La stratégie avance-retard

Un signal avance-retard, chiffre par chiffre

Voici à quoi ressemble un signal avance-retard dans PairScanner. Le titre et les chiffres sont fictifs.

Ce que fait PairScanner

Pour chaque action suivie, l'algorithme examine une liste courte de meneurs possibles : l'ETF de son secteur, le marché, ses trois voisins statistiques et des relations connues. Chaque mois, il entraîne un modèle statistique, une régression dite ridge, qui prévoit le rendement du suiveur à partir des cinq derniers jours du meneur, en tenant compte du passé du suiveur, du marché et du secteur.

Un signal n'apparaît que si deux conditions sont réunies : la prévision est nettement plus forte que d'habitude, au-delà d'un écart-type, et le meneur améliore vraiment la prévision par rapport à un modèle qui s'en passe.

L'algorithme calcule alors, pour des horizons de 1, 5 et 20 séances, le mouvement attendu frais déduits, la probabilité estimée d'une issue positive, la fourchette des résultats plausibles et l'ordre de grandeur d'une issue défavorable, à partir du rejeu de la même règle sur l'historique.

Vous ne codez rien et ne calculez rien : vous ouvrez l'onglet Avance-retard du tableau de bord et lisez le résultat du jour.

L'idée en détail

L'information ne se diffuse pas partout en même temps. Un grand client annonce une forte demande : son cours réagit immédiatement. Ses fournisseurs, moins suivis par les analystes, réagissent parfois avec un ou plusieurs jours de retard.

La stratégie cherche ces couples meneur et suiveur. Elle ne teste pas toutes les combinaisons possibles, ce qui ferait surgir des coïncidences : elle part de liens plausibles, comme le secteur ou les voisins statistiques, et exige que le meneur apporte vraiment de l'information.

Un exemple chiffré

Un grand fabricant de puces publie des commandes record et gagne 8 % dans la journée. Un de ses sous-traitants, que le modèle a identifié comme suiveur, ne gagne que 1 %.

La prévision dépasse nettement l'ordinaire et le meneur apporte de l'information : un signal d'achat apparaît sur le suiveur.

Exemple fictif, à but pédagogique. Ce n'est ni un signal ni une recommandation.

Pourquoi ça fonctionnerait

Andrew Lo et Craig MacKinlay ont montré en 1990 que les rendements des grandes entreprises précèdent ceux des petites. Kewei Hou a précisé en 2007 que cet effet joue surtout à l'intérieur d'un même secteur : l'information touche d'abord les grandes entreprises, puis se diffuse lentement.

Lauren Cohen et Andrea Frazzini ont montré en 2008 que les rendements des clients permettent de prévoir ceux de leurs fournisseurs. Une stratégie long-short exploitant ce décalage a dégagé plus de 1,5 % par mois de rendement ajusté du risque dans leur étude.

Ce que dit la recherche aujourd'hui

Lior Menzly et Oguzhan Ozbas ont confirmé en 2010 que les rendements se prévoient d'un secteur à ses fournisseurs et à ses clients, le long des chaînes économiques.

Plus récemment, des liens moins visibles, comme la proximité technologique entre entreprises, se sont révélés porteurs de la même information : c'est pourquoi PairScanner inclut les voisins statistiques parmi les meneurs possibles.

Sources

Études citées dans cette page :

• Andrew W. Lo et A. Craig MacKinlay (1990). When Are Contrarian Profits Due to Stock Market Overreaction?. The Review of Financial Studies, 3(2), 175-205.
• Kewei Hou (2007). Industry Information Diffusion and the Lead-lag Effect in Stock Returns. The Review of Financial Studies, 20(4), 1113-1138.
• Lauren Cohen et Andrea Frazzini (2008). Economic Links and Predictable Returns. The Journal of Finance, 63(4), 1977-2011.
• Lior Menzly et Oguzhan Ozbas (2010). Market Segmentation and Cross-predictability of Returns. The Journal of Finance, 65(4), 1555-1580.
• Charles M. C. Lee, Stephen Teng Sun, Rongfei Wang et Ran Zhang (2019). Technological Links and Predictable Returns. Journal of Financial Economics, 132(3), 76-96.