Accueil > Analyse technique > Predictibilite et Profitabilite des figures Chartistes > Les méthodes de détection des extremums locaux

Prédictibilité et Profitabilité des figures Chartistes

Les méthodes de détection des extremums locaux

L’objectif de notre travail est de détecter et d’étudier, sur le marché des changes, des formes particulières et non linéaires. Ces formes, appelées figures chartistes, constituent un volet de l’analyse technique et sont couramment utilis ées par les traders dans le but de compléter leur analyse fondamentale [10].

Ces figures disposent selon Murphy (1999) et Béchu and Bertrand (1999) d’un pouvoir prédictif, permettant ainsi aux traders qui les emploient de développer des stratégies de trading en vue d’obtenir un profit. Les différentes figures étudiées sont donc analysées en termes de pouvoir prédictif et de profitabilité. Le profit est procuré suite à l’application de la règle de trading sous-jacente à l’observation de chacune des figures.

Notre étude s’intéresse particulièrement à la sensibilité des figures à différents facteurs, tels que le type de cours, la fréquence d’observation ainsi que la méthode de détection de ces figures. Chacune des figures chartistes peut être caractérisée uniquement par une série particulière d’extremums locaux[11], ou plus précisément de maximums et de minimums locaux en alternance [12].

Par conséquent, dans l’élaboration d’un processus de détection de ces différentes figures, il est nécessaire de tout d’abord déterminer les extremums locaux qui composent la figure. La détection de ces derniers se fait dans notre méthodologie en deux étapes. De manière abrégée, la première étape consiste à lisser les données et à déterminer sur ce lissage les extremums locaux. Dans la seconde étape, nous déterminons les extremums correspondant sur la série initiale. La première étape consiste ainsi à estimer une fonction de lissage des cours par la méthode du noyau, plus précisément par le biais d’une kernel Nadaraya- Watson. [13]

Procéder de cette fa¸con contribue à lisser nos observations et à éliminer tous les bruits qui les caractérisent tout en sauvegardant leur caractère non linéaire et irrégulier [14]. Dans notre étude, entre autres, nous comparons l’intérêt ou non de l’utilisation des cours les plus hauts et ceux les plus bas par intervalle de temps. D’une part, s’intéresser à ces cours revient à se rapprocher davantage de la pratique au sein du marché. Les traders qui ont recours au chartisme utilisent, dans le cadre de leur analyse, des graphiques en bˆatonnets ou bar charts. [15]

D’autre part, Fiess and MacDonald (2002) montrent que les cours les plus hauts et les plus bas présentent un contenu informatif lié à la variation de la structure de la demande et de l’offre. De plus, ils concluent que ces deux cours présentent des caractéristiques statistiques différentes et que la différence constitue une mesure adéquate de la volatilité. Selon l’utilisation ou non de ces cours, la méthodologie de détection des extremums locaux doit donc être adaptée.

Dans le cas où seuls les cours dits de clôture [16] sont utilisés, la série chronologique représentant ces derniers est lissée via l’estimation d’une kernel Nadaraya- Watson. De cette estimation, nous déterminons les extremums en cherchant les moments où la dérivée de la fonction de lissage estimée change de signe. Cette manière d’opérer assure ainsi l’alternance entre maximums et minimums. La seconde étape de notre méthodologie est de ’trouver’ les extremums correspondant sur la série initiale [17].

Ainsi, une fois un maximum (minimum) sur la courbe lissée est déterminée, nous retenons sur la courbe originale le maximum (minimum) des cours correspondant au moment du maximum (minimum) de la courbe lissée et les 2 cours entourant ce dernier. Dans le cas de l’utilisation des cours les plus hauts et ceux les plus bas, la méthode doit être adaptée, les maximums locaux doivent être déterminés sur les cours high et les minimums sur les cours low. Nous lissons par conséquent les deux séries de prix et déterminons pour chacune les extremums nécessaires en repérant les moments de changement de signes de chaque dérivée.

Lors du repérage des cours correspondant sur les séries originelles, nous nous assurons d’avoir bien alternance entre maximums sur le cours high et minimums sur le cours low. Nous prenons tout d’abord le premier extremum observé que nous projetons. Si ce dernier est un maximum (minimum), nous alternons ensuite entre une projection sur les cours low (high) suivie d’une sur les cours high (low) et ainsi de suite. Ces méthodes de détection sont effectuées pour différentes fenêtres d’observation, dont chacune comprend un nombre fini d’observations.

Nous définissons une fenêtre ‘glissante’ qui parcours toute la série des cours avan¸cant avec un pas d’une seule observation. Pour chaque fenêtre, nous appliquons la méthode de détection des extremums et regardons si l’une des séquence d’extremums obtenues correspond à la définition d’une des figures chartistes. L’intérêt de l’utilisation d’une fenêtre mouvante est de se concentrer sur les configurations qui se sont développées entièrement dans cette fenêtre et donc de supprimer le risque de biais dû au fait que nous disposons de l’évolution future du cours. Autrement dit, en utilisant une fenêtre glissante, nous nous assurons que l’évolution du cours suite à la détection d’une figure n’est pas connue au moment du repérage de cette dernière.

La figure chartiste n’est retenue, par conséquent, que si son allure commence et se termine dans la même fenêtre. En mettant en place un test de filtrage des figures retenues, aucune figure chartiste n’est retenue plus d’une fois.


10. Sur le marché des changes, cette analyse se base sur l’étude de l’effet de l’information publique et privée, notamment des annonces et des flux d’ordres.

11. La définition précise de la séquence d’extremums relative à chaque figure est explicitée dans la section 3.2.

12. La dérivée de la courbe passant par ces extremums changent de signe à chaque extremum.

13. Avant de retenir la méthode du noyau comme un moyen de lissage, nous avons eu recours à d’autres techniques de lissage notamment les splines cubiques et les approximations polynomiales. Dans le cadre du marché des changes, la première méthode nous a semblé plus efficace.

14. Cette méthode de lissage, utilisée dans le but de détecter des figures chartistes, fut également adoptée par Lo, Mamaysky, and Wang (2000). D’autres méthodes ont été utilisées dans le même cadre d’analyse par Levy (1971), Osler (1998), Dempster and Jones (1998a) et Chang and Osler (1999). Leur méthode consiste à fixer comme extremum local chaque cours qui a subi préalablement une baisse ou une hausse d’une proportion donnée.

15. Béchu and Bertrand (1999) stipulent qu’une des grosses lacunes des courbes continues est leur imprécision et la non utilisation de toutes les données disponibles. Elles représentent les derniers cours par intervalle de temps alors que ces derniers ne sont pas forcément représentatifs des intervalles correspondants. Le graphique en bâtonnets ou le bar chart permet de représenter toute l’information disponible sur les cours (plus bas, plus haut, le premier et le dernier) sur un simple bˆatonnet.

16. Il s’agit en fait de cours régulièrement espacés représentant le dernier cours de chaque intervalle.

17. Nous utiliserons par la suite le terme de ’projection’.

Prof. Walid Ben Omrane et Hervé Van Oppens

Suivant: Définitions des figures chartistes

Sommaire: Index