Manipulation de donn

1
Manipulation de données financières sous MATLAB
Exane BNP ParibasTrading Arbitrage
Researchnov 2005
Charles-Albert Lehalle, Nicolas
Bertrand charles-albert.lehallenicolas.bertrand
_at_exane.com
2
Manipulation de données financières avec MATLAB

• Prise en compte de la spécificité des données
  financières
• Prise en compte de la spécificité des traitements
  financiers
• Importance de la documentation
• Exemples didactiques de manipulations de données
  financières
• Screening
• Simulation de données réalistes
• Bilan
• Un socle unique pour de nombreuses applications
• Atouts traditionnels de MATLAB

3
ObjectifUne approche métier au service du
développement doutils internes
Opérationnel
Résultats
Données
Déploiement
Validation
Prototypage
4
Quels types de données ?
Evénementiels

• Temporels et multivariés

Implicitement rythmés
Explicitement rythmés
quotidiens
Entre chocs
5
Types de données, types danalyses, sources de
données
Ensemblede cours
cours
informationsmixtes
Marketimpact, etc

• Bloomberg,Reuters,DataStream, FacSet, etc

Euronext database
trades
stocks
6
Eléments d'implémentation le signal financier

• Un type MATLAB polymorphe struct
• Un signal
• Un titre
• Une série de date
• Une série de données (volume, open, close, high,
  low) au même pas d'échantillonnage
• Les noms de ces variables
• des informations optionnelles
• En MATLAB
• gtgt data struct( 'title', 'le titre', 'date',
  vecteur-colonne, ...)value 20732x8
  doubledate 20732x1 doublenames 1x8
  celltitle BN FP Equity'

7
Quels types de traitements ?

• Au fil de leau (filtrage) pour produire
• Pricing (titre / portefeuille)
• Des alarmes (risque / gain associé à une
  configuration, )
• Des caractéristiques (formes, configurations, )
• Par  batchs  pour produire
• Calcul dallocations
• Reporting (PnL, VaR)
• Des estimateurs du comportement du marché
  (corrélations, modèles, )
• Des anticipations court terme (probabilités de
  retournement, )

8
Prototype unique pour tout les traitements

• Entrées / sorties listes de signaux
• Mode de sollicitation (initialisation, détection,
  estimation, bootstrap, etc)
• Etat
• Il s'agit d'une fonction MATLAB dont le prototype
  est de la forme
• Function outputs, state analyse( mode, state,
  inputs, ...)

solicitation
sorties
entrées
état
9
Vers une architecture optimale des traitements

• Chaînage
• Séparation claire des analyses
• Travail collaboratif / maintenabilité
• Backtesting naturel

affichage
Conjonction prix - volumes
Travail sur les prix
écriture
lecture
Decoupagequotidien des volumes
Travail surles volumes
10
Documenter pour échanger

• documentation utilisateur m2html
  documentation technique OCAMAWEB

11
Exemples didactiques

• Exemples de manipulations de données financières
• Screening
• Simulation de données réalistes

12
Screening

• Objectifs
• Screener automatiquement des données financières
  et des indicateurs de marché
• Sous forme de charts paramétrables et de
  documents de synthèse
• Moyens
• Accès aux données
• Calcul des indicateurs (bandes de Bollinger,
  moyennes mobiles, performances, etc.)
• Construction des charts

13
Screening principe
Extraction des données financières
Calcul des indicateurs
Paramétrage,tracé des charts
14
Screening rendu

• Chart seul

• Document de synthèse (pdf)

15
Simulation de données réalistes

• Objectifs
• A partir dhistoriques de données (courbes,
  certaines quotidiennes, dautres mensuelles)
• Simuler des  années réalistes  concordant avec
  les caractéristiques statistiques des courbes
  réelles
• Conserver les corrélations (et autre moments)
  entre les courbes
• Moyen
• Modélisation de la structure des données avec des
  copules (non paramétriques)
• Simulation par Monte Carlo

16
Simulation de données réalistes principe
Simulation de données indépendantes
Inversion des copules
Espace de représentation(dans lequel les données
sont indépendantes)copules non paramétriques
Application des corrélations
Prétraitements (stationnarisation)
Modèle de corrélations
17
Déploiement compilation EXCEL COM

• Déploiement sur les postes utilisateurs via Excel
  COM/Builder
• Entrées les données par DataStream
• Sorties 1000 simulations dannées plausibles
• Exploitation Distribution de lexposition au
  risque (VaR)

• u

• v

• w

• v

• u

• w

18
MATLAB un socle unique pour de multiples
applications
1/3

• Asset Liability Management Families
• Real Estate (geographical statistics) Statistics
• Fixed Income (sensibility, , yield
  curves) Statistics
• Equity (volatility, correlations, Markovitz,
  ) Statistics, Optimization
• Credit (structural models Merton-, copula,
  ) Finance, Statistics
• Diversified Portfolio (Markovitz, Black
  Litterman, ) Optimization, Control
• Risk Management
• Value at Risk (correlations, copula) Statistics
• Stress testing (extreme values, ) Base,
  Statistics
• Insurance
• Population dynamics Statistics, Base
• Fixed Income Currency Derivatives
• Yield curves (Vasicek, ) Statistics
• Swaps Finance
• Fixed income options Finance

19
MATLAB un socle unique pour de multiples
applications
2/3

• Equity Derivatives Families
• Closed form models (BS, ) Finance
• Simulations (multinomial trees, monte carlo,
  finite differences) Optimization, Stats
• Sensibilities (greeks) Finance, Optimization
• Credit Derivatives
• Structural models Finance, Optimization
• Reduced form models (empirical probabilities of
  default, ) Optimization, Statistics
• Copula Statistics
• Trading Arbitrage
• Technical analysis Finance, Statistics, Signal
  Processing
• Arbitrage Statistics, Base, Optimization
• Trading Statistics, Control, Signal Processing,
  Optimization

20
MATLAB un socle unique pour de multiples
applications
3/3

• Math and Optimization
• Optimization Toolbox, Symbolic Math (Extended
  Symbolic Math), Partial Differential Equation,
  Genetic Algorithm and Direct Search Toolbox
• Statistics and Data Analysis
• Statistics, Neural Network, Curve Fitting,
  Spline, Model-Based Calibration
• Control System Design and Analysis
• Control System, System Identification, Fuzzy
  Logic, Robust Control Model, Predictive Control
• Signal Processing and Communications
• Signal Processing, Communications, Filter
  Design, Filter Design HDL Coder, Wavelet,
  Fixed-Point, RF
• Financial Modeling and Analysis
• Financial, Financial Derivatives, GARCH,
  Financial Time Series, Datafeed, Fixed-Income

21
Bilan

• Pré requis un format de stockage de données et
  un format de manipulation de données,
• Les atouts de MATLAB
• Un socle unique pour de nombreuses applications
  (réduction des coûts)
• Maîtriser lenchaînement de plusieurs
  méthodologies (approche  grey box , contrôle du
  risque de modèle)
• Prototypage rapide (script, graphiques,
  toolboxes)
• Accès aux données (en évolution)
• Peuvent être mis efficacement à disposition de la
  finance quantitative
• Calculs en lignes calculs en batch sur de gros
  volumes de données
• Mise en place rapide dapplications pour
  validation / backtesting
• Interactions avec les providers de données
  financières (actx / dde) et les legacy systems

22
Références

• Documentation technique de programmesLiterate
  programming / OCAMAWEB http//www.literateprogramm
  ing.com/ftools.html
• Séquencement de calculsJérôme Lacaille, Projet
  dhabilitation à diriger des recherches Chap 5
  http//www.cmla.ens-cachan.fr/Utilisateurs/lacaill
  e/hdr/hdr.pdfJ.P. Morrison, Flow-Based
  Programming A New Approach to Application
  Developmenthttp//www.jpaulmorrison.com/fbp/

23
Manipulation de données financières avec MATLAB