Market activity and price impact throughout time scales
Activitée de marché et réactivité du prix à travers les échelles
Résumé
This thesis tackles several issues raised by the multi-scale properties of financial data. It
consists of four connected parts which can however be read independently.
In the first part, we introduce the Rough Fractional Stochastic Volatility (RFSV) model. In this
framework, the logarithm of the volatility is a fractional Ornstein-Uhlenbeck process with long
mean reversion time scale and small Hurst index. We show that this model reproduces numer-
ous stylized facts of financial data such as implied volatility properties, the autocorrelation
structure and the regularity of the volatility. In particular, the RFSV sheds some new light on
the supposed long memory property of volatility.
The second part deals with the long-time behavior of Hawkes and autoregressive processes
which are nearly unstable, that is whose kernels have a norm close to one. We show that in
the case where the kernel has a light tail, nearly unstable Hawkes processes asymptotically
behaves as integrated Cox-Ingersoll-Ross (CIR) processes. In the case where it has a power
law shape, depending on the power law exponent, the limiting process asymptotically exhibits
either long memory or a rough behavior. This enables us to use the modeling of the order flow
as a Hawkes process to obtain a microstructural foundation of the rough nature of volatility.
Similar results are obtained for autoregressive processes.
In the third part of this thesis, we propose two estimation procedures for the kernels of Hawkes
processes. These algorithms are in particular relevant to the case of slowly decreasing Hawkes
kernels which corresponds to what is observed on financial data. The first method relies on the
inversion of the Wiener-Hopf equation while the second is based on a likelihood maximization
via a stochastic gradient ascent.
Finally, we are interested in deriving, under very general assumptions, consequences of market
efficiency on the structure of price impact. We prove the existence of a model independent fair
price with respect to which the average ex post gain of limit orders must be equal to zero. We
finally show that, under a few additional assumptions, price impact must be proportional to
the market anticipation of the order flow imbalance.
Cette thèse traite plusieurs problèmes posés par le caractère multi-échelle des données fi-
nancières. Elle est composée de quatre parties interconnectées pouvant néanmoins être lues
indépendamment.
On introduit dans la première partie le modèle RFSV à volatilité rugueuse. Dans ce modèle, le
logarithme de la volatilité est modélisé par un processus d’Ornstein-Uhlenbeck fractionnaire à
temps de retour à la moyenne long et exposant de Hurst petit. Nous montrons que ce modèle
permet de reproduire le comportement de la surface de volatilité ainsi que de nombreux faits
stylisés statistiques tels que la structure d’autocorrélation et la régularité de la volatilité. En
particulier, nous semblons montrer que, contrairement à l’idée communément admise, celle-ci
ne présente pas de longue mémoire en loi de puissance.
La deuxième partie porte sur le comportement en temps long des processus de Hawkes et
des processus autorégressifs quasi instables, c’est-à-dire dont le noyau a une norme proche
de un. Nous montrons que dans le cas où le noyau est à queue fine, les processus de Hawkes
quasi instables se comportent asymptotiquement comme des processus de Cox-Ingersoll-Ross
intégrés. Dans le cas où le noyau est en loi de puissance, en fonction de son exposant, la
distribution limite est un processus à longue mémoire ou un processus C 1 à derivée rugueuse.
En modélisant le flux d’ordres par un processus de Hawkes, ce résultat nous permet d’établir
des fondements microstructurels à l’irrégularité de la volatilité évoquée dans la première partie.
Nous obtenons des résultats similaires pour les processus autorégressifs.
Dans la troisième partie de cette thèse, nous proposons deux procédures statistiques permettant
d’estimer les noyaux de processus de Hawkes. Nous adaptons ces algorithmes au cas où les
noyaux sont à décroissance lente, situation observée sur les données. La première procédure
se fonde sur l’inversion de l’équation de Wiener-Hopf tandis que la deuxiéme consiste en une
maximisation de la vraisemblance par descente de gradient stochastique.
Enfin, dans la dernière partie de cette thèse, nous nous intéressons, sous des hypothèses les
plus générales possible, aux conséquences de l’efficience du prix sur la structure de l’impact
de marché. Nous obtenons l’existence d’un prix efficient par rapport auquel le gain ex post
des ordres limites doit être nul. Finalement, nous montrons que si l’impact permanent des
métaordres est linéaire en leur volume, les fluctuations de prix doivent être proportionnelles
aux variations de l’anticipation par le marché du déséquilibre de volume.
Mots clés
Multiscale properties
Hawkes processes
autoregressive processes
nearly unstable processes
CIR
long memory
persistence
regularity
rough volatility
order flow
RFSV
estimation of Hawkes kernels
slowly decreasing kernels
Wiener-Hopf
likelihood maximization
stochastic gradient descent
market efficiency
price impact
fair markets
fair price
order flow imbalance
metaorders
anticipation of the volume
square root law
impact function.
Loading...