Estimation de la volatilité des indices par l’entropie intrinsèque pondérée par les volumes

Résumé

Cet article présente un modèle d’entropie intrinsèque pour estimer la volatilité historique des indices boursiers. Contrairement aux estimateurs fondés uniquement sur les cours quotidiens d’ouverture, de plus haut, de plus bas et de clôture, l’approche proposée intègre aussi le volume de trading. Elle adapte un modèle intrajournalier antérieur en reliant les niveaux de prix quotidiens à la part du volume total représentée par chaque journée sur la période analysée, cette part étant traitée comme une mesure de la crédibilité du marché à ce niveau de prix.

Les auteurs calculent des estimations à partir de données quotidiennes historiques concernant plusieurs indices des US et des indices asiatiques, puis les comparent aux estimateurs couramment utilisés dans le secteur sur plusieurs horizons temporels. Ils indiquent que le modèle d’entropie produit des estimations qu’ils jugent fiables, avec un coefficient de variation particulièrement élevé et des valeurs nettement inférieures à celles des autres estimateurs avancés. Le résumé ne fournit ni protocole de validation détaillé ni éléments montrant comment ces estimations se comportent en trading ou dans la valorisation des produits dérivés ; la comparaison rapportée ne doit donc pas être considérée comme une preuve de leur valeur prédictive ou pour l’investissement.

Idées clés

• L’estimateur d’entropie intrinsèque utilise le volume de trading en plus des prix quotidiens des OHLC.
• La part du volume de chaque journée est traitée comme une mesure de la crédibilité du marché associée à son niveau de prix.
• Le modèle est évalué sur des données historiques d’indices boursiers des US et d’Asie.
• Ses estimations sont comparées à des estimateurs de volatilité établis sur plusieurs horizons temporels.
• Les estimations rapportées présentent une forte variabilité et sont inférieures à celles des autres estimateurs avancés.

Étiquettes

# A Volatility Estimator of Stock Market Indices Based on the Intrinsic Entropy Model


# A Volatility Estimator of Stock Market Indices Based on the Intrinsic Entropy Model









Grasping the historical volatility of stock market indices and accurately estimating are two of the major focuses of those involved in the financial securities industry and derivative instruments pricing. This paper presents the results of employing the intrinsic entropy model as a substitute for estimating the volatility of stock market indices. Diverging from the widely used volatility models that take into account only the elements related to the traded prices, namely the open, high, low, and close prices of a trading day (OHLC), the intrinsic entropy model takes into account the traded volumes during the considered time frame as well. We adjust the intraday intrinsic entropy model that we introduced earlier for exchange-traded securities in order to connect daily OHLC prices with the ratio of the corresponding daily volume to the overall volume traded in the considered period. The intrinsic entropy model conceptualizes this ratio as entropic probability or market credence assigned to the corresponding price level. The intrinsic entropy is computed using historical daily data for traded market indices (S&P 500, Dow 30, NYSE Composite, NASDAQ Composite, Nikkei 225, and Hang Seng Index). We compare the results produced by the intrinsic entropy model with the volatility estimates obtained for the same data sets using widely employed industry volatility estimators. The intrinsic entropy model proves to consistently deliver reliable estimates for various time frames while showing peculiarly high values for the coefficient of variation, with the estimates falling in a significantly lower interval range compared with those provided by the other advanced volatility estimators.

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.