Comparaison entre la corrélation de l'analyse échelonnable et la corrélation classique en finance à haute fréquence

Les mesures de la covariance et de la corrélation entre le rendement de différents biens financiers intéressent grandement l'industrie financière. Dans le domaine des hautes fréquences, les données brutes sur les prix sont remplies de mauvais points de données. Les définitions traditionnelles de la corrélation de Pearson sont très sensibles aux valeurs aberrantes et ne devraient pas être appliquées directement aux données brutes de haute fréquence. On peut utiliser de solides mesures de corrélation moins sensibles aux valeurs aberrantes afin d'améliorer le rendement des méthodes financières populaires. Ce projet de recherche – en partenariat avec Scalable Analytics, une entreprise de pointe en démarrage dont le mandat est de fournir des outils analytiques en temps réel à des compagnies qui utilisent des données financières à haute fréquence pour leurs courtage électronique – vise à étudier les propriétés et l'utilité – pour les applications financières – de solides calculs de la covariance/corrélation avec des données intrajournalières. Le projet comporte deux phases. La première comprend une étude approfondie des données de corrélation haute fréquence sur les séries chronologiques visant à cerner les propriétés statistiques fondamentales de tels ensembles de données, appelées « faits stylisés » dans la documentation financière. La deuxième phase du projet utilisera les résultats de la première phase pour concevoir et mettre à l'essai des stratégies canoniques d'échange de paires qui utilisent une corrélation solide.

Intern: 
Jieren Wang
Superviseur universitaire: 
Mme Rachel Kuske
Province: 
British Columbia
Programme: