Artırılan tespit netliği yoluyla üstünlükten daha iyi korunmaya doğru: Özel bilgi kaynaklı ve yüksek frekanslı işlemler ile finansal piyasalar örneği

Bu çalışma finansal piyasalarda gerçekleşen özel bilgi kaynaklı işlemler ve yüksek frekanslı işlemlere (HFT) dair ölçme yöntemlerinin iyileştirilmesi ve geliştirilmesi yönünde ilerlemektedir. İlk bölüm sıkça kullanılan PIN (özel bilgi kaynaklı işlem olasılığı) (Easley vd., 1996) ölçeği için hatasız bir hesaplama yöntemi önerir. Çoklu sayıda ilk değer kümesi, geliştirilen bir kümeleme algoritması ile belirlenir. Ayrıca, hesaplama süresi on yedide bire indirilir. Sonraki bölümde, çok katmanlı özel bilgi kaynaklı işlem olasılığı (MPIN) isimli yeni bir ölçek sunulur. Bu, reel veri setlerinin sadece %3.59'unun PIN modelinin varsaydığı gibi tek bilgi tipi içerdiğinin gösterilmesi sonucu oluşturulur. Modeldeki bilgi katmanı sayısı sabit olmayıp, günlük mutlak emir dengesizliği rakamlarında ayrıştırılabilir Skellam dağılımları arayan bir kümeleme algoritması tarafından model dışı olarak belirlenir. Genişleyen hesaplama problemleri için gerekli çözümler sunulur. PIN tahminleri çok katmanlı benzetimler için ağır hatalar içerirken, MPIN tahminleri katman sayısından bağımsız olarak hatasızdır. Ç1 2007 ve Ç1 2014 arası Borsa İstanbul'da listelenen 361 hisse senedi için çeyreklik ortalama MPIN (PIN) tahmini %31.9 (%23.7) olmuştur. Üçüncü bölüm 85 milyon emirde 243 milyon mesajın incelenmesi ile BIST'teki HFT seviyesini ölçmektedir. İlk olarak, Hasbrouck ve Saar (2013)'te önerilen yöntem uygulanır. Ardından, genişletilmiş bir yöntem önerilir ve uygulanır. Bu bir hisse senedine ait aynı büyüklükteki emirlerin bir saniyelik bir zaman aralığında gelen mesajları (Emir gönderim, yenileme, iptal) var ise birbiriyle ilişkilendirilmesini temel alır. Tüm emirlerin %6'sı HFT'ye atfedilirken, bu oranın büyük emirler ve portföy/fon şirket emirleri için iki katı olduğu tespit edilmiştir.