Trading de momentum avec les tendances pré-ouverture du marché

Toute personne ayant déjà fixé un graphique boursier sur son écran en attendant l'ouverture de la bourse sait que les actions ne s'ouvrent pas au même prix qu'elles ne ferment. La plupart des logiciels de graphiques n'intègrent pas les mouvements de prix après les heures de négociation et avant l'ouverture du marché, et donc la plupart des graphiques ressemblent à ceci :

Dès que l'on commence à s'aventurer dans le domaine de la négociation après les heures de marché, on commence à se poser beaucoup de questions. Est-ce qu'une action qui augmente de prix pendant le pré-marché continuera d'augmenter pendant la journée ? Dois-je vendre à découvert Tesla si elle publie de mauvais résultats ? Le S&P500 restera-t-il positif s'il a déjà augmenté en pré-marché ?

Nous pouvons répondre à cela en étudiant les données de prix historiques en utilisant Python. Tout le code de ce post est disponible sur Github.

Objectifs

Essayons de découvrir si les prix avant l'ouverture du marché ont des qualités prédictives. Est-il possible de construire un système de trading réussi en utilisant les performances des actions en dehors des heures normales de négociation ?

1. Quelle est l'importance de l'action des prix avant l'ouverture par rapport à la performance intra-journalière ?
2. Quelle est la probabilité qu'une action sélectionnée augmentant avant l'ouverture augmentera également tout au long de la session intrajournalière ?
3. Quelle est la probabilité qu'une action en tendance avant l'ouverture continuera de suivre la même direction pendant la négociation intrajournalière ?
4. Quel effet la saison des résultats a-t-elle, les tendances avant l'ouverture suivant les annonces sont-elles des indicateurs plus forts ou plus faibles des prix intrajournaliers ?

Collecte de données et Méthodologie

L'objectif est d'examiner si les mouvements préalables à l'ouverture du marché sont indicatifs de l'action des prix intraday, dans quelle mesure l'action des prix peut informer nos décisions d'investissement. Pour cela, nous devrons définir certaines conditions, déterminer quelles variables nous analyserons, définir nos méthodes, et finalement construire un programme qui produira certains résultats.

Définition du Pré-Marché

Le pré-marché et les transactions après les heures de bourse sont deux sessions qui se déroulent avant et après la session intraday principale, respectivement. Traditionnellement, nous examinerions ces deux sessions individuellement, car elles sont séparées par une période "morte" de 8 heures, pendant laquelle aucune transaction n'a lieu. Le pré-marché se déroule de 4h00 à 9h30, les transactions après les heures de bourse se déroulent de 16h00 à 20h00, et entre 20h00 et 4h00 il n'y a pas de transactions. Le pré-marché et les transactions après les heures de bourse sont très similaires, avec les mêmes participants au marché et profils de liquidité. Ils accueillent également les annonces de résultats lors des cycles de publication des entreprises, ce qui signifie que c'est à ce moment-là que la plupart des mouvements de prix se produiront suite à une annonce.

Au lieu d'examiner ce qui se passe à l'intérieur de ces sessions de manière individuelle, nous préférons considérer le pré-marché de manière holistique comme étant le temps entre la clôture de la journée et l'ouverture du jour suivant ; de 16h00 à 9h30. Peu importe si l'entreprise publie ses résultats après les heures de bourse ou pendant le pré-marché, la session intraday suit toujours plus tard. Nous examinerons donc le pré-marché de manière holistique, et analyserons les mouvements de prix réactionnaires lors de la session intraday suivante.

Collecte de Données

Pour la collecte de données, nous avons utilisé la bibliothèque Python Finance Yahoo! de Ranaroussi, qui nous permet de récupérer des données historiques de prix pour des actions individuelles. Nous avons sélectionné les actions de l'indice S&P 500 et du Nasdaq 100, qui ne sont pas aussi peu échangées que les composantes du Russell 3000.

def get_hist(symbol):
    target_tickers = []
    target_tickers.append(symbol)
    fetch = yf.download(tickers = 
                target_tickers,
                period = "5y",
                interval = "1d",
                group_by = "ticker",
                auto_adjust = False,
                prepost = True,
                treads = True,
                proxy = None)

Nous avons utilisé les données historiques des cinq dernières années de chaque titre. Il est possible de mener cette analyse sans inclure les données de prix pré-marché et après les heures de bourse, en utilisant simplement la différence entre l'ouverture du marché et la clôture de la veille, donc toute source de données en fin de journée serait acceptable.

Une composante de cette analyse prend en compte les différences d'action des prix associées aux périodes de publication. À la manière d'un décalage post-annonce, les actions ont tendance à présenter une volatilité et des rendements plus élevés dans le temps précédant et suivant immédiatement un rapport de résultats. Il était important que nous trouvions une source de données nous permettant d'identifier rapidement les périodes de publication au sein de notre échantillon de cinq ans. Pour cela, nous avons utilisé la base de données EDGAR de la U.S. Securities and Exchange Commission EDGAR. Alors que la SEC propose une API gratuite qui peut être utilisée pour obtenir des résultats, vous pouvez également extraire des dépôts en utilisant Beautiful Soup 4, ce que nous avons fait.

La superposition des dates de publication sur la performance de cinq ans nous permet d'analyser l'action des prix résultant des changements d'informations cruciales pour comprendre le processus de découverte des prix. À des fins d'étude, nous avons exclu les entreprises qui ont fait leur introduction en bourse en 2019, en raison de la faible taille de l'échantillon.

Résultats

Pour le premier test, nous examinons dans quelle mesure l'activité pré-ouverture contribue à l'action totale des prix (de clôture à clôture).

Puisque nous voulons nous concentrer sur les composants du SP500 et du Nasdaq 100, nous allons initier le premier test en passant une liste de symboles à travers la fonction.

actions = qqq() + spy()

test_contrib_contribution_échantillon(actions)

Nous constatons qu'en moyenne, les échanges pré-ouverture contribuent à hauteur de 36,68 % à l'action des prix quotidiens absolus des actions échantillonnées.

L'histogramme ci-dessous offre une représentation visuelle de l'action des prix pré-ouverture attribuable des actions individuelles. Cela montre clairement qu'une partie significative des mouvements de prix se produit en dehors des heures normales de négociation.

Continuant, nous cherchons maintenant à déterminer si une action qui augmente en valeur pendant la période pré-ouverture continuera d'augmenter au cours de la séance intraday. Après tout, c'est le facteur déterminant pour savoir si vous devriez acheter une action qui a bondi pendant la nuit.

Nous utilisons la fonction ci-dessous et passons les actions du SP500 et du Nasdaq en arguments dans une liste.

test_échantillon_long(actions)

Nous constatons qu'au niveau agrégé, une action augmentant en valeur pendant la période pré-ouverture a une probabilité de 50,77 % de maintenir son action pendant la session régulière. Ceci est intéressant car cela suggère qu'il n'y a presque aucune corrélation, et les chances qu'une action continue d'augmenter sont aussi bonnes que de lancer une pièce. Certains soutiendraient que c'est un grand témoignage de l'efficacité d'un marché en montrant une propriété antipersistante.

Le test précédent prenait en compte uniquement l'action positive des prix, et maintenant nous devons tester si l'action des prix en pré-ouverture est du tout indicative de la performance intraday. Cela signifie que nous voulons considérer des événements où l'action en pré-ouverture et la performance intraday étaient toutes deux positives ou négatives. Similaire à la façon dont les investisseurs utilisent des stratégies de trading de la juste valeur avec les futures pré-ouverture.

Nous appliquons la fonction suivante, en passant le même échantillon d'actions en argument.

test_indication_échantillon(actions)

Nous constatons qu'une activité en pré-ouverture est indicative de la performance intraday 49,65 % du temps. Ce qui signifie qu'il est en réalité statistiquement plus probable que le marché fasse l'inverse de ce qu'il a fait en pré-ouverture.

Cela ne nous laisse pas avec des résultats exploitables. L'examen des marchés individuels montre peu d'écart par rapport à la moyenne, et il y a peu d'actions qui montrent un comportement indicatif en pré-ouverture.

Il doit sûrement y avoir des moments où les actions se déplacent de manière plus prévisible par rapport à la pré-ouverture. Dans le dernier test, nous visons à passer à travers les mêmes statistiques, mais nous allons changer l'échantillon pour inclure uniquement la période réactionnelle qui suit la période de reporting trimestrielle.

test_échantillon_bénéfices(actions)

En utilisant la fonction ci-dessus, nous allons maintenant extraire les dates de publication de la base de données EDGAR, et tirer les rendements historiques du jour de négociation suivant.

Les actions S&P500 et Nasdaq 100 augmentent à

Remarques Finales

En testant si l'action pré-ouverture est indicative de la performance intraday, nous pouvons tirer plusieurs conclusions.

• L'action des prix pré-ouverture joue un rôle significatif dans toutes les actions échantillonnées et ne doit pas être ignorée.
• À un niveau agrégé, l'action des prix pré-ouverture ne dicte pas l'action des prix intraday.
• Certaines actions sélectionnées ont montré historiquement avoir une action des prix pré-ouverture plus indicative.
• Pendant les périodes de publication, les actions se déplacent avec plus de volatilité, cependant l'action des prix pré-ouverture n'est que légèrement plus indicative que sur un niveau historique de cinq ans.
• Dans le cas de certaines actions sélectionnées, les périodes de publication peuvent révéler un comportement pré-ouverture indicatif.
• Des actions spécifiques doivent être testées sur de plus longues périodes de temps afin d'évaluer la vraie prédictibilité de l'action des prix pré-ouverture, cependant certaines entreprises sont trop récentes pour avoir suffisamment de périodes de publication à analyser.

Gardez à l'esprit que ces tests sont sujets à des erreurs d'interprétation et l'action des prix peut toujours être influencée par des fondamentaux uniques au sein des actions qui ont manifesté un comportement pré-ouverture très indicatif. De plus, les rendements passés peuvent être utiles pour approximer l'action future des prix, mais ne garantissent pas la performance future. Enfin, rappelez-vous que le marché évolue constamment et les stratégies qui fonctionnent aujourd'hui peuvent ne pas fonctionner demain. Cependant, l'utilisation des enseignements tirés de ces méthodes d'analyse pré-ouverture peut aider à prendre de meilleures décisions.