Effets du suivi de tendance et du retour à la moyenne sur la variance à long terme

Résumé

Ce travail étudie comment les comportements agrégés de suivi de tendance ou de retour à la moyenne peuvent modifier la dynamique des prix des actifs. Il modélise explicitement le sens des transactions et relie ces styles à la corrélation sérielle : le suivi de tendance peut créer une corrélation positive, tandis que le retour à la moyenne peut engendrer une corrélation négative. Les modèles servent à examiner l’effet de ces corrélations sur la variance à long terme par rapport à une référence de marche aléatoire.

L’analyse théorique implique que le suivi de tendance augmente la variance à long terme, tandis que le retour à la moyenne peut la réduire. Des applications aux grandes actions américaines et à des données à haute fréquence EUR/USD montrent une prévisibilité supérieure à celle obtenue sous l’hypothèse de marche aléatoire. La description fournie ne donne ni spécifications du modèle, ni périodes d’échantillonnage, ni mesures de l’amélioration prédictive, et elle ne démontre pas que cette prévisibilité conduit à une stratégie de trading rentable. Ces éléments constituent donc surtout un cadre pour comprendre comment les styles de trading peuvent influencer la dépendance des rendements et le risque.

Idées clés

• Les styles de trading fondés sur le suivi de tendance et le retour à la moyenne peuvent induire respectivement des corrélations positives et négatives des prix.
• Les auteurs utilisent des modèles probabilistes qui représentent explicitement le sens des transactions.
• Dans les résultats théoriques, le suivi de tendance augmente la variance à long terme par rapport à un modèle de marche aléatoire.
• Les conditions de retour à la moyenne peuvent réduire la variance à long terme par rapport au cas de marche aléatoire.
• Les applications aux grandes actions américaines et aux données à haute fréquence EUR/USD font état d’une prévisibilité accrue.

Étiquettes

# Trading styles and long-run variance of asset prices


# Trading styles and long-run variance of asset prices









Trading styles can be classified into either trend-following or mean-reverting. If the net trading style is trend-following the traded asset is more likely to move in the same direction it moved previously (the opposite is true if the net style is mean-reverting). The result of this is to introduce positive (or negative) correlations into the time series. We here explore the effect of these correlations on the long-run variance of the series through probabilistic models designed to explicitly capture the direction of trading. Our theoretical insights suggests that relative to random walk models of asset prices the long-run variance is increased under trend-following strategies and can actually be reduced under mean-reversal conditions. We apply these models to some of the largest US stocks by market capitalisation as well as high-frequency EUR/USD data and show that in both these settings, the ability to predict the asset price is generally increased relative to a random walk.

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.