Financial Toolbox

Principales fonctionnalités

  • Optimisation de portefeuilles orientée objet moyenne-variance et basée sur la CVaR
  • Analyse des Cash Flows, analyse des risques, modélisation de série chronologique financière, calcul mathématique de dates et de calendrier
  • Analyse de base de titre à revenu fixe compatible SIA
  • Valorisation d'options par les modèles de Black-Scholes, de Black et Binomiaux
  • Régression et estimation avec données manquantes
  • Estimation, simulation et prévision GARCH de base
  • Indicateurs techniques et diagrammes financiers
Example of a financial modeling application for options and asset portfolios.
Exemple d'application de modélisation financière pour la valorisation d'options et les portefeuilles d'actifs.

Allocation d'actifs et optimisation de portefeuille

Financial Toolbox fournit une suite complète d'outils d'analyse et d'optimisation de portefeuille pour effectuer l'imputation sur les fonds propres, l'allocation d'actifs et l'évaluation du risque. Avec ces outils, vous pouvez:

  • Estimer le rendement d’actifs sur la base des données de prix
  • Calculer les statistiques de niveau portefeuille, telles que la moyenne, la variance, la valeur à risque (VaR) et la valeur à risque conditionnelle (CVaR)
  • Effectuer une optimisation et une analyse de portefeuille moyenne-variance contrainte ou une optimisation CVaR contrainte
  • Examiner l'évolution temporelle d'allocations de portefeuille efficaces
  • Tenir compte des contraintes de turnover et des coûts de transaction dans les problèmes d'optimisation de portefeuille
Sample portfolio optimization application built using MATLAB, Financial Toolbox, and object-oriented design.
Application d’optimisation de portefeuille créé en utilisant MATLAB, Financial Toolbox et la conception orientée objet. L'application permet la sélection interactive d'un portefeuille, la comparaison par rapport à un indice repère, la visualisation et la génération de rapports pour les mesures de performance clé.

Construction et analyse de portefeuille orienté objet

L'objet portefeuille offre une interface simplifiée pour définir et résoudre les problèmes d'optimisation incluant des métadonnées descriptives du portefeuille. Vous pouvez spécifier un nom de portefeuille, le nombre d'actifs dans l'univers, ainsi que leurs identifiants d'actifs. Vous pouvez également définir une allocation de portefeuille initiale.

La boîte à outils prend en charge deux approches pour l'optimisation de portefeuille:

  • L'optimisation de portefeuille moyenne-variance utilise la variance comme indicateur de risque.
  • L'optimisation de portefeuille CVaR utilise la valeur à risque conditionnelle (CVaR) comme indicateur de risque. Vous pouvez travailler avec des simulations de données de retour sur actif.

Les contraintes prises en charge sont les suivantes : inégalité et égalité linéaires et non-linéaires, contrainte de budget, de répartition par groupe, par secteur, contrainte de turnover moyen ou par facteurs.

Vous pouvez également travailler avec des coûts de transaction dans la définition du problème d'optimisation de portefeuille. Vous pouvez appliquer des coûts de transaction lors de l'optimisation du rendement du portefeuille brut ou net. Les coûts de transaction peuvent être proportionnels ou fixes et sont incorporés en tant qu'unités du rendement total.

Efficient frontiers plot for a sample portfolio optimization problem.
Tracé des frontières efficientes pour un exemple de problème d'optimisation de portefeuille avec et sans coûts de transaction proportionnels (TX), avec et sans contraintes de turnover (TO).
Plot comparing efficient frontiers computed from mean-variance portfolio optimization with CVaR portfolio optimization.
Tracé comparant les frontières efficientes calculées à partir de l'optimisation de portefeuille moyenne-variance avec l'optimisation de portefeuille CVaR.

Vérification des erreurs et validation du portefeuille

L'objet portefeuille permet la vérification d'erreur lors de la phase de construction du portefeuille. Pour les problèmes sophistiqués définis avec plusieurs contraintes, la validation de vos entrées et de vos sorties à partir de l'optimisation du portefeuille, minimise l’apparition d’erreurs ultérieuresavant même la résolution du problème d'optimisation. Des méthodes pour estimer les limites de rendement et risque atteignables, ainsique pour vérifier la faisabilité du problème sont disponibles.

Portefeuille efficient et frontière efficiente

Selon vos objectifs, vous pouvez identifier les portefeuilles efficients et la frontière efficiente. L'objet optimisation de portefeuille offre des méthodes pour les deux procédures. Vous pouvez obtenir des portefeuilles efficients en fournissant un ou plusieurs risques ou rendements cibles.

Pour obtenir des portefeuilles optimaux sur la frontière efficiente, vous pouvez:

  • Spécifier le nombre de portefeuilles à rechercher
  • Résoudre les portefeuilles optimaux aux extrémités de frontière efficiente
  • Extraire le portefeuille maximisant le ratio de Sharpe

Vous pouvez également modéliser les portefeuilles courts/longs avec ou sans contraintes de turnover.

Plot of efficient frontiers with and without a turnover constraint of 130-30.
Tracé des frontières efficientes avec et sans contrainte de turnover de 130-30. Le portefeuille avec maximisation du ratio de Sharpe est marqué par un X sur la frontière efficiente 130-30.

Rapports de post-traitement et de trading

Après avoir identifié le risque et le rendement d'un portefeuille, vous pouvez utiliser les méthodes de l'objet portefeuille pour:

  • Vérifier les résultats améliorables
  • Affiner la définition du problème pour évoluer vers un portefeuille efficient
  • Définir un plan des différentes ventes et achats d'actifs à réaliser

L'objet portefeuille prend en charge la génération d'un plan d’achats et ventes sous forme d'un tableau de données. Vous pouvez utiliser le tableau de données pour assurer le suivi des achats et des ventes d'actifs et pour capturer les échanges à exécuter.

Analyse des risques et performances des investissements

Financial Toolbox fournit une suite complète d'outils qui permettent d'analyser et d'évaluer les risques et les performances des investissements.

Les mesures de performances sont les suivantes:

  • Sharpe Ratio
  • Information Ratio
  • Tracking error
  • Rendement ajusté au risque
  • Moments partiels
  • Maximum drawdown et maximum drawdown attendu
Surface plot showing Sharpe ratio results.
Tracé de surface montrant les résultats du ratio de Sharpe pour le test d'une stratégie de trading à base d’indicateurs avancé-retardé de type moyenne mobile sur des données de rendement quotidien.

La boîte à outils fournit un ensemble d'outils pour l'analyse du risque de crédit vous permettant de:

  • Prétraiter et estimer les probabilités de transition à partir des données de solvabilité
  • Classer les données de solvabilité en catégories
  • Convertir des probabilités de transition vers des seuils de solvabilité et vice-versa
Corporate default rate forecasting example.
Exemple de prévision du taux de défauts de l'entreprise. Le tracé indique les résultats d'échantillonnage testés des défauts réels/prédits, avec intervalle de confiance de 95 %.

Analyse de titre à revenu fixe et valorisation d'options

Analyse de Cash Flow

Financial Toolbox propose une fonctionnalité de valeur temporelle de l'argent qui permet de:

  • Calculer les valeurs présentes et futures
  • Déterminer les taux internes de rendement nominal, effectif et modifié
  • Calculer l'amortissement et la dépréciation
  • Déterminer le taux d'intérêt périodique payé sur un prêt ou une annuité

Analyse de base des titres à revenu fixe compatible SIA

La boîte à outils fournit des mécanismes analytiques compatibles Securities Industry Association (SIA) pour les analyses de tarification, de rendement et de sensibilité de titres à revenu fixe gouvernementaux, d'entreprise ou municipaux. Ces mécanismes analytiques incluent:

  • Date des Cash Flows, montants des Cash Flows, correspondance temps-Cash Flow pour le prix d'une obligation
  • Rendement à maturité
  • Duration et convexité

Vous pouvez évaluer des obligations à étapes et zéro coupon avec Financial Instruments Toolbox.

Valorisation d’options de base : modèles de Black-Scholes, de Black et binomiaux

Avec Financial Toolbox, vous pouvez :

  • Utiliser un modèle de marché standard pour la tarification d'options sur action avec les formules de Black et Black-Scholes
  • Calculer les grecques pour les sensibilités d'options

Avec Financial Instruments Toolbox, vous pouvez valoriser les produits dérivés action ou taux en utilisant un large éventail de modèles et de méthodes, notamment les modèles de Heath-Jarrow-Morton et de Cox-Ross-Rubinstein.

Plot showing the option Greeks gamma and delta for a portfolio of call options.
Tracé montrant les valeurs grecques d'options gamma (hauteur de l'axe z) et delta (couleur) pour un portefeuille d'options d'achat.

Analyse de séries temporelles financières

Financial Toolbox fournit un ensemble d'outils pour l'analyse de séries temporelles sur les marchés financiers. La boîte à outils inclut un objet série temporelle financière qui prend en charge:

  • Les calculs sur les dates, avec jours ouvrables et jours fériés
  • La transformation et l'analyse de données
  • L'analyse technique financière
  • La génération de chartes et de graphiques financiers

L'application de séries temporelles financières fournit une interface pratique pour créer, gérer et manipuler des objets de série temporelle financière, notamment la transformation vers ou à partir de tableaux numériques MATLAB®. Vous pouvez également charger directement les données dans l'outil à partir d'un fichier, d'une base de données (avec Database Toolbox™) ou d'un fournisseur de source de données financières (avec Datafeed Toolbox™).

Importing and visualizing stock data using the Financial Time Series tool.
Importation et visualisation des données d'actions à l'aide de l'application de séries temporelles financières. Vous pouvez importer des données, afficher des objets de série temporelle sélectionnés (à gauche), tracer l'objet de série temporelle sélectionné (en haut à droite) et accéder aux données à partir d'un fournisseur de source de données (en bas à droite).

Estimation, simulation et prévision GARCH de base

Financial Toolbox inclut des outils permettant de manipuler des modèles GARCH univarié. Ces outils vous permettent:

  • D'estimer les paramètres d'un modèle GARCH(p, q) univarié avec innovations Gaussiennes
  • De simuler des processus GARCH(p, q) univarié
  • De calculer des variances conditionnelles

Econometrics Toolbox inclut des outils permettant de manipuler des modèles GARCH plus sophistiqués.

Régression et estimation avec données manquantes

Financial Toolbox fournit des outils permettant d'effectuer une régression normale multivariée en présence ou non de données manquantes. Vous pouvez:

  • Effectuer des régressions basées sur le modèle sous-jacent, telles que la régression apparemment non liée (Seemingly Unrelated Regression).
  • Estimer les erreurs standard des tests d'hypothèse
  • Effectuer des calculs complets en présence de données manquantes
Results of estimating CAPM model parameters with missing data.
Résultats de l'estimation des paramètres de modèle MEDAF (CAPM) avec données manquantes. Vous pouvez effectuer l'estimation avec données manquantes (les valeurs entre parenthèses représentent la statistique t) en suggérant que le coefficient bêta GOOG n'est pas statistiquement différent de zéro (en haut à gauche), et utiliser la régression apparemment non liée pour identifier un coefficient bêta statistiquement significatif pour GOOG (en bas à droite).

La fonctionnalité d'estimation des données manquantes vous permet de déterminer l'effet de la qualité des données sur vos modèles et simulations. Par exemple, vous pouvez tenir compte des effets des données manquantes sur les coefficients d'estimation des modèles MEDAF ou sur le calcul de la frontière efficiente d'un portefeuille d'actifs. Les effets des données manquantes peuvent se traduire par des résultats très différents.

Plot showing the effect of missing data on the estimation of the mean-variance efficient frontier.
Tracé montrant l'effet des données manquantes sur l'estimation de la frontière efficiente moyenne-variance. La frontière en rouge a été calculée en supprimant toutes les périodes contenant des données manquantes dans les données d'échantillon. La frontière en bleu a été calculée en utilisant ecmnmle pour estimer les valeurs des données manquantes.

Indicateurs techniques et diagrammes financiers

Financial Toolbox offre un grand nombre d'indicateurs techniques, de mesures de performances et de tracés spécialisés bien connus, notamment:

  • Moyennes mobiles
  • Oscillateurs stochastiques, index tracking error, indicateurs classiques
  • Maximum drawdown et maximum drawdown attendu
  • Chartes, incluant les bandes de Bollinger, les tracés en chandelier et moyennes mobiles
Graphical tool for exploring different types of financial charts and technical indicators.
Outil graphique pour explorer différents types de diagrammes financiers et d'indicateurs techniques.

"Predictive analytics" avec MATLAB : Quels modèles pour la gestion du risque et la prédiction des marchés ?

Visionner le webinar