Notice bibliographique
Résumé
This dissertation comprises three separate chapters on both risk-neutral and physical probability spaced equity tail risk for both the market index and in the cross-section of individual stocks. The first chapter is titled “Does VIX Truly Measure Return Volatility?” This chapter studies the bias of the VIX index as a volatility measure. Particularly, VIX undervalues (overvalues) volatility when market return is expected to be negatively (positively) skewed. Alternatively, we develop a model-free generalized volatility index (GVIX). This chapter further derives the risk-neutral tail risk estimated from the VIX index. The second chapter is titled “Decomposing the VIX: Implications for the Predictability of Stock Returns” This chapter studies the tail risk for the market index (S&P 500 index) in both risk-neutral and physical probability space and subsequently quantifies the market tail risk premium. Market tail risk premium also is a driving force of the VIX index, especially during a nervous market condition. The VIX decomposed market tail risk premium possesses significant prediction power for the equity market index (S&P500 index), Fama and French style portfolios, and industry portfolios with a prediction range that varies from one month to 12 months. The third chapter is titled “The Predictive Power of Tail Risk Premia on Individual Stock Returns” This chapter studies both the risk-neutral and physical probability space tail risk for the cross-section of individual stocks and examines the characteristics of this premium in the cross-section of stock returns. The tail risk premium for individual stocks is statistically and economically priced in the cross-section of individual stock returns. Specifically, the existence of a premium for bearing negative tail risk is significantly associated with negative returns up to one month in the future. In contrast, the premium for bearing positive tail risk has no significant predictive power. This phenomenon cannot be explained by size, book-to-market ratio, market beta, idiosyncratic volatility, momentum, illiquidity, or lottery effect (maximum and minimum monthly returns). Overall, the results from the three chapters indicate that equity tail risk is an important factor for the market index in both risk-neutral and physical probability spaces, and its premium carries strong return predictability for multiple market-level portfolio assets. Furthermore, equity tail risk and its premium carry significant return prediction power in the cross-section of individual stock returns. This phenomenon is robust to previously documented asset pricing factors.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».