Régime de marché de la CSSA

L'essence de l'autosimilarité et de la complexité consiste à comparer le tout à ses composantes. Prenons par exemple un carré divisé en quatre carrés distincts de taille égale. La surface du grand carré est équivalente à la somme des surfaces de chacun des carrés qui le composent. Il en va de même pour une ligne unidimensionnelle, qui est équivalente à la somme de ses parties. L'une des méthodes permettant d'identifier l'autosimilarité sur le marché boursier consiste à examiner la fourchette ou la différence entre les plus hauts et les plus bas. On peut s'attendre à ce que, dans un marché parfaitement autosimilaire, la fourchette la plus longue soit équivalente à la somme des fourchettes mesurées sur un intervalle plus petit. Plus le marché est chaotique, plus la différence entre ces deux mesures est importante. De telles conditions de marché se caractérisent par un rapport important entre la somme des plus petites fourchettes et la mesure de la fourchette la plus longue. Cette relation est essentiellement appelée dimension fractale et constitue une mesure de la complexité. Il existe de nombreuses façons de mesurer cette dimension, notamment en utilisant l'exposant de Hurst, mais le problème que j'ai toujours constaté dans mes modestes recherches est que les seuils suggérés, définis par des valeurs absolues spécifiques, ne semblent pas refléter les informations conformes à la théorie. J'ai souvent constaté que les mesures relatives tendent à être plus robustes et plus cohérentes - de la même manière que l'ampleur des rendements passés a moins de valeur prédictive que le rang relatif des rendements passés. Les mesures relatives ont tendance à être plus stationnaires que les valeurs absolues. Pour calculer cette mesure d'auto-similarité, j'utilise la fourchette intrajournalière (haut moins bas) par rapport à une fenêtre de fourchette plus longue. Voici comment elle est calculée :

1) trouver le plus haut moins le plus bas pour chaque jour en remontant jusqu'à 10 jours en arrière
2) prendre la somme de ces valeurs (somme des pièces)
3) trouver la fourchette de 10 jours en prenant le maximum de 10 jours (y compris les sommets) et en soustrayant le minimum de 10 jours (fourchette complète).
4) diviser la somme des morceaux par l'ensemble de la gamme - il s'agit d'une mesure de base de la dimension/complexité fractale
5) prendre la moyenne sur 60 jours de la série des valeurs de complexité sur 10 jours - c'est la mesure trimestrielle du "chaos/stabilité".
6) utiliser soit le normsdist 252 jours du z-score, soit le classement par percentile de la métrique chaos/stabilité
7) les valeurs supérieures à 0,5 indiquent que le marché se trouve dans un régime de "chaos" et qu'il est beaucoup moins prévisible et non stationnaire, les valeurs inférieures à 0,5 indiquent que le marché est stable et beaucoup plus prévisible.

Auteur de l'idée : David Varadi

Source : https://cssanalytics.wordpress.com/2015/03/13/using-a-self-similarity-metric-with-intraday-data-to-define-market-regimes/

L'indicateur est implémenté pour : MT4/MT5/Tradestation/ Multicharts

Comment importer des indicateurs personnalisés dans SQX : https://strategyquant.com/doc/programming-for-sq/import-export-custom-indicators-and-other-snippets/