Modeling Conditional Distribution of Intraday Returns

Abstract

Time-series modeling of conditional distributions of intraday returns is of great importance to financial professionals and academic researchers. This work contributes to a methodological and empirical body of knowledge on conditional distributions of intraday asset returns. In Chapter 1, we study distributional diurnal patterns. We propose a new semi-parametric modeling framework for capturing distributional diurnal patterns inspired by traditional seasonal adjustment methods compatible with common models in the literature. Capturing distributional diurnal patterns substantially improves forecast precision. In Chapter 2, we study clustered commonality in the stock market to improve intraday volatility forecasts. Using sectors, industries, and data-driven clusters, we extend the heterogeneous autoregressive (HAR) model with relevant groups or clusters of stocks chosen by regularization methods. In Chapter 3, we propose a model with a novel distribution based on Tukey's H transformation to study conditional kurtosis of intraday returns and spillovers of extreme shocks in the stock market. Empirical applications are based on intraday large-cap US-listed stock returns.

Modelování podmíněných rozdělení časových řad intra-denních výnosů je důležitým nástrojem pro profesionály ve finančnictví a akademiky. Tato práce přispívá k metodologickým a empirickým poznatkům o modelování podmíněných rozdělení intra- denních výnosů aktiv. V první kapitole zkoumáme opakující se denní tvary rozdělení výnosů podobné sezónnosti u nízkofrekvenčních časových řad. Navrhujeme novou semi- parametrickou metodu pro očištění celého podmíněného rozdělení. Zachycení opakujících se tvarů rozdělení významně zlepšuje předpovědi podmíněných rozdělení. V druhé kapitole zkoumáme shlukovou podobnost na akciovém trhu a využíváme ji ke zlepšení předpovědí volatility. S využitím sektorů, odvětví a shluků založených na datech rozšiřujeme heterogenní autoregresivní (HAR) model a volímerelevantní shluky s použitím regularizačních metod. V třetí kapitole navrhujeme model s novým rozdělením, které je založeno na Tukeyho H transformaci, ke zkoumání podmíněné špičatosti intra-denních výnosů a přelévání extrémních šoků na akciovém trhu. Empirické výsledky jsou založeny na intra-denních výnosech amerických akcií s vysokou kapitalizací.