Mélange de fréquences de données pour la valorisation et la gestion de risque des actifs financiers – DFAPRM

Au cours de la dernière décennie deux nouveaux courants sont apparus dans la littérature en finance. Le premier a pris avantage de la disponibilité des données à haute-fréquence, permettant de mieux mesurer sans référence à un modèle des variables financières essentielles à la gestion de portefeuille ou de risque. La volatilité en est un exemple, qui est maintenant très bien mesurée de manière non paramétrique par la somme des carrés des rendements intra-journaliers (volatilité réalisée). Dans le deuxième courant de la littérature, les économistes ont souligné l’importance de prendre en compte les risques de long terme pour résoudre les paradoxes de la magnitude de la prime de risque des actions d’une part et de la grande dispersion de cette prime en coupe transversale d’autre part. Les risques de long terme en question sont les fluctuations de long terme de la croissance de l’économie et sa volatilité. Autrement dit, les variables d’intérêt pour les investisseurs sont le niveau de consommation (ou production) et sa volatilité. Ces variables sont mesurées a de basses fréquences, en général mensuelle ou trimestrielle. Une question essentielle est comment réconcilier ces intérêts pour les risques de long terme avec les mouvements a haute fréquence (journalière) et les mouvements bruités des rendements d’actions ?

La ligne directrice de cet agenda de recherche est de montrer comment le mélange approprié de données à différentes fréquences peut aboutir à des tests plus informatifs de la valorisation des actifs et à proposer de bons outils pour la gestion des risques. La première partie de la recherche sera consacrée aux tests de valorisation des actifs alors que la seconde partie proposera et étudiera des méthodes d’inférence statistique pour des mesures réalisées avec de bonnes propriétés en échantillon fini.

La première partie de la recherche contient trois projets. Le premier veut expliquer les faits empiriques de court et long terme de la relation rendement-risque en utilisant une modèle d’équilibre d’évaluation des actifs financiers basé sur la consommation, modèle qui fera intervenir des risques de long terme ainsi que des préférences avec effet de déception généralisée. Le second projet compte revisiter les faits empiriques du fameux modèle d’évaluation des actifs dit CAPM, modèle rejeté empiriquement. Nous comptons étudier de manière empirique et théorique l’impact de l’agrégation temporelle sur la relation entre les rendements et les betas (coefficients de régression dans le CAPM). Le dernier projet compte étudier la dynamique à haute fréquence de la dispersion en coupe transversale des risques idiosyncratiques et de son pouvoir prédictif des rendements d’actifs financiers.

La seconde partie de la recherche sera consacrée à l’inférence statistique sur données à haute fréquence et comportera trois projets importants pour la gestion des risques. Les deux premiers projets ont pour but d’améliorer les propriétés en échantillon fini de statistiques et de mesures, avec présence possible de bruit de microstructure, proposées dans la littérature. Le premier projet proposera des méthodes de bootstrap pour des tests de sauts. Par contre, en utilisant des développements dit d’Edgeworth, le second projet proposera des transformations non linéaires de variables basées sur plusieurs mesures comme les betas dans le CAPM afin d’améliorer leurs propriétés en échantillon fini. Enfin, le dernier projet testera les implications distributionnelles impliquées par les modèles en temps continu sur les données à haute fréquence contaminées par un bruit de microstructure.