Signaux textuels multilingues et prévision de la volatilité réalisée : une approche hybride Transformer-HAR-X appliquée au S&P 500 et au MASI

Résumé

Prévoir la volatilité réalisée soutient la gestion du risque et l’allocation. GARCH et HAR-RV exploitent la mémoire numérique ; les hybrides LSTM-GARCH et FinBERT-LSTM sont souvent monolingues et rarement évalués hors échantillon. Nous proposons un cadre bilingue FinBERT-CamemBERT qui construit l’indice de stress Sₜ et le vecteur événementiel Eₜ, intégrés à HAR-X pour le S&P 500 et le MASI.

Le corpus rassemble 12,3 millions d’items sur 2015-2024. Une validation par fenêtre croissante réserve 2023-2024 au test final. Face à HAR-RV, HAR-X réduit le RMSE du S&P 500 de 21,1 % ; le test de Diebold-Mariano donne DM = -2,44, p = 0,015 et qBH = 0,033. Pour le MASI, DM = -2,62 et qBH = 0,033. Les six comparaisons sont corrigées par Benjamini-Hochberg. Le ratio de Sharpe net de frais passe de 0,64 à 0,81, mais ce gain reste descriptif faute de test direct de Ledoit-Wolf. Vingt-trois écarts mensuels sur vingt-quatre sont positifs, avec p < 0,001 au test exact des signes.

Le cadre relie information textuelle multilingue, mémoire hétérogène et allocation. SHAP attribue un rôle prédictif à Sₜ et Eₜ sans établir de relation causale. Les limites concernent l’annotation, le change et la dérive conceptuelle.

Classification JEL : C53, C58, G17, G11.

Type du papier : Recherche empirique.