Etude des possibilities darbitrage sur volatilité entre les indices SBF250 et CAC40
Date de publication :
09/05/2008
Langue :
Français
Format :
.doc
Nombre de pages :
33 pages
Sommaire :
Sommaire
- Analyse des données
- Extraction des données
- Autocorrelations
- Tests de stationnarite
- Test de Kwatkoswski-Phillips-Schmidt-Shin-Trend and intercept-Newey-West using Bartlett kerne
- Recherche d'un modelé AR des rendements
- Du général au spécifique
- Contrôle des résidus
- Test ARCH de Engle
- Pour le CAC40
- Pour le SBF250
- Modèle GARCH
- Du général au spécifique
- Etude des residus
- Modèle EGARCH
- Du général au spécifique
- Etude des résidus
Résumé :
Nous nous intéressons dans cette étude aux possibilités d'arbitrage entre deux indices, le cac40 et le sbf250.
Pour cela, nous voulons étudier l'évolution de la corrélation entre les volatilités de ces indices. Si la corrélation devient plus importante que la moyenne, alors il est probable qu'un retour à la moyenne s'opère. Il est donc possible de vendre à découvert l'indice ayant la volatilité la plus forte, et acheter l'indice ayant la volatilité la plus faible.
Afin de déterminer le niveau de la corrélation, et de faire des prévisions, nous souhaitons dans un premier temps modéliser les volatilités du cac40 et du sbf250, à l'aide de différents modèles.
Notre démarche consiste à modéliser les données historiques avec un modèle, puis étudier les différences entre les prévisions du modèle et la volatilité effectivement observée. Si ces différences sont modélisables, alors nous essayons de les inclure dans un autre modèle.
Ainsi, après avoir vérifié que les indices ne sont pas de simples marches aléatoires, nous essayerons de les modéliser avec des modèles autorégressifs, puis avec des modèles GARCH et EGARCH, pour enfin comparer les corrélations historiques et les corrélations issues des prévisions des modèles.
Pour cela, nous voulons étudier l'évolution de la corrélation entre les volatilités de ces indices. Si la corrélation devient plus importante que la moyenne, alors il est probable qu'un retour à la moyenne s'opère. Il est donc possible de vendre à découvert l'indice ayant la volatilité la plus forte, et acheter l'indice ayant la volatilité la plus faible.
Afin de déterminer le niveau de la corrélation, et de faire des prévisions, nous souhaitons dans un premier temps modéliser les volatilités du cac40 et du sbf250, à l'aide de différents modèles.
Notre démarche consiste à modéliser les données historiques avec un modèle, puis étudier les différences entre les prévisions du modèle et la volatilité effectivement observée. Si ces différences sont modélisables, alors nous essayons de les inclure dans un autre modèle.
Ainsi, après avoir vérifié que les indices ne sont pas de simples marches aléatoires, nous essayerons de les modéliser avec des modèles autorégressifs, puis avec des modèles GARCH et EGARCH, pour enfin comparer les corrélations historiques et les corrélations issues des prévisions des modèles.
Dernières nouveautés dans la catégorie : Bourse
Les plus consultés sur 30 jours en : Bourse
Du même auteur : Bourse
1
Value-at-Risk: La règle de la racine est-elle pertinente ?
Mémoire | 07/05/2008 | fr | .doc | 40 pages
5
Modélisation GARCH - GED des rendements du Palladium 12/09/2003 - 11/04/2008
Mémoire | 29/04/2008 | fr | .doc | 182 pages
Les garanties d’oboulo.com :
Comment ca marche ?
Garantie qualité
Satisfait ou remboursé
Paiement sécurisé
Qui sommes nous ?
