fim702: lecture 9
TRANSCRIPT
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
Modelisation de strategies en finance demarche
Seance 14 : Aspects dynamiques de la gestion deportefeuille
Alexander Surkov, CFA, FRM, PRM, [email protected]
Faculte d’AdministrationUniversite de Sherbrooke
Le 13 avril 2016
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
Table de matiere
Execution de decisions d’investissementCouts de mise en œuvre d’une decision d’investissementTactique d’execution d’une decision d’investissement
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
Table de matiere
Execution de decisions d’investissementCouts de mise en œuvre d’une decision d’investissementTactique d’execution d’une decision d’investissement
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
Couts explicites de negociation
I Commission du courtier
I Impots
I Frais
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
Couts implicites de negociation
I Spread bis-ask :I Disons, 19.97 (bid) – 20.03 (ask), le prix est 20.00.I En achetant pour 20.03, on obtient qqch qui coute
20.00.
I Impact sur le marche : l’execution fait bouger les prix.I Couts d’opportunite d’une transaction manquee :
I Disons, un ordre a cours limite d’acheter l’actif pour20.01 (ou mieux) expire quand le prix est 20.10.
I La difference 20.10− 20.03 = 0.07 est le coutd’opportunite.
I Couts de delai lies a l’impossibilite d’executer latransaction en raison de la liquidite insuffisante dumarche
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
Mesure de couts implicites
I Par rapport a midquoteI Par rapport au prix moyen pondere par le volume
(VWAP, volume-weighted average price)I peu efficace pour des transactions de grand volume
I En utilisant les prix d’ouverture / de fermeture dumarche
I Implementation shortfall : la difference entre lerendement du portefeuille souhaite et et le rendementrealise du portefeuille actuel :
I couts explicites,I profits/pertes realise,I couts de delai,I couts d’opportunite d’une transaction manquee.
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
Implementation shortfall : exemple (1)
I J1 : le prix de fermeture est 10.00
I J2 : la decision d’acheter 1000 actions pour 9.95 oumieux, l’ordre est expire, le prix de fermetureetant 10.05
I J3 : achat de 800 actions pour 10.08 chacune, lacommission etant 20 et le prix de fermeture etant 10.12
I Portefeuille theorique : 1000 · (10.12− 10.00) = 120
I Portefeuille actuel : 800 · (10.12− 10.08)− 20 = 12
I Implementation shortfall est 108 pdb.
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
Implementation shortfall : exemple (2)
I Les couts explicites : 20/10 000 = 20 pdb
I Les profits/pertes realises :(10.08− 10.05)/10.00 · 800/1000 = 24 pdb
I Les couts de delai :(10.05− 10.00)/10.00 · 800/1000 = 40 pdb
I Les couts d’opportunite d’une transaction manquee :(10.12− 10.00)/10.00 · 200/1000 = 24 pdb
I En utilisant β pour l’actif en question, implementationshortfall peut etre ajuste pour exclure la contribution durendement de marche pour les periodes ou il n’y a pasd’exposition au risque de marche.
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
Facteurs determinant les couts
I Liquidite (la capitalisation, le prix, la frequence detransactions, le volume, la participation dans un indice,le spread bid-ask)
I Risque (volatilite du rendement)
I Volume de la transaction par rapport a la liquidite (lataille de l’ordre par rapport au volume quotidien)
I Momentum (plus difficile d’acheter dans le marchecroissant)
I Style (ordre au marche sont plus couteux que ceux acours limite)
I Un modele econometrique pourrait etre construit pourpredire les couts.
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
Table de matiere
Execution de decisions d’investissementCouts de mise en œuvre d’une decision d’investissementTactique d’execution d’une decision d’investissement
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
Execution optimale
I Disons, on a besoins d’acheter un bloc d’actions de lataille S pendant la periode [0,T ].
I Acheter tout tout de suite n’est pas optimal, il fauttrouver une facon de le faire graduellement :
E1
T∑t=1
PtSt → min{St}
,
T∑t=1
St = S
I Une contrainte supplementaire St ≥ 0.
I Le processus de prix :
Pτ = fτ (Pτ−1,Sτ , ετ , . . . )
I La forme de solution :
S∗τ = hτ
(Pτ−1, S −
τ−1∑t=1
S∗t , . . .
)
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
Programmation dynamique
I Les variables d’etat pour le moment τI Le prix observe Pτ−1
I Le nombre restant des actions :
Wτ = Wτ−1 − Sτ−1, W1 = S , WT+1 = 0
I La solution {S∗1 ,S∗2 , . . . ,S∗T} doit etre optimal pourn’importe quel moment τ = 1, 2, . . . ,T .
I La valeur optimale du probleme
Vτ (Pτ−1,Wτ ) ≡ min{St}
Eτ
T∑t=τ
PtSt ,T∑
t=τ
St = Wτ
I L’equation de Bellman
Vτ (Pτ−1,Wτ ) ≡ minSτ
Eτ [PτSτ + Vτ+1 (Pτ ,Wτ+1)] ,
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
Exemple : impact lineaire absolu (1)
I Supposons que Pτ (sans transactions) suit lemouvement brownien arithmetique avec l’effet lineairede transactions :
Pτ = Pτ−1 + θSτ + ετ , θ > 0
I Cette hypothese est peu realiste, mais instructive.
I Pour τ = T , S∗T = WT , car il faut acheter tout ce qu’ilreste a acheter.
VT (PT−1,WT ) = minST
ETPTWT = (PT−1 + θWT )WT
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
Exemple : impact lineaire absolu (2)
I Pour τ = T − 1 :
VT−1 (PT−2,WT−1)
= minST−1
ET−1 [PT−1ST−1 + VT (PT−1,WT )]
= minST−1
ET−1 [(PT−2 + θST−1 + εT−1)ST−1
+VT (PT−2 + θST−1 + εT−1,WT−1 − ST−1)]
I La solution
S∗T−1 =WT−1
2
I Pour τ = T − k :
S∗T−k =WT−kk + 1
, S∗1 =W1
T
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
Exemple : impact lineaire absolu (3)
I Etant donne que W1 = S
S∗1 =S
T
I Etant donne que W2 = W1 − S∗1
W2 = S
(1− 1
T
), S∗2 =
W2
T − 1=
S
T, . . .
I La solution
S∗1 = S∗2 = · · · = S∗T =S
T
ne depend pas des prix observe.
I Ceci est en raison de l’effet lineaire et permanent detransactions sur les prix.
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
Strategie optimale
0 2 4 6 8 10=
0
200
400
600
800
1000
S=;W
=
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
Couts de la strategie optimale
1.53 1.54 1.55 1.56 1.57VT #105
0
20
40
60
80
No.
d'o
bs.,N
sim
=50
0
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
Strategie alternative
0 2 4 6 8 10=
0
200
400
600
800
1000
S=;W
=
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
Couts de la strategie alternative
1.53 1.54 1.55 1.56 1.57 1.58VT #105
0
20
40
60
80
100
No.
d'o
bs.,N
sim
=50
0
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
Simulation en Matlab
T = 10; % no. de periodes
Nsim = 500; % no. de simulations
eps = normrnd(0, 0.01, Nsim, T); % bruit
theta = 0.1; % l’effet sur le prix
P = repmat(100, Nsim,1); % prix initial
W = repmat(1000, Nsim,1); % no. initial d’actions
V = zeros(Nsim,1);
for t = 1:T
S = W / ( T - t + 1);
% S = W * 2 / ( T - t + 2 );
P = P + theta * S + eps(:, T);
V = V + P .* S;
W = W - S;
end
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
Fonction objectif
function v = V( P0, S, eps )
theta = 5e-4;
P = NaN( size(eps) );
v = 0;
for t = 1:length(S)
if t == 1
Ptm1 = P0;
else
Ptm1 = P(t-1, :);
end
% Mouvement brownien geometrique
P(t, :) = Ptm1 .* exp( eps(t, :) ) *...
( 1 + theta * S(t) );
v = v + mean( P(t,:) ) * S(t);
end
end
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
Calcul pour τ = 1
% Nombre de periodes
T = 10;
% Nombre d’actions
Ns = 1000;
% Prix initial
P0 = 100;
[Sstar, Vstar] = sstar(Ns, P0, T);
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
Resultat pour τ = 1
2 4 6 8 1070
80
90
100
110
120
130
140
150
τ
Sτ
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
τ = 1, Ntr = 1000
2 4 6 8 1060
80
100
120
140
160
τ
Sτ
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
τ = 1, Ntr = 10 000
2 4 6 8 1060
80
100
120
140
160
τ
Sτ
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
Scenario de prix
0 2 4 6 8 1098
100
102
104
106
108
τ
Pτ
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
Scenario naıf, V = 135 980
0 2 4 6 8 10100
120
140
160
180
τ
Pτ
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
Scenario optimal, V = 134 990
0 2 4 6 8 10100
120
140
160
180
τ
Pτ
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
Scenario optimal
2 4 6 8 1070
80
90
100
110
120
130
140
150
τ
S∗ τ
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
Calcul en Matlab
eps = normrnd( 0,0.02, T, 1 );
theta = 5e-4; W = Ns; Val = 0;
Sstar = NaN(T, 1); P = NaN(T, 1);
for t = 1:T
if t == 1
Ptm1 = P0;
else
Ptm1 = P(t-1);
end
res = sstar( W, Ptm1, T+1-t );
Sstar(t) = res(1); % Sstar(t) = Ns / T;
P(t) = Ptm1 .* exp( eps(t) ) *...
( 1 + theta * Sstar(t) );
Val = Val + P(t) * Sstar(t);
W = W - Sstar(t);
end
Modelisation destrategies en
finance de marche
Alexander Surkov
Execution
Couts
Tactique
Extensions possibles du modele
I Prise en compte d’information supplementaire(conditions de marche, resultats d’analyse)
I Generalisation sur le portefeuille
I Fonction objectif penalisant pour le risque