Développement de stratégies de trading systématique sur le marché du Forex
Page précédente
Faire suivre
ce document
Domaine
(s)
Mémoire
formation(s)
ISUP () / resp.: / intervenant:
Informations sur les documents
Informations sur les documents
Type de document
Mémoires
société
KPMG
Auteur(s)
VOILLEREAU G.
Numéro
Date de référence
12/20/2012
Résumé
De nombreux modèles mathématiques fondés sur le trading systématique apparaissent au sein des milieux financiers : sont-ils fiables ? Peuvent-ils reproduire de manière certaine les résultats escomptés ? Nous nous proposons d’aborder cette problématique en appuyant notre raisonnement sur des études statistiques et actuarielles en définissant une méthode d’analyse et de construction de stratégies de trading systématique. Différents outils nous permettent d’appréhender leurs rendements tout en tenant compte des facteurs de risque. Avant d’aborder l’élaboration de cette stratégie, nous commençons par étudier le comportement de l’indicateur sur lequel reposera notre futur système. Nous utilisons l’un des indicateurs les plus courants et les plus utilisés : la moyenne mobile simple. Nous améliorons sa réactivité au travers de la moyenne mobile de Hull. L’analyse détaillée de systèmes de trading complète notre démarche. Les résultats obtenus sont intéressants et diminuent de manière significative le risque inhérent à une stratégie de buy and hold. Le ratio de Sharpe, le K-ratio et le Maximum Drawdown s’améliorent nettement. Les tests de robustesse s’avèrent également concluants. Nous sommes, par conséquent, en mesure d’augmenter le potentiel de gain d’une stratégie basique de buy and hold tout en diminuant son risque. Il est toutefois prudent de rappeler que malgré la série d’analyses réalisées, le passage du backtest à la réalité est parfois compliqué. Une recherche de stratégies possédant des marges plus confortables permettrait d’éviter tout désagrément. Nous nous intéressons pour finir au pouvoir prédictif du modèle d’estimation ARMA, afin de savoir s’il pourrait être utilisé dans le cadre d’un système de trading systématique. L’étude de ce modèle semble offrir des prévisions assez fines qui prennent, cependant, difficilement en compte les évolutions brutales des cours.
Abstract
Many mathematical models based on systematic trading are coming out in the financial world: are they reliable? Can they produce sure benefits? We deal with this problematic basing our reasoning on statistical an actuarial studies and defining an analysis and development method for systematic trading strategies. We point out different useful tools to appreciate strategies returns taking into account risk factors. Before tackling the construction of this strategy, we analyze the behavior of the indicator on which we rely on for the development. The indicator we use is one of the most common and the most widely used: the simple moving average. Our aim is to improve its reactivity while maintaining its smoothing characteristic with the Hull moving average. The analysis of two systematic trading strategies is completing our approach. The results of these analyses are quite interesting and subsequently decrease the risk linked to buy and hold strategy. The Sharpe ratio, the K ratio and the maximum drawdown significantly improve. The robustness tests reveal to be also compelling. Consequently, we found a way to increase the potential gain of a buy and hold strategy, while reducing its risk. However, we need to underline that in spite of the analysis performed, going from the backtest to reality can reveal tricky. To be more comfortable, it would be interesting to improve the margins of this strategy to avoid bad surprises. To conclude, we show interest on the predictive power of the estimation model ARMA, in order to find out a way to use it in a systematic trading system. This model shows to be offering thin predictions, even if hardly transcribing again the fast changes of the prices.
Mémoire complet
>
MEMOIRE VOILLEREAU GreÌgory.pdf
Lien permament :
https://www.ressources-actuarielles.net/C12574E200674F5B/0/176378CCF010FB53C1257B1F004D4AB4