Le développement des marchés électroniques organisés induit une pression constante sur la recherche académique en finance. L’impact sur le prix d’une transaction boursière portant sur une grande quantité d’actions sur une période courte est un sujet central. Contrôler et surveiller l’impact sur le prix est d’un grand intérêt pour les praticiens, sa modélisation est ainsi devenue un point central de la recherche quantitative de la finance. Historiquement, le calcul stochastique s’est progressivement imposé en finance, sous l’hypothèse implicite que les prix des actifs satisfont à des dynamiques diffusives. Mais ces hypothèses ne tiennent pas au niveau de la “formation des prix”, c’est-à-dire lorsque l’on se place dans les échelles fines des participants de marché. Des nouvelles techniques mathématiques issues de la statistique des processus ponctuels s’imposent donc progressivement. Les observables (prix traité, prix milieu) apparaissent comme des événements se réalisant sur un réseau discret, le carnet d’ordre, et ceci à des échelles de temps très courtes (quelques dizaines de millisecondes). L’approche des prix vus comme des diffusions browniennes satisfaisant à des conditions d’équilibre devient plutôt une description macroscopique de phénomènes complexes issus de la formation des prix.
Dans un premier chapitre, nous passons en revue les propriétés des marchés électroniques. Nous rappelons la limite des modèles diffusifs et introduisons les processus de Hawkes. En particulier, nous faisons un compte rendu de la recherche concernant le maket impact et nous présentons les avancées de cette thèse.
Dans une seconde partie, nous introduisons un nouveau modèle d’impact à temps continu et espace discret en utilisant les processus de Hawkes. Nous montrons que ce modèle tient compte de la microstructure des marchés et est capable de reproduire des résultats empiriques récents comme la concavité de l’impact temporaire.
Dans le troisième chapitre, nous étudions l’impact d’un grand volume d’action sur le processus de formation des prix à l’échelle journalière et à une plus grande échelle (plusieurs jours après l’exécution). Par ailleurs, nous utilisons notre modèle pour mettre en avant des nouveaux faits stylisés découverts dans notre base de données.
Dans une quatrième partie, nous nous intéressons à une méthode non-paramétrique d’estimation pour un processus de Hawkes unidimensionnel. Cette méthode repose sur le lien entre la fonction d’auto-covariance et le noyau du processus de Hawkes. En particulier, nous étudions les performances de cet estimateur dans le sens de l’erreur quadratique sur les espaces de Sobolev et sur une certaine classe contenant des fonctions “très” lisses.
télécharger