Anticipation des rendements boursiers et amélioration des prévisions pour la constitution de portefeuilles

La revue de premier plan Journal of Econometrics a publié une recherche sur le développement d'une méthode basée sur la régression pénalisée qui entre en résonance avec les approches structurelles existantes du big data et de l'économétrie des panels. Les résultats empiriques indiquent que cette méthode offre une meilleure performance prédictive des rendements excédentaires dans la gestion des actifs et des risques, et devrait contribuer à améliorer la performance, dans la sélection des actifs, de l'allocation de portefeuille variant dans le temps. Cette étude a été menée par Gaetan Bakalli (diplômé de doctorat de la GSEM en 2021) et les professeurs de la GSEM Stéphane Guerrier et Olivier Scaillet. Elle est publiée dans une édition du Journal of Econometrics sur le thème “Modélisation financière prédictive”.

Les travaux de Gaetan Bakalli et Olivier Scaillet ont bénéficié du soutien du Fonds national Suisse et ceux de Stéphane Guerrier du Fonds national Suisse et d’Innosuisse.

ABSTRACT

We develop a penalized two-pass regression with time-varying factor loadings. The penalization in the first pass enforces sparsity for the time-variation drivers while also maintaining compatibility with the no-arbitrage restrictions by regularizing appropriate groups of coefficients. The second pass delivers risk premia estimates to predict equity excess returns. Our Monte Carlo results and our empirical results on a large cross-sectional data set of US individual stocks show that penalization without grouping can yield to nearly all estimated time-varying models violating the no-arbitrage restrictions. Moreover, our results demonstrate that the proposed method reduces the prediction errors compared to a penalized approach without appropriate grouping or a time-invariant factor model.

L’étude est disponible en libre accès : A penalized two-pass regression to predict stock returns with time-varying risk premia

> Cliquez ici pour voir les publications du corps professoral de la GSEM dans des revues de premier plan.