🤖 machine learning

Latent-Regime Bias Auditing for Volatility Forecasting

Cet article introduit un cadre d'audit agnostique vis-à-vis du modèle qui évalue les prévisions de volatilité à travers des régimes de marché latents pour révéler que des modèles présentant une précision agrégée compétitive peuvent néanmoins souffrir de biais conditionnels significatifs et de sous-estimations de queue, plaidant ainsi pour des évaluations de fiabilité spécifiques aux régimes plutôt que pour des mesures d'erreur moyennes.

Auteurs originaux : Arthur Chagas, Pedro Bento, Yan Aquino, Arthur Buzelin, Wagner Meira Jr., Cristiano Arbex Valle

Publié 2026-08-04

📖 7 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Arthur Chagas, Pedro Bento, Yan Aquino, Arthur Buzelin, Wagner Meira Jr., Cristiano Arbex Valle

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous soyez un prévisionniste météorologique. Depuis des années, vous êtes jugé sur un chiffre simple : votre précision moyenne. Si vous prévoyez la température correctement 90 % du temps sur une année entière, vous êtes un héros. Mais voici le piège : et si vos 10 % d'erreurs se produisaient toujours lorsqu'un ouragan est sur le point de frapper ? Vous pourriez être « précis en moyenne », mais vous seriez inutile précisément au moment où l'on a le plus besoin de vous. C'est le problème central dans un domaine appelé la prévision de la volatilité. En finance, la « volatilité » est simplement un mot sophistiqué pour désigner la façon dont les prix oscillent. Quand les marchés sont calmes, les prix bougent à peine ; quand ils sont sous tension, ils oscillent violemment. Les investisseurs et les gestionnaires de risques doivent prédire ces variations pour protéger leur argent. Traditionnellement, ils n'ont regardé que « l'erreur moyenne » de leurs modèles de prédiction. Mais, tout comme le prévisionniste météo, un modèle peut sembler excellent sur le papier tout en échouant de manière spectaculaire lors des moments les plus dangereux.

Ce document, intitulé « Latent-Regime Bias Auditing for Volatility Forecasting » (Audit de biais de régime latent pour la prévision de la volatilité), agit comme un détective pour ces modèles de prédiction financière. Les auteurs, une équipe de l'Université Fédérale de Minas Gerais au Brésil, soutiennent que nous devons cesser de vérifier simplement la note finale et commencer à examiner quand et pourquoi un modèle se trompe. Ils ont construit un nouveau système d'« audit » pour voir si un modèle reste fiable lorsque le marché est calme par rapport à lorsqu'il est en pleine panique.

La boîte à outils du détective : trouver les régimes cachés

Pour comprendre comment cela fonctionne, imaginez que vous essayiez de trier une pile massive de photos de différentes personnes. Si vous les jetez toutes dans un seul grand seau et que vous cherchez des motifs, vous pourriez être confus car certains sont grands, d'autres sont petits, et certains portent des chapeaux. En finance, différents actifs (comme le Bitcoin, l'or ou les fonds de marché boursier) ont leurs propres « personnalités ». Le Bitcoin peut osciller violemment tandis que l'or reste relativement stable. Si vous les mélangez tous, votre analyse devient désordonnée.

La première astuce des auteurs a été d'apprendre à un ordinateur à ignorer qui est l'actif pour se concentrer uniquement sur comment il se comporte. Ils ont utilisé une technique ingénieuse appelée « apprentissage antagoniste » (adversarial learning). Considérez cela comme un jeu de cache-cache entre deux programmes informatiques. Un programme essaie de deviner quel actif se trouve sur la photo (le « chercheur »), tandis que l'autre essaie de brouiller la photo pour que le chercheur ne puisse pas le reconnaître (le « cacheur »). En entraînant le cacheur à gagner, l'ordinateur apprend à dépouiller l'identité spécifique de l'actif pour ne conserver que l'« humeur » pure du marché.

Une fois les identités supprimées, ils ont regroupé les jours de marché en trois « régimes » ou humeurs : Calme, Intermédiaire et Stress. Ce ne sont pas des règles universelles pour le monde entier ; elles sont relatives à chaque actif. Pour le Bitcoin, un jour de « Stress » pourrait être une chute de 10 %, tandis que pour un fonds d'or stable, un jour de « Stress » pourrait être une baisse de 1 %. La clé est que l'ordinateur a appris à reconnaître ces humeurs en fonction de ce que le marché ressentait à ce moment-là, et non pas simplement en regardant un calendrier.

L'audit : qui échoue et quand ?

Avec ces groupes d'humeurs définis, les auteurs ont mis à l'épreuve des dizaines de modèles de prédiction différents. Ils ont examiné de tout, des formules mathématiques simples (comme les modèles « HAR » utilisés par les économistes depuis des décades) aux systèmes d'IA sophistiqués et complexes comme les Transformers et les réseaux de neurones.

Voici la grande révélation : les modèles qui semblaient les meilleurs en moyenne étaient souvent les pires pour gérer le stress.

Le document a révélé que de nombreux modèles, y compris certains des systèmes d'IA les plus populaires et complexes, présentaient une faille cachée. Ils étaient excellents pour prédire les jours normaux, mais ils sous-prédisaient systématiquement (estimaient trop bas) la volatilité pendant les régimes de « Stress ». C'est comme une application météo qui annonce « ensoleillé » chaque jour, mais quand une tempête survient réellement, elle annonce toujours « ensoleillé » parce qu'elle essaie d'avoir raison en moyenne.

Les auteurs ont introduit une nouvelle façon de mesurer cela appelée $RBA_{stable}^{m}$ . Considérez cela comme un « score de fiabilité ». Un score élevé signifie qu'un modèle cache un biais important. Ils ont découvert que des modèles ayant d'excellents scores moyens (faible RMSE) avaient souvent des scores de fiabilité terribles. Par exemple, un modèle peut avoir une erreur moyenne de 0,026, ce qui semble excellent, mais lors d'une panique de marché, il peut être écarté d'une marge énorme, laissant les investisseurs exposés à des pertes massives.

Le verdict : la complexité n'est pas un remède miracle

L'une des découvertes les plus intéressantes est que rendre les modèles plus complexes n'a pas résolu le problème. Les auteurs ont testé des modèles « Transformer » avancés (le même type d'IA derrière de nombreux chatbots modernes) et ont constaté qu'ils ne performaient pas mieux que les modèles plus simples et plus anciens lorsqu'il s'agissait de prédire les mouvements extrêmes du marché. En fait, certains des modèles d'IA sophistiqués étaient même pires que les formules simples et traditionnelles pour gérer les risques de queue (les événements rares et extrêmes).

Le document suggère que le monde financier s'est trop concentré sur la « précision moyenne ». Si vous êtes un gestionnaire de risques, vous ne vous souciez pas de la moyenne ; vous vous souciez du pire scénario. Les auteurs montrent qu'en utilisant leur nouveau cadre d'audit, nous pouvons voir qu'un modèle peut être « précis » globalement mais « peu fiable » exactement quand nous en avons le plus besoin.

Pourquoi cela importe

Il ne s'agit pas seulement de mathématiques ; il s'agit de sécurité. Si une banque utilise un modèle pour décider de combien d'argent elle doit garder en réserve, et que ce modèle sous-estime le risque lors d'un krach boursier, la banque pourrait manquer de fonds. Les auteurs ne disent pas que leurs nouveaux modèles sont parfaits ou qu'ils ont résolu le problème de la prédiction de l'avenir. Au contraire, ils proposent un nouvel outil pour auditer les outils que nous possédons déjà.

Ils concluent que nous devons cesser de demander : « Quel modèle est le plus intelligent en moyenne ? » et commencer à demander : « Quel modèle reste fiable quand le marché a peur ? » Leur recherche suggère que la réponse n'est peut-être pas l'IA la plus complexe, mais plutôt un modèle que nous comprenons assez bien pour savoir exactement où se trouvent ses angles morts. En déplaçant l'attention de « l'erreur moyenne » vers la « fiabilité conditionnelle », nous pouvons construire un système financier plus sûr, et pas seulement plus intelligent.

Résumé technique : Audit du biais de régime latent pour la prévision de la volatilité

1. Énoncé du problème

Les prévisions de volatilité sont cruciales pour la gestion des risques, la couverture (hedging) et l'allocation de portefeuille, particulièrement lors des périodes d'instabilité des marchés. Cependant, les pratiques d'évaluation standards reposent fortement sur des métriques de précision agrégées telles que la racine de l'erreur quadratique moyenne (RMSE) et l'erreur absolue moyenne (MAE). Les auteurs soutiennent que ces métriques compressent la distribution temporelle et conditionnelle des erreurs, masquant potentiellement des défaillances systématiques qui surviennent dans des états de marché spécifiques et économiquement significatifs. Un modèle peut présenter une erreur moyenne faible tout en étant conditionnellement peu fiable — plus précisément, en sous-estimant systématiquement la volatilité lors des régimes de stress, ce qui constitue l'erreur la plus coûteuse pour la gestion des risques. L'article pose l'idée que la prévision de la volatilité doit être traitée comme un problème de fiabilité conditionnelle, demandant non pas seulement si un modèle est précis en moyenne, mais où et quand ses erreurs deviennent biaisées ou instables.

2. Méthodologie

L'article propose un cadre d'audit agnostique au modèle conçu pour détecter les biais cachés spécifiques aux régimes sans modifier les modèles de prévision eux-mêmes. La méthodologie suit les étapes suivantes :

A. Apprentissage de représentations relatives aux actifs

Pour évaluer les prévisions à travers différents actifs (cryptomonnaies et ETF) sans que les résultats ne soient dominés par les échelles persistantes propres à chaque actif, le cadre apprend des représentations de séries temporelles de fenêtres d'états de marché :

Normalisation : Les caractéristiques (rendements, volatilité basée sur la plage, volatilité implicite, volume, drawdown, etc.) sont normalisées au sein de chaque actif en utilisant des statistiques robustes (médiane et IQR) dérivées de la période d'entraînement.
Plongement (Embedding) : Un encodeur contrastif (de type TS2Vec) apprend des plongements de fenêtres ( $z_{i,t}$ ) pour aligner des vues temporellement chevauchantes.
Invariance adversaire : Pour empêcher les plongements d'encoder l'identité statique de l'actif (ce qui confondrait la détection de régime), un classificateur d'actifs adversaire avec inversion de gradient est employé. L'encodeur est entraîné pour rendre la prédiction de l'actif difficile, préservant ainsi l'information dynamique de l'état du marché tout en supprimant la structure identifiant l'actif.

B. Construction de régimes alignés

Au lieu de traiter les régimes comme des états de marché universels, le cadre construit des partitions d'audit relatives aux actifs :

Clustering : Le clustering K-means est appliqué individuellement aux plongements d'entraînement de chaque actif pour identifier $K$ états latents.
Alignement : Puisque les étiquettes de clusters sont arbitraires d'un actif à l'autre, elles sont alignées à l'aide d'un score de stress de la période d'entraînement. Ce score combine la volatilité réalisée, le drawdown, les rendements absolus et des variables proxies de stress.
Étiquetage : Les clusters sont ordonnés par leur score de stress moyen et étiquetés comme Calme (Calm), Intermédiaire (Intermediate) et Stress. Cela garantit que le "Stress" dans un actif correspond à un niveau de stress comparable dans un autre, créant ainsi un espace d'audit unifié.

C. Métriques d'audit

Le cadre évalue les préviseurs ( $M$ ) à l'aide de plusieurs métriques au-delà de la RMSE/MAE standard :

Biais conditionnel au régime : L'erreur signée moyenne au sein de chaque régime aligné.
Statistiques de biais caché :
- $RBA^{stable}_m$ : Quantifie à quel point le biais agrégé sous-estime le plus grand biais de régime relatif à l'actif.
- $RCRG^{norm}_m$ : Normalise l'écart entre le biais agrégé et le pire cas de biais de régime par rapport à la RMSE.
Queue et perte économique :
- Sous-prédiction de la queue (Tail Underprediction) : Le taux de sous-prédiction dans le décile supérieur des résultats de volatilité réalisée.
- Perte asymétrique : Une fonction de perte quadratique asymétrique ( $\ell_\lambda$ ) qui pénalise davantage la sous-prédiction ( $e < 0$ ) que la sur-prédiction, reflétant le coût économique de la sous-estimation du risque.
Inférence statistique : Des intervalles de confiance par bootstrap par blocs sont utilisés pour déterminer si les biais spécifiques aux régimes sont statistiquement significatifs.

3. Principales contributions

L'article présente cinq contributions majeures :

Cadrage du problème : Recadrer la prévision de la volatilité comme un problème d'audit de fiabilité relatif aux actifs et conditionnel aux régimes, plutôt que comme une pure tâche d'optimisation de la précision.
Outils de diagnostic : Introduire des diagnostics agnostiques au modèle pour le biais de régime caché, la sous-prédiction de la queue et la perte économique sensible à la sous-prédiction.
Construction de régimes : Développer une méthode pour construire des régimes relatifs aux actifs en utilisant des plongements de séries temporelles normalisés, l'invariance d'actif adversaire et l'alignement par score de stress économique.
Audit complet : Appliquer le cadre à un large ensemble de modèles, incluant les bases historiques, les spécifications HAR/IV, les modèles linéaires, les modèles basés sur les arbres, les réseaux récurrents (LSTM/GRU) et les architectures de type Transformer (iTransformer, PatchTST).
Preuve empirique : Démontrer que les classements basés sur la précision agrégée (RMSE) divergent souvent des classements basés sur la fiabilité conditionnelle et la perte économique, indiquant que des modèles "précis" peuvent néanmoins être conditionnellement peu fiables.

4. Résultats expérimentaux

Le cadre a été appliqué aux prévisions de volatilité réalisée quotidienne pour BTC, ETH, SPY, QQQ, IWM, GLD et USO sur la période 2021–2026.

Validité des régimes (RQ1) : Les régimes alignés (Calme, Intermédiaire, Stress) se sont révélés économiquement significatifs. Les régimes de stress présentaient une volatilité réalisée/implicite plus élevée, des drawdowns plus importants et une concentration plus forte d'événements de queue par rapport aux périodes calmes.
Biais caché (RQ2) : Il a été constaté que les métriques agrégées masquent des biais de régime significatifs. Par exemple, plusieurs modèles présentant une RMSE agrégée compétitive présentaient une sous-prédiction ou une sur-prédiction statistiquement significative dans des régimes spécifiques (par exemple, les modèles LSTM et GRU ont montré une sous-prédiction significative dans les régimes de stress intermédiaire).
Divergence des classements (RQ3 & RQ4) :
- Fiabilité vs Précision : Les modèles classés en tête par la RMSE (ex: modèles récurrents) perdent souvent en rang lorsqu'ils sont évalués par des métriques de fiabilité conditionnelle ( $RBA^{stable}$ ). À l'inverse, certains modèles linéaires et financiers (ex: HAR-RV) améliorent leur classement en fiabilité.
- Perte économique : Les classements se déplacent davantage lors de l'utilisation d'une perte asymétrique pondérée par la queue. Les modèles de type Transformer (PatchTST, iTransformer), bien que compétitifs dans certaines métriques agrégées, performent mal selon les critères de perte économique, montrant une moins bonne réactivité aux extrêmes de volatilité et une sous-prédiction de la queue plus élevée.
Robustesse (RQ5) : Les conclusions ont été validées à travers différents horizons de prévision et variantes de construction de régimes (plongements simples vs adverses), confirmant que les écarts de fiabilité conditionnelle observés ne sont pas des artefacts d'un choix de clustering unique.

5. Signification et affirmations

L'article affirme que son cadre déplace le paradigme d'évaluation de "quel modèle est le plus précis en moyenne ?" vers "identifier les régimes de marché dans lesquels les prévisions apparemment précises échouent conditionnellement".

Limites : Les auteurs font preuve de modestie quant à la portée de leurs travaux, notant que les régimes sont des partitions d'audit dépendantes de l'échantillon plutôt que des états de marché universels. L'analyse est limitée aux cibles de volatilité réalisée quotidienne et à un panel d'actifs spécifique.
Idée centrale : La principale signification est la démonstration que la complexité architecturale ne garantit pas la fiabilité conditionnelle. Un modèle peut être hautement précis en moyenne tout en étant dangereusement peu fiable dans les états de stress spécifiques où la gestion des risques est la plus critique.
Implication : L'article suggère que l'évaluation de la prévision de la volatilité doit dépasser les métriques d'erreur agrégées pour inclure des diagnostics conditionnels aux régimes afin de garantir que les prévisions sont fiables là où elles comptent le plus. Il ne propose pas un nouveau modèle de prévision, mais fournit un outil de diagnostic pour auditer les modèles existants.