Rapport de recherche sur l’identification de nouvelles classes de sauts de prix financiers à l’aide des ondelettes

Contexte académique

Les sauts de prix (price jumps) dans les marchés financiers désignent des fluctuations significatives des prix sur une très courte période, généralement causées par des facteurs exogènes (comme des nouvelles soudaines) ou endogènes (mécanismes de rétroaction internes du marché). La distinction entre ces deux types de sauts est cruciale pour comprendre la dynamique du marché, prédire les événements extrêmes et élaborer des stratégies de régulation efficaces. Cependant, les méthodes de recherche existantes reposent souvent sur l’apprentissage supervisé, nécessitant des étiquettes explicites (comme des événements d’actualité) pour classer les sauts, ce qui présente des limites en pratique, car de nombreux sauts de prix peuvent ne pas avoir de contexte d’information clair.

Pour mieux identifier et classifier les sauts de prix, en particulier ceux sans déclencheurs exogènes évidents, les chercheurs ont proposé un cadre de classification non supervisée utilisant une représentation multirésolution par ondelettes (multiscale wavelet representation) pour analyser les séries temporelles. Ce cadre non seulement capture l’asymétrie temporelle des sauts de prix, mais identifie également de nouvelles catégories de sauts, comme les retours à la moyenne (mean-reversion) et les sauts liés aux tendances (trend).

Source de l’article

Cet article a été coécrit par Cecilia Aubrun, Rudy Morel, Michael Benzaquen et Jean-Philippe Bouchaud, affiliés respectivement à l’École Polytechnique, l’Institut Flatiron, LadHyX et Capital Fund Management. Il a été publié le 7 février 2025 dans la revue Proceedings of the National Academy of Sciences (PNAS) sous le titre “Identifying New Classes of Financial Price Jumps with Wavelets”.

Méthodologie et processus de recherche

1. Détection des sauts de prix et construction de l’ensemble de données

L’étude commence par utiliser une méthode de détection basée sur un “score de saut” (jump-score) pour extraire 43,628 sauts de prix à partir de 301 actions américaines de 2015 à 2022, dont 18,802 “co-sauts” (cojumps), c’est-à-dire des sauts simultanés dans plusieurs actions au cours de la même minute. Les chercheurs ont exclu les données de haute fréquence des périodes d’ouverture et de fermeture du marché, ainsi que les co-sauts impliquant plus de 250 actions, afin de garantir la stabilité et la représentativité des données.

2. Cadre de classification non supervisée

Les auteurs proposent une méthode de classification non supervisée basée sur les coefficients de diffusion par ondelettes (wavelet scattering coefficients). Les coefficients d’ondelette permettent de capturer les caractéristiques multi-échelles des sauts de prix, en particulier l’asymétrie temporelle de la volatilité. Les chercheurs ont utilisé une analyse en composantes principales (PCA) pour extraire trois caractéristiques clés : l’asymétrie de la volatilité, le retour à la moyenne et la tendance. Ces caractéristiques sont utilisées pour embedder chaque saut de prix dans un espace de faible dimension, facilitant l’analyse de grappes.

3. Résultats de la classification

L’étude a identifié trois types principaux de sauts : - Sauts exogènes : la volatilité augmente significativement après le saut, généralement provoquée par des nouvelles inattendues. - Sauts endogènes : la volatilité présente une symétrie avant et après le saut, généralement due aux mécanismes de rétroaction internes du marché. - Sauts anticipés : la volatilité augmente significativement avant le saut, peut-être en raison de l’anticipation d’une nouvelle imminente.

De plus, l’étude a identifié trois nouvelles catégories de sauts : - Sauts de retour à la moyenne : les variations de prix avant et après le saut sont de signes opposés. - Sauts alignés avec la tendance : les variations de prix avant et après le saut sont de même signe. - Sauts anti-alignés avec la tendance : les variations de prix avant et après le saut sont de signes opposés.

4. Analyse de l’endogénéité des co-sauts

L’étude a analysé l’endogénéité des co-sauts. Les résultats montrent que de nombreux grands co-sauts ne sont pas causés par des événements d’actualité communs, mais résultent d’un mécanisme de contagion interne (contagion mechanism). Cette découverte soutient l’idée qu’il existe une synchronisation endogène dans les marchés financiers et offre une nouvelle perspective pour comprendre la fragilité du marché.

Conclusions et importance de la recherche

Conclusion

Grâce à une approche non supervisée basée sur les ondelettes, l’étude a réussi à identifier plusieurs catégories de sauts de prix et a révélé les caractéristiques d’endogénéité des co-sauts. L’étude a montré que de nombreux grands co-sauts ne sont pas déclenchés par des nouvelles exogènes, mais résultent de mécanismes de contagion internes. Cela indique que les événements extrêmes dans les marchés financiers sont souvent d’origine endogène, plutôt que complètement pilotés par des chocs externes.

Valeur scientifique et application

Cette recherche fournit un nouveau cadre non supervisé pour la classification des sauts de prix dans les marchés financiers, permettant une identification plus précise des sauts endogènes et offrant de nouveaux outils pour la gestion des risques de marché et la prédiction des événements extrêmes. Les résultats montrent également que la dynamique endogène des marchés financiers joue un rôle important dans les événements extrêmes, offrant des perspectives importantes pour les régulateurs et les investisseurs.

Points forts de la recherche

1. Innovation méthodologique : Utilisation novatrice des coefficients de diffusion par ondelettes pour la classification non supervisée des sauts de prix, dépassant les limitations des méthodes d’apprentissage supervisé traditionnelles.
2. Découverte de nouvelles catégories de sauts : Identification de sauts de retour à la moyenne, alignés et anti-alignés avec la tendance, enrichissant le système de classification des sauts de prix.
3. Révélation de l’endogénéité des co-sauts : Analyse des dynamiques des co-sauts, révélant un mécanisme de contagion interne, offrant une nouvelle perspective pour comprendre la fragilité des marchés financiers.

Informations supplémentaires de valeur

L’étude fournit également des codes et des données publiques pour permettre aux autres chercheurs de reproduire et d’étendre les résultats. Le code est disponible sur GitHub (https://github.com/rudymorel/scattering_spectra), tandis que certaines données nécessitent une acquisition via des fournisseurs de données financières standard en raison des licences commerciales.

Cet article ne seulement apporte de nouvelles méthodes pour l’étude des sauts de prix dans les marchés financiers, mais aussi une contribution théorique importante à la compréhension de la dynamique endogène des marchés et de l’origine des événements extrêmes.