Spot-Betas anhand hochfrequenter Candlestick-Daten schätzen

Zusammenfassung

Diese Arbeit entwickelt Schätzer und Inferenzverfahren für Spot-Regressionen, mit besonderem Augenmerk auf Beta als Maß für das systematische Risiko. Statt sich ausschließlich auf Renditen von der Eröffnung bis zum Schlusskurs zu stützen, nutzt die Methode hochfrequente Candlestick-Daten und berücksichtigt die Höchst- und Tiefstkurse jedes Intervalls. Die Schätzer werden in einem asymptotischen Rahmen mit festem k durch Minimierung des quadratischen Risikos konstruiert. Zudem schlägt die Arbeit einen praktisch umsetzbaren Hypothesentest für Spot-Beta vor.

Simulationsergebnisse deuten auf ein geringeres Schätzrisiko als bei renditebasierten Schätzern hin, insbesondere bei kleinen Stichproben; der vorgeschlagene Test weist zugleich eine höhere Teststärke auf. Eine Anwendung nutzt Minutendaten für IBIT und SPY, um zu untersuchen, ob Bitcoin marktneutral ist. Die berichteten Schätzungen weichen von der Neutralität ab, besonders in Phasen hoher Volatilität. Diese Befunde beziehen sich auf eine konkrete Anwendung und einen bestimmten Rahmen. Das Dokument enthält keine weiteren Angaben zum Stichprobendesign, zu Robustheitsprüfungen oder zur Handelsleistung. Das Beta-Ergebnis allein belegt daher weder eine profitable Strategie noch eine allgemeine Aussage zur Marktexponierung von Bitcoin.

Kernaussagen

• Höchst- und Tiefstkurse von Candlesticks können Renditen von der Eröffnung bis zum Schlusskurs bei der Schätzung von Spot-Regressionen ergänzen.
• Der Rahmen schätzt Regressionsparameter, darunter Spot-Beta, durch Minimierung des quadratischen Risikos.
• Der vorgeschlagene praktisch umsetzbare Test soll asymptotisch das korrekte Signifikanzniveau aufweisen.
• Simulationen berichten ein geringeres Schätzrisiko, besonders bei kleinen Stichproben, sowie eine höhere Teststärke.
• Die Anwendung auf IBIT-SPY stellt eine Abweichung von Bitcoins Marktneutralität fest, insbesondere in Phasen hoher Volatilität.

Schlagwörter

# Spot Regressions with Candlesticks


# Spot Regressions with Candlesticks









Betas from spot regressions are central to asset pricing and risk management, as measures of systematic risk. This paper develops a new estimation and inference framework for spot regressions by leveraging high-frequency candlesticks, extending conventional (open-to-close) returns with intra-period high/low prices. Specifically, I construct candlestick-based estimators of regression parameters, including spot beta, by minimizing a quadratic risk under a fixed-k asymptotic framework. I then develop a feasible hypothesis testing procedure for spot betas with correct asymptotic size. Simulation results show that the proposed estimator reduces estimation risk relative to return-based estimators, especially in small samples, and the test achieves notably higher power. I apply the framework to assess the market neutrality of Bitcoin using 1-minute data on IBIT and SPY, finding deviations from neutrality, particularly in high-volatility periods.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.