, the procedure by Lee and Ready 1991 is used to classify trades as buyer - or seller-initiated and mid-quote trades are specified as market making trades Table 6 gives the summary of the data. In most of the trades, seventy one percent on average, the specialist is at the opposite side of the market he is providing liquidity When he is a liquidity provider, he collects the spread as a payment for his services and also as an insurance against information trading As expected, the spec ialist s role as a liquidity provider increases as the stocks become more thinly traded, with seventy seven percent of trades being liquidity providing trades for the most thinly traded stocks. Table 7 gives an overview of what the specialist does when he initiates trades In eighty five percent of cases, the specialist buys sells the stock when the price is at a low high This is a profit maximizing strategy For the more liquid stocks this is even a higher proportion, going up to 89 of trades for the most liquid stocks, while only about two thirds of initiated trades are a buy at low and sell at high for the least liquid stocks In the remainder of this section, I will look at the profits specialists make from initiated trades as opposed to market making trades Trading profits are defined similarly to Hasbrouck and Sofianos 1993 They can be measured either on a cash flow basis or a market-to-market basis, and are respectively defined as follows. So trading profits for market making are in part due to the spread, while there is no such thing in the initiated trade profits In table 8 there is a summary of how much profit comes from each trading strategy That is total revenues from that strategy summed over stocks divided by total trading turnover The results for the least liquid stocks are omitted due to very infrequent trading in them As shown in table 6, there are only on average twenty seven specialist initiated trades over the whole period for the least liquid stocks which does not give a good estimate of profitability. Most noteworthy is that fact that the specialist is always doing better in the initiated trades than in the market making trades This is so even though there is a bid ask spread bounce incorporated into the market making profits For all the stocks, liquidity trades have a loss of 0 2 cents per dollar while initiated trades have a profit of 0 112 cents per dollar The difference is most in the lowest frequency where the specialist was making 0 36 cents pe r dollar on initiated trades while he was loosing 0 59 cents a dollar on market making trades On average specialists were losing money in this period, prices were going down, and their market making obligations appear to have been dominating. It is worth noting, however, that the results are very different between stocks For individual stocks, 63 out of the 115 reported in table 8 had a higher profit for liquidity trades, that is around fifty five percent The main results did not change when some of the assumptions changed, for example, if the end of period inventory was sold of at average prices in the period instead of end of period mid-quote, 62 115 stocks still had a higher initiated trade profit Profit for all the reported stocks changed from -0 096 cents per dollar to -1 06 cents per dollar, while liquidity trades had a loss of -0 125 cents per dollar and initiated trades had a profit of 0 044 cents per dollar results not shown. This further strengthens the main results of this pap er, that specialists do profit from trades that they initiate, which strongly supports the hypothesis that they have some information about short term price fluctuations. Since it appears that the specialist is mostly buying low and selling high it may be the case that specialist initiated trade is a good estimate of the future short run price change in a stock The estimated model for the future price change is. where is the change in the mid-quote eight trades into the future and is one if the trade is a specialist initiated buy and negative one if it is a specialist initiated sell The hypothesis is that is positive, indicating that specialists initiate buys low and initiate sells high. There were too few observations in the lowest frequency stocks to estimate the model For many of the stocks, the Durbin Watson test indicated the presence of first order autocorrelation, so the Newey West procedure was used to estimate the disturbances was tested against a one sided alternative, since the prior is that it should be positive As we have no priors for it was tested against a two sided alternative The results for the more frequently traded stocks are presented in table 9.The goodness of a fit of the model is not very high Adjusted R goes from being 1 in the highest frequency to being 4 in the lowest frequency Still eighty five percent of the trade coefficients are positive as predicted and almost sixty percent of them are significant at the 10 level This does indicate that specialist initiated trading does contain some information about future price movements This information can, however, not be backed out of NYSE daily trading data since traders identies are not revealed Across the trade frequencies, trade is most often significant in frequencies two and three This indicates that trade is more efficient in trading frequency group one The reason that the trade coefficient is less significant in the lowest frequency is probably due to the number of observations. The main im plications of the above empirical analysis is that specialists do behave like active investors with information advantages Up until now most theories about specialists trading behavior have focused on inventory control models which predict that specialists change their prices to affect their inventory position This means that prices would move down after a specialist purchase and move up after a specialist sale Empirical research has failed to bear out the main hypothesis of inventory control models, motivating this paper Theories that assume that the specialist has an informational advantage from continuously monitoring the market or from continuous trading relationships predict, oposite to inventory control models, that specialists would buy stocks when prices are low and sell stocks when prices are high The above analysis substantiates that specialists do behave like active investors while also managing their inventories By controling for specialists market making obligations I do f ind that specialists trading direction is affected by future prices They are indeed buying low and selling high. It is quite noteworthy to see that when specialists are not performing their trading obligations by being on the opposite side of a market they are in almost eighty five percent of the trades buying low and selling high This is the most convincing evidence supporting the theory that specialists are informed about future price movements Specialists trading direction is effective in explaining future price movements when market making trades are excluded from the dataset, indicating that monitoring the specialist actions may be profitable For the general trading public it is, however, impossible to monitor specialist trades since information on traders identity is not public. Trading profits were mostly negative in this period, but despite that, the trading profits for specialist initiated trades were positive in three out of four frequency groups Furthermore there were always h igher losses incurred on the market making trades than on the specialist initiated trades, even though the former trades incorporate spread profit. It seems clear from the above results that the market maker is best represented as a profit maximizing informed investor rather than a zero profit trader This gives rise to several interesting avenues for future research It may be interesting to incorporate the above results into a theoretical model which could yield a testable hypothesis on available trade data Another interesting aspect is to formalize a model with reputation to see how the floor brokers and specialists interact when the specialists are profit maximizing traders Empirically it is also interesting to investigate if the same results hold in other markets where specialists have similar privileges and obligations. Admati, A R and Pfleiderer, P 1989 Divide and Conquer A theory of intraday and day-of-the week mean effects Review of Financial Studies 2, 189-223 Amihud, Y Mendelson , H 1980 Dealership market market making with inventory Journal of Financial Economics 8,31-53 Boehmer, E Gideon, S and Yu, L 2005 Lifting the Veil An Analysisi of Pre-Trade Transparency at the NYSE Journal of Finance 60, 783-815 Garman, M B 1976 Market Microstructure Journal of Financial Economics 3 257-275 Edwards, A K 1999, NYSE Specialists Competing with Limit Orders A Source of Price Improvement working paper Securities and Exchange Commission Easley, D and O Hara, M 1987 Price, Trade Size, and Information in Securities Markets , Journal of Financial Economics 19, 69-90 French and Roll, 1986, Stock return variances The arrival of information and the reaction of traders Journal of Financial Economics 17, 5-26 Glosten, L R and Milgrom, P R 1985 Bid, Ask and Transaction Prices in a Specialist Market with Heterogeneously Informed Traders , Journal of Financial Economics 14, 71-100 Greene, William H Econometric Analysis Prentice Hall, Upper Saddle River, New Jersey, 1993 Hamilton, Jame s D Time Series Analysis Princeton University Press, Princeton, New Jersey, 1994 Harris, Lawrence E and Panchapagesan, Vankatesh, 2003 The Information-Content of the Limit Order Book Evidence from NYSE Specialist Trading Decisions work in progress, version Febuary 27, 2003 Hasbrouck, J, 1992 Using the TORQ Database Hasbrouck, J Sofianos, G 1993 The trades of market-makers an analysis of NYSE specialists Journal of Finance 48, 1565-1594 Ho, T and Stoll H 1981 Optimal Dealer Pricing Under Transactions and Return Uncertainty Journal of Finance 38, 1053-1074 Ho, T and Stoll H 1983 The dynamics of dealer markets under competition Journal of Financial Economics 9, 47-73 Huang, Roger D and Stoll, Hans R 1997 The Components of the Bid-Ask Spread A General Approach The Review of Financial Studie s Vol 10, No 4, 995-1034 Judge, Hill, Griffiths, Lutkepohl and Lee Introduction to the Theory and Practice of Econometrics John Wiley Sons, New York 1988 Kavajecz, A Kenneth, 1999 A Specialist s Quoted Depth and the Limit Order Book Journal of Finance Vol LIV, No 2, 747-771 Lee, C and Ready, M 1991 Inferring trade direction from intra day data Journal of Finance 46, 733-746 Madhava, A and Smidt S 1991 A Bayesian model of intraday specialist pricing Journal of Financial Economics 30, 99-134 Madhavan, A and Panchapagesan, V 2000 Price Discovery in Auction Markets A Look Inside the Black Box The Review of Financial Studies Vol 13, No 3 627-658 Madhavan, A and Smidt S 1993 An analysis of Changes in Specialist Inventories and Quotations Journal of Finance 48, 1595-1628 Madhavan, A and Sofianos, 1998 An empirical analysis of NYSE specialist trading Journal of Financial Economics 48, 159-188 New York Stock Exchange, 2003 web page O Hara and Oldfield, 1986, The Microeconomics of Market Making Journal of Financial and Quantitative Analysis Vol 21, No 4, 361-376 O Hara, Maureen Market Microstructure Theory Blackwell Publishers 1995 Panchapagesan, Vankatesh, 1999 Identifying Specialist Trades i n the TORQ Data - A Simple Algorithm working paper Washington University in St Louis Seppi, Duane J 1997, Liquidity Provision with Limit Orders and a Strategic Specialist Review of Financial Studies 10, 103-150 Spiegel, M and Subrahmanyam, A 1996 On Intraday Risk Premia Journal of Finance 50, 319-339 Stoll, H 1978, The supply of Dealer Service in Securities Markets Journal of Finance 33, 1133-1151.The four files that form the TORQ data are the Consolidated Transaction file CT , the Consolidated Quotes file CQ , the system Order Database file SOD and the Consolidated Audit Trail file CD 7 The time series data in this paper uses all but the Consolidated Transaction CT file The following is based on identifying specialist buys, identifying specialist sells is symmetric. Specialist buys are represented by audit records CD where the. Account type BUYACCT is missing NYSE rule 132 mandates the provision of account information for audit trail purposes by all traders Therefore, account types cann ot be missing in the audit data unless they were systematically excluded Since specialist s account type S is missing in the TORQ data, the necessary condition for a specialist buy is that the buyer account type should be blank Additional refinements are needed because account types can be missing for nonspecialist trades as well. Source BTYPe is D2, L2 or blank, i e the source of the buyer must be from the crowd side, and must not be uncompared. For ITS trades NYSE executing market or committing market , they must not have a matching record in the System Order Database SOD This is because ITS buys with missing account type that are not in SOD are likely to represent specialist buys. This makes up a transaction file for specialists 8 To match quotes with trades the transaction file for specialists is run together with the Consolidated Quotes file, connecting these two files through date and time A 15-second lag is used to correct for difference in the clock speed with which trades and quo tes are reported Madhavan and Sofianos, 1998.An example of a specialist buy from a TORQ CD data file can be seen in table 10.Table 1 Summary Statistics. The sample contains 65 trading days for 143 stocks in the TORQ database Each frequency group average represents the simple mean of the daily averages of stocks within that frequency.1 Economist in the Division of International Finance of the Board of Governors of the Federal Reserve System I thank George Hall, Matthiew Spiegel, Robert Shiller and Tony Smith for helpful comments and suggestions For questions or comments, please contact Sigridur Benediktsdottir, email The views in this paper are solely the responsibility of the author and should not be interpreted as reflecting the views of the Board of Governors of the Federal Reserve System or of any other person associated with the Federal Reserve System All errors are sole responsibility of the authors Return to text.2 The Electronic Communication Networks s ECN in the United States u se fully automated trading systems There are also electronic markets in for example the United Kingdom, Canada and Germany Return to text.3 Specialists have been accused of trading ahead of the market for their own profit, harming other investors Seven specialist firms settled such charges by paying a fine of 247 million dollars In the spring of 2005 fifteen specialists were charged in a criminal indictment for making illegitimate trades at customers expense Return to text.4 One stock was too thinly traded in this period to yield any results Return to text.5 See the NYSE website, Return to text.6 Even though current practice favors averaging the individual marginal effects Greene 1997 this is done since same answers can be expected in large samples Return to text.7 For further discussion about the TORQ data base see Hasbrouck 1992 Return to text.8 For further discussion about this algorithm see Panchapagesan 1999 and Madhavan and Panchapagesan 2000 Return to text. This version is optimi zed for use by screen readers Descriptions for all mathematical expressions are provided in LaTex format A printable pdf version is available Return to text.