Un modèle structurel des rendements, de la volatilité et du volume de trading

Résumé

L’article propose un modèle autorégressif matriciel structurel pour étudier conjointement les rendements des actifs, la volatilité réalisée et le volume de trading dans un cadre de grande dimension. Il vise à saisir à la fois les effets de débordement dynamiques entre ces variables et les dépendances entre actifs, tout en conservant une paramétrisation plus parcimonieuse qu’un modèle autorégressif vectoriel conventionnel. Des restrictions structurelles inspirées de l’hypothèse de mélange des distributions et de la théorie des marchés efficients servent à identifier le modèle.

L’analyse empirique utilise les données quotidiennes des composantes du Dow Jones Industrial Average de 2021 à 2025. Les résultats indiquent que la volatilité est le principal moteur de l’activité de trading. Les décompositions de la variance des erreurs de prévision suggèrent que les chocs internes dominent la dynamique des volumes à court terme, tandis que les débordements entre actifs expliquent plus de la moitié de la variation des volumes à des horizons plus longs. Une étude d’événement autour des annonces de FOMC constate une hausse de la composante informative de l’activité les jours d’annonce, suivie d’un retour rapide à la moyenne. Ces résultats dépendent des actions sélectionnées, de la période d’échantillonnage, des restrictions d’identification et de la spécification du modèle.

Idées clés

• Le cadre SMAR modélise conjointement les rendements, la volatilité réalisée et les volumes entre actifs.
• Sa paramétrisation vise à saisir les effets de débordement et les dépendances transversales de façon parcimonieuse.
• L’analyse rapportée conclut que la volatilité est le principal moteur de l’activité de trading.
• Les débordements entre actifs expliquent une part plus importante de la variation des volumes à des horizons plus longs.
• Les jours d’annonce FOMC, l’activité informative augmente, puis revient rapidement à la moyenne.

Étiquettes

# A Structural Matrix Autoregressive Model for the Joint Dynamics of Volume, Volatility, and Returns


# A Structural Matrix Autoregressive Model for the Joint Dynamics of Volume, Volatility, and Returns









This paper proposes a Structural Matrix Autoregressive (SMAR) model for the joint analysis of asset returns, realized volatility, and trading volume in a large-dimensional setting. This framework simultaneously captures dynamic spillovers across financial variables and cross-sectional dependence across assets while preserving a parsimonious parameterization relative to conventional vector autoregressive models. The model is estimated on daily data for the constituents of the Dow Jones Industrial Average over the period 2021-2025 and is structurally identified through restrictions consistent with the Mixture of Distributions Hypothesis and efficient market theory. The empirical findings indicate that volatility is the primary driver of trading activity, suggesting that informational shocks are predominantly incorporated into markets through price variability. Forecast error variance decompositions further reveal that, although internal shocks dominate short-term volume dynamics, cross-asset spillovers account for more than 50% of trading volume variation at longer horizons. Finally, an event-study analysis around FOMC announcements supports the proposed decomposition by identifying significant increases in the informative component of trading activity on announcement days followed by rapid mean reversion.

Reproduit dans son intégralité avec attribution, conformément à la licence de la source. Licence: abstract CC0

Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.