Scribd Logo
Importer

Bienvenue sur Scribd !

  • Sujet 42C

    Transféré par

    Etienne Bédelpet
    49 vues2 pages
    Les praticiens utilisent traditionnellement pour mesurer la volatilité l' estimateur classique dit close-to-close , qui n'utilise qu'un point par jour alors que l'on dispose facilement de plus d'information pour des instruments nanciers qui traitent en continu dans la journée, sans même recourir à l'analyse explicite de données intraday. On peut facilement enrichir les séries historiques avec les cours d'ouvertures, les cours les plus hauts et plus bas traités dans la journée. L'utilisation de ces informations permet à la fois de disposer de plus d'information pour minimiser la variance des estimateurs à un horizon xé, prendre en compte un aspect de microstructure de la di usion (saut apparent résultant de l'inobservabilité entre la cloture et l'ouverture), et caractère non gaussien de la di usion. On trouve dans la littérature des estimateurs de volatilité qui permettent d'utiliser cette information sur la trajectoire de la di usion (deux mesures à des temps xe, et deux caractéristiques de la forme de la trajectoire). Outre l'aspect numérique de stabilité, si un estimateur di ère signi cativement d'un estimateur classique, on peut considérer que l'on a mis en évidence un aspect non gaussien. Puisqu'il existe un lien fort entre le caractère gaussien et l'indépendance des acroissements, on peut essayer d'interpréter ces écarts en terme d'autocorrélation, ou d'un point de vue plus nancier, de trendfollowing ou meanreversion.

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Signaler ce document
    Les praticiens utilisent traditionnellement pour mesurer la volatilité l' estimateur classique dit close-to-close , qui n'utilise qu'un point par jour alors que l'on dispose facilement de plus d'information pour des instruments nanciers qui traitent en continu dans la journée, sans même recourir à l'analyse explicite de données intraday. On peut facilement enrichir les séries historiques avec les cours d'ouvertures, les cours les plus hauts et plus bas traités dans la journée. L'utilisation de ces informations permet à la fois de disposer de plus d'information pour minimiser la variance des estimateurs à un horizon xé, prendre en compte un aspect de microstructure de la di usion (saut apparent résultant de l'inobservabilité entre la cloture et l'ouverture), et caractère non gaussien de la di usion. On trouve dans la littérature des estimateurs de volatilité qui permettent d'utiliser cette information sur la trajectoire de la di usion (deux mesures à des temps xe, et deux caractéristiques de la forme de la trajectoire). Outre l'aspect numérique de stabilité, si un estimateur di ère signi cativement d'un estimateur classique, on peut considérer que l'on a mis en évidence un aspect non gaussien. Puisqu'il existe un lien fort entre le caractère gaussien et l'indépendance des acroissements, on peut essayer d'interpréter ces écarts en terme d'autocorrélation, ou d'un point de vue plus nancier, de trendfollowing ou meanreversion.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Signaler comme contenu inapproprié
    49 vues2 pages

    Sujet 42C

    Transféré par

    Etienne Bédelpet
    Les praticiens utilisent traditionnellement pour mesurer la volatilité l' estimateur classique dit close-to-close , qui n'utilise qu'un point par jour alors que l'on dispose facilement de plus d'information pour des instruments nanciers qui traitent en continu dans la journée, sans même recourir à l'analyse explicite de données intraday. On peut facilement enrichir les séries historiques avec les cours d'ouvertures, les cours les plus hauts et plus bas traités dans la journée. L'utilisation de ces informations permet à la fois de disposer de plus d'information pour minimiser la variance des estimateurs à un horizon xé, prendre en compte un aspect de microstructure de la di usion (saut apparent résultant de l'inobservabilité entre la cloture et l'ouverture), et caractère non gaussien de la di usion. On trouve dans la littérature des estimateurs de volatilité qui permettent d'utiliser cette information sur la trajectoire de la di usion (deux mesures à des temps xe, et deux caractéristiques de la forme de la trajectoire). Outre l'aspect numérique de stabilité, si un estimateur di ère signi cativement d'un estimateur classique, on peut considérer que l'on a mis en évidence un aspect non gaussien. Puisqu'il existe un lien fort entre le caractère gaussien et l'indépendance des acroissements, on peut essayer d'interpréter ces écarts en terme d'autocorrélation, ou d'un point de vue plus nancier, de trendfollowing ou meanreversion.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Signaler comme contenu inapproprié
    sur 2

    Sujet 33

    Trend Following, Mean Reversion & Volatilit


    Stphane Mysona

    a,1,

    b,2

    , Paul Zimmermann

    a 5bis, passage Geroy Didelot, 75017 Paris


    b 69, boulevard Haussmann , 75008 Paris

    1. Problmatique

    Les praticiens utilisent traditionnellement pour mesurer la volatilit l' estimateur classique dit close-to-close,
    qui n'utilise qu'un point par jour alors que l'on dispose facilement de plus d'information pour des instruments
    nanciers qui traitent en continu dans la journe, sans mme recourir l'analyse explicite de donnes intraday.
    On peut facilement enrichir les sries historiques avec les cours d'ouvertures, les cours les plus hauts et plus bas
    traits dans la journe. L'utilisation de ces informations permet la fois de disposer de plus d'information pour
    minimiser la variance des estimateurs un horizon x, prendre en compte un aspect de microstructure de la
    diusion (saut apparent rsultant de l'inobservabilit entre la cloture et l'ouverture), et caractre non gaussien de la
    diusion. On trouve dans la littrature des estimateurs de volatilit qui permettent d'utiliser cette information sur
    la trajectoire de la diusion (deux mesures des temps xe, et deux caractristiques de la forme de la trajectoire).
    Outre l'aspect numrique de stabilit, si un estimateur dire signicativement d'un estimateur classique, on peut
    considrer que l'on a mis en vidence un aspect non gaussien. Puisqu'il existe un lien fort entre le caractre gaussien
    et l'indpendance des acroissements, on peut essayer d'interprter ces carts en terme d'autocorrlation, ou d'un
    point de vue plus nancier, de

    trend f ollowing

    ou

    mean reversion.

    Le but de cette tude est d'tudier les caractriques de persistance ou d'anti-persistance de sries nancires,
    avec un prisme volatiliste qui constitue de fait la grille de lecture d'un grand nombre d'intervenants de march. On
    cherchera donc comparer dirents estimateurs de volatilits, interprter leurs dirences dans un esprit sries
    temporelles, et enn dduire des applications pratiques d'amlioration de stratgies de couverture d'option.
    Le rsultat classique qui lie la volatilit ralise au P&L de couverture d'une option permet d'tablir une correspondance entre un estimateur de volatilit et une couverture. On cherchera mettre en oeuvre cette correspondance
    selon des chemins non triviaux, en construisant des estimateurs de volatilit correspondant des techniques de couverture, ou inversement construire des techniques rpliquant un estimateur non standard.

    Hedge P &L =

    
    2
    t real
    2imp St2 dt

    2. Axes d'Etude

     Etudes d'estimateurs classiques (close/close, Parkinson, Garman-Klass, Rogers-Satchell, Yang-Zhang,...),


     Etudes de ratios de variance,
     Mesure d'exposant de Hurst,
     Analyse de donnes intraday : volatilit moyenne frquence, temps de trading (combien de temps dure la nuit ?
    le WE ?), saisonalits,
     Analyse de la convolution de distributions non gaussiennes,
     Etude de liens ventuels entre les rgimes de persistence/anti-persistence et les regimes de volatilit.

    3. Outils et Donnes

    Un jeu de donnes sera mis disposition. Il s'agira dans un premier temps de donnes de prix (bougies)
    quotidiennes sur des sries d'actions europennes, puis de donnes plus moyenne frquence (bougies intraday).

    . Corresponding Author
    Email addresses: stephane@42capital.fr (Stphane Mysona), pz@bgam-fr.com (Paul Zimmermann)
    1. 42 Capital
    2. Boussard & Gavaudan Gestion

    Preprint submitted to ENSAE

    25 septembre 2012

    Dans la mesure o la volumtrie de donnes peut rapidement devenir importante, les tudiants pourront tre amens
    grer et interagir avec une petite base de donnes de prix (MySQL, SQL Server Express, ...).
    L'implmentation pourra se faire en Python (en utilisant les librairies numriques classiques NumPy, SciPy,
    Pandas) ou en R.

    4. Rfrences

    [1] J.-P. Bouchaud, M. Potters, Theory of Financial Risk and Derivative Pricing : From Statistical Physics to Risk
    Management, Cambridge University Press, 2009

    http://investment-analytics.com/files/
    Articles/Brandt%20and%20Kinlay%20-%20Estimating%20Historical%20Volatility%20v1.2%20June%
    202005.pdf

    h is Worse than You


    F. Diebold et al., Converting 1-Day Volatility to h-Day Volatility : Scaling by
    Think,1997,http://fic.wharton.upenn.edu/fic/papers/97/9734.pdf

    [2] M. Brandt, J. Kinlay, Estimating Historical Volatility, 2005,

    [3]

    [4] A.-N. Baltas, R. Kosovski, Improving Time-Series Momentum Strategies : The Role of Trading Signals and
    Volatility Estimators, 2012,

    http://papers.ssrn.com/sol3/papers.cfm?abstract_id=2140091

    [5] P. Wilmott, Paul Wilmott on Quantitative Finance, Wiley, 2006

    Vous aimerez peut-être aussi