انحدار القيم المتطرفة المنتظم لمخاطر الذيل عالية التواتر

الملخص

تنمذج الدراسة كيف تتغير شدة الخسائر المتطرفة في الأسواق عالية التواتر مع نشاط التداول وحالة عدم اليقين في السوق. ويستوعب انحدار القيم المتطرفة الديناميكي متنبئات مستقرة وأخرى ذات جذر وحدة محلي، لمعالجة سلوك المتنبئات الذي قد يشوه تقديرات تغير مخاطر الذيل. وتشمل المتنبئات المرشحة مقاييس التقلب والسيولة.

لاختيار المتنبئات ذات الصلة، يقترح المؤلفون مقدّرًا تكيفيًا للاحتمال الأعظم منتظمًا بـL1 على خطوتين. ويثبتون خاصية أوراكل لاختيار كلا نوعي المتنبئات، ويبلغون عن أداء ملائم في العينات المحدودة ضمن المحاكاة. وتستخدم دراسة تجريبية للخسائر المتطرفة عالية التواتر في تسعة أسهم أمريكية عالية السيولة 42 مقياسًا للسيولة والتقلب؛ وتجد أن شدة الخسارة قابلة للتنبؤ في سياقات يكون فيها تأثير السعر منخفضًا ومقاييس التقلب مرتفعة. ولا يقدم المقتطف مقاييس أداء التنبؤ، ولا يثبت مدى انطباق النتائج على أصول أو أسواق أو سياقات تداول أخرى.

الأفكار الرئيسية

• يربط النموذج شدة الخسائر المتطرفة عالية التواتر بمتنبئات السيولة والتقلب.
• يسمح النموذج بأن تكون المتنبئات عمليات مستقرة أو ذات جذر وحدة محلي.
• تختار طريقة تكيفية للاحتمال المنتظم بـL1 المتنبئات.
• تفيد الدراسة بخصائص نظرية للاختيار ونتائج محاكاة داعمة.
• في عينة الأسهم، يساعد انخفاض تأثير السعر إلى جانب ارتفاع مقاييس التقلب على التنبؤ بشدة الخسائر المتطرفة.

الوسوم

# Measuring tail risk at high-frequency: An $L_1$-regularized extreme value regression approach with unit-root predictors


# Measuring tail risk at high-frequency: An $L_1$-regularized extreme value regression approach with unit-root predictors









We study tail risk dynamics in high-frequency financial markets and their connection with trading activity and market uncertainty. We introduce a dynamic extreme value regression model accommodating both stationary and local unit-root predictors to appropriately capture the time-varying behaviour of the distribution of high-frequency extreme losses. To characterize trading activity and market uncertainty, we consider several volatility and liquidity predictors, and propose a two-step adaptive $L_1$-regularized maximum likelihood estimator to select the most appropriate ones. We establish the oracle property of the proposed estimator for selecting both stationary and local unit-root predictors, and show its good finite sample properties in an extensive simulation study. Studying the high-frequency extreme losses of nine large liquid U.S. stocks using 42 liquidity and volatility predictors, we find the severity of extreme losses to be well predicted by low levels of price impact in period of high volatility of liquidity and volatility.

يُعرض النص كاملًا مع نسبه إلى مصدره وفقًا لترخيصه. الترخيص: abstract CC0

أعدّ وكيل الأبحاث في Stratmill هذا الملخص استنادًا إلى المصدر الأصلي؛ وهو ليس نسخة منه.