Queues épaisses (excès de kurtosis)
Une distribution a des queues épaisses quand les valeurs extrêmes surviennent plus souvent qu'une loi normale de même moyenne et de même écart-type ne le prévoirait. Les rendements et les résultats de trades en ont d'ordinaire, ce qui fait que les modèles bâtis sur la courbe normale sous-estiment la fréquence des grands mouvements et des grandes pertes.
Senzoukria · Glossaire · Mis à jour en septembre 2026
En bref
- Mesure
- Kurtosis m₄ ÷ m₂² ; normale = 3
- Excès de kurtosis
- Kurtosis − 3 ; > 0 signifie des queues plus épaisses que la normale
- Normale |z| > 4
- Environ 1 observation sur 15 800
- Dans Senzoukria
- Indicateur Kurtosis (excès) ; le DSR corrige du kurtosis
La rareté théorique d'un grand mouvement
Sous une loi normale, un mouvement de plus de trois écarts-types dans un sens ou dans l'autre survient environ une fois sur 370 observations, et un mouvement de plus de quatre écarts-types environ une fois sur 15 800. Sur des données quotidiennes, ce second chiffre correspond à peu près à une fois en 63 ans de jours de bourse. Les rendements de marché et les mouvements intraday des futures montrent de tels événements bien plus souvent, et c'est ce que signifient les queues épaisses en pratique : le milieu de la distribution est plus étroit et les extrêmes plus fréquents que la courbe en cloche ne l'implique.
La mesurer
Le kurtosis est le quatrième moment standardisé : la moyenne de (x − moyenne)⁴ divisée par le carré de la variance. Une loi normale a un kurtosis de 3, si bien que l'excès de kurtosis en retranche 3 pour centrer la normale sur zéro. Un excès de kurtosis positif signale des queues épaisses. Comme tout moment d'ordre élevé, il est dominé par quelques observations et exige un grand échantillon pour être stable ; un seul jour de krach peut le doubler.
Conséquences sur les statistiques de trading
- Un écart-type calculé sur un échantillon calme sous-estime le risque du prochain grand mouvement.
- Une VaR paramétrique fondée sur la courbe normale sous-estime les pertes de queue ; l'expected shortfall et les méthodes historiques s'en sortent mieux.
- Le ratio de Sharpe ignore la forme de la distribution ; deux stratégies de même Sharpe peuvent avoir une exposition au krach très différente.
- Les tests de significativité qui supposent la normalité surestiment la confiance quand les résultats ont des queues épaisses.
- Les stops protègent moins qu'il n'y paraît : les mouvements à queues épaisses sont souvent des gaps ou des marchés rapides où les stops glissent.
Dans Senzoukria
Le catalogue d'indicateurs porte une étude Kurtosis qui trace l'excès de kurtosis des N derniers rendements dans un panneau séparé, avec des moments de population et une fenêtre par défaut de 50, et qui ne renvoie aucune valeur quand la fenêtre est plate plutôt qu'un zéro trompeur. Elle est conçue pour être lue avec l'étude Asymétrie. Pour l'évaluation d'une stratégie, les ratios de Sharpe probabiliste et déflaté du Gauntlet tiennent compte de l'asymétrie et du kurtosis des résultats quotidiens, si bien qu'une série de rendements à queues épaisses exige un Sharpe plus élevé pour passer qu'une série normale.
Voir aussi
Dans la même rubrique
- Expected shortfall
- Quote stuffing
- Pyramidage
- R | Protocol
- Put de protection
- R-multiple
- Protocole FIX
- Rachat de positions vendeuses
Cette page dans d’autres langues
Questions fréquentes
- Des queues épaisses signifient-elles qu'une stratégie est risquée ?
- Elles signifient que les grandes issues de la stratégie sont plus fréquentes que son écart-type ne le suggère. Que ce soit mauvais dépend du côté : une queue gauche épaisse signifie des grandes pertes occasionnelles ; une queue droite épaisse peut signifier des grands gains occasionnels, comme dans le suivi de tendance.
- Pourquoi le kurtosis est-il parfois donné à 3 et parfois à 0 pour une loi normale ?
- Parce que deux conventions existent. Le kurtosis de Pearson donne 3 pour une loi normale ; l'excès de kurtosis (Fisher) en retranche 3 et donne 0. Vérifiez laquelle un outil rapporte avant de comparer des valeurs.