Bagaimana volatilitas dalam Sensitivitas Berita Pasangan dapat diukur?

Jawaban langsung

Volatilitas dalam Sensitivitas Berita Pasangan dapat diukur dari seberapa besar kekuatan respons berita yang diestimasi berubah dari waktu ke waktu. Alih-alih menganggap sensitivitas sebagai sesuatu yang tetap, Anda mengestimasi sensitivitas itu berulang kali dengan aturan yang konsisten pada jendela historis yang berbeda (atau batch peristiwa yang berbeda), lalu mengkuantifikasi dispersi dari estimasi sensitivitas tersebut.

Pendekatan ini menjelaskan pilihan pengukuran dan keterbatasannya, bukan memprediksi pergerakan masa depan.

Mekanisme dan definisi

Mulailah dengan mendefinisikan “Sensitivitas Berita Pasangan” sebagai hubungan yang diestimasi antara (a) peristiwa seperti berita dan (b) perubahan harga berikutnya untuk pasangan mata uang tertentu. Alur kerja pengukuran yang praktis memerlukan komponen-komponen ini:

Definisi peristiwa: Tentukan apa yang dihitung sebagai peristiwa berita (misalnya, apakah Anda mengelompokkan berdasarkan pengumuman terjadwal atau berdasarkan rilis apa pun yang melebihi ambang tertentu). Asumsi: waktu peristiwa Anda akurat dan aturan pengelompokan Anda tetap.
Jendela respons: Tentukan seberapa jauh setelah setiap peristiwa Anda mengukur pergerakan harga (misalnya, horizon singkat seperti menit, jam, atau beberapa candle). Asumsi: jendela respons sesuai dengan horizon “dampak berita” yang dimaksud.
Ukuran imbal hasil: Putuskan bagaimana Anda mengkuantifikasi pergerakan (misalnya, perubahan persentase atau log return selama jendela respons). Asumsi: Anda menggunakan definisi imbal hasil yang sama di semua jendela.
Estimator sensitivitas: Definisikan bagaimana Anda menghitung “sensitivitas berita” dari imbal hasil peristiwa. Contohnya meliputi:

Rata-rata respons peristiwa: mean imbal hasil selama jendela respons di seluruh peristiwa.
Selisih peristiwa vs kontrol: bandingkan imbal hasil di sekitar peristiwa dengan imbal hasil di sekitar waktu non-peristiwa.
Sensitivitas berbasis regresi: estimasi koefisien yang menghubungkan indikator peristiwa ke imbal hasil.

Setelah Anda memiliki estimator sensitivitas, “volatilitas dalam Sensitivitas Berita Pasangan” bukan volatilitas harga secara langsung; ini adalah volatilitas dalam estimasi sensitivitas.

Mengukur volatilitas sensitivitas: ulangi dan kuantifikasi

Untuk mengukur volatilitas dalam sensitivitas, gunakan satu atau lebih opsi berikut.

Dispersi rolling-window

Hitung sensitivitas pada jendela waktu yang saling tumpang tindih atau tidak tumpang tindih (misalnya, jendela 3 bulan yang digeser bulanan). Lalu ukur dispersi dari nilai sensitivitas yang dihasilkan.

Simpangan baku estimasi sensitivitas di seluruh jendela
Rentang interkuartil (IQR) estimasi sensitivitas di seluruh jendela

Asumsi yang perlu dinyatakan: panjang jendela, ukuran langkah, jumlah peristiwa per jendela, dan apakah Anda mengecualikan jendela dengan terlalu sedikit peristiwa.

Variabilitas lintas-peristiwa dalam satu batch

Jika Anda mengestimasi sensitivitas menggunakan sampel peristiwa, Anda dapat mengukur variabilitas respons level-peristiwa (misalnya, simpangan baku imbal hasil peristiwa relatif terhadap target sensitivitas). Ini menangkap heterogenitas dalam bagaimana peristiwa yang berbeda memengaruhi pasangan tersebut.

Ketangguhan estimator alternatif

Hitung sensitivitas menggunakan setidaknya dua pilihan pengukuran yang masuk akal (misalnya, respons rata-rata peristiwa vs. selisih peristiwa-kontrol) dan periksa apakah keduanya menunjukkan perubahan yang serupa dari waktu ke waktu. Jika volatilitas sensitivitas sangat bergantung pada satu estimator yang rapuh, pengukuran menjadi kurang dapat diandalkan.

Skor “stabilitas” yang sederhana

Definisikan skor stabilitas sebagai rasio antara variabilitas di seluruh jendela dan skala dasar (seperti sensitivitas absolut rata-rata di seluruh jendela). Ini membantu membandingkan stabilitas meskipun nilai sensitivitas berbeda besarnya dari waktu ke waktu.

Bukti atau contoh (dengan asumsi yang eksplisit)

Pertimbangkan contoh yang berdiri sendiri yang bisa Anda reproduksi tanpa prediksi langsung:

Asumsikan Anda memiliki timestamp peristiwa historis untuk kategori berita yang dipilih.
Asumsikan Anda mengukur respons sebagai log return dari waktu peristiwa hingga 1 jam kemudian.
Asumsikan Anda mendefinisikan sensitivitas dalam setiap rolling window sebagai rata-rata log return di seluruh peristiwa dalam window tersebut.

Anda memilih jendela 6 bulan yang digeser bulanan. Untuk setiap window, Anda menghitung satu estimasi sensitivitas. Lalu:

hitung simpangan baku dari sensitivitas level-window tersebut untuk mengkuantifikasi volatilitas dalam sensitivitas;
laporkan berapa banyak peristiwa yang berkontribusi pada setiap window dan kecualikan window yang berada di bawah ambang jumlah peristiwa yang dipilih.

Hasil yang realistis adalah estimasi sensitivitas berubah secara substansial ketika pasar memasuki rezim yang berbeda (misalnya, periode aktivitas keseluruhan yang tinggi vs. rendah), bahkan jika aturan peristiwa Anda tetap konstan.

Keterbatasan dan risiko (mode kegagalan yang material)

Perubahan rezim pasar: Sensitivitas dapat berubah karena kondisi yang lebih luas ikut berubah, bukan hanya karena “efek berita” berubah. Stabilitas historis tidak menjamin perilaku di masa depan.
Biaya dan efek eksekusi: Hasil nyata bergantung pada spread, komisi, slippage, dan bagaimana order dieksekusi. Bahkan jika Anda mengukur sensitivitas dari harga tengah (mid prices), biaya dapat berubah sehingga dampak efektifnya ikut berubah.