尾部格兰杰因果及其所在：极端风险溢出与伪关联

识别金融市场中的风险溢出对于评估系统性风险和投资组合管理至关重要。尾部（或风险中）的格兰杰因果检验一个时间序列的过去极端事件是否有助于预测另一个时间序列的未来极端事件。利用尾部格兰杰因果构建的网络拓扑与连通性可用于衡量系统性风险并识别风险传播者。本文我们引入一种新颖的尾部格兰杰因果检验，其采用似然比统计量，并基于描述底层价格动态极端事件序列的二元时间序列离散自回归过程的多变量推广。所提出的检验在有限样本中具有非常好的尺寸与功效，尤其对于大样本量，能够推断因果交互发生的正确时间尺度，并且当考虑两个以上时间序列时足够灵活以进行多变量扩展，从而减少因忽略变量而产生的伪效应导致的错误检测。一项广泛的模拟研究展示了所提方法在多种数据生成过程下的表现，并引入了与 [Hong et al., 2009] 的尾部格兰杰因果检验的比较。我们报告了不同方法的优势与缺陷，指出了与尾部事件格兰杰因果错误检测相关的一些关键方面。对一组美国股票高频数据的实证应用凸显了我们新方法的优点。