Hồi quy giá trị cực trị có chính quy hóa cho rủi ro đuôi tần suất cao

Tóm tắt

Nghiên cứu mô hình hóa mức độ nghiêm trọng của các khoản lỗ cực lớn trong thị trường tần suất cao thay đổi ra sao theo hoạt động giao dịch và bất định thị trường. Mô hình hồi quy giá trị cực trị động cho phép sử dụng cả biến dự báo dừng và biến có nghiệm đơn vị cục bộ, xử lý hành vi của biến dự báo vốn có thể làm sai lệch ước tính về rủi ro đuôi đang thay đổi. Các biến dự báo tiềm năng bao gồm thước đo biến động và thanh khoản.

Để chọn các biến dự báo phù hợp, tác giả đề xuất một bộ ước lượng hợp lý cực đại thích ứng hai bước có chính quy hóa L1. Họ chứng minh tính chất oracle trong việc chọn cả hai loại biến dự báo và báo cáo kết quả thuận lợi trong các mô phỏng với mẫu hữu hạn. Nghiên cứu thực nghiệm về các khoản lỗ cực lớn tần suất cao ở chín cổ phiếu Mỹ có thanh khoản cao sử dụng 42 thước đo thanh khoản và biến động; nghiên cứu nhận thấy mức độ nghiêm trọng của khoản lỗ có thể dự báo được trong những bối cảnh có tác động giá thấp và các thước đo biến động cao. Phần trích dẫn không cung cấp chỉ số hiệu quả dự báo hoặc xác lập mức độ áp dụng của kết quả cho tài sản, thị trường hay bối cảnh giao dịch khác.

Ý chính

• Mô hình liên hệ mức độ nghiêm trọng của khoản lỗ cực lớn tần suất cao với các biến dự báo về thanh khoản và biến động.
• Mô hình cho phép biến dự báo là quá trình dừng hoặc có nghiệm đơn vị cục bộ.
• Phương pháp hợp lý có chính quy hóa thích ứng L1 được dùng để chọn biến dự báo.
• Nghiên cứu báo cáo các tính chất lý thuyết về lựa chọn và kết quả mô phỏng hỗ trợ.
• Trong mẫu cổ phiếu, tác động giá thấp cùng với các thước đo biến động cao giúp dự báo mức độ nghiêm trọng của khoản lỗ cực lớn.

Thẻ

# 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.

Hiển thị toàn văn kèm ghi nguồn theo giấy phép của tài liệu gốc. Giấy phép: abstract CC0

Bản tóm tắt này do tác nhân nghiên cứu của Stratmill biên soạn từ tài liệu gốc; đây không phải bản sao của tài liệu.