Stratégies d’arbitrage : Comprendre le fonctionnement de l’arbitrage statistique

par Anupriya Gupta & Milind Paradkar

Qu’est-ce que le trading quantitatif ?

Le trading quantitatif est utilisé pour identifier les opportunités de trading en utilisant des techniques statistiques et une analyse quantitative des données historiques. Le trading quantitatif est applicable aux informations qui sont quantifiables comme les événements macroéconomiques et les données de prix des titres. Les modèles de trading quantitatif sont utilisés par les traders Algo lorsque la négociation de titres est strictement basée sur la décision d’achat/de vente d’algorithmes informatiques. Un exemple d’une telle stratégie qui exploite les techniques quantitatives et est appliquée aux bureaux de trading algorithmique est la stratégie d’arbitrage statistique.

Arbitrage statistique

L’arbitrage statistique ou Stat Arb a une histoire d’être une stratégie de trading algorithmique extrêmement rentable pour de nombreuses grandes banques d’investissement et des hedge funds. L’arbitrage statistique est né dans les années 1980, sous l’impulsion de Morgan Stanley et d’autres banques, la stratégie a été largement appliquée sur les marchés financiers. La popularité de la stratégie a continué pendant plus de deux décennies et différents modèles ont été créés autour d’elle pour capturer de gros profits.

Pour la définir en termes simples, l’arbitrage statistique comprend un ensemble de stratégies de trading algorithmique à orientation quantitative. Ces stratégies cherchent à exploiter les mouvements de prix relatifs entre des milliers d’instruments financiers en analysant les modèles de prix et les différences de prix entre les instruments financiers. L’objectif final de ces stratégies est de générer de l’alpha (des profits supérieurs à la normale) pour les sociétés de trading. Il convient de noter que l’arbitrage statistique n’est pas une stratégie de négociation à haute fréquence (HFT). Elle peut être classée comme une stratégie à fréquence moyenne où la période de négociation se produit au cours de quelques heures à quelques jours.

Concepts utilisés par les stratégies d’arbitrage statistique

Pour analyser les modèles de prix et les différences de prix, les stratégies font appel à des modèles statistiques et mathématiques. Les stratégies d’arbitrage statistique peuvent également être conçues en utilisant des facteurs tels que les effets de lead/lag, l’activité des entreprises, le momentum à court terme, etc. autres que les seules données de prix. Cette dernière approche est appelée modèle d’arbitrage statistique multifactoriel. Les différents concepts utilisés par les stratégies d’arbitrage statistique comprennent :

• Analyse des séries temporelles
• Auto-régression et co-intégration
• Modélisation de la volatilité
• Analyse des composantes principales
• Techniques de recherche de modèles
• Techniques d’apprentissage machine
• Analyse des frontières efficientes, etc.

Types de stratégies d’arbitrage statistique

Les différentes stratégies d’arbitrage statistique comprennent :

• Market Neutral Arbitrage
• Cross Asset Arbitrage
• Cross Market Arbitrage
• ETF Arbitrage

Market Neutral Arbitrage

Il s’agit de prendre une position longue sur un actif sous-évalué et de vendre à découvert un actif surévalué simultanément. L’actif est supposé avoir des volatilités similaires et donc, une hausse du marché entraînera une appréciation de la position longue et une dépréciation de la position courte d’à peu près le même montant. Les positions sont mises au carré lorsque les actifs reviennent à leur valeur normalisée.

Cross Market Arbitrage

Il cherche à exploiter l’écart de prix d’un même actif entre les marchés. La stratégie achète l’actif sur le marché le moins valorisé et le vend sur le marché le plus valorisé.

Cross Asset Arbitrage

Ce modèle parie sur l’écart de prix entre un actif financier et son sous-jacent. Par exemple, entre un futur d’indice boursier et les actions qui forment l’indice.

ETF arbitrage

ETF arbitrage peut être qualifié de forme d’arbitrage d’actifs croisés qui identifie les divergences entre la valeur d’un ETF et ses actifs sous-jacents.

Pairs Trading

StatArb est une version évoluée des stratégies de trading de paires, dans lesquelles les actions sont mises en paires par des similitudes fondamentales ou basées sur le marché. Lorsqu’une action d’une paire surperforme l’autre, l’action la moins performante est achetée avec l’espoir qu’elle grimpe sur son partenaire performant. La position est couverte contre les changements/mouvements du marché en vendant à découvert l’autre action surperformante. En raison du grand nombre d’actions impliquées dans la stratégie d’arbitrage statistique, de la rotation élevée du portefeuille et de la taille relativement petite de l’écart que l’on essaie de capturer, la stratégie est souvent mise en œuvre de manière automatisée et une grande attention est accordée à la réduction des coûts de négociation. La stratégie d’arbitrage statistique est devenue une force majeure à la fois dans les fonds spéculatifs et les banques d’investissement.

Figure 1 : Étapes de mise en œuvre d’une stratégie d’arbitrage statistique

Comment fonctionne la stratégie d’arbitrage statistique ?

Les titres tels que les actions ont tendance à se négocier dans des cycles haussiers et baissiers et une méthode quantitative cherche à capitaliser sur ces tendances. Le comportement de tendance du trading quantitatif utilise des programmes logiciels pour suivre des modèles ou des tendances. Les tendances découvertes sont basées sur le volume, la fréquence et le prix d’un titre auquel il est échangé.

Figure 2 : Arbitrage statistique entre deux actions de l’industrie du « ciment » : ACC et Ambuja, toutes deux cotées à la National Stock Exchange of India.

Dans l’image ci-dessus, les prix des actions d’ACC et d’Ambuja sont représentés sur une période de six ans. Vous pouvez voir que les deux actions restent assez proches l’une de l’autre pendant toute la période, avec seulement quelques cas de séparation. C’est dans ces périodes de séparation qu’une opportunité d’arbitrage se présente, basée sur l’hypothèse que les prix des actions avec un rapprochement à nouveau.

Le nœud de l’identification de telles opportunités réside dans deux facteurs principaux :

• Identifier les paires qui nécessitent une analyse avancée des séries temporelles et des tests statistiques
• Spécifier les points d’entrée-sortie de la stratégie pour tirer parti de la position du marché

Il y a beaucoup d’indicateurs de trading de paires intégrés sur les plateformes populaires pour identifier et trader dans les paires. Cependant, bien souvent, le coût de la transaction, qui est un facteur crucial pour réaliser des bénéfices à partir d’une stratégie, n’est généralement pas pris en compte dans le calcul des rendements projetés. Par conséquent, il est recommandé aux traders de faire leurs propres stratégies d’arbitrage statistique en tenant compte de tous les facteurs au moment du backtesting qui affecteront la rentabilité finale du trade.

Risques de l’arbitrage statistique

Bien que les stratégies d’arbitrage statistique aient rapporté beaucoup de profits aux entreprises de trading quantitatif, ces stratégies viennent avec leur propre ensemble de risques. Voici quelques risques rencontrés :

• La stratégie dépend fortement de la réversion moyenne des prix à leur normale historique ou prédite. Cela peut ne pas se produire dans certains cas et les prix peuvent continuer à s’éloigner de la normale historique.
• Les marchés financiers sont en constante évolution et évoluent en fonction des événements qui se produisent à travers le monde. Par conséquent, le bénéfice des modèles d’arbitrage statistique ne peut pas être garanti tout le temps.

Projets sur l’arbitrage statistique par les anciens de l’EPAT

Les stratégies d’arbitrage statistique peuvent être appliquées à différents instruments financiers et marchés. L’Executive Programme in Algorithmic Trading (EPAT) comprend une session sur « l’arbitrage statistique et le trading de paires » dans le cadre du module « Stratégies ». Nombre de nos participants à l’EPAT ont élaboré avec succès des stratégies de trading de paires pendant leurs cours. Vous trouverez ci-dessous quelques blogs de projets à titre de référence.

Trading de paires sur ETF – Travail de projet EPAT

Trading de paires – Arbitrage statistique sur les actions au comptant

Stratégie de trading de paires et backtesting à l’aide de Quantstrat

Arbitrage statistique : Trading de paires sur le marché boursier mexicain

Mise en œuvre du trading de paires/de la stratégie d’arbitrage statistique sur les marchés des changes : Travail de projet EPAT

Suivant

Accéder à ce projet qui est basé sur ‘Pair Trading – Statistical Arbitrage On Cash Stocks’ et est codé en Python par Jonathan Narváez dans le cadre du travail de cours EPAT à QuantInsti et contient également des fichiers téléchargeables.

Disclaimer : Tous les investissements et les transactions sur le marché boursier comportent des risques. Toute décision de placer des transactions sur les marchés financiers, y compris la négociation d’actions ou d’options ou d’autres instruments financiers est une décision personnelle qui ne doit être prise qu’après une recherche approfondie, y compris une évaluation personnelle des risques et des finances et l’engagement d’une assistance professionnelle dans la mesure où vous le jugez nécessaire. Les stratégies de trading ou les informations connexes mentionnées dans cet article sont uniquement destinées à des fins d’information.