Le manuel de prévision des rendements des bons du Trésor américain

La critique geante de licone de la SHL sur la

par KeAi Communications Co., Ltd.

La prime de risque de variance des taux d’intérêt (IRVRP), la différence entre les variances implicites (prospectives) et réalisées (rétrospectives) des taux d’intérêt, mesure la compensation du risque d’exposition à la volatilité des marchés des taux d’intérêt.

La prévisibilité du rendement des obligations peut s’expliquer par un certain nombre de facteurs de risque plausibles, notamment les écarts à terme, les taux à terme, les mesures de risque de saut, les structures à terme cachées et les facteurs macroéconomiques. Néanmoins, il reste un défi fondamental pour découvrir le mécanisme économique derrière la variation du rendement des obligations.

À cette fin, dans une nouvelle étude publiée dans Le Journal de la finance et de la science des donnéesune équipe internationale de chercheurs chinois et américains a construit l’IRVRP pour le marché au comptant des titres du Trésor américain.

Les chercheurs ont mesuré la variance implicite à l’aide d’options sur swaps de taux d’intérêt américains, ou swaptions. Ils ont également mesuré la variance réalisée des titres du Trésor américain, c’est-à-dire les obligations du gouvernement américain, comme une moyenne sophistiquée de leurs rendements passés au carré.

« Nous constatons que l’IRVRP est un bon prédicteur des rendements excédentaires des obligations du Trésor américain d’échéances comprises entre un et dix ans pour des horizons de rendement allant jusqu’à six mois », a déclaré Olesya Grishchenko, auteur principal de l’étude.

« Par conséquent, l’IRVRP semble capturer le risque à des horizons relativement courts et est associé à des risques à court terme. » Ce résultat est démontré par la structure des termes en pente descendante des coefficients estimés et les valeurs R au carré correspondantes des régressions univariées.

Dans le même temps, l’équipe a constaté que l’EVRP est apparu comme un prédicteur des rendements obligataires à long terme – des échéances supérieures à dix ans – et, en tant que tel, susceptible d’être associé à des risques à long terme.

« L’EVRP est une mesure similaire à l’IRVRP qui reflète la compensation de l’exposition à la volatilité du marché boursier global », a expliqué Grishchenko. « Comme dans le cas de l’IRVRP, l’écart à terme (FS), une différence entre les taux d’intérêt à long et à court terme, est un prédicteur classique des rendements excédentaires des titres du Trésor américain », il explique leur variation pour des échéances relativement plus longues. En tant que tel , il est susceptible d’être associé à des risques à long terme. »

« Le pouvoir explicatif de l’IRVRP est le plus élevé à des échéances plus courtes et diminue de manière monotone avec des échéances plus longues », a déclaré Hao Zhou, auteur correspondant de l’étude. « En revanche, le pouvoir explicatif de l’EVRP est le plus faible à des échéances plus courtes et augmente de manière monotone avec des échéances plus longues. La dynamique de FS représente une situation intermédiaire entre l’IRVRP et l’EVRP. »

L’équipe a rationalisé ses principales conclusions dans un modèle basé sur la consommation avec risque à long terme, incertitude économique et non-neutralité de l’inflation. Dans le modèle, l’IRVRP n’est lié qu’au risque à court terme, tandis que les facteurs standards basés sur les taux à terme sont associés aux risques à court et à long terme de l’économie.

« Notre modèle reproduit qualitativement le modèle de prévisibilité de l’IRVRP pour les rendements des obligations du Trésor américain », a conclu Zhou. « Avec nos conclusions, il fournit des informations utiles sur les différents risques de volatilité dans la conduite de la dynamique de la prime de risque obligataire pour les acteurs du marché et les décideurs de la politique monétaire dans la pratique. »

Plus d’information:
Olesya V. Grishchenko et al, Structure par terme des taux d’intérêt avec risques à court terme et à long terme, Le Journal de la finance et de la science des données (2022). DOI : 10.1016/j.jfds.2022.09.001

Fourni par KeAi Communications Co., Ltd.

ph-tech