Qu'est-ce que la volatilité variable dans le temps?
La volatilité variant dans le temps fait référence aux fluctuations de la volatilité sur différentes périodes. Les investisseurs peuvent choisir d'étudier ou de considérer la volatilité d'un titre sous-jacent pendant différentes périodes. Par exemple, la volatilité de certains actifs peut être plus faible pendant l'été lorsque les commerçants sont en vacances. L'utilisation de mesures de volatilité variant dans le temps peut influencer les attentes des investissements.
Fonctionnement de la volatilité variable dans le temps
La volatilité variant dans le temps peut être étudiée dans n'importe quelle période. En général, l'analyse de la volatilité nécessite une modélisation mathématique pour générer des niveaux de volatilité comme une mesure du risque d'un titre sous-jacent. Ce type de modélisation génère des statistiques historiques de volatilité.
La volatilité historique est généralement appelée l'écart-type des prix d'un instrument financier, et donc une mesure de son risque. Au fil du temps, un titre devrait avoir une volatilité variable soumise à d'importantes fluctuations de cours, les actions et autres instruments financiers présentant des périodes de forte volatilité et de faible volatilité à différents moments.
Les analystes peuvent également utiliser des calculs mathématiques pour générer une volatilité implicite. La volatilité implicite diffère de la volatilité historique en ce qu'elle n'est pas basée sur des données historiques mais plutôt sur un calcul mathématique qui fournit une mesure de la volatilité estimée du marché en fonction des facteurs actuels du marché.
Points clés à retenir
- La volatilité variable dans le temps décrit comment la volatilité des prix d'un actif peut changer selon différentes périodes de temps.L'analyse de la volatilité nécessite l'utilisation de modèles financiers pour résoudre les différences statistiques dans les fluctuations de prix sur différentes périodes de temps.La volatilité a tendance à revenir à la moyenne, donc les périodes de forte volatilité peuvent être suivies de périodes de faible et vice-versa.
Volatilité historique
La volatilité historique peut être analysée par périodes de temps en fonction de la disponibilité des données. De nombreux analystes cherchent d'abord à modéliser la volatilité avec autant de données disponibles que possible afin de trouver la volatilité de la sécurité sur toute sa durée de vie. Dans ce type d'analyse, la volatilité est simplement l'écart type du prix d'un titre autour de sa moyenne.
L'analyse de la volatilité par périodes spécifiées peut être utile pour comprendre comment un titre s'est comporté au cours de certains cycles de marché, crises ou événements ciblés. La volatilité des séries chronologiques peut également être utile pour analyser la volatilité d'un titre au cours des derniers mois ou trimestres par rapport à des délais plus longs.
La volatilité historique peut également être une variable dans différents prix du marché et modèles quantitatifs. Par exemple, le modèle de tarification des options Black-Scholes requiert la volatilité historique d'un titre lorsque l'on cherche à identifier son prix d'option.
La volatilité implicite
La volatilité peut également être extraite d'un modèle tel que le modèle Black-Scholes pour identifier la volatilité présumée actuelle du marché. En d'autres termes, le modèle peut être exécuté à rebours en prenant le prix de marché observé d'une option comme entrée pour imputer la volatilité de l'actif sous-jacent afin d'atteindre ce prix.
Généralement, le délai de volatilité implicite est basé sur le délai d'expiration. Dans l'ensemble, les options dont l'expiration est plus longue auront une volatilité plus élevée tandis que les options expirant dans un délai plus court auront une volatilité implicite plus faible.
Prix Nobel d'économie 2003
En 2003, les économistes Robert F. Engle et Clive Granger ont remporté le prix Nobel d'économie pour leur travail dans l'étude de la volatilité variant dans le temps. Les économistes ont développé le modèle d'hétéroscédasticité conditionnelle autorégressive (ARCH). Ce modèle fournit des informations pour analyser et expliquer la volatilité sur différentes périodes. Ses résultats peuvent ensuite être utilisés dans la gestion prédictive des risques, ce qui peut aider à atténuer les pertes dans une variété de scénarios différents.
