مدیریت شکاف‌های شبانه و جهش‌ها در برآورد بتای درون‌روزی

خلاصه

این سند برآورد بتا را از بازده‌های 15 دقیقه‌ای XLF در برابر SPY طی چند روز بررسی می‌کند و بر جهش‌های ظاهری هنگام بازگشایی روز بعد تمرکز دارد. پاسخ فرض می‌کند بتا از بازده‌ها محاسبه می‌شود، نه از سطح قیمت، و می‌گوید شکاف‌های شبانه نباید وارد رگرسیونی شوند که قرار است فقط از بازده‌های درون‌روزی استفاده کند. میانگین متحرک بازده‌ها به‌عنوان راهی برای هموارسازی مشاهدات مطرح می‌شود.

پیشنهادهای دیگر شامل کنار گذاشتن مشاهداتی است که بازده آن‌ها از آستانه‌ای انتخابی، مانند دو انحراف معیار، فراتر می‌رود و مقایسه برآوردهای بتا در بازه‌های نمونه‌گیری مختلف است. بازه‌های طولانی‌تر ممکن است جهش‌های کوچک‌تر را هموار کنند؛ بنابراین می‌توان بازه‌ای را انتخاب کرد که برآورد آن پایدارتر و از نظر آماری معنادارتر باشد. راه دیگر برآورد بتای جداگانه برای هر روز و محاسبه میانگین آن‌هاست. این‌ها پیشنهادهای عملی‌اند، نه قاعده‌ای عام که آزموده شده باشد؛ سند روش رسمی برای تشخیص جهش مشخص نمی‌کند و روش‌ها را با نتایج تجربی مقایسه نمی‌کند.

ایده‌های کلیدی

• در برآورد بتا از بازده‌های درون‌روزی، شکاف‌های بازگشایی شبانه خارج از مجموعه بازده‌های درون‌روزی قرار می‌گیرند.
• هموارسازی بازده‌ها با میانگین متحرک به‌عنوان یکی از راه‌های کاهش نویز پیشنهاد می‌شود.
• می‌توان مشاهدات بازده بزرگ را با آستانه‌ای مانند دو انحراف معیار کنار گذاشت.
• مقایسه بازه‌های نمونه‌گیری نشان می‌دهد کدام‌یک بتایی پایدارتر و معنادارتر به دست می‌دهد.
• می‌توان برآوردهای بتای روزانه را جداگانه محاسبه و سپس میانگین گرفت.

برچسب‌ها

# How to account for jumps in intraday data when calculating beta?


# How to account for jumps in intraday data when calculating beta?












I am calculating betas on intraday trade data at 15-minute intervals. For simplicity sake, let's assume I am modeling

\begin{equation} Y = \beta * X + c \end{equation}

where $Y$ is the return of XLF and $X$ is the return of SPY.

If I want to run this on five days of intraday data, should I remove the jump that happens due to opening gaps on the next day?

How do you guys usually handle this jump in returns ?

## Answer by chrisaycock (score 6, accepted)

https://quant.stackexchange.com/a/2714

I assume you're using returns to compute beta, not the prices. And yes, remove the "jumps", though this should happen automatically since you're looking only at intraday returns. One final piece of advice: you'll get more meaningful results if you smooth the returns via a moving average.

## Answer by Suminda Sirinath S. Dharmasena (score 3)

https://quant.stackexchange.com/a/2715

In addition to the above I can suggest:

- ignore data point if returns are more than a certain threshold (2 s.d.)

- calculate at different sampling intervals and choose most stable beta with the best significance (certain longer intervals "smooth out" small to mid size jumps)

## Answer by LazyCat (score 1)

https://quant.stackexchange.com/a/2718

You can run the regression separately for 5 days, and average the betas you get for different days.

با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: CC BY-SA 4.0 (Stack Exchange)

این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.