Laboratoire · A · Diffusion sur graphe

Les résultats des tests du modèle de tissu de l'utilisateur : relations décalées, causalité de Granger, VAR(1) creux et dynamique sur le graphe.

Nombre d'arêtes avant et après neutralisation

Ce que c'est: Le nombre d'arêtes significatives que le même test de relations décalées trouve sur le rendement brut et sur le rendement résiduel.

Quelles données l'alimentent: Le résultat leadLag de l'exécution sélectionnée. Le nombre total de triplets (meneur, suiveur, retard) testés est aussi affiché.

Ce que cela montre: Sur les données réelles, 170 arêtes sont trouvées sur le rendement brut et 16 sur le rendement résiduel.

Ce que l'on peut en conclure: La différence est une propagation fallacieuse créée par le facteur marché. Le modèle de tissu n'a de sens que s'il est construit sur le rendement résiduel.

Arêtes de relations décalées

Ce que c'est: Les paires dans lesquelles le mouvement d'une action aujourd'hui est significativement corrélé au mouvement d'une autre action k jours plus tard ; résiduel à gauche, rendement brut à droite.

Quelles données l'alimentent: L_k(i,j) = corr(ε_i[t], ε_j[t+k]), k = 1..5. Valeur p via le z de Fisher, puis le taux de fausses découvertes est contrôlé à q = 0.05 avec Benjamini–Hochberg.

Ce que cela montre: Meneur, suiveur, retard, corrélation et valeur p ; les 15 arêtes les plus significatives.

Ce que l'on peut en conclure: Si les corrélations tournent autour de 0,1, la relation existe statistiquement mais elle est économiquement faible. Des paires qui ont un sens intuitif (comme des banques du même groupe) renforcent la crédibilité du résultat.

Causalité de Granger

Ce que c'est: Un test visant à savoir si l'historique d'une action apporte de l'information au-delà de l'historique propre d'une autre action.

Quelles données l'alimentent: Uniquement pour les paires qui passent le filtre des relations décalées : test F des modèles VAR(p=3) restreint et complet, suivi de BH-FDR.

Ce que cela montre: Meneur, suiveur, statistique F et valeur p.

Ce que l'on peut en conclure: Si le tableau est vide, la causalité décalée dans ces données n'est pas assez forte pour passer le contrôle ; c'est un résultat honnête et possible.

Équation de la chaleur et équation d'onde

Ce que c'est: L'ajustement aux données de deux dynamiques physiques sur le graphe et leur comparaison hors échantillon.

Quelles données l'alimentent: L'équation de la chaleur (x(t+1) = x(t) − a·L·x(t)) et l'équation d'onde amortie sur le laplacien du graphe de la carte ; les coefficients sont ajustés par moindres carrés sur les premiers 70 % des données, et l'erreur est mesurée sur les derniers 30 %.

Ce que cela montre: L'erreur quadratique moyenne hors échantillon des deux modèles, le taux de réussite de direction, les coefficients ajustés et celui qui s'ajuste le mieux aux données.

Ce que l'on peut en conclure: La chaleur ne prédit que la diffusion ; l'onde prédit dépassement et retour. Celle qui l'emporte donne une idée de si le mouvement du marché « se diffuse » ou « oscille » ; mais si le taux de réussite des deux modèles est proche de 50 %, aucun n'est utilisable.

Matrice de coefficients VAR(1) creuse

Ce que c'est: Une carte thermique de la matrice W reliant le rendement résiduel de demain de chaque action aux rendements résiduels d'aujourd'hui de toutes les actions, et une comparaison de modèles.

Quelles données l'alimentent: Un LASSO distinct pour chaque cible dans le dernier pli walk-forward ; les prédicteurs candidats sont présélectionnés par la corrélation au retard 1, et λ est choisi par validation croisée par blocs ordonnés dans le temps. Au plus 60 actions sont affichées pour la lisibilité.

Ce que cela montre: La ligne est l'action influencée, la colonne l'action qui influence ; le bleu est un effet positif, le rouge un effet négatif. En dessous, l'erreur quadratique moyenne de LASSO, ridge et MCO, et le nombre de coefficients non nuls par cible.

Ce que l'on peut en conclure: Le fait que la matrice soit en grande partie vide montre que la propagation décalée est rare. Si l'erreur de LASSO n'est pas nettement inférieure à celle des MCO, la structure trouvée ne se distingue pas du bruit.

Meneurs les plus forts

Ce que c'est: La liste des cinq actions qui influencent le plus chaque action.

Quelles données l'alimentent: Classement selon la valeur absolue des coefficients du VAR(1) creux.

Ce que cela montre: Chaque ligne comporte un ticker et au plus cinq actions meneuses qui influencent le plus son rendement résiduel de demain, classées selon la taille du coefficient.

Ce que l'on peut en conclure: Si aucun meneur n'est trouvé pour aucune action, LASSO a mis tous les coefficients à zéro et il n'y a aucun signal de propagation décalée dans ces données.

Les informations, commentaires et recommandations d'investissement fournis ici ne relèvent pas du conseil en investissement. Le conseil en investissement est fourni dans le cadre d'un contrat de conseil en investissement conclu entre le client et des sociétés d'intermédiation, des sociétés de gestion de portefeuille ou des banques n'acceptant pas de dépôts. Les signaux présentés ici sont produits à partir de données historiques au moyen de modèles statistiques, sont affichés à l'identique pour tous et ne sont pas personnalisés ; ils peuvent ne pas convenir à votre situation financière ni à vos préférences en matière de risque et de rendement. Par conséquent, prendre des décisions d'investissement sur la seule base des informations fournies ici peut ne pas produire des résultats conformes à vos attentes.