LEHALLE Charles Albert

< Retour à ILB Patrimoine
Affiliations
  • 2012 - 2020
    Imperial College London
  • 2014 - 2019
    Capital fund management
  • 2004 - 2005
    Université Paris 6 Pierre et Marie Curie
  • 2020
  • 2019
  • 2018
  • 2017
  • 2016
  • 2015
  • 2014
  • 2013
  • 2005
  • Modélisation des coûts de transaction lorsque les transactions peuvent être encombrées : un réseau bayésien utilisant un déséquilibre des ordres partiellement observable.

    Marie BRIERE, Charles albert LEHALLE, Tamara NEFEDOVA, Amine RABOUN
    Machine Learning for Asset Management | 2020
    En utilisant une large base de données des transactions des investisseurs institutionnels américains sur le marché des actions, cet article explore l'effet des exécutions simultanées sur les coûts de transaction. Nous concevons un réseau bayésien modélisant les interdépendances entre les coûts de transaction des investisseurs, les caractéristiques des actions (écart entre les cours acheteur et vendeur, rotation et volatilité), les attributs des méta-ordres (côté et taille de la transaction) et la pression du marché pendant l'exécution, mesurée par le déséquilibre du flux d'ordres net des méta-ordres des investisseurs. Contrairement aux algorithmes d'apprentissage automatique standard, les réseaux bayésiens sont capables de tenir compte des interdépendances explicites entre les variables. Ils s'avèrent également robustes aux valeurs manquantes, car ils sont capables de rétablir leur valeur la plus probable compte tenu de l'état du monde. Le déséquilibre du flux d'ordres n'étant que partiellement observable (sur un sous-ensemble de transactions ou avec un délai), nous montrons comment concevoir un réseau bayésien pour déduire sa distribution et comment utiliser cette information pour estimer les coûts de transaction. Notre modèle fournit de meilleures prévisions que les modèles standard (MCO). L'erreur de prévision est plus faible et diminue avec la taille des ordres des investisseurs, car les ordres importants sont plus informatifs sur le déséquilibre du flux d'ordres agrégé (le R2 augmente hors échantillon de -0,17% à 2,39% pour le décile le plus petit au plus grand de la taille des ordres). Enfin, nous montrons que la précision des prévisions des coûts de transaction dépend fortement de la volatilité des actions, avec un coefficient de 0,78.
Les affiliations sont détectées à partir des signatures des publications identifiées dans scanR. Un auteur peut donc apparaître affilié à plusieurs structures ou tutelles en fonction de ces signatures. Les dates affichées correspondent seulement aux dates des publications retrouvées. Pour plus d’informations, voir https://scanr.enseignementsup-recherche.gouv.fr