Liquidité des Marchés Actions : Coûts de Transactions, Encombrement, et Processus de Formation des prix

Stock Market Liquidity : Transaction Costs, Crowding and Price Formation Process

• Auteur / Autrice : Amine Raboun
• Direction : Marie Brière
• Type : Thèse de doctorat
• Discipline(s) : Sciences Economiques
• Date : Soutenance le 02/03/2021
• Etablissement(s) : Université Paris sciences et lettres
• Ecole(s) doctorale(s) : Ecole doctorale SDOSE (Paris)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d’Economie de Dauphine (Paris) - Laboratoire d'Economie de Dauphine / LEDa
• Partenaire(s) de recherche : établissement opérateur d'inscription : Université Paris Dauphine-PSL (1968-....)
• Partenaire(s) de recherche : Entreprise : Euronext Paris
• Jury : Président / Présidente : Gaëlle Le Fol
• Jury : Examinateurs / Examinatrices : Marie Brière, Gaëlle Le Fol, Robert L. Kosowski, Frédéric Abergel, Thierry Foucault, Frank De Jong, Charles-Albert Lehalle, Fabrice Rahmouni
• Jury : Rapporteurs / Rapporteuses : Robert L. Kosowski, Frédéric Abergel

Mots clés

Mots clés contrôlés

Masse monétaire

Marché monétaire

Coût de transaction

Mots clés libres

Coûts de transactions

Impact sur le marché

Processus de formation des prix

Investissement factoriel

Trading costs

Market Impact

Factor-Based Investment

Asset Pricing Anomalies

Price Formation Process

Résumé

Cette thèse propose trois contributions originales, sous la forme d'articles autonomes, à la littérature sur les coûts de transaction, le processus de formation des prix et l'encombrement. Le premier chapitre de la thèse étudie de manière approfondie la rentabilité de l'une des stratégies les plus mises en œuvre aujourd'hui dans le secteur de la gestion d'actifs, à savoir les facteurs nommés ou les anomalies de prix des actifs. Ces stratégies sont censées générer une prime de risque supérieure à la moyenne, mais elles impliquent également davantage de transactions. Nous évaluons dans quelle mesure les frictions du marché constituent une limite à l'arbitrage pour ces stratégies, et quelles seraient leurs capacités à atteindre le seuil de rentabilité compte tenu des habitudes de négociation des investisseurs institutionnels. Le deuxième chapitre souligne le rôle important de la négociation synchrone des investisseurs institutionnels dans la prévision des coûts de transaction des ordres. Cependant, cette variable est difficile à connaître avant le début de la séance de négociation. Nous proposons une méthodologie pour estimer les coûts de transaction dans un environnement encombré, en utilisant un réseau bayésien qui saisit les dépendances du déséquilibre du flux d'ordres sur le marché et des décisions de négociation historiques des investisseurs, afin de mieux prédire le coût de transaction des ordres. Enfin, le troisième chapitre modélise la réponse des teneurs de marché à l'offre et à la demande globale de liquidité du marché dans différents régimes d'incertitude. Nous remettons ensuite en question les implications du modèle pendant la période très incertaine de l'épidémie de COVID-19.

This paper-based thesis is composed of three autonomous chapters and contributes to the trading costs and price formation process literature. The first chapter of the thesis extensively studies the profitability of one of the most implemented strategies nowadays in the asset management industry, named factors or asset pricing anomalies. These strategies are expected to generate above average risk-premia but also involve more trading. We assess to what extent market friction constitutes a limit to arbitrage for these strategies, and what would be their break-even capacities taking the institutional investors' trading patterns. The second chapter highlights the important role of institutional investors’ synchronous trading in predicting order transaction costs. However, this variable is difficult to know before the start of the trading session. We provide a methodology to estimate transaction costs in a crowded environment, using a Bayesian network that captures the dependencies of the market order flow imbalance and investors' historical trading decisions, to better predict order transaction cost. Finally, the third chapter models market-makers' response to the aggregate liquidity supply and demand of the market in different regimes of uncertainty. We then challenge the model implications during the highly uncertain period of the COVID-19 outbreak.