حجم معاملات

حجم معاملات رکورد جدیدی را تعیین کرد که سیستم های تبادل نتوانستند از عهده آن برآیند.

اصطلاحات مرتبط:

• نوسان
• اوراق بهادار سازی
• افزایش پیشنهاد
• بازده بازار سرمایه
• مشتق شاخص
• بیت کوین
• حجم معاملات

زنگوله اطلاعات

درباره این صفحه

بازده اطلاعاتی شکل نیمه قوی در بازارهای شرط بندی مسابقه اسب

2. 3 حجم شرط بندی

حجم معاملات به عنوان یک عنصر مهم تجزیه و تحلیل فنی در بازارهای مالی در نظر گرفته می شود. با این حال ، تا همین اواخر ، مطالعات اندکی نقش حجم معاملات را در بهره وری بازار مسابقه اسب مورد بررسی قرار داده است. استثنائات قابل توجه شامل Busche and Walls (2000) ، Walls and Busche (2003) و Bruce et al.(2003). Busche and Walls (2000) اولین کسی بود که ارتباط بین حجم شرط بندی و راندمان بازار را مشاهده کرد (از نظر میزان که بازده ها در میان اسب ها با شانس های مختلف مساوی شده اند تعریف شده است). به طور خاص ، آنها نمونه ای از 10،000 مسابقه در بازارهای پاری موتوئل در آمریکای شمالی ، ژاپن ، هنگ کنگ و ماکائو را مورد تجزیه و تحلیل قرار دادند و دریافتند که بازده در همه مسابقات اتومبیلرانی که در آن حجم شرط بندی روزانه از 1. 8 میلیون دلار فراتر رفته است. علاوه بر این ، آنها خاطرنشان كردند كه مقالات قبلی ، كه اختلافاتی را در بازده های پاری موتوئل با شانس های مختلف (تعصب مورد علاقه) پیدا كرده بودند ، همه در مسابقات مسابقه ای انجام می شدند كه حجم شرط بندی روزانه بین 0. 3 میلیون دلار تا 1. 8 میلیون دلار بود. این نتیجه گیری با مطالعه بعدی آنها تقویت شد (Walls and Busche ، 2003) که 13،000 مسابقه را در 18 مسابقه مختلف در سراسر ژاپن بررسی کرد ، با حجم شرط بندی پاری موتوئل از 30،000 تا 3 میلیون دلار متفاوت است. بار دیگر ، بازده ها در آهنگ های حجم بالا برابر شدند. Busche and Walls (2000) استدلال كردند كه این نتیجه از حضور مشكلات حرفه ای ، كه به بازارهای حجم زیادی جذب می شوند كه شرط های بزرگ آنها به طور نامحسوس بازده خود را كاهش نمی دهد. با این حال ، در آهنگ های با حجم کم ، آنها استدلال کردند که مشكلات گاه به گاه احتمالاً تسلط دارند. از آنجا که این شرط بندی ها عمدتاً به دلایل اوقات فراغت و اجتماعی در آن حضور داشتند ، آنها تمایل داشتند که بر اساس ترجیحات ذهنی خود به جای معیارهای عینی ، اسب ها را پشت سر بگذارند. در نتیجه ، به عنوان مثال ، ترجیح آنها برای هیجان ممکن است منجر به بیش از حد عکس های طولانی شود.

بروس و جانسون (2005) با استفاده از ایده های ایجاد شده توسط Busche and Walls (2000) ، در تلاشند تا بررسی كنند كه آیا اطلاعات موجود در حجم شرط بندی در بازار پاری موتوئل در انگلستان كاملاً تخفیف می یابد. آنها با استفاده از نمونه ای از 2،078 مسابقه از 49 مسابقه در سراسر انگلستان ، آنها مدل های ورود به سیستم مشروط را شامل می شوند که شامل (الف) شانس به تنهایی ، و (ب) هم حجم شرط بندی و هم شانس. یک آزمون نسبت احتمال نشان داد که اطلاعات مربوط به حجم شرط بندی به طور کامل در شانس نهایی پاری موتوئل گنجانیده نشده است و بنابراین ، بازار می تواند به عنوان شکل نیمه قوی ناکارآمد تلقی شود. بروس و همکاران.(2003) نشان داد كه بازار در این زمینه به ویژه ناكارآمد است كه دارندگان اطلاعات خصوصی به احتمال زیاد در آن حضور دارند. علاوه بر این ، با استفاده از مدلی که توسط Camerer (1998) پیشنهاد شده است ، آنها پیشنهاد کردند که این ممکن است از دارندگان اطلاعات خصوصی که بازار را دستکاری می کنند به منظور اطمینان از بهترین شانس در انتخاب آنها باشد. این نتیجه گیری ها حاکی از آن است که بازده غیر طبیعی ممکن است با شرط بندی بر روی اسب هایی که حجم شرط بندی بالایی را در نژادهایی به احتمال زیاد برای جذب دارندگان اطلاعات خصوصی جذب می کنند ، در دسترس باشد. بروس و جانسون (2005) استدلال كردند كه در انگلستان این مسابقات طبقه پایین و غیر دستی است كه اطلاعات نسبتاً كمی در مورد تاریخ قبلی دونده ها در دسترس است ، جایی كه پول جایزه به عنوان انگیزه ای برای صاحبان كافی نیست (بنابراین ، بنابراین ، به دنبال این هستند. برای به حداکثر رساندن سود آنها از شرط بندی) ، جایی که شرایط مسابقه (به عنوان مثال ، وزن حمل شده توسط اسب) تا حدی تحت کنترل صاحب/مربی اسب قرار دارد ، و جایی که بررسی رسانه ها به طور کلی کم است.

به طور خلاصه ، معدود مطالعاتی که صریحاً تأثیر حجم شرط بندی در بازارهای مسابقه اسب را بررسی کرده اند ، نشان می دهد که تأثیر آن بر کارآیی بازار دست کم گرفته شده است. نشان داده شده است که تأثیرات حجم شرط بندی بر میزان مساوی شدن بازده ها در بین شانس ها و به نظر نمی رسد که حجم به طور کامل در نژادهایی که دارندگان اطلاعات ممتاز را به خود جلب می کند ، به طور کامل در شانس باشد.

URL: https://www. scienceirect. com/science/article/pii/b9780444507440500172

تجزیه و تحلیل فنی

موراد چودری ، در بازارهای اوراق قرضه و پول ، 2001

63. 11. 1 ویژگی های حجم

سطح حجم معاملات در یک قرارداد حاکی از اندازه گیری شدت یا فوریت در یک حرکت است. اساساً اگر بازار با حجم ضعیف و علاقه ضعیف در حال افزایش باشد ، معامله گران ممکن است نتیجه بگیرند که بازار زودتر از موعد از سطح بالاتر باز خواهد گشت. همین کار در یک حرکت رو به پایین با حجم کم اعمال می شود. برای شناسایی یا نتیجه گیری یک الگوی روند نیاز به حجم سنگین و تا حدی کمتر مورد علاقه باز دارد. بازار همچنین انتظار دارد که حجم در جهت روند افزایش یابد و در برابر روند (موقت) کاهش یابد. به همین دلیل است که نمودارها اغلب برای نشان دادن سطح حجم معاملات در زیر تصویر اصلی تنظیم می شوند. به عنوان مثال خط ، نوار ، نمودارهای میانگین و شمع در ترمینال Bloomberg® به کاربر اجازه می دهد تا یک اندازه گیری حجم را که در صفحه نمایش گنجانده شده است انتخاب کند. از سطح حجم برای تهیه نسخه پشتیبان از تجزیه و تحلیل هنگام تشخیص الگوها استفاده می شود.

سطح حجم یک مؤلفه مهم الگوهای معکوس ، به ویژه الگوی سر و شانه است. به عنوان مثال ، این ویژگی از سر و شانه ها برای مشاهده حجم کم در "سر" و حجم زیاد از بالای الگوی است. با این حال ، قانون اصلی در مورد حجم باقی مانده است که حجم باید در جهت روند بازار گسترش یابد.

URL: https://www. scienceirect. com/science/article/pii/b9780750646772500759

مقطع ارزهای رمزنگاری به عنوان دارایی های مالی 1

7. 2. 3 سیستم عامل معاملات Altcoin

هر دو تمایل به نوآوری و سهولت ساخت در اجرای بیت کوین به این ترتیب منجر به وسعت Altcoin های مختلف در دسترس برای سرمایه گذاری و به عنوان رسانه ای مبادله شده است. آنها به صورت آنلاین با اختلافات عظیم در نقدینگی معامله می شوند.

فعالیت تجاری Altcoins محبوب در صرافی های ارز رمزنگاری آنلاین انجام می شود. به طور مشابه با مبادلات معاملات برای ارزهای حاکمیتی ، این مبادلات معمولاً به طور مداوم ، یعنی 24 ساعت در روز ، 7 روز در هر هفته عمل می کنند. تراز کامل ساعات معاملاتی با زمان تقویم ، جنبه ای از نقدینگی را ارائه می دهد که بزرگترین بورس سهام جهان ارائه نمی دهد.

مبادلات Altcoin یک کتاب سفارش را برای هر جفت ارز اجرا می کند ، جایی که قیمت ها از معاملات فعال تعیین می شوند. از این طریق بیشتر آلتکین ها علیه بیت کوین معامله می شوند و به طور موثری آن را به ارز ذخیره مجازی تبدیل می کنند. فقط محبوب ترین Altcoins گاهی اوقات با ارزهای فیات مانند دلار آمریکا ، یورو ، یوان چینی یا روبل روسی ، جفت های تجاری دارند.

یکی از بزرگترین صرافی های Altcoin با حجم معاملات در زمان نوشتن ، poloniex. com است. Poloniex یک مبادله مستقر در ایالات متحده است که از معاملات ارز فیات پشتیبانی نمی کند. Poloniex از معاملات 115 altcoin در 135 جفت بازار با 4 ارز پایه بیت کوین () ، اتر () ، مونرو () و تتر (USDT) پشتیبانی می کند. حجم معاملات 24 ساعته Poloniex در 24 ژوئیه 2016 67906 بود.

بیشتر حجم معاملات در ارز پایه رخ می دهد. 108 بازار با بیت کوین ، 15 بازار با مونرو ، 8 بازار با تتر و 4 بازار با اتر به عنوان ارز پایه وجود دارد. محبوب ترین جفت بازار در Poloniex / با حجم معاملات 24 ساعته بیش از 41000 است. این به دنبال و غیره / ، nxt / ، lsk / ، dao / and Steem / است.

یکی از قدیمی ترین صرافی های Altcoin BTC-E. com است. BTC-E از ژوئیه 2011 به بهره برداری رسیده است. با این حال ، صاحب و مکان آن نامشخص است ، با این حال ، شرایط استفاده از آن ادعا می کند که به قوانین قبرس ، توضیحات وب سایت محدود شده است و ادعا می کند که از بلغارستان فعالیت می کند و وب سایتطراحی قوی زبان روسی. با وجود شرایط سایه دار ، BTC-E مدتهاست که در حال کار است و در برابر بسیاری از رقبا که از آن زمان متوقف نشده اند ، مقاومت کرده است.

در حال حاضر ، BTC-E از تجارت 7 altcoin در 18 جفت بازار با 5 ارز پایه دلار آمریکا ، یورو ، روبل روسی ، بیت کوین () و Litecoin () پشتیبانی می کند. حجم معاملات 24 ساعته BTC-E در 24 ژوئیه 2016 4،721 بود. تعداد کمی در مقایسه با Poloniex.

yobit ، bittrex ، c-cex مبادله هایی هستند که برای بسیاری از altcoin ها پشتیبانی می کنند. Yobit از 618 Altcoins پشتیبانی می کند ، Bittrex از 205 AltCoins پشتیبانی می کند و C-CEX پشتیبانی 143 Altcoin را پشتیبانی می کند ، و این سه مبادله در هنگام ثبت نام Altcoins در Poloniex ، فرصت های بیشتری را در تجارت Altcoin خود ارائه می دهند.

این بسیار رایج است که مبادلات آلتوین در این صنعت یک شبه ناپدید شود و محبوب ترین روایت این باشد که این مبادله هک شده است. بدون اقدامات احتیاطی امنیتی مناسب ، هکرها می توانند در یک مبادله با وجوه خود را با وجوه فرار کنند و آن را ورشکسته کنند. به کاربران توصیه می شود تا هیچ گونه آلتکین را در صرافی ها ذخیره نکنند تا خطر طرف مقابل را کاهش دهند. برخی از صرافی های محبوب Altcoin که در طول سالها با بودجه کاربران ناپدید شده اند ، رمزنگاری ، نعناع و Vircurex هستند.

URL: https://www. sciencedirect. com/science/article/pii/b9780128104415000075

زندگی یک ابزار مالی

قیمت گذاری و حجم عمومی

ساده ترین روش برای نشان دادن نحوه نشان دادن حجم قیمت گذاری و تجارت در MDDL ، ساخت خلاصه معاملات است ، همانطور که در شکل 8. 13 نشان داده شده است ، MDDL مرتبط در شکل 8. 14 تهیه شده است.

شایان ذکر است که پیشنهاد و درخواست قیمت DCXAJ. x به عنوان "N/A" نمایش داده می شود (در دسترس نیست). MDDL معتبر نیست که "N/A" را در این زمینه ها قرار دهید. با این حال یک مقدار 0 یا یک مقدار منفی را می توان با استفاده از برگه سبک یا برنامه دریافتی برای نمایش رشته "N/A" تبدیل کرد.

معاملات معاملات آتی مبادله نیز می تواند در MDDL پشتیبانی کند ، و می توان از فرایند تصمیم گیری سرمایه گذاری به روشی مشابه گزینه ها پشتیبانی کرد.

گرفتن صفحه نمایش خلاصه معاملات برای میانگین صنعتی داو جونز (شکل 8. 15 را ببینید) ، می توان با استفاده از ابزار MDDL از هر قرارداد (پول نقد ، 06 دسامبر ...) پشتیبانی کرد.

باید تصمیمی اتخاذ شود که چگونه می توان در MDDL نمایندگی کرد. مقدار منهای 1 (−1) در یک عنصر MDDL (باز ، بالا ، پایین ، حل و فصل یا تغییر) می تواند به یک " -" که به راحتی با استفاده از ورق های سبک XSLT تبدیل می شود ، تبدیل شود. به طور مشابه ، زمان تاریخ MDDL باید از MDDATETIME (یا XSD: DateTime (yyyy-MM-DDTHH: MM ") به" DD-Mon-Yyyy "و" HH: MM "تبدیل شود.

سرانجام ، توسعه دهنده/طراح از رنگ برای نشان دادن تغییر از شروع روز استفاده می کند (کنوانسیون برای افزایش و قرمز برای تغییر قیمت منفی سبز است).

شکل 8. 16 معادل MDDL را نشان می دهد که صفحه نمایش نشان داده شده در شکل 8. 15 را نشان می دهد.

یک شرط تجاری برای بنگاه هایی که در معرض مواجهه با ارزهای متعدد قرار دارند ، مسئله ارزیابی موقعیت ها برای پاسخگویی به الزامات گزارشگری شرکت های خود است. وزارت خزانه داری در اکثر سازمان ها باید یک رفع روزانه را اعمال کند ، عکس فوری از نرخ FX ، به طور معمول در همان زمان روز ، از همان منبع ، (شکل 8. 17) - به عنوان مثال ، یک سازمان که من برای آن کار کردم همیشه این کار را انجام دادرفع نرخ FX در ساعت 10 صبح لندن.

از دیدگاه تعاریف اوراق بهادار ، FX روی سطح نسبتاً ساده به نظر می رسد. نرخ FX شامل یک جفت ارز است که توسط کد کاراکتر ISO 8601 3 نشان داده شده است ، که به طور معمول توسط یک برش رو به جلو (/) از هم جدا می شوند. با توجه به اینکه این بازار بسیار روان است و قیمت ها در چشمان چشم تغییر می کند ، DateTime مرتبط با هر معامله (پیشنهاد ، سؤال ، میانه یا معامله) بسیار قابل توجه است. در صورت لزوم می توان زمانی را برای میلی ثانیه مشخص کرد.

URL: https://www. sciencedirect. com/science/article/pii/b9780750668392500097

نقدینگی بازار - شواهد و شواهد تجربی *

دیمیتری وایانوس ، جیانگ وانگ ، در کتابچه راهنمای اقتصاد دارایی ، 2013

2. 7 جستجو

در معیار بازار کامل ، بازار به عنوان یک مبادله متمرکز سازماندهی می شود. با این حال ، بسیاری از بازارها شکل غیر متمرکز تری دارند. به عنوان مثال ، در بازارهای بدون نسخه ، سرمایه گذاران در مورد قیمت های دو طرفه با فروشندگان مذاکره می کنند. یافتن مهمانی های مناسب در این بازارها می تواند زمان لازم باشد و شامل جستجو باشد.

برای مدل سازی بازارهای غیرمتمرکز ، فرض می کنیم که مأمورین در دوره 1 در یک مبادله متمرکز ملاقات نمی کنند ، بلکه در عوض باید در جستجوی همتایان باشند. هنگامی که یک Demander نقدینگی با یک تأمین کننده ملاقات می کند ، آنها به طور دو جانبه از شرایط تجارت ، یعنی تعداد سهام معامله شده و قیمت سهم معامله می کنند. ما فرض می کنیم که چانه زنی منجر به نتیجه کارآمد می شود و با ϕ ∈ [0 ، 1] کسری از مازاد معامله اختصاص داده شده توسط تأمین کنندگان را نشان می دهد. ما با اندازه گیری جلسات دو جانبه بین تقاضای و تأمین کنندگان مشخص می کنیم. این پارامتر کارایی فرآیند جستجو را مشخص می کند و به حداقل می رسد<π , 1 - π>از آنجا که نمی توان جلسات بیشتری نسبت به تقاضای یا تأمین کنندگان برگزار کرد. با فرض اینکه همه جلسات به همان اندازه محتمل هستند ، احتمال ملاقات Demander یک تأمین کننده π d ≡ n / π است ، و یک جلسه تأمین کننده یک demander π s ≡ n / (1 - π) است.

ما ابتدا تعادل را شرح می دهیم ، سپس بررسی می کنیم که چگونه اصطکاک جستجو بر اقدامات نقدینگی و بازگشت مورد انتظار تأثیر می گذارد و در آخر ادبیات را در اصطکاک جستجو بررسی می کنیم. قیمت در دوره 1 از طریق چانه زنی زوج بین تقاضای نقدینگی و تأمین کنندگان تعیین می شود. گزینه خارجی نمایندگان تجارت و حفظ موقعیت های خود از دوره 0 نیست که در تعادل برابر با θ است. مصرف در دوره 2 از تأمین کننده نقدینگی که در دوره 1 تجارت نمی کند ، C 2 SN = W 0 + θ ¯ (D - S 0) است. این معادل یقین را ایجاد می کند

(29) CEQ SN = W 0 + θ ¯ (D ¯ - S 0) - 1 2 α σ 2 θ ¯ 2 ،

در جایی که دو اصطلاح اول مصرف مورد انتظار است و سومین هزینه ریسک تحمل که از نظر اندازه درجه دوم است. اگر تأمین کننده سهام X را با قیمت S 1 خریداری کند ، معادل یقین می شود

(30) CEQ S = W 0 + θ ¯ (D ¯ - S 0) + x (D ¯ - S 1) - 1 2 α σ 2 (θ ¯ + x) 2

زیرا موقعیت θ ¯ + x می شود. به همین ترتیب ، یقین معادل نقدینگی که در دوره 1 تجارت نمی کند

(31) CEQ DN = W 0 + θ ¯ (D ¯ - S 0) - 1 2 α σ 2 (θ ¯ + z) 2 ،

و اگر Demander سهام X را با قیمت S 1 بفروشد ، معادل یقین می شود

(32) CEQ D = W 0 + θ ¯ (D ¯ - S 0) - X (D ¯ - S 1) - 1 2 α σ 2 (θ ¯ + z - x) 2.

تحت چانه زنی کارآمد ، x مجموع معادل های یقین را به حداکثر می رساند CEQ S + CEQ d. بازده حداکثر x = z / 2 ، یعنی شوک نقدینگی به طور مساوی بین دو عامل مشترک است. قیمت S 1 به گونه ای است که تأمین کننده کسری از مازاد معامله را دریافت می کند ، یعنی.

(33) CEQ S - CEQ SN = ϕ CEQ S + CEQ D - CEQ SN - CEQ DN.

جایگزین (29) - (32) به (33) ، می فهمیم که قیمت در دوره 1 است

(34) S 1 = D ¯ - α σ 2 θ ¯ + 1 4 z (1 + 2 ϕ).

Equation (34) implies that the impact of the liquidity shock z on the price in Period 1 increases in the liquidity suppliers’ bargaining power ϕ . When, for example, z>0 ، تقاضای نقدینگی نیاز به فروش دارد و قدرت چانه زنی بیشتر توسط تأمین کنندگان منجر به قیمت پایین تر می شود. مقایسه (34) با همتای بازار متمرکز آن (3) تفاوت مهمی را نشان می دهد: تأثیر قیمت در بازار جستجو به توزیع قدرت چانه زنی در یک جلسه بستگی دارد ، که توسط پارامتر مشخص می شود ، در حالی که تأثیر قیمت در بازار متمرکز به آن بستگی داردشرایط کل تقاضا و شرایط ، با اقدامات (π ، 1 - π) تقاضای و تأمین کنندگان مشخص می شود. قیمت موجود در بازار متمرکز در دوره 0 توسط همان معادله (4) مانند معیار بازار مناسب ارائه می شود ، اما برای ثابت های مختلف (M ، δ 1).

ما بعد بررسی می کنیم که چگونه اصطکاک جستجو بر اقدامات نقص و بازده مورد انتظار تأثیر می گذارد. ما دو تمرین مرتبط اما متمایز را انجام می دهیم: بازار جستجو را با بازار متمرکز بخش 2. 1 مقایسه کنید و اندازه گیری جلسات بین تقاضای نقدینگی و تأمین کنندگان را تغییر دهید.

When N decreases, the search process becomes less efficient and trading volume decreases. At the same time, the price in each meeting remains the same because it depends only on the distribution of bargaining power within the meeting. Since λ measures the price impact of volume, it increases. One would conjecture that λ in the search market is higher than in the centralized market because only a fraction of suppliers are involved in bilateral meetings and provide liquidity ( N ⩽ 1 - π ) . Result 14 confirms this conjecture when bargaining power is symmetric ( ϕ = 1 / 2 ) . The conjecture is also true when suppliers have more bargaining power than demanders ( ϕ>1/2) زیرا شوک نقدینگی در آن زمان تأثیر قیمت بیشتری دارد. علاوه بر این ، نتیجه در تمام مقادیر ϕ که کمتر از نیمی از تأمین کنندگان در جلسات (N ⩽ (1 - π) / 2) درگیر هستند ، گسترش می یابد.

نتیجه 14

تأثیر قیمت λ با کاهش اندازه گیری جلسات افزایش می یابد. اگر ϕ + 1 /2 ⩾ n / (1 - π) بالاتر از بازار متمرکز باشد.

از آنجا که قیمت موجود در بازار جستجو مستقل از N است ، بنابراین معکوس قیمت γ نیز وجود دارد. علاوه بر این ، γ در بازار جستجو اگر نسبت به π بزرگ باشد ، بیشتر از بازار متمرکز است.

نتیجه 15

معکوس قیمت γ مستقل از اندازه گیری جلسات است. اگر ϕ + 1 /2 ⩾ 2 π بالاتر باشد ، بالاتر از بازار متمرکز است.

هنگامی که اندازه گیری جلسات کاهش می یابد ، عوامل کمتر در دوره 1 تجارت می کنند. یک حدس طبیعی در این صورت این است که تخفیف نابودی افزایش می یابد ، و بازده مورد انتظار دارایی نیز همینطور است. نتیجه 16 این حدس را تحت شرایط کافی ϕ 1/2 ⩽ 1 تأیید می کند. به طور شهودی ، اگر 1 ≈ 1 باشد ، کاهش در اندازه گیری جلسات بر تقاضای نقدینگی تأثیر نمی گذارد زیرا آنها هیچ مازاد از یک جلسه را استخراج نمی کنند. از آنجا که ، با این حال ، تأمین کنندگان نقدینگی بدتر می شوند ، احتمال بی طرف خطر بودن در معرض خطر کاهش می یابد و قیمت می تواند افزایش یابد. 10

نتیجه 16

کاهش در اندازه گیری جلسات ، بازده مورد انتظار دارایی E (r) را افزایش می دهد اگر 1/2 ϕ ⩽.

مدلینگ اولیه کار اصطکاک در بازارهای دارایی و پیامدهای آنها برای قیمت های تعادل شامل Burdett و O'Hara (1987) ، Pagano (1989b) و Keim و Madhavan (1996) است. این مقالات روی بازار بلوک های بزرگ سهام (معروف به بازار "طبقه بالا" در بورس اوراق بهادار نیویورک) تمرکز دارند.

دافی ، گارلانو ، و پدرسن (2002 ، 2005 ، 2008) شکل گیری قیمت مدل در بازارهای دارایی در چارچوب جستجو الماس (1982) ، مورتنسن (1982) و پیرساریدها (1985) ، که در آن یک استمرار مفاصل مذاکره می کند که قیمت ها را در مذاکره می کند. جلسات دو طرفه در یک افق بی نهایت و زمان مداوم. دافی ، گارلانو و پدرسن (2002) بر بازار repo تمرکز می کنند ، جایی که معامله گران می توانند دارایی را قرض یا وام دهند. در یک بازار متمرکز و بدون اصطکاک ، وام دهندگان دارایی با عرضه مثبت می توانند اجاره خود را به صفر برسانند. در واقع ، تعادل مستلزم آن است که برخی از نمایندگان دارایی را در خود جای دهند ، و از این رو مایل به وام دادن به آنها تا زمانی که اجاره غیر صفر را بدست آورند. با این حال ، با اصطکاک جستجو ، وام دهندگان می توانند اجاره ای کسب کنند زیرا می توانند هنگام چانه زنی در جلسات دو جانبه برخی از مازاد وام گیرندگان را استخراج کنند. اجاره یک بازپرداخت اضافی از نگه داشتن دارایی ها است و قیمت آنها را در بازار نقطه افزایش می دهد.

دافی ، گارلانو و پدرسن (2008) روی بازار نقطه تمرکز می کنند و فرض می کنند که ارزیابی عوامل برای یک دارایی خطرناک به مرور زمان بین بالا و پایین تغییر می کند. نمایندگانی که دارای ارزش بالایی هستند که دارایی ندارند به دنبال خرید آن هستند. برعکس ، نمایندگانی با ارزش پایین که دارای دارایی هستند به دنبال فروش آن هستند. قیمت تعادل که در جلسات دو جانبه پدیدار می شود ، نه تنها به اقدامات خریداران و فروشندگان ، مانند یک بازار متمرکز ، بلکه به قدرت چانه زنی نسبی آنها بستگی دارد. مدل ما نسخه افراطی از این نتیجه را به دست می آورد: قیمت در دوره 1 فقط به پارامتر قدرت چانه زنی بستگی دارد و نه به اقدامات (π ، 1 - π) تقاضای نقدینگی و تأمین کنندگان. پیامد این نتیجه این است که افزایش اصطکاک جستجو می تواند قیمت دارایی را افزایش یا کاهش دهد ، با کاهش قیمت در هنگام خریداران بیشتر از فروشندگان. در واقع ، با اصطکاک های بزرگتر ، قیمت کمتر به شرایط تقاضای/عرضه کل پاسخ می دهد و از این رو وقتی این شرایط برای فروشندگان مطلوب باشد ، کاهش می یابد. سرانجام ، به دنبال شوک مثبت در اندازه گیری فروشندگان ، که بازار را از حالت پایدار دور می کند ، قیمت ها کاهش می یابد و به تدریج بهبود می یابد و با افزایش اصطکاک ، افت بیشتر می شود.

دافی ، گارلانو و پدرسن (2005) سازندگان بازار را معرفی می کنند که تجارت واسطه ای دارند. سازندگان بازار با سایر نمایندگان ، که ما سرمایه گذاران را می نامیم متفاوت است ، زیرا می توان با آنها راحت تر با آنها تماس گرفت. اگر سرمایه گذاران بتوانند بهتر با یکدیگر تماس بگیرند ، سازندگان بازار با رقابت بیشتری روبرو می شوند و گسترش پیشنهادات کمتری را پس می گیرند. علاوه بر این ، اگر سرمایه گذاران در توانایی تماس با سازندگان بازار ناهمگن باشند ، پس سازندگان بازار برای سرمایه گذاران با چنین توانایی بالاتر ، گسترش کمتری را ارسال می کنند. ویل (2007) پویایی یک بازار جستجوی واسطه ای را به دور از حالت پایدار بررسی می کند. وی نشان می دهد که به دنبال شوک مثبت در اندازه گیری فروشندگان ، سازندگان بازار موجودی هایی را ایجاد می کنند که آنها به تدریج برای خریداران تخلیه می شوند. سازندگان بازار علیرغم داشتن ارزش پایین تر از سایر عوامل ، دارایی را به دست می آورند زیرا در انتقال آن به خریداران کارآمدتر هستند.

وایانوس و وانگ (2007) و ویل (2008) تجزیه و تحلیل را به چندین دارایی گسترش می دهند و نشان می دهند که اصطکاک جستجو می تواند اختلاف قیمت بین دارایی ها را با بازپرداخت یکسان ایجاد کند. خریداران یکی از دو دارایی را برای جستجوی انتخاب می کنند و سپس فقط می توانند فروشندگان آن دارایی را ملاقات کنند. در تعادل ، آنها می توانند یک دارایی را راحت تر پیدا کنند و از این رو مایل به پرداخت قیمت بالاتری برای آن هستند. دارایی که پیدا کردن آن آسان تر است ، تعداد بیشتری از فروشندگان را نیز دارد ، زیرا این امر باعث جذب عوامل با گردش مالی بالا در وایانوس و وانگ (2007) می شود ، یا به دلیل اینکه در ویل (2008) در عرضه بزرگتر است. توجه داشته باشید که مدل های یک دارایی ، مانند دافی ، گارلانو و پدرسن (2008) ، پیش بینی متضادی را ارائه می دهند که دارایی های موجود در تجارت با قیمت های پایین تر است.

وایانوس و ویل (2008) نشان می دهند که انحراف از قانون یک قیمت حتی تحت جستجوی همزمان می تواند بوجود بیاید ، یعنی خریداران می توانند با فروشندگان همه دارایی ها ملاقات کنند. نکته اصلی این نتیجه ، حضور فروشندگان کوتاه است که دارایی در بازار repo وام می گیرند ، سپس آن را در بازار نقطه می فروشند و سپس دوباره آن را خریداری می کنند تا فروش کوتاه را باز کنند. در تعادل ، فروشندگان کوتاه به صورت درون زا در یک دارایی متمرکز می شوند و آن را مایع تر می کنند. این دارایی با قیمت بالاتر معامله می شود زیرا نقدینگی برتر آن با قیمت های طولانی ، یعنی خریدارانی که به دنبال ایجاد موقعیت های طولانی هستند ، قیمت گذاری می شود. علاوه بر این ، غلظت بالاتر فروشندگان کوتاه در یک دارایی باعث می شود که وام های موجود در بازار repo به مدت طولانی سودآور باشد و قیمت خود را مانند دافی ، گارلانو و پدرسن (2002) افزایش می دهد.

تعدادی از مقالات این فرض را آرام می کنند که عوامل می توانند صفر یا یک واحد دارایی را در خود جای دهند. Garleanu (2009) و Lagos and Rocheteau (2009) نشان می دهند که افزایش اصطکاک های جستجو باعث می شود که نمایندگان در پاسخ به شوک های کوتاه مدت به ارزیابی خود برای دارایی ، مایل به تغییر موقعیت های خود باشند. این امر به این دلیل است که آنها می دانند که در صورت برخورد با شوک جبران ، آنها را به عقب تغییر می دهند. از آنجا که عوامل نسبت به شوک ها در هر جهت کمتر پاسخگو می شوند ، اصطکاک جستجو تأثیر مبهم بر قیمت دارد ، مطابق با دافی ، گارلانو و پدرسن (2008). Lagos ، Rocheteau و Weill (2012) تأثیرات شوک هایی را که بازار را از حالت پایدار دور می کند ، مطالعه می کنند و نشان می دهند که سرعت بازیابی در اصطکاک جستجو غیر یکتایی است. Afonso و Lagos (2011) تشکیل قیمت را در بازار بین بانکی مطالعه می کنند ، و تعیین می کنند که چگونه نرخ صندوق های فدرال به اصطکاک جستجو و اقدامات سیاست گذاری فدرال رزرو بستگی دارد.

مدل های جستجو بر این ایده تأکید می کنند که تطبیق خریداران و فروشندگان زمان می برد. در کار خود در مورد هزینه های مشارکت ، گروسمن و میلر (1988) یک ایده مرتبط را الگوبرداری می کنند: شوک نقدینگی که توسط برخی از نمایندگان تجربه می شود ، ابتدا توسط مجموعه کوچکی از شرکت کنندگان در بازار و سپس توسط مجموعه ای بزرگتر از عوامل که به تدریج وارد بازار می شوند ، جذب می شود. شرکت کنندگان در بازار که ابتدا شوک را به عنوان واسطه جذب می کنند ، موجودی را ایجاد می کنند و سپس آنها را باز می کنند. مدل های جستجو یک محیط طبیعی را برای مطالعه فرایندی که از طریق آن دارایی ها از طریق تنوع زمانی در موجودی های واسطه ها مجدداً مورد استفاده قرار می گیرند ، ارائه می دهند. این کار ، به عنوان مثال ، در ویل (2007) انجام می شود ، جایی که واسطه ها به عنوان یک کلاس ویژه از عوامل مدل می شوند که می توانند راحت تر از سایرین با آنها تماس بگیرند. این کار همچنین در افونسو و لاگوس (2011) انجام می شود ، جایی که مأمورین هنگام دیدار با دیگران با شوک های نقدینگی بزرگ ، به صورت درون زا در واسطه گری درگیر می شوند: آنها بیشتر از سهم نهایی خود از یک شوک را جذب می کنند و می دانند که می توانند آن را در جلسات دو جانبه آینده برای دیگران تخلیه کنند. دافی و استرولوویچی (2011) فرایندی را الگوبرداری می کنند که از طریق آن عوامل جدید به آرامی در مورد شوک های نقدینگی در یک بازار آگاه می شوند و سرمایه خود را به آن بازار می آورند. میچل ، پدرسن و پولوینو (2007) و دافی (2010) بر این ایده تأکید می کنند که سرمایه در پاسخ به فرصت های سرمایه گذاری سودآور به آرامی در بازارها حرکت می کند.

تمام مقالات ذکر شده تاکنون فرض می کنند که نمایندگان اطلاعات متقارن در مورد بازپرداخت دارایی دارند. اگر برخی از نمایندگان سیگنال های خصوصی دریافت کنند ، این موارد را می توان به تدریج از طریق جلسات دو جانبه فاش کرد ، زیرا مأمورین اطلاعات مربوط به کسانی را که ملاقات می کنند و از کسانی که شرکای ملاقاتشان در گذشته با آنها ملاقات کرده اند ، می آموزند. مقالات مطالعه انتقال اطلاعات خصوصی در بازارهای غیر متمرکز شامل Wolinksy (1990) ، Blouin and Serrano (2001) ، Duffie and Manso (2007) ، Duffie ، Malamud و Manso (2009) ، Golosov ، Lorenzoni و Tsyvinski (2011) ، 2011)و زو (2012).

سرانجام ، برخی از مقالات انتخاب نمونه کارها را با این فرض که نمایندگان می توانند فقط پس از یک تاخیر تجارت کنند ، مطالعه می کنند ، که می تواند نشانگر اصطکاک جستجوی غیرمجاز یا خرابی بازار باشد. به عنوان مثال ، Longstaff (2001) استراتژی های معاملاتی را محدود می کند تا از تنوع محدود برخوردار باشد ، در حالی که Ang ، Papanikolaou و Westerfield (2011) فرض می کنند که سرمایه گذاران می توانند فقط در زمان های تصادفی برونزا تجارت کنند. هر دو مقاله به صورت داده شده قیمت می گیرند و ضرر و زیان ابزار را از تجارت نادر محاسبه می کنند. این تمرین به روحیه ای است که در مورد هزینه های معامله در کنستانتینیدس (1986) انجام شده است ، اما ضرر ابزار در مورد تجارت نادر بیشتر است. Longstaff (2009) در یک مدل تعادل نشان می دهد که تجارت نادر اثرات زیادی بر قیمت دارایی دارد.