Analyse et développement d'un outil statistique pour entrer dans un marché boursier survendu

Résumé

Dans ce travail, nous proposons une manière innovante d’utiliser les outils du génie industriel, soit la méthodologie Six-Sigma, afin de prédire les mouvements boursiers. L’objectif de ce mémoire est donc de valider la pertinence de cette méthodologie afin de maximiser les rendements à court terme, c.-à-d. sur une semaine, deux semaines et un mois. Les différents signaux Six-Sigma ont été appliqué sur plusieurs titres, mais principalement sur le fond négocié en bourse SPY qui suit l’indice S&P500. Après une analyse rigoureuse, en utilisant les tests Z et de Student, nous avons conclu que sur la multitude de signaux Six-Sigma, il y en a deux qui, lorsqu’appliqués, offrent un rendement statistiquement supérieur (intervalle de confiance à 97.5%) au rendement témoin attendu général sur une période d’un mois seulement. Il serait judicieux pour un investisseur d’acheter le SPY lorsque : Premier signal, neuf valeurs de fermetures consécutives sont sous la moyenne mobile simple de 20 jours et/ou, deuxième signal, lorsque six valeurs de fermetures consécutives sont décroissantes. Les deux memes signaux ont été utilisés sur 9 autres classes d’actifs. Pour les neuf valeurs sous la moyenne mobile, le rendement attendu du signal est supérieur au rendement attendu témoin pour GLD, XLE et EEM pour un intervalle de confiance à 75%, XIU et TLT pour 90% et finalement, QQQ et DIA à 97.5%. De la même manière, pour le signal des 6 valeurs décroissantes, le rendement attendu est supérieur au témoin pour IWM, FXE et XLE à 75%, TLT à 90% et DIA à 95%. L’utilisation des deux signaux Six-Sigma utilisés représentent donc un excellent outil de prises de décisions à court terme pour l’investisseur. Il est important pour celui-ci de se rappeler que les indicateurs techniques, et par le fait même leurs résultats, découlent de la probabilité et des statistiques. La possibilité de gain n’est donc jamais assurée et l’investisseur doit en être conscient.

Date	18 oct. 2017
langue originale	Français
Établissement diplômant	École de technologie supérieure
Superviseur	Edmond T. Miresco (Directeur(-trice))