École de technologie supérieure
Prédiction de la volatilité future dans le marché des devises à l'aide de la volatilité implicite
Abstract
dc:descriptionCette recherche examine la performance de la volatilité implicite lorsqu’utilisée dans l’objectif d’effectuer des prédictions de la volatilité future dans le marché des devises et plus spécifiquement pour les deux paires ayant les volumes journaliers les plus élevés, soit EUR/USD et USD/JPY. L’analyse de la performance des indices EUVIX et JYVIX est effectuée sur une période d’environ 10 ans, de 2007 à 2017. Pour cette période, il est découvert que la dernière valeur disponible de la volatilité implicite est généralement optimale et regroupe le maximum d’information sur la volatilité future. Les données concernant la volatilité implicite sont intégrées dans un modèle autorégressif de type GARCH. Les variances conditionnelles du modèle IVGARCH(1,1,1) obtenu sont compares aux variances conditionnelles d’un modèle GARCH(1,1) standard. Les résultats en échantillon et hors échantillon indiquent que l’ajout de l’information concernant la volatilité implicite améliore significativement la performance de prédiction pour les deux paires de devises étudiées. L’erreur moyenne de prédiction est réduite d’environ 6% lors de l’utilisation du modèle IVGARCH(1,1,1) comparativement au modèle GARCH(1,1). Mais surtout, nous découvrons que le modèle IVGARCH(1,1,1) permet d’anticiper à plusieurs reprises des périodes de volatilité élevée. Une méthode d’application ainsi que la performance de la volatilité implicite dans le cadre de l’utilisation d’un système d’investissement actif original sont également présentées. Les signaux générés en partie par les variances conditionnelles du modèle intégrant la volatilité implicite permettent d’obtenir des profits significativement supérieurs comparativement aux profits obtenus avec les variances conditionnelles d’un modèle n’intégrant pas celle-ci.
Degree
thesis:*- Name thesis:degree_name
- Mémoire de maîtrise électronique
- Level thesis:degree_level
- masters
- Grantor dc:publisher
- École de technologie supérieure
- Year dc:date
- 2019
Author and committee
dc:creator, dc:contributor.*- Author dc:creator
-
- Denault Beauchamp, William
Subjects
dc:subject × 1Rights
- Language dc:language
- fr
Identifiers
dc:identifier.*- Identifier
- INSERT-YOUR-LIBRARY-ID-HERE2237