Vous êtes sur la page 1sur 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