ہائی فریکوئنسی ٹیل رسک کے لیے ریگولرائزڈ ایکسٹریم ویلیو ریگریشن

خلاصہ

یہ مطالعہ ماڈل کرتا ہے کہ ہائی فریکوئنسی مارکیٹس میں انتہائی نقصانات کی شدت ٹریڈنگ سرگرمی اور مارکیٹ کی غیر یقینی صورتحال کے ساتھ کیسے بدلتی ہے۔ اس کی ڈائنامک ایکسٹریم ویلیو ریگریشن میں اسٹیشنری اور مقامی یونٹ روٹ پیش گو شامل ہیں، تاکہ پیش گوؤں کا وہ رویہ سنبھالا جا سکے جو بدلتے ٹیل رسک کے تخمینوں کو بگاڑ سکتا ہے۔ ممکنہ پیش گوؤں میں اتار چڑھاؤ اور لیکویڈیٹی کے پیمانے شامل ہیں۔

متعلقہ پیش گوؤں کے انتخاب کے لیے مصنفین دو مرحلوں پر مشتمل موافق L1-ریگولرائزڈ زیادہ سے زیادہ امکان کا تخمینہ کار تجویز کرتے ہیں۔ وہ دونوں اقسام کے پیش گوؤں کے انتخاب کے لیے oracle خاصیت ثابت کرتے ہیں اور نقلوں میں محدود نمونے کے لیے سازگار نتائج رپورٹ کرتے ہیں۔ امریکی نو سیال اسٹاکس میں ہائی فریکوئنسی انتہائی نقصانات کے تجرباتی مطالعے میں 42 لیکویڈیٹی اور اتار چڑھاؤ کے پیمانے استعمال کیے گئے؛ اس میں کم قیمت اثر اور بلند اتار چڑھاؤ کے پیمانوں والے حالات میں نقصان کی شدت قابلِ پیش گوئی پائی گئی۔ اقتباس پیش گوئی کی کارکردگی کے پیمانے نہیں دیتا اور نہ یہ ثابت کرتا ہے کہ نتائج دوسرے اثاثوں، مارکیٹس یا ٹریڈنگ کے حالات پر کس حد تک لاگو ہوتے ہیں۔

اہم خیالات

• ماڈل ہائی فریکوئنسی انتہائی نقصان کی شدت کو لیکویڈیٹی اور اتار چڑھاؤ کے پیش گوؤں سے جوڑتا ہے۔
• اس میں پیش گوؤں کے اسٹیشنری یا مقامی یونٹ روٹ کے عمل ہونے کی گنجائش ہے۔
• ایڈاپٹو L1-ریگولرائزڈ امکان کا طریقہ پیش گو چنتا ہے۔
• مطالعہ پیش گوؤں کے انتخاب کی نظریاتی خصوصیات اور ان کی تائید کرنے والے نقلی نتائج رپورٹ کرتا ہے۔
• اسٹاک کے نمونے میں کم قیمت اثر کے ساتھ بلند اتار چڑھاؤ کے پیمانے انتہائی نقصان کی شدت کی پیش گوئی میں مدد دیتے ہیں۔

ٹیگز

# 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.

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۔