新闻对预测重大损失重要吗？

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Are news important to predict large losses?》
---
作者：
Mauro Bernardi, Leopoldo Catania and Lea Petrella
---
最新提交年份：
2014
---
英文摘要：
  In this paper we investigate the impact of news to predict extreme financial returns using high frequency data. We consider several model specifications differing for the dynamic property of the underlying stochastic process as well as for the innovation process. Since news are essentially qualitative measures, they are firstly transformed into quantitative measures which are subsequently introduced as exogenous regressors into the conditional volatility dynamics. Three basic sentiment indexes are constructed starting from three list of words defined by historical market news response and by a discriminant analysis. Models are evaluated in terms of their predictive accuracy to forecast out-of-sample Value-at-Risk of the STOXX Europe 600 sectors at different confidence levels using several statistic tests and the Model Confidence Set procedure of Hansen et al. (2011). Since the Hansen\'s procedure usually delivers a set of models having the same VaR predictive ability, we propose a new forecasting combination technique that dynamically weights the VaR predictions obtained by the models belonging to the optimal final set. Our results confirms that the inclusion of exogenous information as well as the right specification of the returns\' conditional distribution significantly decrease the number of actual versus expected VaR violations towards one, as this is especially true for higher confidence levels.
---
中文摘要：
在本文中，我们研究了新闻对使用高频数据预测极端财务回报的影响。我们考虑了几种不同的模型规格，它们分别针对基础随机过程和创新过程的动态特性。由于新闻本质上是定性指标，因此首先将其转化为定量指标，然后将其作为外生回归引入条件波动动力学。从历史市场新闻反应和判别分析定义的三个词列表出发，构建了三个基本情绪指数。利用几个统计测试和Hansen等人（2011）的模型置信集程序，评估模型的预测精度，以预测不同置信水平下斯托克欧洲600个行业的样本外风险值。由于Hansen的过程通常提供一组具有相同VaR预测能力的模型，因此我们提出了一种新的预测组合技术，该技术可以动态地对属于最优最终集的模型所获得的VaR预测进行加权。我们的结果证实，包含外部信息以及正确说明收益的条件分布显著减少了实际与预期VaR违规的数量，因为对于更高的置信水平尤其如此。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Statistical Finance        统计金融
分类描述：Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--
一级分类：Quantitative Finance        数量金融学
二级分类：Risk Management        风险管理
分类描述：Measurement and management of financial risks in trading, banking, insurance, corporate and other applications
衡量和管理贸易、银行、保险、企业和其他应用中的金融风险
--
一级分类：Statistics        统计学
二级分类：Applications        应用程序
分类描述：Biology, Education, Epidemiology, Engineering, Environmental Sciences, Medical, Physical Sciences, Quality Control, Social Sciences
生物学，教育学，流行病学，工程学，环境科学，医学，物理科学，质量控制，社会科学
--

---
PDF下载：
--> Are_news_important_to_predict_large_losses?.pdf (704.42 KB)

2022-5-7 02:11:56 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Quantitative Applications Econophysics distribution epidemiology

新闻对预测重大损失重要吗？M.Bernardia，L.Cataniab，L.Petrella，*SapienzaRome大学经济与金融研究所经济、领土与金融方法与模型研究所罗马大学Tor Vergata分校摘要本文利用高频数据研究新闻对预测极端金融回报的影响。我们考虑了几种不同的模型规格，它们分别针对基础随机过程和创新过程的动态特性。由于新闻本质上是定性指标，因此它们首先被转化为定量指标，随后作为条件波动率动力学的外生回归因子被引入。从历史市场新闻反应和判别分析定义的三个单词列表出发，构建了三个基本情绪指数。通过几项统计测试和Hanse net al.（2011）的模型置信集程序，评估模型在不同置信水平下预测斯托克欧洲pe 600行业样本价值外风险的预测准确性。由于Hansen的程序通常提供一组具有相同VaR预测能力的模式ls，因此我们提出了一种新的预测组合技术，该技术可根据最佳最终集对模型获得的VaR预测进行动态加权。我们的研究结果证实，包含e-XoGene信息以及正确指定回报的条件分布显著减少了实际与预期的违规数量，尤其是在更高的信任水平下。关键词：GARCH模型、极端损失、情绪分析、模型信心集、e cast组合的风险价值。1.

导言新闻与市场波动之间的相互作用在风险管理和资产定价中起着重要作用。事实上，毫无疑问，有关个别机构健康状况以及总体宏观经济状况的信息会影响投资者的决策。根据有效市场假说的理论，新闻的到达和新闻的传播之间可能存在直接关系*通讯作者，罗马萨皮恩扎大学MEMOTEF系，Via delCastro Laurenziano，9，00166罗马，电子邮件：lea。petrella@uniroma1.itPreprint提交至2019年5月7日观察到的股票回报的条件方差。更准确地说，看看Fama（1969）的“有效市场假说”（EMH）的这种半强形式，股票价格会以一种无偏见的方式迅速地适应公开的新闻信息。克拉克（1973）的“混合分布假说”（MDH）也指出了风险和信息之间的直接联系，指出存在一个连续相关的混合变量，衡量信息到达市场的速度，驱动股票收益的波动。对新闻信息可预测性的持久兴趣反映了它的巨大影响。对于从业人员来说，可预测的资产回报会影响投资者的资产配置和对冲决策，以及企业发行证券的时机。对于学者来说，可预测回报的存在对市场效率以及经济中的总波动如何传递到金融市场和从金融市场传递出去都有影响。此外，资产定价理论的最新进展和大量实证文献提供了强有力的证据，证明股票价格的条件方差在一定程度上是可以预测的，可以使用公开的信息。

最近的许多论文都提供了证据，证明可预测性是由商业周期变动和投资者对风险的感知变化引起的，这些变化会随着时间的推移而发生变化，即风险溢价的变化。然而，其他人则提供了证据，证明前dic反映了一个充满过度反应和非理性投资者的无效市场（参见Mitra和Mitra，2010；Kalev等人，2011；Chopra等人，1992；De Bondtand T haler，1985；Lehmann，1990）。一个相关的无压力重要问题尚未得到深入研究，即将ne-ws作为外生回归因子是否有助于预测高频采样的时间序列中经常观察到的极端收益。本文采用这一观点，根据“事实集”分类，对斯托克欧洲600个组成部分的19个行业进行了一项广泛研究，研究了利用高频数据预测极端收益的信息影响。所谓极端财务回报，我们指的是对投资者资产或投资组合的价值产生负面影响的事件，违反了1%置信水平的风险价值（VaR）衡量标准。从风险管理的角度来看，更准确的VaR预测带来了诸多好处，如巴塞尔协议（1996年）指出的更好地预测未来损失和更少的监管要求所需资本。

此外，由于VaR预测通常与波动率预测相联系，因此，它允许更精确的VaR预测也有利于竞争性和资产定价。为了评估新闻信息对预测大回报的条件分布的相关性，我们在几个动态波动率模型的规范中加入了外部协变量，这些模型不同于基础随机过程的动态特性以及创新假设。动态条件波动率模型已成为最流行的风险管理工具之一，用于模拟股票市场的波动性。在我们的实证分析中，我们参考了Engle（1982）提出的一类自回归条件异方差（ARCH）模型。Engle（1982）和Bollerslev（1986）的ARCH型模型提供了一种简单有效的方法，用于实证研究将外源性回归纳入新闻核算的相关性。在处理信息时，首要的挑战是为新闻流程找到合适的代理。新闻固有的定性本质意味着有必要建立一个模型，将信息流转化为定量度量。尽管开创性研究使用卷和引用作为新闻的代理（参见Lamoureux和Lastraps，1990；Ito和Roley，1986），但许多研究者认为，这些代理是有偏见的，不适当的，参见Kalev等人（2011）。更多最近的研究（参见Hafez 2009，该研究引用了RavenPack的技术）使用了一种替代指标，它也解释了一些通常被称为“情绪”指标的好坏衡量。

有关新闻分析技术的全面最新调查，请参见Das（2011）。在本文中，我们使用五个回归系数进行了实证调查：滞后量、与特定公司相关的新闻标题中的字数以及三个基本情绪指标，这三个指标解释了与公司相关的新闻标题中“好”、“坏”和“高”的波动性字数。此外，由于高频数据对于将新闻与极端财务损失联系起来是必要的，我们使用五分钟的数据来构建外源性的财务损失。考虑了几种通过结合条件波动性特征、不同的解释新闻的外生回归系数和不同的误差分布假设而获得的替代模型。然后使用几个标准对竞争模型交付的预测VAR进行回溯测试。我们使用了McAleer和da Veiga（2008）的实际超出预期的超出率、违反retur n的平均值和最大绝对偏差、Christo Offer n（1998）和Kupiec（1995）的条件和无条件覆盖测试，以及Engle和Manganelli（2004）的动态分位数（DQ）测试。正如Chen等人（2012年）所指出的，这些措施不仅仅是评估违规率，还允许风险管理纳入损失程度。尽管这些测试在比较VaR违规方面具有公认的相关性，但它们未能根据VaR的预测准确性区分替代模型。出于模型选择的目的，我们认为Hansen（2003）、Hansen和Lunde（2005）以及Hansen等人（2011）最近开发的模型置信集程序（MCS）适用于必须评估VaR预测绩效的情况。

汉森的过程由一系列统计测试组成，这些测试允许构建一组“优越”模型（SSM），其中不拒绝平等预测能力（EPA）的无效假设。由于我们的目标是获得一个SSM，该SSM由统计上等同于预测未来VaR水平的模型组成，因此在整个模型选择过程中，我们建议使用一个明确定制的损失函数，以不对称的方式计算高于和低于预测VaR的penalis e回报。Gonzales等人（2004年）曾将损失函数用于回溯测试。就VaR预测而言，存在多个具有相同预测能力的模型，这就提出了汇集每个模型预测中包含的信息的问题。自从里德（Reid，1968，1969）在预测组合方面的开创性工作以来，人们提出了几种动机来证明这种技术的合理性。例如，Stock和Watson（19 992001，2004）发现，与简单的模型选择技术相比，组合预测通常会产生更好的结果。Hoeting等人（1999年）通过平均不同的模型规格，在贝叶斯框架中对“模型不确定性”进行dea。在决策-理论方法中，ECAST的组合可以被视为一种程序，旨在多样化，然后降低选择单一模型生成预测的风险。Timmermann（2006）和Aiol Fi等人（2011）最近的调查为组合预测提供了进一步的动机。在本文中，我们提出了一个动态过程，该过程结合了由属于上级集的模型传递的VaR预测。正如Gia c ominiand Komunjer（2005）所说，VaR模型的组合是有益的，因为VaR是一个小覆盖分位数模型，它对低于分位数估计的少数观测值敏感。

更重要的是，结合不同的VaR模型也可以对个别VaR预测进行稳健性分析，因为随着时间的推移，估计的模型参数会特别不稳定。我们建议使用一种新的指数平滑移动平均过程，通过动态加权方案组合VaR预测。我们提出的权重平滑过程考虑了非对称创新分布，也考虑了参数不确定性问题。我们的实证结果证实，在广泛的样本外分析中，信息新闻显著改善了对极端值的预测。此外，我们还表明，将“特别”模型选择程序与n最优动态VaR组合技术相结合，可以提供更好的VaR预测。最后，作为额外考虑，我们发现引入外源回归可以解释高频率金融数据的季节性波动模式，见Gencay等人。(2001).论文的剩余部分组织如下。在第2节中，我们系统地回顾了关于新闻相关性预测财务回报的实证文献。第3节详细介绍了模型规格，第4节介绍了Hansen等人（2011）的模型选择程序。第5节描述了为实现VaR预测而开发的动态VaR组合技术。第6节描述了这些数据，提供了关于外源基因重组子结构的见解，并讨论了主要的实证结果。第7节结束。2.

文献综述自克拉克（1973）的开创性工作（通常不被称为混合分布假说（MDH））以来，金融计量经济学文献中出现了大量相关的研究工作，重点关注股票波动性与新闻之间的关系，其中一个主要问题是为新闻到达过程选择适当的代理。对这个相关问题的第一个自然答案是使用卷和引用（例如，见伊藤和罗利1986年和拉莫鲁克斯和拉斯特罗斯1990年）。Kalev等人（20 04）最近的工作认为，使用交易量作为信息的代理，有三个主要因素需要考虑：交易量的内在性质，不同类型的交易者有不同的新闻解读（例如，噪音交易者和流动性交易者），以及交易量不能考虑私有信息的事实。20世纪90年代初，另一股关注焦点转向了新闻分类。例如，Jones等人（1998年）在EGARCH模式下使用了定时与非定时新闻，发现信号结果模拟了美元/澳元汇率的前两个时刻。许多其他研究转而使用特定的虚拟变量对条件波动率方程中的新闻影响进行建模：Blasco等人（2002年）在GJR–GARCH规范中使用了四个虚拟变量（分别用于好-坏消息和高-低相关消息的组合），表明坏消息可用于捕捉负面冲击的不对称波动反应。Kim（1998）的相关工作在EGARCH模型中使用了类似的代理，用于美元/澳元汇率，发现了重要的结果，即使是条件平均值。在多变量框架中，Fornari等人（2002年）将报纸标题作为带有GARCH创新的马尔可夫切换向量自回归模型的前因变量。

由于技术创新和计算机能力的提高，在上一次的设计中，专注于使用公开信息的作品数量迅速增加。DeGennaro和Shrieves（1997年）以及Ederington和Lee（1993年）使用宏观经济新闻的数量来解释外汇条件波动，近年来这种技术被称为天真分类（参见alsoDas（？），对于新闻分析技术的广泛调查）。更复杂的新闻分析技术的使用，带来了从文本到语境的巨大挑战。换句话说，这意味着很难量化新标题背后的信息。常用的方法是创建一个指数来说明一些新闻指标。这个指数可以是一个简单的新闻相关词汇计数器，也可以是一个更复杂的情绪指数（参见Hafez 2009，它指的是RavenPack的技术）。Kalev和Duong（2011）以及Kalev et al.（2004）使用一个EGARCH模型，其中新闻数量输入条件波动率方程作为e xogeneous回归，以解释标准普尔/ASX 200指数的日内波动模式。他们发现信息到达率对波动性有积极影响。Mitchell和Harold（1994年）使用每周的时间框架提供了类似的结果，而Berry和Howe（1994年）没有发现EUTER新闻服务发布的新闻数量与标准普尔500指数波动性之间存在任何显著关系。在本文中，我们从衡量极端财务损失的不同角度探讨了量化新闻信息影响的问题。为此，我们采用了反词方法，即。