ہائی فریکوئنسی کینڈل اسٹکس سے اسپاٹ بیٹا کا تخمینہ

خلاصہ

یہ مقالہ اسپاٹ ریگریشنز کے تخمینے اور استنباط کے طریقے تیار کرتا ہے، خاص طور پر بیٹا پر توجہ کے ساتھ جو منظم خطرے کا پیمانہ ہے۔ صرف اوپن سے کلوز تک کے منافع پر انحصار کرنے کے بجائے، طریقہ ہائی فریکوئنسی کینڈل اسٹک ڈیٹا استعمال کرتا ہے، جس میں ہر وقفے کی بلند اور کم قیمتیں شامل ہیں۔ تخمینے مقررہ-کے اسیمپٹوٹک فریم ورک میں کوآڈریٹک خطرہ کم کرکے بنائے جاتے ہیں، اور مقالہ اسپاٹ بیٹا کے لیے ایک قابلِ عمل مفروضہ جاتی آزمائش پیش کرتا ہے۔

نقلی نتائج میں منافع پر مبنی تخمینوں کے مقابلے میں تخمینے کا خطرہ کم دکھائی دیتا ہے، خاص طور پر چھوٹے نمونوں میں، جبکہ مجوزہ آزمائش کی طاقت زیادہ ہے۔ ایک اطلاق میں IBIT اور SPY کے ایک منٹ کے ڈیٹا سے جانچا جاتا ہے کہ آیا بٹ کوائن مارکیٹ نیوٹرل ہے؛ رپورٹ کردہ تخمینے نیوٹرل ہونے سے ہٹتے ہیں، خاص طور پر زیادہ اتار چڑھاؤ کے ادوار میں۔ یہ نتائج ایک مخصوص اطلاق اور فریم ورک سے متعلق ہیں۔ دستاویز نمونے کے ڈیزائن، مضبوطی کی جانچ یا ٹریڈنگ کی کارکردگی کی مزید تفصیلات نہیں دیتی، اس لیے صرف بیٹا کا نتیجہ منافع بخش اسٹریٹیجی یا بٹ کوائن کے مارکیٹ ایکسپوژر کے بارے میں عمومی نتیجہ ثابت نہیں کرتا۔

اہم خیالات

• کینڈل اسٹک کی بلند اور کم قیمتیں اسپاٹ ریگریشن کے تخمینے میں اوپن سے کلوز تک کے منافع میں اضافہ کر سکتی ہیں۔
• فریم ورک کوآڈریٹک خطرہ کم کرکے اسپاٹ بیٹا سمیت ریگریشن پیرامیٹرز کا تخمینہ لگاتا ہے۔
• مجوزہ قابلِ عمل آزمائش کو اسیمپٹوٹک سطح درست رکھنے کے لیے بنایا گیا ہے۔
• نقلی نتائج میں تخمینے کا خطرہ کم، بالخصوص چھوٹے نمونوں میں، اور آزمائش کی طاقت زیادہ رپورٹ ہوئی ہے۔
• IBIT-SPY کے اطلاق میں بٹ کوائن کا مارکیٹ نیوٹرل ہونا رد ہوتا ہے، خاص طور پر زیادہ اتار چڑھاؤ کے ادوار میں۔

ٹیگز

# 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.

ماخذ کا حوالہ دیتے ہوئے مکمل متن دکھایا گیا ہے، ماخذ کے لائسنس کے تحت۔ لائسنس: abstract CC0

یہ خلاصہ اصل ماخذ سے Stratmill کے تحقیقی ایجنٹ نے لکھا ہے؛ یہ ماخذ کی نقل نہیں۔