Вы находитесь на странице: 1из 52

Microstructure des marchs financiers

Gunther CAPELLE-BLANCARD Confrences au Collge de Bruges

PLAN Microstructure des marchs financiers


1. 2.

Les modles dinventaire Les modles avec asymtrie dinformation


Le modle de Kyle (1985) Les modles squentiels

3.

lments empiriques
La liquidit intra-journalire La transparence des marchs La fragmentation

Lectures
Manuels :
Minguet A., Microstructure des marchs d'actions, Economica, 2003. OHara M., Market Microstructure Theory, Blackwell, 1995.

Articles
Biais, Glosten et Spatt, The Microstructure of Stock Markets, CEPR, 2002. Copeland et Galai, Information Effects on the Bid-Ask Spread, JoF, 1983. Easley et OHara, Price, Size and Information in Securities Market, JFE 1987. Glosten et Milgrom, Bid-Ask and Transaction Prices in a Specialist Market with Heterogeneously Informed traders, JFE, 1985. Madhavan, Market Microstructure: A survey, JFM 2000. Kyle, Continuous Auctions and Insider Trading, Econometrica, 1985.

Pourquoi tudier la microstructure des marchs ?


Enjeux thoriques
Comprendre le fonctionnement des marchs Comprendre la dynamique des prix

Enjeux pratiques
Pour les investisseurs : O ? Quand ? Comment ? Pour les marchs

Enjeux normatifs
Les meilleurs structures La supervision et la rglementation

Les pionniers
Demsetz (1968) : The cost of transacting
Les dterminants du bid-ask spread

Bagehot (1971) : The only game in town


Le rle du market-maket

Black (1971) : Toward a fully automated stock exchange


Utilit du market-maker ? Carnet dordre

Les paradigmes
Modles dinventaire Modles avec asymtrie dinformation
Modles anticipations rationnelles Modles squentielles

Les modles dinventaire


Problmatique :
Arriver des ordres alatoires Problme de gestion des stock Portefeuille mal diversifi

Les raisons dtre de la fourchette de prix :


Eviter la faillite teneur de march (Garman, 1976) Contraintes sur les stocks dactifs (Amihud et Mendelson, 1980) Aversion au risque (Ho et Stoll, 1983)

A sleeping position
Manaster et Maan (RFS, 1996)

Les modles avec asymtrie dinformation


Problmatique :
Le teneur de march perd face un investisseur inform Problme de slection adverse Le teneur de march se protge en largissant la fourchette Diffusion des informations par infrence Rgle de Bayes

Copeland et Galai (1983)

Kyle (1985) : lintuition


Un agent inform en situation de monopole et neutre au risque qui maximise son profit versus Des teneurs de march en concurrence qui fixent leur prix en fonction du flux dordre => Quel est la taille optimale de lordre ?
La taille de lordre dpend : De lavantage informationnel De limpact des ordres sur le prix (i.e. de la liquidit)

Kyle (1985) : le cadre


1 fixing => N fixings => Cotation en continu Deux actifs :
Un actif sans risque R = 0 Un actif risqu

~ v ~ N ( p0 , 0 )

Trois types dagents


Neutres au risque => maximise leur profit (et non leur utilit) Placent des ordres au march

Un agent inform qui observe la valeur liquidative de lactif risqu comportement stratgique Des teneurs de march en concurrence la Bertrand comportement stratgique Des agents non informs comportement non stratgique

Kyle (1985) : le droulement du jeu


~ Ltat de la nature est ralis v Les agents non-informs placent une quantit ~ u ~ N (0, u2 ) ~ ~ Linvestisseur inform observe u mais pas v ~ et place une quantit ~ = X (v ) x modle anticipations rationnelles Les teneurs de march observent le flux dordres agrg ~ + u et fixent ~ = P ( ~ + u ) p x ~ x ~ Linvestisseur inform ralise un profit ~ ~ p x ( X , P) = (v ~ )~

Kyle (1985) : les conditions dquilibre


Le prix dquilibre est dfini par le couple (X, P) et doit satisfaire les 2 conditions suivantes :

~ ( X , P ) = E (v / ~ + u ) ~ x ~ p
=> Concurrence

~ ~ ~ ~ E ( ( X , P ) / v = v ) > E ( ( X ' , P) / v = v )
=> Maximisation du profit

Kyle (1985) : Thorme 1


Stratgie de placement dordre optimal de lagent inform

~ ~ X (v ) = (v p0 )

Stratgie de prix optimal du teneur de march

P ( ~ + u ) = p0 + ( ~ + u ) x ~ x ~

avec

= ( / 0 )
2 u

1/ 2

et

= 2( / 0 )
2 u

1 / 2

Kyle (1985) : Rsolution (1)


On suppose que X et P sont des fonctions linaires

P ( y ) = + y

X (v ) = + v

( X , P) = (v p )x = (v x )x
CPO v x = 0 x = / 2 + v / 2 Par identification 1 / = 2

Kyle (1985) : Rsolution (2)


On suppose que X et P sont des fonctions linaires P ( y ) = + y X (v ) = + v

~ x ~ ~ ~ ~ P( y ) = + y = E (v / ~ + u ) = E (v / + v + u = y )
Thorme de projection

0 + u2 p0 = ( + p0 ) = ( + p0 ) = ( p0 ) => = p0

Kyle (1985) : Proprits


Stratgie de placement dordre optimal de lagent inform
~ ~ X (v ) = u2 / 0 (v p0 )

Stratgie de prix optimal du teneur de march ~ ~


~ + u ) = p + 2( x + u ) P(x ~ 0 2 u / 0

Kyle (1985) Le contenu informationnel des prix


La moiti de linformation prive est dvoile

~ p 1 = V (v / ~ ) = 0 / 2

Kyle (1985) : le lambda


Rappel : P ( y ) = + y 1/ mesure la profondeur du march, i.e. le volume de titres ncessaire pour que le prix varient dune unit

0 + 1/ = = 2 u2 / 0 0
2 u

Les modles squentiels


Un cadre de base
(Glosten et Milgrom, JFE, 1985)

Un exemple de manipulation
(Allen et Gorton, EER,1992)

Volume et fourchette de prix


(Easley et OHara,JFE, 1987)

Marchs drivs et fourchette de prix


(Easley, OHara et Srinivas, JoF, 1998; CapelleBlancard, RE, 2003)

Un modle squentiel 1 Le cadre


Deux dates : t = 0 et t = 1 Les ordres arrivent squentiellement Deux actifs :
Un actif sans risque Une action

S0 = ? S1 = SL avec proba = ou S1 = SH avec proba = On pose SL < SH

Trois agents (neutres au risque) :


Un teneur de march (market-maker) investisseurs informs (insiders) (1) investisseurs non-informs (noise-traders)

Un modle squentiel 1 Le teneur de march


Parfaitement rationnel Neutre au risque => pas de problme dinventaire Propose la date 0 un bid-ask (b-a) pour une quantit Maximise son profit espr En concurrence => Il fixe son bid-ask conditionnellement linfo dont il dispose (i.e. les flux dordres) de manire raliser un profit nul sur chaque transaction

Un modle squentiel 1 Le problme de slection adverse


Il ignore sil fait fasse un agent inform ou non Il compense
Les pertes subies face aux IT Par des gains raliss auprs des NT

=>Le TM
Minore le prix dachat Majore le prix de vente

Un modle squentiel 1 Les investisseurs non-informs


Ils changent pour des raisons exognes :
Ajustement de portefeuille Couverture Etc.

Ils ignorent leur impact sur les prix Ils nont pas de comportements stratgiques Ils permettent aux IT de se camoufler Les NT :
Achat avec probabilit a Vente avec probabilit b = 1 a

Un modle squentiel 1 Les investisseurs informs


Ils reoivent une information suppose certaine sur le prix futur S1 Ils maximisent leur profit
Ils nachtent que si S1 > ask Ils ne vendent ( dcouvert) que si S1 < bid

Si S1 = SL : (SL) = (bid SL) Si S1 = SH : (SH) = (SH ask)

Un modle squentiel 1
SH 1/2 1- NT 1-a Vente IT Achat

Achat

1/2 SL

IT

Vente

1-

a NT 1-a

Achat

Vente

Un modle squentiel 1 Le TM reoit un ordre de vente


Lordre peut venir : Dun NT avec la proba (1 )(1 a)/2 E(S) = (SH+SL)/2 Dun IT avec la proba /2 SL Rvision des probabilits suivent larriv des ordres Rgle de Bayes : P(A/B) = P(AB) / P(B) (1 )(1 a)(SH+SL)/2 + SL/2 Bid = (1 )(1 a) + /2 Bid = E(S) (SH SL) / [ 2(1 )(1 a) + ]

Un modle squentiel 1 Le TM reoit un ordre dachat


Lordre peut venir : Dun NT avec la proba (1 )a/2 E(S) = (SH+SL)/2 Dun IT avec la proba /2 SH Rvision des probabilits suivent larriv des ordres Rgle de Bayes : P(A/B) = P(AB) / P(B) (1 )a(SH+SL)/2 + SH/2 Ask = (1 )a + /2 Ask = E(S) + (SH SL) / [ 2(1 )(1 a) + ]

Un modle squentiel 1 Le TM reoit un ordre dachat (bis)


Probabilit (non conditionnelle) de hausse ou de baisse Probabilit de hausse conditionnellement un ordre dachat = [ + (1)a ] / { [ + (1)a ] + (1)(1)a } Avec = = [ + (1)a ] / { [ + (1)a ] + (1)a } = [ + (1)a ] / [ + 2(1)a ] =>Ask = SH + (1)SL Ask = { SH [ + (1)a ] + SL (1)a } / ( + 2(1)a ) Ask = {(1)a(SH+ SL) + SH} / ( + 2(1)a ) Rappel : Ask = (1 )a(SH+SL)/2 + SH/2 (1 )a + /2

Un modle squentiel 1 La fourchette de prix conditionnelle


Ask Bid = (SH SL) / [ 2(1 )(1 a) + ] Dpend positivement de Lavantage informationnel (SH SL) La part des IT

Un exemple de manipulation
Cas symtrique =1/2; =0.1; SH = 10 et SL = 0 Cas asymtrique =0.9; =0.1; SH = 10 et SL = 0

Un exemple de manipulation
Buy A 0.55 B 0.45

Un modle squentiel 2 Le cadre


Deux dates : idem Deux actifs : idem Trois agents : idem

Un modle squentiel 2 Le teneur de march


Parfaitement rationnel idem Neutre au risque idem Propose la date 0 un bid-ask (b-a) pour une quantit ou avec < Maximise son profit espr idem En concurrence idem => Il fixe son bid-ask conditionnellement linfo dont il dispose (i.e. les flux dordres) de manire raliser un profit nul sur chaque transaction

Un modle squentiel 2 Les investisseurs non-informs


Ils changent pour des raisons exognes : idem Ils ignorent leur impact sur les prix : idem Les NT :
Achat avec probabilit a une quantit Vente avec probabilit b une quantit Achat avec probabilit c une quantit Vente avec probabilit d une quantit a + b + c + d =1

Un modle squentiel 2 Les investisseurs informs


Ils reoivent une information suppose certaine sur le prix futur S1 idem Ils maximisent leur profit idem Si S1 = SL :
(SL) = (bid SL) (SL) = (bid SL) (SH) = (SH ask) (SH) = (SH ask)
H

1-H
L

Si S1 = SH :

1-L

Un modle squentiel 2
H SH 1/2 1- NT IT 1-H Achat Achat Achat avec proba = a Vente avec proba = b Achat avec proba = c Vente avec proba = d L 1/2 SL 1- NT IT 1-L Vente Vente Achat avec proba = a Vente avec proba = b Achat avec proba = c Vente avec proba = d

Un modle squentiel 2 Le TM reoit un ordre de vente


Lordre peut venir :
Dun NT avec la proba (1)b/2 E(S) = (SH+SL)/2 Dun IT avec la proba /2 SL

Rvision des probabilits suivent larriv des ordres Rgle de Bayes : P(A/B) = P(AB) / P(B) (1)b(SH+SL)/2 + SL/2 Bid = (1)b + /2 Bid = E(S) (SHSL) / [ 2(1)b + ]

Un modle squentiel 2 Le TM reoit un ordre de vente


Lordre peut venir :
Dun NT avec la proba (1)(1a)/2 E(S) = (SH+SL)/2 Dun IT avec la proba (1)/2 SL

Rvision des probabilits suivent larriv des ordres Rgle de Bayes : P(A/B) = P(AB) / P(B) (1)(1a)(SH+SL)/2 + (1)SL/2 Bid = (1)(1a) + (1)/2
Bid = E(S) (SHSL)(1) / [ 2(1)(1a) + (1) ]

Un modle squentiel 2 La fourchette de prix conditionnelle


Ask Bid = (SHSL) / [ 2(1)b + ] (Ask Bid) = (SHSL) / [ 2(1)d + (1) ]

Dpend positivement de Lavantage informationnel (SHSL) La part des IT

Les quilibres
Equilibre sparateur => Le march est suffisament profond => Les IT ne placent que des gros ordres Equilibre mlangeant => Le march nest pas suffisamment profond => Les IT fractionnent leurs ordres

Un modle squentiel 3 Le cadre


Deux dates : idem Trois actifs :
On ajoute une option dachat (call)
C0 = ? C1 = C(SL) avec proba = ou C1 = C(SH) avec proba = CL = C(SL) < CH = C(SH)

Trois agents : idem

Un modle squentiel 3 Le teneur de march


Parfaitement rationnel idem Neutre au risque idem Propose la date 0 un bid-ask (b-a)
Sur le march au comptant Sur le march driv

Maximise son profit espr idem En concurrence idem => Il fixe son bid-ask conditionnellement linfo dont il dispose (i.e. les flux dordres) de manire raliser un profit nul sur chaque transaction

Un modle squentiel 3 Les investisseurs non-informs


Ils changent pour des raisons exognes : idem Ils ignorent leur impact sur les prix : idem Les NT :
Achat daction avec probabilit a = 1/4 Vente daction avec probabilit b = 1/4 Achat doption avec probabilit c = 1/4 Vente doption avec probabilit d = 1/4 a + b + c + d =1

Un modle squentiel 3 Les investisseurs informs


Ils reoivent une information suppose certaine sur le prix futur S1 idem Ils maximisent leur profit idem Si S1 = SL :
(SL) = (bid SL) (CL) = (bid CL) (SH) = (SH ask) (CH) = (CH ask)
H

1-H
L

Si S1 = SH :

1-L

Un modle squentiel 3
H SH 1/2 1- NT IT 1-H Achat dune action Achat dune option Achat avec proba = a Vente avec proba = b Achat avec proba = c Vente avec proba = d L 1/2 SL 1- NT IT 1-L Vente Vente Achat avec proba = a Vente avec proba = b Achat avec proba = c Vente avec proba = d

Un modle squentiel 3 sur le march au comptant


Lordre peut venir :
Dun NT avec la proba (1)b/2 E(S) = (SH+SL)/2 Dun IT avec la proba /2 SL

Rvision des probabilits suivent larriv des ordres Rgle de Bayes : P(A/B) = P(AB) / P(B) (1)b(SH+SL)/2 + SL/2 Bid = (1)b + /2 Bid = E(S) (SHSL) / [ 2(1)b + ]

Un modle squentiel 3 sur le march des options


Lordre peut venir :
Dun NT avec la proba (1)d/2 E(C) = (CH+CL)/2 Dun IT avec la proba (1)/2 CL

Rgle de Bayes : P(A/B) = P(AB) / P(B) Bid = (1)d(CH+CL)/2 + (1)CL/2 (1)d + (1)/2

Dv. de Taylor : CH = C + (SHS) Bid = C (SHSL)(1) / [ 2(1)d + (1) ]

Un modle squentiel 3 La fourchette de prix conditionnelle


Ask Bid = (SHSL) / [ 2(1)b + ] (Ask Bid) = (SHSL)(1) / [ 2(1)d + (1) ] Dpend positivement de Lavantage informationnel (SHSL) La part des IT sur le march au comptant 1 sur le march driv

Un modle squentiel 3 La localisation des informs


Ils se rpartissent sur le march au comptant et sur le march driv pour maximiser leur profit est tel que :
(SL) = (CL) <=> (bid SL) = (bid CL) (SH) = (CH) <=> (SH ask) = (CH ask) (1) [ ((1)/2 + ) (1)/2 ] = [ (1) + (1)]

Un modle squentiel 3 Les prix dquilibre


(AskBid)* = (SHSL) [ (1+)/2 (/)(1)/2 ] (AskBid)* = (SHSL) [ (1+)/2 (/)(1)/2 ]

Вам также может понравиться