JDQS 2026 — Intraday Variance Concentration and Next-Day Crash Risk

大白话：这篇论文发现，预测 S&P 500 次日崩盘，看的不是日内波动率的「水平」而是它的「形状」——如果波动率均匀地摊在整个交易日（HHI 接近基线），次日崩盘概率更高；10 个基准模型的样本外比较里它的 Brier 分数最低，90 分位的现金覆盖策略把夏普从 0.25 提到 0.58。

作者: Anonymous draft (JDQS author template; 作者 block 在 extracted 中未显式出现, 论文是 SSRN 6975778 草稿, 准备投 JDQS)。Slugs 用 SSRN ID + 论文主标题 — 缺少 author block 时, paper entity 用 SSRN ID + title-form 命名, 不强求 author。

发表: SSRN 6975778 (2026 年初版本, slug 202601- 按 SSRN 估算的提交月份)。拟投 Journal of Derivatives and Quantitative Studies (JDQS)。20 页手稿, 包括主体 + Appendix A (Proposition 1 证明)。

一句话

日内实现波动率的"形状" (HHIt 集中度) 而非"水平" (RV) 对次日 crash 概率有独立预测力 — 广-均匀-已-stress 日预示次日延续, 集中-burst 日预示 session 内 exhaustion。10 个基准的样本外检验中 Brier 分数最低, GARCH 在低波动率十分位有 100 倍的校准崩塌, 90 分位现金覆盖策略把夏普从 0.25 提到 0.58。

数据与方法

• 数据: S&P 500 5 分钟 K 线 (SPX500 CFD) + SPY 日频收盘到收盘收益, 3,867 天 (2005-2020), 含 2008 金融危机 + 2020 新冠疫情。
• HHIt: Herfindahl 集中度指数, 78 段 5 分钟 K 线, 取值范围 [1/78, 1]。
• Proposition 1: 纯扩散过程下 E[\text{HHI}_t] = 3n/(n+2), 与水平无关 (level-independent), n = 78 → 2.925。
• 崩盘标签 (crash label): crash-02 = 次日收盘到收盘对数收益 ≤ -2%; 此外还测试 -2.5% / -3% / -5%。
• 预测框架: 扩展窗口样本外逻辑回归 (expanding-window out-of-sample logistic), 按季度重新估计, 10 个基准 (GARCH、HAR-RV、RV 随机游走、逻辑回归变体、6 预测变量扩展版)。
• 评价指标: ROC-AUC、Brier 分数、校准曲线、Diebold-Mariano 检验。
• 经济价值: 90 分位现金覆盖策略, 5 档交易成本水平 (0-20 bps)。

核心实证 (表 II + III + IV)

• Logit-RV-HHI: log HHI 系数 -0.517**, LR p = 0.022 (对比只用 RV)。
• 样本外 Brier 最低: 0.0430 (10 个基准中)。
• GARCH 100 倍校准失准: 预测风险最低的十分位预测 0.0001 而实际 0.0096。
• 5 次实证事件验证: 2008-10-14 (-10.4%), 2020-03-12 (-10.1%), 2010-05-06 (闪崩), 2018-02-05 (波动率大爆发), 2008-09-29 (TARP) — 这 5 次前一日的 HHI 平均 2.998 ≈ 基线 2.925, 远低于样本均值 4.462。
• 90 分位现金覆盖: 夏普 0.25 → 0.58, 最大回撤 -54% → -38%, 投资时间约 89%, 对 0-20 bps 的成本不敏感。
• 样本外时间检验 (训练截至 2014): AUC 0.881 → 0.885, Brier 0.0326 → 0.0324, 三项指标全部改善 (含把新冠时期留出样本外)。

稳健性（表 IV）

• 5/10/15/30/65 分钟频率: HHI 系数全为负, 5 分钟 p=0.022 + 15 分钟 p=0.032 显著。
• 替代集中度度量: Top-1 占比 p=0.009 (最强), Top-3 p=0.038, 双幂跳跃比率 p=0.051; Gini p=0.193 (唯一例外)。
• 崩盘定义 -2% / -2.5% / -3% / -5%: Brier 改善或持平。
• 样本外时间检验: 全部改善。
• 滚动 1,500 天窗口: Brier 改善, AUC ±0.003 (不可区分)。

与本 wiki 的关系

• 核心 quant 主题: 落在 Volatility Forecasting / Crash Forecasting (Crash-02) / Realized Variance (RV) 主线, 是高频实现波动率文献的近期延伸 (Andersen-Bollerslev-Diebold-Labys 2003 起 → Fan-Wang 2007 多尺度跳跃 → 本论文 HHIt 集中度)。
• 核心概念 (论文创建/挂载):
  • HHIt (Herfindahl Index of Intraday Variance) (主页)
  • Level-Independent Diffusion Baseline (3n(n+2)) (Proposition 1 的核心标尺)
  • GARCH Miscalibration in Low-Vol Decile (Normal-Tail Assumption Failure) (论文的隐藏亮点)
  • 配套: Crash Forecasting (Crash-02) / Brier Score and Diebold-Mariano Test / Bipower Variation Jump Ratio / HAR-RV (Corsi 2009)
• 方法学母题: GARCH(1,1) / Realized Variance (RV) / Logistic vs Normal-Tail Probability Mapping
• stub entity (引用文献): Andersen-Bollerslev 1997 / Andersen-Bollerslev-Diebold-Labys 2003 / Fan-Wang 2007 / Barndorff-Nielsen-Shephard 2004 / Jiang-Oomen 2008 / Corsi 2009 / Bollerslev 1986 / Merton 1976 / Patton 2011 / Patton-Sheppard 2015 / Brunnermeier-Pedersen 2009 / Diebold-Mariano 1995 / DeLong-DeLong-Clarke-Pearson 1988

主要引用

[Anonymous draft, JDQS] (2026). How Can Intraday Variance Concentration Signal Next-Day Crash Risk? Evidence from S&P 500 High-Frequency Data. SSRN 6975778. Submitted to Journal of Derivatives and Quantitative Studies. 20 pages.

完整参考文献见 extracted.md 末尾 (Page 14-15 区域); 主要是 RV 经典文献 + 跳跃检测 + 崩盘预测方法学, 作者信息在 extracted 中缺失 (可能 SSRN 草稿模板, author block 需在 SSRN 网站查询或 PDF 元数据)。

待研究问题（论文自陈）

• 2021-2026 年的扩展: 新冠之后 + 加息周期下的稳定性。
• 多个股票指数: NASDAQ-100、Russell 2000、FTSE 100、DAX、日经 225、上证 50、沪深 300。
• VIX 期限结构的耦合 (论文自陈 "最有 product 性的 future research 方向")。
• 短期期权定价: HHI 驱动的概率作为保护性看跌期权 (protective put) 定价的输入。
• 多资产: 债券 / 外汇 / 商品期货。
• A 股 T+1 + 涨跌停制度下的可复制性 (本 wiki 扩展)。