Bibliothèque de ressources régime corrélation

Accès libre

Notre équipe a rassemblé les publications fondatrices, les modèles de code commentés et les jeux de données historiques qui alimentent notre recherche sur les changements de régime en corrélation d'actifs.
Nous contacter

Papiers fondateurs

Accédez aux articles académiques qui ont établi les fondements mathématiques des modèles à changement de régime en corrélation. De Hamilton à Engle, en passant par les extensions multivariées récentes, chaque publication est accompagnée d'un résumé critique et de notes sur son applicabilité pratique.

Bibliothèque de recherche financière quantitative
Écran d'édition de code pour modèles statistiques

Modèles de code

Téléchargez des scripts commentés pour l'estimation des modèles de Markov cachés, le filtrage de Hamilton appliqué aux matrices de corrélation, et les tests de robustesse sur données réelles. Chaque script est documenté avec ses hypothèses et ses limites explicites.

Données historiques

Explorez des jeux de données annotés couvrant les principales crises financières depuis 1987, avec les régimes de marché identifiés et les matrices de corrélation correspondantes. Ces données servent de référence pour valider vos propres implémentations.

Classifications de régimes

Consultez nos classifications historiques des régimes de marché pour différentes classes d'actifs, obtenues par application systématique de méthodologies économétriques reconnues. Chaque classification est documentée avec sa méthodologie et ses incertitudes.

Conseils pour l'analyse des régimes

1

Surveillez la log-vraisemblance, pas seulement l'AIC

Un meilleur critère d'information ne garantit pas la stabilité des estimations. Comparez toujours la log-vraisemblance entre échantillons et vérifiez que les régimes identifiés ont une interprétation économique cohérente.

2

Testez sur plusieurs crises avant de valider

Un modèle qui fonctionne sur la crise de 2008 peut échouer en 2020. Soumettez chaque spécification à au moins trois épisodes de stress historiques distincts pour évaluer sa robustesse réelle.

3

Méfiez-vous du surapprentissage sur le passé calme

Les périodes de marché tranquille dominent historiquement. Un modèle ajusté sur ces périodes sous-estimera systématiquement la probabilité du régime de stress. Pondérez vos échantillons ou utilisez des simulations de Monte Carlo.

4

Documentez les régimes non identifiés

Toute période que votre modèle classe de manière incertaine mérite une attention particulière. Ces zones grises révèlent souvent des transitions de régime en cours ou des spécifications inadéquates.

5

Confrontez vos probabilités filtrées à l'intuition des marchés

Des probabilités de régime qui contredisent l'évidence qualitative des marchés signalent un problème de spécification. L'économétrie doit éclairer l'intuition, pas la remplacer par une boîte noire.
6

Recalibrez régulièrement, sans surajuster

Les paramètres des modèles de régime dérivent avec le temps. Établissez une fréquence de recalibration documentée, testez-la sur le passé, et résistez à la tentation d'ajuster après chaque observation.

Lexique des régimes de corrélation

Terminologie essentielle pour comprendre la modélisation des changements de régime en corrélation d'actifs, des modèles de Markov cachés aux probabilités filtrées et matrices de transition.

Modèle de Markov caché

Modélisation

Modèle statistique où les observations dépendent d'un état latent non observable qui évolue selon une chaîne de Markov. En finance, cet état représente le régime de marché qui détermine les paramètres des corrélations entre actifs.

Probabilités filtrées

Inférence

Estimations à chaque instant de la probabilité d'appartenance à chaque régime de marché, conditionnellement aux observations disponibles jusqu'à cette date. Elles permettent de suivre en temps réel l'évolution des régimes.

Matrice de transition

Modélisation

Tableau carré dont les éléments représentent les probabilités de passage d'un régime de marché à un autre entre deux périodes consécutives. Sa diagonale indique la persistance des régimes.

Filtre de Hamilton

Inférence

Algorithme itératif qui calcule les probabilités de régime et les vraisemblances dans un modèle à changement de régime. Il combine une étape de prédiction et une étape de mise à jour par l'observation.

Rupture structurelle

Diagnostic

Changement abrupt et persistant dans les paramètres d'un modèle économétrique, indiquant un basculement vers un nouveau régime de comportement des séries temporelles et de leurs corrélations.

Corrélation conditionnelle

Mesure

Mesure de dépendance entre deux actifs calculée non pas sur l'ensemble de l'historique mais conditionnellement à l'état du marché identifié par le modèle de régime.

Surapprentissage

Risque

Phénomène où un modèle s'ajuste excessivement aux particularités du passé au détriment de sa capacité prédictive. Particulièrement risqué avec les modèles de régime riches en paramètres.

Vraisemblance régime-dépendante

Estimation

Fonction de vraisemblance d'un modèle qui somme les contributions de chaque régime pondérées par leurs probabilités, permettant l'estimation des paramètres par maximum de vraisemblance.