MétaCan
Menu
Retour à la cohorte
Enregistrement W3122674308 · doi:10.1093/rof/rfaa040

Time-Varying Crash Risk Embedded in Index Options: The Role of Stock Market Liquidity

2020· article· en· W3122674308 sur OpenAlexaff
Peter Christoffersen, Bruno Feunou, Yoontae Jeon, Chayawat Ornthanalai

Notice bibliographique

RevueEuropean Finance Review · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Markets and Investment Strategies
Établissements canadiensToronto Metropolitan UniversityBank of CanadaUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMarket liquidityStock market crashCrashEconometricsIndex (typography)EconomicsStock marketStock market indexMarket riskFinancial economicsMonetary economicsComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract We estimate a continuous-time model for the stock market index where the stochastic volatility and crash probability depend on the realized spot variance and the stock market illiquidity. We find that market illiquidity is a useful economic covariate in the modeling of time-varying stock market crash risk embedded in index options. The relative contribution of spot variance in the time-varying crash risk is weakened once the market illiquidity variable is added to the model, and out-of-sample option pricing error also improves. Examining the relationship between market illiquidity and option-implied crash risk, we find that the availability of arbitrage capital and adverse selection facing liquidity providers are potential economic links. Our study highlights the benefits of adding a market illiquidity measure to index return models with time-varying crash risk.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,624
Score d'incertitude au seuil0,920

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,223
Écart entre enseignants0,191 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Finance ReviewMême sujetFinancial Markets and Investment StrategiesTravaux en français237 207