برآورد بتای لحظه‌ای با کندل‌های پربسامد
خلاصه
این مقاله برآوردگرها و رویه‌های استنباط برای رگرسیون‌های لحظه‌ای را توسعه می‌دهد و به‌ویژه به بتا به‌عنوان معیاری از ریسک سیستماتیک توجه دارد. این روش به‌جای اتکای صرف به بازده از بازشدن تا بسته‌شدن بازار، از داده‌های کندلی پربسامد استفاده می‌کند و قیمت‌های بالا و پایین هر بازه را دربرمی‌گیرد. برآوردگرها با کمینه‌سازی ریسک درجه دوم در چارچوب مجانبی ثابت-k ساخته می‌شوند و مقاله آزمون فرضی عملی برای بتای لحظه‌ای پیشنهاد می‌کند.
نتایج شبیه‌سازی حاکی از ریسک برآورد کمتر از برآوردگرهای مبتنی بر بازده است، به‌ویژه در نمونه‌های کوچک؛ همچنین توان آزمون پیشنهادی بیشتر است. در یک کاربرد، داده‌های یک‌دقیقه‌ای IBIT و SPY برای بررسی خنثی‌بودن بیت‌کوین نسبت به بازار به کار می‌روند؛ برآوردهای گزارش‌شده، به‌ویژه در دوره‌های پرنوسان، از خنثی‌بودن فاصله دارند. این یافته‌ها به کاربرد و چارچوبی مشخص مربوط‌اند. سند جزئیات بیشتری از طراحی نمونه، آزمون‌های استحکام یا عملکرد معاملاتی ارائه نمی‌کند؛ بنابراین نتیجه بتا به‌تنهایی راهبردی سودآور یا نتیجه‌ای کلی درباره مواجهه بیت‌کوین با بازار را اثبات نمی‌کند.
ایده‌های کلیدی
- قیمت‌های بالا و پایین کندل‌ها می‌توانند در برآورد رگرسیون لحظه‌ای، مکمل بازده از بازشدن تا بسته‌شدن باشند.
- چارچوب با کمینه‌سازی ریسک درجه دوم، پارامترهای رگرسیون از جمله بتای لحظه‌ای را برآورد می‌کند.
- آزمون عملی پیشنهادی برای داشتن اندازه مجانبی درست طراحی شده است.
- شبیه‌سازی‌ها از ریسک برآورد کمتر، به‌ویژه در نمونه‌های کوچک، و توان آزمون بیشتر خبر می‌دهند.
- کاربرد IBIT-SPY انحراف از خنثی‌بودن بیت‌کوین نسبت به بازار را، به‌ویژه در دوره‌های پرنوسان، می‌یابد.
برچسب‌ها
متن کامل
# 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.
با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0
این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.