Évaluation de la liquidité des options de type américain entre la bourse de Montréal et Chicago
Notice bibliographique
Résumé
Ce travail de recherche examine la possibilité d’un manque de liquidité dans le marché des options d’action canadiennes. L’analyse est examinée sur deux marchés en importance en Amérique du Nord soit le Chicago Board Option exchange (CBOE) et le Montreal Exchange (MX). Il met en abîme les différents enjeux reliés à l’analyse de la liquidité d’un produit dérivé comme les options. L’étude est réalisée sur des fonds négociés en bourses (FNB) suivant l’indice S&P 500 et transigeant respectivement dans ces deux bourses. Pour arriver à cet objectif, plusieurs indicateurs mesurant la liquidité sur le marché des actions ont été adaptés au marché des options. Sur presque l’ensemble des indicateurs, nous notons une liquidité supérieure du côté américain par rapport au côté canadien sans toutefois pouvoir déceler les raisons de cette disparité. Cette recherche propose également un modèle unique basé une la régression multiple où l’objectif est de maximiser les connaissances de la littérature en évaluation des options afin d’obtenir une évaluation accrue du prix de l’option. La différence entre les prix réels du marché et le prix évalué par notre modèle (i.e. terme d’erreur de la régression) est donc une portion du prix inexpliquée par les informations fondamentales du marché. Ceci peut être expliqué par un manque de liquidité. Ayant basé nos évaluations de prix sur un bassin trop restreint de contrats d’options, les coefficients de notre régression sont trop élevés pour assurer la fiabilité du modèle dans une optique d’outil d’investissement. Cependant, les résultats démontrent une évaluation des prix manifestement supérieure de notre modèle comparativement à l’utilisation d’une technique quelconque prise individuellement.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,006 | 0,003 |
| Intégrité de la recherche | 0,008 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».