Measuring tail risk at high-frequency: An $L_1$-regularized extreme value regression approach with unit-root predictors
高频尾部风险测度：含单位根预测变量的 L1 正则化极值回归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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接研究高频股票极端损失与尾部风险，并将波动率指标作为重要预测变量。
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…
关注这篇论文的作者
高频尾部风险测度：含单位根预测变量的 L1 正则化极值回归
- 研究问题
- 高频金融极端损失如何随交易活动和市场不确定性变化，以及如何在平稳与局部单位根预测变量并存时筛选相关指标？
- 方法与思路
- 作者构建动态极值回归，用两步自适应 L1 正则化最大似然选择波动率与流动性变量，并分析预言性质及有限样本表现。
- 材料陈述的贡献
- 摘要称估计量具有变量选择的预言性质；九只美国股票的应用发现，在流动性与波动率高变动时期，低价格冲击预测更严重损失。
- 阅读关注点
- 应核对极值阈值和尾部参数定义、局部单位根设定、两步惩罚权重及预言性质条件，并检查应用中的预测评价方式。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核验。摘要未给出阈值、系数或误差数值，预测关联不能直接视为因果机制。
原文摘要
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.