Tracking High-Frequency Trading Activity in China and Its Effects on Market Quality

Li Guo; Frank Weikai Li; Ding Qi; Lijian Sun

Résumé IA · arXiv: 2610.33400v1 · q-fin.TR

Tracking High-Frequency Trading Activity in China and Its Effects on Market Quality

Li Guo, Frank Weikai Li, Ding Qi, Lijian Sun

Article original Soumis à arXiv le 24 Oct. 2026 Licence : NONEXCLUSIVE-DISTRIB 1.0 Aussi en : en

Comment lire ce résumé ? Guide illustré

L’essentiel

L’article propose un indicateur de trading haute fréquence fondé sur les ordres qui égalent exactement le meilleur cours opposé et étudie ses liens avec la qualité de marché en Chine.

Question

Comment repérer le trading haute fréquence sans identifiants de traders, et quels effets une amélioration de la latence a-t-elle sur l’activité de trading et la qualité du marché ?

Méthode

Les auteurs reconstruisent le carnet d’ordres milliseconde par milliseconde à partir des données de niveau 2 de la Bourse de Shenzhen, couvrant 2 760 titres et 566 jours de négociation entre juillet 2023 et octobre 2025. Ils valident l’indicateur par les délais de réaction, les annulations et la prévisibilité des rendements, puis exploitent, sur 24 journées, les écarts de latence entre canaux autour de l’ouverture dans un dispositif de différences-en-différences.

Résultats

Résultat Les ordres actifs exactement au meilleur cours opposé sont associés à des réactions plus rapides aux changements de cotation et à des annulations plus précoces.
Voir le passage dans l’article
In the fully controlled specification of Table 2, active and passive quote matching have the two largest positive coefficients among the included order-characteristic indicators. They are associated with 19.2 and 17.7 percentage-point higher probabilities of responding within 100 milliseconds, respectively.
Résultat Les ordres actifs à correspondance exacte prédisent des rendements dans le sens de l’ordre, avec une association positive observée de 100 millisecondes à dix minutes.
Voir le passage dans l’article
Figure 3 and Table 6 show that the active exact-match coefficient is positive at all nine horizons: 1.671 bp at 100ms, 2.268 bp at 10s and 3.747 bp at 600s.
Résultat Après le franchissement du seuil de latence, la part des ordres actifs à correspondance exacte augmente de 0,505 point de pourcentage dans l’estimation statique.
Voir le passage dans l’article
Table 9 reports the static activity estimates: active matching increases by 0.447 orders per stock-second ($t=6.95$), active share by 0.505 percentage points ($t=3.03$), and passive share by 0.515 percentage points ($t=3.07$), with two-way clustering.
Résultat L’amélioration de la latence est associée à une hausse de la variation intraseconde et de l’incidence des écarts larges, sans changement statistiquement détectable de l’écart moyen coté.
Voir le passage dans l’article
Range increases by 1.029 basis points ($t=10.36$), with a pre-event joint $p=0.082$. WideSpread increases by 2.964 percentage points ($p<0.001$), with a pre-event joint $p=0.720$.
Interprétation des auteurs Les auteurs interprètent ces résultats comme le signe que, dans le marché chinois étudié, l’avantage de vitesse sert davantage à la prise directionnelle de liquidité qu’à la tenue continue du marché.
Voir le passage dans l’article
Improved information timeliness may therefore be used more intensively for directional liquidity taking than for continuous market making.

Limites

L’interprétation causale du dispositif dépend de tendances parallèles, de l’absence de chocs propres aux canaux et d’une restriction d’exclusion reliant la latence aux résultats de marché via l’activité induite.
Voir le passage dans l’article
A causal interpretation requires parallel trends and the absence of concurrent channel-specific shocks. Interpreting the market-quality responses as effects of HFT activity additionally requires an exclusion restriction: within the narrow censored event window, cross-channel latency affects market quality through the induced change in latency-sensitive trading, with no separate effect through other channels.
Le dispositif de marché repose sur seulement 24 journées de franchissement retenues, ce qui limite la portée temporelle des estimations.
Voir le passage dans l’article
The final estimation sample contains 24 trading days.
L’indicateur est un proxy de trading sensible à la latence et ne permet pas, à lui seul, d’identifier les traders ni les stratégies précises.
Voir le passage dans l’article
Future research could link exact-match activity to trader-level identifiers, distinguish among latency-sensitive trading strategies, and examine how the use and market-quality effects of speed vary across trading venues and market designs.

Portée

L’article propose un indicateur comportemental d’activité sensible à la latence qui ne dépend pas d’identifiants propriétaires de traders. Il montre que les effets de la vitesse sur la qualité de marché dépendent de son usage et des règles institutionnelles, ici dans un marché où la prise directionnelle de liquidité prédomine.

Rédigé par une IA à partir de l’article. Les passages cités sont vérifiés mot pour mot dans le texte analysé ; le reste peut contenir des erreurs.

Mots clés générés par l'IA : Trading à haute fréquence microstructure des marchés carnet d’ordres latence qualité du marché

Pour aller plus loin

Résumé Complet
Résumé vulgarisé
Article de blog
Abstract original

L’article examine comment détecter l’activité de trading à haute fréquence (HFT) en l’absence d’identifiants propriétaires des traders, puis évalue ses effets sur la qualité du marché. Les auteurs proposent un indicateur fondé sur la précision du placement des ordres. Un ordre « actif à correspondance exacte » est un ordre à cours limité soumis au meilleur prix affiché du côté opposé du carnet, et donc immédiatement exécutable au meilleur niveau. Selon leur hypothèse, suivre exactement un meilleur cours qui évolue plusieurs fois par seconde nécessite un accès rapide aux données de marché et leur traitement en temps réel. L’analyse repose principalement sur des données de niveau 2 de la Bourse de Shenzhen, couvrant 2 760 actions et 566 séances entre juillet 2023 et octobre 2025. Les auteurs reconstruisent les carnets d’ordres à partir des messages détaillés de soumission, d’exécution et d’annulation, puis comparent le prix de chaque ordre aux meilleurs cours reconstitués. Les analyses au niveau des ordres portent sur un échantillon systématique d’environ 0,1 %, soit plus de 42,5 millions d’ordres à cours limité. Pour évaluer la validité de l’indicateur, les auteurs étudient les délais de réaction, les annulations, les conditions de marché associées aux ordres et leur capacité à prévoir les rendements futurs. Les ordres actifs à correspondance exacte sont associés à des réactions plus rapides : toutes choses égales par ailleurs, leur probabilité d’être soumis dans les 100 millisecondes suivant une modification du meilleur cours est supérieure de 19,2 points de pourcentage. Parmi les ordres annulés, leur probabilité d’annulation dans les 100 millisecondes est supérieure de 5,4 points. Ces ordres sont aussi plus fréquents lorsque le déséquilibre de profondeur favorise leur sens et que l’écart acheteur-vendeur est étroit. Ces comportements confortent l’interprétation de l’indicateur comme mesure d’une activité sensible à la latence, sans pour autant démontrer que chaque ordre identifié provient d’un opérateur HFT. L’indicateur présente également un pouvoir prédictif. Dans la régression portant sur un horizon de dix secondes, la présence d’un ordre actif à correspondance exacte est associée à un rendement directionnel supérieur de 2,16 points de base, après prise en compte des variables de contrôle. L’association reste positive aux neuf horizons étudiés, de 100 millisecondes à dix minutes : elle atteint 1,67 point de base à 100 millisecondes et 3,75 points à 600 secondes. Elle est plus marquée que celle observée pour les ordres placés à des prix plus agressifs. Ces rendements estimés ne correspondent toutefois pas à des profits réalisables, car ils ne tiennent pas pleinement compte des frais, des coûts d’exécution, des contraintes de vente à découvert ni de la règle chinoise T+1. Pour étudier les effets causaux de la latence, les auteurs exploitent les différences de délai de diffusion des messages entre les canaux de négociation au début de la séance. Ils comparent les actions des groupes « rapide » et « lent » après que la latence du premier est passée sous trois secondes, mais avant que celle du second ne franchisse ce seuil. Dans les 24 épisodes retenus, la part des ordres actifs à correspondance exacte augmente de 0,505 point de pourcentage.

Détecter le trading à haute fréquence sans identifier les traders

Le trading à haute fréquence (HFT) repose sur la rapidité : les opérateurs réagissent aux nouvelles informations du marché en quelques fractions de seconde. Mais comment mesurer cette activité lorsque les données ne révèlent pas l’identité des traders ni leurs stratégies propriétaires ? Dans « Tracking High-Frequency Trading Activity in China and Its Effects on Market Quality », Li Guo, Frank Weikai Li, Ding Qi et Lijian Sun proposent une méthode fondée sur la précision du placement des ordres. Ils l’utilisent ensuite pour étudier les liens entre activité sensible à la latence, rendements à court terme et qualité du marché.

Un indicateur fondé sur le meilleur prix affiché

Les auteurs s’intéressent aux ordres à cours limité dits « actifs à correspondance exacte ». Un tel ordre est soumis au meilleur prix affiché du côté opposé du carnet : un ordre d’achat, par exemple, est placé au meilleur prix vendeur. Il peut ainsi être exécuté immédiatement au meilleur niveau disponible.

L’idée est qu’il faut disposer de données de marché rapides et pouvoir les traiter en temps réel pour suivre exactement un meilleur cours susceptible de changer plusieurs fois par seconde. Un ordre correspondant précisément à ce prix peut donc signaler une activité particulièrement sensible à la latence. Il s’agit toutefois d’un indicateur comportemental, et non d’une preuve que l’ordre provient nécessairement d’un trader HFT.

Des carnets d’ordres reconstruits à grande échelle

L’étude s’appuie principalement sur des données de niveau 2 de la Bourse de Shenzhen, couvrant 2 760 actions et 566 séances entre juillet 2023 et octobre 2025. À partir des messages détaillés de soumission, d’exécution et d’annulation, les auteurs reconstruisent les carnets d’ordres et comparent le prix de chaque ordre aux meilleurs cours disponibles au moment de son arrivée.

Les analyses au niveau des ordres portent sur un échantillon systématique d’environ 0,1 % des ordres à cours limité, soit plus de 42,5 millions d’observations. Pour vérifier si leur indicateur capte bien une activité rapide, les chercheurs examinent notamment le délai entre les changements de prix et la soumission des ordres, leur fréquence d’annulation, les conditions de marché dans lesquelles ils apparaissent et leur lien avec les rendements ultérieurs.

Des réactions plus rapides et des annulations plus fréquentes

Les résultats correspondent à l’interprétation proposée. Toutes choses égales par ailleurs, un ordre actif à correspondance exacte a une probabilité supérieure de 19,2 points de pourcentage d’être soumis dans les 100 millisecondes suivant une modification du meilleur cours. Lorsqu’un ordre est annulé, la probabilité qu’il le soit dans les 100 millisecondes est également plus élevée de 5,4 points pour cette catégorie.

Ces ordres sont aussi plus courants lorsque le déséquilibre de profondeur du carnet favorise leur direction et lorsque l’écart entre le meilleur prix acheteur et le meilleur prix vendeur est étroit. Leur fréquence varie donc avec les conditions de marché, en plus d’être associée à des réactions rapides. Ensemble, ces observations renforcent l’idée que l’indicateur repère un comportement sensible à la latence — sans permettre d’attribuer chaque ordre identifié à une catégorie précise de traders.

Un pouvoir prédictif, mais pas une mesure de profits

Les ordres actifs à correspondance exacte sont également associés aux rendements directionnels futurs. Dans la régression portant sur un horizon de dix secondes, leur présence correspond à un rendement supérieur de 2,16 points de base après prise en compte des variables de contrôle. L’association reste positive pour les neuf horizons étudiés, de 100 millisecondes à dix minutes : elle s’élève à 1,67 point de base à 100 millisecondes et à 3,75 points à 600 secondes. Elle est plus marquée que celle observée pour les ordres placés à des prix plus agressifs.

Ces estimations ne doivent cependant pas être confondues avec des profits effectivement réalisables. Elles ne tiennent pas pleinement compte des frais, des coûts d’exécution, des contraintes liées à la vente à découvert ni de la règle chinoise T+1, qui limite les possibilités de revente le jour même. Elles indiquent une association prédictive, pas le rendement net qu’un trader aurait nécessairement pu obtenir.

Un test de l’effet de la latence

Pour étudier plus directement les effets de la latence, les auteurs exploitent les différences de délai de diffusion des messages entre les canaux de négociation au début de la séance. Ils comparent des actions réparties entre groupes « rapide » et « lent », pendant la période où la latence du premier est passée sous trois secondes, mais celle du second n’a pas encore franchi ce seuil.

Dans les 24 épisodes retenus, la part des ordres actifs à correspondance exacte augmente de 0,505 point de pourcentage. Ce résultat apporte un élément supplémentaire en faveur du rôle de l’accès rapide à l’information dans le placement précis des ordres. Il reste néanmoins lié au dispositif et aux épisodes observés : il ne suffit pas, à lui seul, à établir que toute activité HFT produit les mêmes effets sur tous les marchés.

Ce que l’étude apporte

Le travail de Li Guo, Frank Weikai Li, Ding Qi et Lijian Sun propose une façon concrète d’étudier le HFT à partir des traces laissées dans les carnets d’ordres, sans disposer d’identifiants propriétaires des traders. La rapidité de réaction, les annulations à très court terme et les liens avec les rendements confortent la valeur de l’indicateur, tout en soulignant ses limites d’interprétation. Cette approche permet ainsi d’éclairer le fonctionnement d’un marché très actif, sans prétendre révéler l’identité de chaque intervenant ni mesurer directement ses profits.

Créé le 02 Nov. 2026

Cette synthèse vous a-t-elle été utile ?

Note : 0

Posez des questions sur cet article à notre assistant IA

Comment discuter avec cet article ? Guide illustré

Comparer avec le PDF

Vous pouvez aussi discutez avec plusieurs papiers à la fois ici.

Instructions pour utiliser l'assistant IA ?

Outils pour cet article

Expliquer autrement 3 réécritures gratuites restantes aujourd'hui

Enregistrer dans une collection Regroupez des articles en collections pour les comparer, les interroger et les exporter. Créer un compte gratuit Se connecter

Exporter BibTeX · RIS (Zotero, Mendeley, EndNote) · Obsidian (Markdown) · Notion (Markdown)

Outils avancés Premium

Pour suivre un domaine de près : alertes de citations, diapositives de journal club, comparaison des versions et envoi vers Zotero. Découvrir Premium

Zotero

Alertes de citation Guide des alertes de citations

Qui travaille dessus ? Les personnes et institutions qui publient sur son sujet

Lettre hebdomadaire Présenté dans « Économie et finance cette semaine » du 2 novembre 2026. Économie et finance cette semaine : ce que nos instruments nous laissent voir

Journal club Premium+ Des slides pour le présenter Proposer pour le journal club

Versions Ce qui a changé entre les versions

En parler en public Premium+ Kit presse : communiqué, questions, détecteur de hype Guide du kit presse

Les articles autour de celui-ci

Les voir sur une carte

Classés selon la proximité de leur titre et de leur résumé avec ceux de cet article. Sélectionnez-en pour les lire ensemble.

Les articles les plus proches

Proche Autre approche du problème
The Importance of Low Latency to Order Book Imbalance Trading Strategies
David Byrd, Sruthi Palaparthi, Maria Hybinette et al. · 2020 · Trading and Market Microstructure · preprint, non relu par les pairs · cité 4 fois · Résumé IA disponible

The study measures how order-book access latency affects the profitability of imbalance strategies, tandis que l’article relie la latence à l’activité HFT et à la qualité du marché.

Résumé scientifique
There is a pervasive assumption that low latency access to an exchange is a key factor in the profitability of many high-frequency trading strategies. This belief is evidenced by the "arms race" undertaken by certain financial firms to co-locate with exchange servers. To the best of our knowledge, our study is the first to validate and quantify this assumption in a continuous double auction market with a single exchange similar to the New York Stock Exchange. It is not feasible to conduct this exploration with historical data in which trader identity and location are not reported. Accordingly, we investigate the relationship between latency of access to order book information and profitabili…
Proche Contexte plus large
Analysis of trade packages in Chinese stock market
Fei Ren, Wei-Xing Zhou · 2011 · Quantitative Finance 13 (7), 1071-1089 (2013) · cité 6 fois · Résumé IA disponible

L’étude caractérise des séquences d’achats ou de ventes de 23 titres chinois selon leur durée et leur volume, sans examiner la latence ni le HFT.

Résumé scientifique
This paper conducts an empirically study on the trade package composed of a sequence of consecutive purchases or sales of 23 stocks in Chinese stock market. We investigate the probability distributions of the execution time, the number of trades and the total trading volume of trade packages, and analyze the possible scaling relations between them. Quantitative differences are observed between the institutional and individual investors. The trading profile of trade packages is investigated to reveal the preference of large trades on trading volumes and transaction time of the day, and the different profiles of two types of investors imply that institutions may be more informed than individua…
Proche Contexte plus large
Enhanced fill probability estimates in institutional algorithmic bond trading using statistical learning algorithms with quantum computers
Axel Ciceri, Austin Cottrell, Joshua Freeland et al. · 2025 · Quantum Physics · cité 8 fois · Pas encore résumé

L’étude estime les probabilités d’exécution d’ordres algorithmiques sur obligations d’entreprise, plutôt que les effets de la latence sur les actions.

Résumé scientifique
The estimation of fill probabilities for trade orders represents a key ingredient in the optimization of algorithmic trading strategies. It is bound by the complex dynamics of financial markets with inherent uncertainties, and the limitations of models aiming to learn from multivariate financial time series that often exhibit stochastic properties with hidden temporal patterns. In this paper, we focus on algorithmic responses to trade inquiries in the corporate bond market and investigate fill probability estimation errors of common machine learning models when given real production-scale intraday trade event data, transformed by a quantum algorithm running on IBM Heron processors, as well a…
Proche Contexte plus large
Portfolio liquidation under transient price impact -- theoretical solution and implementation with 100 NASDAQ stocks
Ying Chen, Ulrich Horst, Hoang Hai Tran · 2019 · Mathematical Finance · cité 12 fois · Résumé IA disponible

L’étude modélise la liquidation optimale et l’impact de marché à partir de carnets NASDAQ, sans mesurer l’activité HFT liée à la latence.

Résumé scientifique
We derive an explicit solution for deterministic market impact parameters in the Graewe and Horst (2017) portfolio liquidation model. The model allows to combine various forms of market impact, namely instantaneous, permanent and temporary. We show that the solutions to the two benchmark models of Almgren and Chris (2001) and of Obizhaeva and Wang (2013) are obtained as special cases. We relate the different forms of market impact to the microstructure of limit order book markets and show how the impact parameters can be estimated from public market data. We investigate the numerical performance of the derived optimal trading strategy based on high frequency limit order books of 100 NASDAQ s…
Proche Même méthode, autre problème
Market Making under a Weakly Consistent Limit Order Book Model
Baron Law, Frederi Viens · 2019 · Trading and Market Microstructure · cité 14 fois · Résumé IA disponible

Le modèle décrit le market making haute fréquence dans un carnet d’ordres, tandis que l’article exploite les données de carnet pour étudier le HFT.

Résumé scientifique
We develop a new market-making model, from the ground up, which is tailored towards high-frequency trading under a limit order book (LOB), based on the well-known classification of order types in market microstructure. Our flexible framework allows arbitrary order volume, price jump, and bid-ask spread distributions as well as the use of market orders. It also honors the consistency of price movements upon arrivals of different order types. For example, it is apparent that prices should never go down on buy market orders. In addition, it respects the price-time priority of LOB. In contrast to the approach of regular control on diffusion as in the classical Avellaneda and Stoikov [1] market-m…
Apparenté Contexte plus large
Learning the Spoofability of Limit Order Books With Interpretable Probabilistic Neural Networks
Timothée Fabre, Damien Challet · 2025 · Trading and Market Microstructure · cité 3 fois · Résumé IA disponible

L’étude détecte le spoofing dans des carnets de crypto-actifs avec des variables de flux d’ordres, au lieu d’identifier le HFT chinois par ses ordres.

Résumé scientifique
This paper investigates real-time detection of spoofing activity in limit order books, focusing on cryptocurrency centralized exchanges. We first introduce novel order flow variables based on multi-scale Hawkes processes that account both for the size and placement distance from current best prices of new limit orders. Using a Level-3 data set, we train a neural network model to predict the conditional probability distribution of mid price movements based on these features. Our empirical analysis highlights the critical role of the posting distance of limit orders in the price formation process, showing that spoofing detection models that do not take the posting distance into account are ina…
Apparenté Même méthode, autre problème
Exploring the Advantages of Transformers for High-Frequency Trading
Fazl Barez, Paul Bilokon, Arthur Gervais et al. · 2023 · Statistical Finance · cité 8 fois · Résumé IA disponible

L’étude applique des modèles d’apprentissage aux séries haute fréquence pour prévoir les rendements Bitcoin, tandis que l’article analyse des données milliseconde du carnet.

Résumé scientifique
This paper explores the novel deep learning Transformers architectures for high-frequency Bitcoin-USDT log-return forecasting and compares them to the traditional Long Short-Term Memory models. A hybrid Transformer model, called \textbf{HFformer}, is then introduced for time series forecasting which incorporates a Transformer encoder, linear decoder, spiking activations, and quantile loss function, and does not use position encoding. Furthermore, possible high-frequency trading strategies for use with the HFformer model are discussed, including trade sizing, trading signal aggregation, and minimal trading threshold. Ultimately, the performance of the HFformer and Long Short-Term Memory model…
Apparenté Contexte plus large
Profitability of simple stationary technical trading rules with high-frequency data of Chinese Index Futures
Jing-Chao Chen, Yu Zhou, Xi Wang · 2017 · Statistical Finance · cité 14 fois · Résumé IA disponible

L’étude évalue des règles techniques sur des données haute fréquence de contrats à terme chinois, sans étudier la latence ni la qualité du carnet.

Résumé scientifique
Technical trading rules have been widely used by practitioners in financial markets for a long time. The profitability remains controversial and few consider the stationarity of technical indicators used in trading rules. We convert MA, KDJ and Bollinger bands into stationary processes and investigate the profitability of these trading rules by using 3 high-frequency data(15s,30s and 60s) of CSI300 Stock Index Futures from January 4th 2012 to December 31st 2016. Several performance and risk measures are adopted to assess the practical value of all trading rules directly while ADF-test is used to verify the stationarity and SPA test to check whether trading rules perform well due to intrinsic…

Aller plus loin

Comment ces articles sont-ils trouvés ?

Nous comparons le titre et le résumé de cet article avec ceux de tous les articles résumés sur ce site, et avec les articles que Semantic Scholar recommande, ceux qu’il cite et ceux qui le citent (pour un article très cité, ses citations les plus récentes et, depuis OpenAlex, les plus citées). Parmi les travaux antérieurs et les suites, les articles qui s’utilisent en profondeur, une méthode qu’il utilise et les suites très citées remontent un peu. Les niveaux (très proche, proche, apparenté) viennent de la similarité des textes, pas d’un jugement de qualité ; * signale un article sans résumé, comparé par son titre. La phrase sous un article est écrite par une IA à partir des deux résumés : vérifiez-la dans les articles. Un article jugé hors sujet par trois lecteurs quitte la liste.

Mis à jour le 2 novembre 2026.

Avertissement : Notre outil de synthèse basé sur l'IA et l'assistant virtuel fournis sur ce site Web peuvent ne pas toujours fournir des résumés complets ou des réponses exactes. Nous vous encourageons à examiner attentivement et à évaluer le contenu généré pour vous assurer de sa qualité et de sa pertinence par rapport à vos besoins.

Tracking High-Frequency Trading Activity in China and Its Effects on Market Quality

L’essentiel

Question

Méthode

Résultats

Limites

Portée

Pour aller plus loin

Definitions

Détecter le trading à haute fréquence sans identifier les traders

Un indicateur fondé sur le meilleur prix affiché

Des carnets d’ordres reconstruits à grande échelle

Des réactions plus rapides et des annulations plus fréquentes

Un pouvoir prédictif, mais pas une mesure de profits

Un test de l’effet de la latence

Ce que l’étude apporte

Posez des questions sur cet article à notre assistant IA

Outils pour cet article

Outils avancés Premium

Les articles autour de celui-ci

Les articles les plus proches

Aller plus loin

Citer cet article (BibTeX)