Testing for differences in high-frequency network connectedness from variance decompositions
基于方差分解检验高频网络连通性的差异AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要使用高频 ETF 期权隐含波动率，以脉冲响应和方差分解分析货币政策意外，支持这三个方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
基于方差分解检验高频网络连通性的差异
- 研究问题
- 如何检验不同时点的网络连通性是否变化，并利用高频期权数据刻画 FOMC 公告后行业 ETF 隐含波动率连接的变化？
- 方法与思路
- 作者构造贝叶斯 Wald 型检验，建立固定局部时点下脉冲响应和方差分解矩阵的渐近正态性，并用于高频期权数据。
- 材料陈述的贡献
- 摘要称，检验在原假设下渐近服从卡方分布；应用发现公告后连通性显著上升，在存在政策意外的日期约持续一小时。
- 阅读关注点
- 应核对局部时间估计、Wald 统计量和渐近条件，以及政策意外的识别标准、公告窗口和连通性显著变化的检验方式。
- 阅读边界
- 仅据所给 OpenAlex 摘要，未核对全文或其他版本；统计量细节和稳健性未说明，公告后变化本身不足以确立因果机制。
原文摘要
We develop a Bayesian Wald-type test for detecting temporal differences in connectedness from variance decompositions, and establish the asymptotic normality of impulse response functions and variance decomposition matrices at fixed local time points. The resulting test statistic is asymptotically χ 2 distributed under the null hypothesis and performs well in Monte Carlo simulations. Applying our methodology to high-frequency options data on sectoral exchange-traded funds (ETFs) from January 2013 to June 2023, we identify and quantify monetary policy surprises following Federal Open Market Committee (FOMC) announcements. Our empirical results indicate that total connectedness among sectoral ETF implied volatilities increases significantly following FOMC announcements, with these elevated connectedness levels persisting for approximately one hour on days with monetary policy surprises. Our findings indicate more than one-fifth of FOMC announcements surprise financial markets.