Variation bipuissance : comprendre la volatilité réalisée robuste aux sauts

La variance réalisée haute fréquence additionne les rendements logarithmiques intrajournaliers au carré. Si l’intervalle d’échantillonnage diminue dans un modèle semi-martingale adapté, RV converge vers la variation quadratique. Lorsque la trajectoire du prix comporte une diffusion continue et des sauts, cette limite comprend la variance intégrée et la somme des sauts au carré. RV mesure donc la variation totale ex post, mais ne permet pas à elle seule de distinguer la part due au mouvement continu de celle attribuable aux discontinuités.

La variation bipuissance utilise un autre élément de base : au lieu de mettre un rendement au carré, elle multiplie les valeurs absolues de deux rendements voisins. Dans le modèle limite, un saut isolé affecte généralement un intervalle de rendement, tandis que le rendement adjacent correspond le plus souvent à un petit incrément de diffusion. Quand la grille devient plus fine, le produit entre le rendement contenant le saut et son voisin diminue ; les produits de rendements de diffusion voisins continuent, eux, à cumuler la variation continue. Barndorff-Nielsen et Shephard ont introduit les variations de puissance et bipuissance pour séparer, sous des modèles définis, la variance intégrée de la variation due aux sauts rares (Barndorff-Nielsen & Shephard, 2004).

La cible est la variance intégrée historique \(\int_0^T \sigma_t^2\,dt\), et non une prévision de volatilité pour la période suivante. Le guide de calcul de la volatilité réalisée présente la mesure fondée sur les rendements au carré ; cet article explique pourquoi les produits de rendements absolus adjacents réagissent différemment aux sauts.

Considérons un processus de prix logarithmique sur une fenêtre fixe :

\[ X_t=X_0+\int_0^t b_s\,ds+\int_0^t \sigma_s\,dW_s+J_t, \]

où le premier terme après \(X_0\) est une dérive à variation finie, \(\sigma_t\) la volatilité instantanée de la diffusion et \(J_t\) la composante de saut. La variation quadratique de ce processus se décompose ainsi :

\[ [X]_T=\int_0^T \sigma_t^2\,dt+\sum_{0<t\leq T}(\Delta X_t)^2, \]

avec \(\Delta X_t=X_t-X_{t-}\). Le premier terme est la variance intégrée continue ; le second, la variation due aux sauts. Chaque saut contribue par son carré, qu’il soit positif ou négatif. Le guide de la variation quadratique en finance explique pourquoi cette quantité de trajectoire diffère de la variance d’un ensemble de prix statiques.

Avec \(n\) rendements logarithmiques intrajournaliers \(r_i=X_{i\Delta}-X_{(i-1)\Delta}\), où \(\Delta=T/n\), la variance réalisée est

\[ RV_n=\sum_{i=1}^{n}r_i^2. \]

Quand les intervalles diminuent sous les conditions semi-martingales habituelles, \(RV_n\) estime la variation quadratique totale, sauts compris. Un rapport qui qualifie RV de « volatilité continue » sans supposer l’absence de sauts mélange donc deux cibles différentes.

Soit \(Z\) une variable normale standard et \(\mu_1=E|Z|=\sqrt{2/\pi}\). Une convention courante pour la variation bipuissance réalisée est

\[ BV_n=\mu_1^{-2}\frac{n}{n-1}\sum_{i=2}^{n}|r_i||r_{i-1}| =\frac{\pi}{2}\frac{n}{n-1}\sum_{i=2}^{n}|r_i||r_{i-1}|. \]

Le facteur \(\pi/2\) normalise le produit de deux incréments gaussiens absolus à l’échelle de la variance continue. Le facteur \(n/(n-1)\) est une correction des extrémités pour petit échantillon utilisée par une convention courante ; certaines définitions l’omettent, car il tend vers un lorsque \(n\) augmente. Précisez la convention employée pour comparer des résultats.

La somme utilise des paires adjacentes qui se chevauchent : le rendement 2 est associé au 1, le 3 au 2, et ainsi de suite. Elle ne classe pas chaque observation comme « saut » ou « sans saut ». La limite asymptotique repose plutôt sur le fait qu’avec des sauts d’activité finie, seul un nombre fini de petits voisinages contient un saut à mesure que la grille s’affine, tandis que les produits des rendements de diffusion voisins engendrent la limite de variance intégrée continue. Dans leurs hypothèses, les théorèmes limites permettent un comportement large de la volatilité stochastique, y compris une dépendance de type levier (Barndorff-Nielsen et al., 2006).

<!-- learn:illustration -->

Supposons qu’une séance hypothétique comporte sept rendements logarithmiques exprimés en points de base :

Supposons que le quatrième rendement contienne un saut hypothétique de \(+12\) points de base et que le mouvement continu de cet intervalle soit négligeable. On obtient alors

\[ RV_7=1+1+0.01+144+0.01+1+1=148.02\ \mathrm{bp}^2. \]

La somme des six produits absolus adjacents vaut \(4.60\ \mathrm{bp}^2\). Avec la convention corrigée aux extrémités indiquée, on obtient

\[ BV_7=\frac{\pi}{2}\frac{7}{6}(4.60)\approx 8.42994\ \mathrm{bp}^2, \qquad RV_7-BV_7\approx139.59006\ \mathrm{bp}^2. \]

Le carré du saut inséré vaut \(12^2=144\ \mathrm{bp}^2\). La différence n’est pas exactement 144 : les produits voisins du saut comprennent des termes \(12\times0.1\), et un échantillon de sept rendements comporte aussi une variation ordinaire de petit échantillon. Cet exemple inventé permet de vérifier les calculs ; ce ne sont pas des données de marché observées et il ne prétend pas qu’une différence sur une fenêtre courte restitue exactement la variation due aux sauts.

Le résultat standard de consistance est conditionnel. Pour une semi-martingale à volatilité stochastique continue et à nombre fini de sauts sur la fenêtre, BV converge vers la variance intégrée continue lorsque l’on échantillonne de plus en plus finement, sans bruit de microstructure. Dans le même cadre, \(RV_n-BV_n\) converge vers la somme des sauts au carré. Il s’agit d’une séparation asymptotique, pas d’une garantie pour chaque série de rendements ou chaque grille finie.

L’hypothèse d’activité finie est importante. En présence de nombreux petits sauts ou d’une activité de sauts infinie, la variation due aux sauts peut contribuer de façon non négligeable aux produits absolus adjacents ; le résultat standard de BV ne sépare alors pas nécessairement le seul composant brownien. Des extensions, une troncature ou d’autres tests de sauts peuvent être nécessaires, chacun avec ses propres hypothèses. Aït-Sahalia et Jacod développent un test de sauts haute fréquence distinct pour une classe plus large de processus semi-martingales ; c’est un cadre de test alternatif, et non la preuve que BV ordinaire traite tous les processus à sauts (Aït-Sahalia & Jacod, 2009).

Le plan d’observation compte également. Les rendements doivent porter sur une même fenêtre et provenir d’une série de prix défendable. Les intervalles espacés, les cotations périmées, les transactions asynchrones, les écarts nocturnes et les sauts proches des limites de séance affaiblissent l’interprétation d’une grille fine. Échantillonner plus souvent n’aide que si les observations se rapprochent du prix efficient latent au lieu d’ajouter davantage de bruit de microstructure.

Dans le modèle asymptotique sans bruit avec sauts d’activité finie, RV moins BV estime la variation due aux sauts. Dans un échantillon fini, la différence peut être négative, même si la somme des sauts au carré ne peut pas l’être. RV et BV sont des estimateurs bruités de limites différentes. Ne remplacez pas discrètement les valeurs négatives par zéro : l’écrêtage modifie le comportement d’échantillonnage de l’estimateur et doit être déclaré comme une règle explicite.

Un test statistique pose une autre question : l’écart observé est-il important par rapport à son incertitude d’échantillonnage sous une hypothèse nulle sans saut ? Barndorff-Nielsen et Shephard dérivent des tests asymptotiques fondés sur la variation de puissance réalisée et la variation bipuissance. Les versions opérationnelles estiment la quarticité pertinente, souvent à l’aide de mesures multipuissance, au lieu de traiter l’écart brut comme un seuil de significativité (Barndorff-Nielsen & Shephard, 2006). La variation bipuissance à seuil a ensuite été développée pour réduire la distorsion des sauts en petit échantillon et permettre l’inférence sous des alternatives avec sauts (Corsi, Pirino & Reno, 2010).

Un saut détecté reste une classification statistique fondée sur un modèle, une fréquence d’échantillonnage et un seuil de significativité choisis. Il ne révèle pas la cause de l’information, ne prouve pas qu’un opérateur aurait pu exécuter au prix enregistré et n’établit pas la rentabilité d’une stratégie.

La BV classique n’est pas un estimateur haute fréquence robuste au bruit. Avec un prix observé \(Y_{t_i}=X_{t_i}+\epsilon_{t_i}\), les effets de bid-ask, l’arrondi et les mises à jour de cotation ajoutent du bruit à chaque rendement. Comme BV multiplie les valeurs absolues de rendements adjacents, l’utilisation de produits voisins ne fait pas disparaître ce bruit. À une fréquence d’échantillonnage très élevée, sa contribution peut même prendre plus d’importance.

Il s’agit d’un problème différent des sauts. Les noyaux réalisés et la variance réalisée à deux échelles ciblent l’estimation de volatilité en présence de bruit de microstructure au moyen d’autres constructions ; ils ne sont pas interchangeables avec BV ordinaire, et la robustesse au bruit n’implique pas la robustesse aux sauts. Le guide des noyaux réalisés présente une méthode axée sur le bruit.

Si la question de recherche exige de traiter simultanément bruit et sauts, utilisez une méthode conçue pour les deux caractéristiques et indiquez ses conditions. Podolskij et Vetter développent une variation bipuissance modulée pour les observations bruitées ainsi que des versions robustes aux sauts d’activité finie ; il s’agit d’un estimateur modifié, et non de la formule non corrigée ci-dessus (Podolskij & Vetter, 2009). Les autres possibilités comprennent un échantillonnage moins fréquent, le pré-moyennage, des mesures à seuil ou un estimateur robuste au bruit. Chaque choix modifie la cible, les paramètres de réglage ou le calcul de l’incertitude.

Lorsque ses hypothèses sont satisfaites, BV estime une composante historique de la variance intégrée continue. RV mesure la variation quadratique totale d’une trajectoire avec sauts. Leur différence peut estimer asymptotiquement la variation quadratique due aux sauts. Aucune de ces quantités n’est automatiquement une prévision, une limite de risque ou un signal d’entrée. Un modèle de prévision peut utiliser les RV et BV passées comme variables explicatives distinctes, mais sa valeur prédictive doit être évaluée hors échantillon en contrôlant la disponibilité de l’information et les coûts de négociation.

La racine carrée d’un estimateur de variance ne constitue une mesure de volatilité qu’une fois la fenêtre et l’unité précisées. Si les rendements sont exprimés en points de base, la variance est en bp² et sa racine en bp pour la fenêtre échantillonnée. L’annualisation suppose une règle explicite de mise à l’échelle temporelle ; multiplier par un facteur calendaire ne supprime ni les sauts, ni le bruit de microstructure, ni les choix de mesure des périodes nocturnes. Le guide du risque de saut explique pourquoi les variations de prix discontinues comptent pour l’exposition de couverture, mais il ne transforme pas une décomposition historique de BV en instruction de négociation.

Indiquez l’actif, la source des prix (transactions, cotations ou milieu de cotation), la définition du rendement, la fréquence d’échantillonnage, les limites de séance ainsi que le traitement des intervalles nocturnes et des observations manquantes. Présentez les formules de RV et BV, la convention de normalisation en petit échantillon, le nombre de rendements et les unités. Si vous calculez \(RV-BV\), montrez la différence brute et précisez si un seuil, une troncature ou un écrêtage à zéro a été appliqué.

Expliquez le modèle qui justifie l’interprétation : volatilité stochastique continue avec sauts d’activité finie, ou modèle plus général de sauts utilisant un autre estimateur. Indiquez toute correction du bruit de microstructure, statistique de test de sauts, estimation de quarticité, seuil de significativité et correction des tests multiples. Présentez également une mesure d’incertitude avec la décomposition.

L’intérêt de la variation bipuissance est que les produits de rendements absolus adjacents conservent une limite de variation continue tout en réduisant l’effet asymptotique des sauts isolés d’activité finie. Ses limites doivent rester visibles : la formule standard n’est ni un filtre universel de sauts, ni un test de significativité, ni une correction du bruit de microstructure. Conservez ces réserves dans toute utilisation pour la recherche ou l’analyse du risque.