L’une des clés du trading systématique consiste à identifier les biais statistiques présents dans les séries temporelles de cours.
Mesurer un biais revient à quantifier ce qui différencie l’évolution des prix de marché d’une série totalement aléatoire, par exemple un tirage brownien basé sur une distribution gaussienne (ou normale centrée) de même écart type. Ce sont ces « anomalies » statistiques qui rendent possible un arbitrage, c’est-à-dire qui permettront à un système de trading adapté de posséder une espérance de gain positive sur le long terme. Le fait d’être capable de quantifier ce biais permet de vérifier qu’il est suffisant pour couvrir tous ses coûts d’exploitation (frais de courtage, coût du risque, etc.) mais aussi et surtout d’étudier sa persistance dans le temps pour en valider l’existence structurelle. Ces biais peuvent être de différente nature ; les biais purement directionnels introduiront naturellement deux classes : suiveur (trend follower) et atténuateur de tendance (mean reverting ou contrarian). Mais ils peuvent également être présents dans la forme même des distributions : un kurtosis (sorte de « finesse » de la distribution) remarquable peut aussi traduire une inefficience exploitable.
La quantification fiable de ces biais est finalement l’enjeu majeur. Il existe une littérature abondante relative à un grand nombre de techniques (issues par exemple de la théorie du chaos, telles l’estimation du paramètre de longue mémoire Hurst par ondelettes) qui proposent des solutions intéressantes. L’extraction du gain de la matrice de distribution dans un système de Markov symétrique en est une autre.
Au final, chaque laboratoire de trading quantitatif a ses propres recettes, qui doivent dans tous les cas rester très concrètes et bien applicables.
Ces biais dépendent aussi de la fréquence, c’est-à-dire du « zoom » avec lequel la série est étudiée. On peut avoir un comportement trend follower à moyen terme et contrarian à court terme (typiquement dans le « bruit » des oscillations dont tirent parti les market makers). Il est alors judicieux de construire des outils qui permettent de cartographier les caractéristiques des séries afin de suivre l’évolution comportementale de ces marchés et de construire des systèmes de trading bien ciblés, diversifiés dans leur fréquence d’intervention. Car c’est in fine la réduction du risque occasionnée par la superposition d’un grand ensemble de systèmes statistiquement fondés qui permettra l’optimisation du ratio de Sharpe future.
Rédigé par Florent Barrioz, le 02/01/2021 modifié le 02/01/2021 – 11:53