Méthodes MCMC appliquées aux modèles de rendements à paramètres latents : ce que l'algorithme révèle et ce qu'il dissimule

Autrefois, l'estimation bayésienne se limitait aux modèles conjugués — des structures où la forme du prior et de la vraisemblance permettait de calculer la distribution postérieure analytiquement. Ces modèles sont élégants, mais ils imposent des contraintes structurelles qui ne correspondent pas toujours aux données financières. Les modèles à volatilité stochastique, les modèles à changements de régime, les modèles à facteurs latents — tous impliquent des paramètres que l'on n'observe pas directement et dont la distribution postérieure n'a pas de forme analytique fermée. Les méthodes MCMC résolvent ce problème en construisant une chaîne de Markov dont la distribution stationnaire est précisément la distribution postérieure que l'on cherche à approcher. En simulant un grand nombre d'itérations, on obtient un échantillon représentatif de cette distribution, que l'on peut ensuite utiliser pour construire la distribution prédictive. Ce n'est pas une approximation au sens d'une simplification : c'est une approximation au sens d'un calcul numérique dont la précision augmente avec le nombre d'itérations. La distinction est importante — elle signifie que l'erreur est contrôlable et diagnostiquable, ce qui est une propriété analytique précieuse.

Le premier signal est la non-stationnarité visuelle des chaînes : lorsque l'on trace la valeur du paramètre à chaque itération, la chaîne devrait ressembler à un bruit stationnaire autour d'une valeur centrale. Si elle dérive, si elle montre des tendances persistantes, si elle reste bloquée dans une région pendant des centaines d'itérations avant de sauter ailleurs, la convergence n'est pas acquise. Le deuxième signal est une autocorrélation élevée des chaînes — des itérations successives trop proches les unes des autres, ce qui signifie que l'on explore l'espace des paramètres trop lentement. En pratique, on mesure la taille effective de l'échantillon : si l'on a simulé dix mille itérations mais que la taille effective n'est que de deux cents, on n'a pas dix mille points d'information indépendants. Le troisième signal est la divergence entre plusieurs chaînes lancées depuis des points initiaux différents, mesurée par la statistique R-hat. Une valeur de R-hat supérieure à 1,05 est un signal d'alerte sérieux. Ces trois diagnostics ne sont pas optionnels — ils déterminent si la distribution postérieure que vous utilisez pour construire vos prédictions est fiable ou simplement plausible d'apparence.

Un mélange insuffisant signifie que les chaînes explorent une région de l'espace des paramètres de façon disproportionnée, en passant trop peu de temps dans d'autres régions qui sont pourtant compatibles avec les données. La conséquence directe est une distribution postérieure approchée qui sous-estime la dispersion réelle des paramètres — elle est trop concentrée, trop confiante. Lorsque cette distribution postérieure biaisée est propagée dans la distribution prédictive, les queues de cette dernière sont artificiellement étroites. Sur un horizon de trois à cinq ans, cela signifie que les scénarios défavorables reçoivent moins de masse de probabilité qu'ils ne devraient. Ce n'est pas un problème abstrait : c'est une sous-estimation structurelle de l'incertitude, produite non pas par les données mais par un artefact numérique. La correction passe par un meilleur algorithme — HMC ou NUTS plutôt que Metropolis-Hastings naïf — ou par une reparamétrisation du modèle qui facilite l'exploration de l'espace postérieur.

Metropolis-Hastings est conceptuellement simple : à chaque itération, on propose une nouvelle valeur du paramètre selon une distribution de proposition, puis on accepte ou rejette cette proposition selon un critère qui assure que la chaîne converge vers la distribution postérieure cible. La faiblesse de cet algorithme est sa sensibilité à la distribution de proposition : si elle est trop étroite, l'algorithme explore lentement ; si elle est trop large, le taux d'acceptation s'effondre. Dans des espaces de paramètres de haute dimension — typiques des modèles à volatilité stochastique ou à facteurs latents multiples — cette faiblesse devient rédhibitoire. HMC, et sa variante adaptative NUTS, exploitent le gradient de la log-densité postérieure pour proposer des sauts qui suivent la géométrie de la distribution. En pratique, cela se traduit par un mélange bien meilleur, une autocorrélation plus faible et une taille effective d'échantillon bien plus grande pour un nombre d'itérations donné. Pour les modèles de rendements avec paramètres latents, HMC n'est pas un luxe : c'est souvent la différence entre une distribution postérieure fiable et une distribution postérieure qui ressemble à la bonne réponse sans l'être vraiment.

Les divergences sont des signaux que l'algorithme HMC a rencontré des régions de l'espace postérieur où la géométrie est particulièrement difficile — des courbures abruptes, des vallées étroites, des régions où le gradient change rapidement. Une divergence ne signifie pas que le modèle est mal spécifié, mais elle signifie que l'algorithme n'a pas pu explorer cette région de façon fiable. En pratique, des divergences fréquentes indiquent que la distribution postérieure a une structure complexe que l'algorithme ne capture pas complètement. La réponse correcte n'est pas d'ignorer les divergences ou d'augmenter simplement le pas d'intégration : c'est d'examiner si une reparamétrisation du modèle — par exemple, utiliser une paramétrisation non centrée pour les effets aléatoires — peut simplifier la géométrie postérieure. Dans les modèles financiers à paramètres latents, la reparamétrisation est souvent la clé qui transforme un problème d'estimation difficile en un problème que l'algorithme résout proprement. Les performances passées ne constituent pas un indicateur fiable des résultats futurs.

Il y en a quatre que nous considérons non négociables. Premièrement, les diagnostics de convergence : R-hat inférieur à 1,05 pour tous les paramètres, taille effective d'échantillon suffisante — typiquement au moins quelques centaines par paramètre d'intérêt —, et absence de divergences résiduelles après reparamétrisation. Deuxièmement, le prior predictive check : simuler des données depuis le modèle avant d'observer les données réelles, et vérifier que les données simulées ressemblent à ce que l'on pourrait raisonnablement observer. Si le prior génère des rendements d'actifs de plusieurs milliers de pourcent, quelque chose ne va pas. Troisièmement, le posterior predictive check : vérifier que les données simulées depuis la distribution postérieure ressemblent aux données observées selon des statistiques pertinentes — queues, autocorrélations, regroupement de la volatilité. Quatrièmement, la calibration hors-échantillon : évaluer si les intervalles de crédibilité couvrent effectivement les réalisations futures à la fréquence annoncée. Ces quatre vérifications forment un cadre diagnostique complet qui transforme une estimation MCMC d'un calcul opaque en un résultat analytiquement défendable.