ニュース周辺のスリッページを評価するのに必要なデータは？
直接の答え
「ニュース周辺のスリッページ」を防御可能な形で評価するには、(1) ニュースイベントのタイミングを定義し、(2) 取引の執行結果を測定し、(3) 比較用の参照価格を確立し、(4) コストとデータ品質を捉えるための入力が必要です。狙いは結果を予測することではなく、観測された差を計算し、その不確実性がどこから来るのかを理解することです。
メカニズムと定義
スリッページとは通常、注文の発注（またはその近辺）で選んだ参照価格と、実際の約定価格（または約定の実効平均価格）との差を指します。ニュースにより市場が反応すると、ボラティリティや流動性が急速に変化するため、参照価格と執行価格のギャップは拡大し得ます。
完全な評価では、変動する条件と安定したメカニズムを通常は分けて考えます：
- 市場の動き：新しい情報によって引き起こされる価格変化。
- 執行上の摩擦：流動性制約、ビッド–アスクスプレッドの拡大、部分約定、そして注文のルーティング／取り扱いの影響。
- コスト：明示的なコスト（ある場合）と、スプレッドや手数料に反映される暗黙のコスト。
収集すべきデータ入力（および理由）
1) ニュースイベントの仕様
イベントの明確な識別とタイムスタンプを収集します：
- イベント時刻：データリリースが予定されている時刻、または「反応の開始」をあなたが定義する時刻。
- 時間基準とタイムゾーン：すべてのデータソースで同じ標準を用いること。
- イベントウィンドウ：「ニュース周辺」が意味する範囲のルール（たとえば、X秒前からY秒後まで）。後で複数のウィンドウをテストする場合でも、ルールは明記します。
2) 参照価格の構築
スリッページ計測に使う参照価格の定義方法を選び、文書化します：
- 参照ソース：ミッド価格、最終約定価格、または指定した会場のビッド／アスクのミッドポイント。
- 参照タイムスタンプのルール：注文送信時か、最も近いティック時か、固定頻度でサンプリングするのか。
- 一貫性ルール：観測ごとに同じ方法を使うこと。
3) 執行および注文データ
何が起きたかを再構築するのに十分な詳細が必要です：
- 注文送信時刻と注文パラメータ（サイド、注文タイプ、サイズ）。
- 約定時刻と約定価格（または少なくとも実効平均約定価格）。
- 部分約定の指標：ポジションが複数の約定で構築されたかどうか。
- キャンセル／失効した注文：追跡せずに「試行」と「成功した執行」を混ぜないため。
4) コストと流動性プロキシ
摩擦を純粋な価格変動から分離するために、次のような変数を含めます：
- ビッド–アスクスプレッドと、そのイベントウィンドウ近辺の時系列。
- あなたのデータで利用可能な流動性／利用可能性プロキシ（たとえば、深さ指標がある場合）。
- 観測できる手数料やコミッション要素。同じ会計ルールで適用します。
5) データの出所と変換ログ
短い監査証跡を作成します：
- 各フィールドがどこから来ているか（プラットフォームのエクスポート、市場データフィード、カレンダーソース）。
- 時間変換、リサンプリング、またはフィルタリングのルール。
- 欠損値の扱い（行を削除、補間、または欠損としてラベル付け）。
証拠または例示計算（明示的な前提つき）
典型的な計算では、約定ごとにスリッページを次のように定義します：
- スリッページ ＝（実効執行価格）−（参照価格）。買いと売りで符号が一貫して定義されます。
実行可能なアプローチの一つは、イベントウィンドウでスリッページを集計することです：
- 注文送信時刻の参照価格を用いてスリッページを計算する（前提）。
- 各イベントについて、あなたの反応ウィンドウに入るすべての約定のスリッページを平均する（前提）。
- ニュース主導の効果は裾が重くなり得るため、分布（中央値とパーセンタイル）も計算します。
複数のウィンドウサイズをテストする場合は、ウィンドウ選択を変数として扱い、結果を1つに絞り込むのではなく、各ウィンドウごとに報告します。
限界とリスク（重大な失敗パターン）
少なくとも1つの重大な限界が、ほとんどの研究で重要になります：
- タイムスタンプの不一致：イベント時刻、市場データのタイムスタンプ、執行時刻が異なるタイムゾーンにあったり、レイテンシが異なったりする可能性があります。わずかな整合誤差でもスリッページに見えてしまうことがあります。
- 参照価格のバイアス：真の意思決定の瞬間より遅れたり先行したりする参照を選ぶと、スリッページを過大または過小に見積もる可能性があります。
- 部分約定と注文行動：ボラティリティの急騰の間に複数秒にわたって約定が起きる場合、「スリッページ」が市場インパクトと執行タイミングを混ぜてしまうかもしれません。
- 選択バイアス：約定した注文だけにフィルタすると、最悪の結果が除かれ、結果がよりきれいに見えることがあります。
- 非定常性：過去に観測された関係が、将来のニュースや異なるレジームで同様に振る舞う保証はありません。
検証と次の質問
評価を検証するには、効果を解釈する前に品質チェックを適用します：
- タイムスタンプの整合を確認する：イベント前のスプレッドや価格変動が妥当に見えるかをチェックします。 - データ損失を定量化する（約定の欠落、クオートの欠落、または不完全な注文）。