Emmanuelle Jay, cofondatrice et présidente de QamLab

Notre analyse du rendement des hedge funds prend en compte la survenance d'événements extrêmes

le 30/01/2012

Dans quel univers financier la pratique du traitement du signal trouve-t-elle une application intéressante ?

Le traitement du signal a d’ores et déjà été appliqué avec succès dans de nombreux secteurs industriels. Il contribue, par exemple, à améliorer les débits et la qualité des communications des téléphones mobiles, à augmenter la fiabilité des diagnostics médicaux ou encore à assurer la sécurité des systèmes embarqués dans le nucléaire ou le transport aérien. Aussi, nous avons voulu montrer à travers cet article dédié à l’analyse des hedge funds, que les techniques utilisées en traitement du signal s’appliquent également avec succès dans le domaine de la finance quantitative, tant pour détecter des événements faibles et furtifs, que pour modéliser des phénomènes complexes afin d’en reconnaître l’importance et la nature.

Comment définissez-vous cette notion de traitement du signal ?

Dans le domaine, entre autres, des télécommunications, tout ce qui est dit est transmis numériquement. Il s’agit d’un signal qu’il faut savoir traiter, analyser et reconstruire. Dans le domaine financier, ce n’est pas véritablement un signal qui est émis, mais une série temporelle, une succession de prix qui évoluent avec le temps. Aussi il faut traiter, analyser ces séries de prix pour en comprendre le comportement.

Comment combinez-vous cette notion et celle de modèle à facteurs ?

Les modèles à facteurs sont propres au secteur financier. Il s’agit de modèles statistiques qui expliquent, via des régressions, le comportement conjoint de plusieurs séries financières par l’évolution de facteurs de marché communs. Par exemple,le rendement de l’ensemble des titres du CAC40 peut s’expliquer par l’évolution de l’indice lui-même, mais également des cours du pétrole et du taux de change euro-dollar. Tous sont sujets aux variations de ces facteurs, qui sont donc des facteurs explicatifs de leur évolution commune.

En quoi cette recherche trouve-t-elle une application dans l’univers des hedge funds ?

Nous cherchons à améliorer la précision des modèles statistiques expliquant le rendement des hedge funds. Pour ce faire, nous prenons en compte le fait qu’un gérant peut modifier très fréquemment ses positions et donc son exposition aux facteurs communs de marché. Il faut alors proposer des méthodes qui permettent d’estimer les paramètres de ces modèles de manière dynamique. L’intérêt de ces approches basées sur les rendements est d’autant plus grand que ces fonds sont peu transparents. On n’observe généralement pas les positions risquées prises par les gérants de hedge funds. Leur risque ne peut, de fait, se mesurer que via cette décomposition statistique des rendements. Les modèles à facteurs isolent la partie systématique (le beta) de la partie spécifique (l’alpha) propres à chaque fonds.

Notre approche est innovante car elle permet de prendre en compte la survenance d’événements extrêmes, ce qui n’est pas le cas des méthodes classiques. Nous mettons en évidence l’importance du risque de liquidité et les impacts potentiels de l’illiquidité sur l’estimation des modèles à facteurs habituellement employés.

A lire aussi