Détermination des réseaux d'interaction des investisseurs

par Marcus Cordi

Projet de thèse en Mathématiques appliquées

Sous la direction de Damien Challet.

Thèses en préparation à Paris Saclay , dans le cadre de Interfaces : approches interdisciplinaires, fondements, applications et innovation , en partenariat avec Mathématiques et Informatique pour la Complexité et les Systèmes - EA 4037 (laboratoire) et de CentraleSupélec (établissement de préparation de la thèse) depuis le 01-10-2015 .


  • Résumé

    Ce projet se base sur les suppositions que les investisseurs peuvent être classifés dans un nombre fini et relativement petit de groupes et que leur actions sont interdépentes de sorte que l'activité d'un groupe à un temps donné dépend de l'activité de quelques autres groupes (et de lui-même) au temps précécent. L'idée de base est d'abord de classifier l'action de chaque investisseur durant un intervalle donné en quelques états (achat, vente, neutre, inaction). Ensuite, il est facile de calculer la probabilité que les co-occurences d'états de deux investisseurs ne soit pas entièrement dues au hasard. Si cette probabilité est suffisamment élevée (compte tenu des corrections dues aux test de multiples hypothèses), on considère que ces deux investisseurs sont liés. Le réseau d'interaction des agents est donc construit après avoir testé toutes les paires d'investisseurs. Finalement, les investisseurs sont groupés par l'application de méthodes de détermination de communautés. Un travail préliminaire montre que cette méthode peut également être utilisée pour déterminer des relations de lead-lag. Deux autres méthodes de détermination de la matrice d'interaction est sont l'inférence de modèles de verres de spins et surtout les processus de Hawkes multivariés.

  • Titre traduit

    Determination of investor interaction networks


  • Résumé

    The project rests on the assumption that investors can be clustered into a finite (and relatively small) number of groups and that investment fluxes at time t+1 depend on the activity or inactivity of these groups at time t. The idea is to group investors according to the similitude of the activity patterns: for period (day, hour, 5 minutes), one assigns a tag to each investor (e.g. net buy, net sell, neutral, no activity). One then computes the probability that a given pair of traders act in a synchronized way and establish a link if the probability is high enough (with multiple-hypothesis testing corrections). Then community detection algorithms are applied to the resulting network. Work in progress shows that the latter method can be used to detect lead-lag relationships between groups of investors. Inference of interaction networks between two-state elements may also be done with spin-glass models. Part of this project consists in using multivariate Hawkes (self-excited Poisson processes) to cluster agents.