רגרסיית ערכים קיצוניים מוסדרת לסיכון זנב בתדירות גבוהה

סיכום

המחקר מדגמן כיצד חומרת ההפסדים הקיצוניים בשווקים בתדירות גבוהה משתנה עם פעילות המסחר ואי־הוודאות בשוק. רגרסיית הערכים הקיצוניים הדינמית שלו מתאימה למנבאים נייחים וגם למנבאים בעלי שורש יחידה מקומי, וכך מתמודדת עם התנהגות מנבאים שעלולה לעוות אומדנים של שינוי בסיכון הזנב. מנבאים אפשריים כוללים מדדי תנודתיות ונזילות.

כדי לבחור מנבאים רלוונטיים, המחברים מציעים אומד נראות מרבית אדפטיבי בשני שלבים עם רגולריזציית L1. הם מבססים תכונת אורקל לבחירת שני סוגי המנבאים ומדווחים על התנהגות חיובית במדגמים סופיים בסימולציות. מחקר אמפירי של הפסדים קיצוניים בתדירות גבוהה בתשע מניות אמריקאיות נזילות משתמש ב־42 מדדי נזילות ותנודתיות; הוא מוצא שחומרת ההפסדים ניתנת לחיזוי בתנאים של השפעת מחיר נמוכה ומדדי תנודתיות גבוהים. הקטע אינו מספק מדדי ביצוע לתחזיות ואינו קובע עד כמה התוצאות תקפות לנכסים, לשווקים או לסביבות מסחר אחרות.

רעיונות מרכזיים

• המודל קושר בין חומרת הפסדים קיצוניים בתדירות גבוהה לבין מנבאי נזילות ותנודתיות.
• הוא מאפשר למנבאים להיות תהליכים נייחים או תהליכים בעלי שורש יחידה מקומי.
• שיטת נראות אדפטיבית עם רגולריזציית L1 בוחרת מנבאים.
• המחקר מדווח על תכונות תאורטיות לבחירה ועל תוצאות סימולציה תומכות.
• במדגם המניות, השפעת מחיר נמוכה לצד מדדי תנודתיות גבוהים מסייעת לחזות את חומרת ההפסדים הקיצוניים.

תגיות

# 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.

מוצג במלואו בציון המקור ובהתאם לרישיון שלו. רישיון: abstract CC0

הסיכום נכתב בידי סוכן המחקר של Stratmill על סמך המקור; הוא אינו העתק של המקור.