Qu'est-ce que la rugosité Mandelbrot, exactement ?

Rugosité Mandelbrot mélange trois objets ; pour ton cas, ce sont les sauts qui comptent — pas Hurst, pas multifractalité.

Quand tu m'as écrit « régime rugueux à la Mandelbrot » (brouillon WhatsApp §Msg 3), tu avais en tête un objet précis — ton stop traversé sans toucher le limit. Mais le vocabulaire roughness couvre trois objets mathématiquement distincts, et seul l'un des trois répond à ta question opérationnelle. Cette page est la disambiguation. C'est la seule façon que tu puisses relire la wiki dans six mois sans confondre.

Les trois objets — disambiguation

A. Hurst exponent H < 0.5 (rough volatility)

Définition. La volatilité instantanée \(σ_t\) se comporte comme un mouvement brownien fractionnaire d'exposant de Hurst H < 1/2 — anti-persistant. Concrètement : sur deux échelles \(Δt₁\) et \(Δt₂\), l'incrément quadratique scale en \(Δt^{2H}\) au lieu de \(Δt^1\) (brownien). Pour \(H ≈ 0.1\) (rough Bergomi, ordre de grandeur empirique), la vol oscille beaucoup plus violemment à courte échelle qu'un GARCH brownien ne le prédirait. Référence canonique : Gatheral, Jaisson & Rosenbaum (2018), Volatility is rough, Quantitative Finance 18(6), 933–949 — papier fondateur de la littérature rough-vol, qui mesure H sur SPX et trouve \(H ≈ 0.13\) (cf. leur table 2 et figure 1).

Le piège. La rough volatility est présente partout en haute fréquence. Les estimations rapportées par Gatheral et al. (2018) et les travaux qui en découlent placent H typiquement dans [0.05, 0.15] sur SPX, indices et single-stocks liquides. Donc H < 0.5 ne discrimine pas un jour normal d'un jour pathologique. C'est une propriété de fond du processus, pas un signal d'alerte. Si tu mesures H sur la journée IONQ rugueuse vs la journée IONQ calme, tu retrouveras un H du même ordre.

B. Multifractalité

Définition. La fonction \(τ_q = log E[|r_τ|^q] / log τ\) n'est pas linéaire en q. Dans un processus monofractal, \(τ_q = q · H\) ; en multifractal, le spectre \(τ_q\) est concave et révèle une hiérarchie d'exposants locaux — certaines régions de la trajectoire sont plus rugueuses que d'autres, et la "rugosité moyenne" cache une distribution. Référence fondatrice : [Chap. 11 — multifractalité].

Le piège. La multifractalité est caractéristique des séries financières en général (rendements actions, FX, indices) — pas spécifique aux jours pathologiques de Salim. De plus, son estimation empirique demande beaucoup de données (queues q élevées = échantillon faible) et est très instable en intraday. C'est un objet d'étude statistique de long échantillon, pas un détecteur d'événement intra-day.

C. Sauts Lévy α-stable

Définition. Les rendements r_t suivent une loi à queue lourde \(P(|r| > x) ~ C · x^{-α}\) avec \(α ∈ (0, 2)\). Pour \(α < 2\), la variance est infinie ; les moments d'ordre supérieur à \(α\) n'existent pas. Les sauts ne sont pas un bruit, ils sont le cœur du processus : contrairement au brownien (où une "grosse" déviation est exponentiellement rare), un Lévy α-stable produit régulièrement des sauts macroscopiques — c'est le processus, pas une exception. Référence : [chap. 5 Lévy processes].

Pourquoi c'est ce qui compte pour toi. Un saut Lévy isolé sur une fenêtre de 60 s produit \(RV ≫ BV\) (la realized variance capture le carré du saut, la bipower variation l'amortit) — donc \(J = 1 − BV/RV → 1\). C'est exactement la signature détectable par bipower-and-jumps (ADR-0005). Mesure empirique disponible : sur AMC 2021-01-27 (re-run post-pivot, 11 M ticks, cf. pivot-j-based §T3), J median = 0.360, p99 = 0.504, max = 0.553 — strictement sous θ_high = 0.7, donc journée classée Smooth malgré l'amplitude du squeeze. C'est la bonne lecture : le squeeze AMC fut volatil mais directionnel et continu, pas une succession de jumps discrets. Pour voir \(J ∈ [0.7, 0.85]\) en pratique, il faudra attendre les mesures sur les top-5 cas Dirac (cf. cases-index, à exécuter) — c'est là qu'on testera si la signature Lévy se déclenche vraiment.

Le cas Salim — stop traversé sans toucher le limit

Quand un stop est traversé sans toucher le limit intérieur, le candidat est presque toujours un saut Lévy isolé (objet C), pas une trajectoire H < 0.5 (objet A) ni un changement de spectre fractal (objet B). La trace empirique : J élevé sur fenêtre 60 s autour du timestamp du trigger. Validation prévue sur les 5 cas Dirac du scan top-5 (voir cases-index une fois la pré-étude exécutée).

Pour étayer cliniquement : un brownien avec H = 0.1 peut produire une trajectoire visuellement rugueuse, mais les déviations restent gaussiennes à chaque échelle — la probabilité d'un mouvement de \(5σ\) en une seconde reste de l'ordre de 10^{-6}. Un Lévy α-stable avec \(α ≈ 1.6\) a une queue en \(P(|r| > x) ∼ C · x^{-1.6}\) — donc la probabilité d'un mouvement de \(5σ\) (dispersion robuste) décroît polynomialement, pas exponentiellement. Concrètement, à \(α = 1.6\), \(P(|r| > 5σ) ∼ 5^{-1.6} ≈ 0.07\), soit plusieurs ordres de grandeur au-dessus du brownien — pas une exception. C'est cohérent avec les stylized facts de Cont (2001), Empirical properties of asset returns, Quantitative Finance 1, 223–236 (queues lourdes intraday sur indices et single-stocks). Mesure précise du taux empirique : à dériver sur les top-5 cas Dirac via cases-index — l'ordre de grandeur ci-dessus est théorique, pas mesuré.

Pourquoi ce démêlement compte — épistémique

Quand un trader dit « le marché est rugueux », il a presque toujours en tête des sauts (objet C) — c'est le concept opérationnel qui le préoccupe : est-ce que mon stop peut être traversé proprement ? Mais il utilise le vocabulaire Mandelbrot qui, dans la littérature académique, couvre principalement A et B.

En pratique, ça change quoi pour toi ? Si tu mesures H (objet A) ou la multifractalité (objet B) pour anticiper ton prochain stop traversé, tu mesures la mauvaise chose. Tu trouveras \(H ≈ 0.1\) les jours calmes et les jours rugueux — la mesure ne discrimine rien. La discipline est : pour la question opérationnelle « le marché saute-t-il maintenant ? », J = 1 − BV/RV est le seul des trois objets qui répond.

Le démêlement coupe aussi le risque self-imposed-ignorance : sans cette page, on lit roughness et on convoque mentalement la totalité de l'œuvre de Mandelbrot, ce qui inhibe le passage à l'action mesurable. Trois objets, un seul te concerne.

Limites

• L'estimation de \(α\) (queue Lévy) demande des fenêtres relativement longues (~minute, pas tick) et beaucoup d'observations. Voir cases-index pour les mesures empiriques sur les top-5 cas du scan Dirac.
• Distinguer rigoureusement « saut Lévy » d'un « burst de variance brownien avec H<0.5 » sur 1 ou 2 ticks est théoriquement possible (la décomposition de Lévy-Itô sépare partie continue et sauts — [chap. 5]) mais pratiquement difficile en single-day MBP-10. C'est OK : pour la décision opérationnelle, J = 1 − BV/RV suffit comme proxy, et on n'a pas besoin de distinguer ces deux objets-frontière pour la décision « switch régime ou pas ? ».
• Travail récent sur l'unification rough vol + sauts : [*] propose un cadre où les deux cohabitent dans un même modèle. C'est intéressant théoriquement mais hors-scope pour le pipeline production.

Référence — résumé décisionnel

Pour le pipeline

Ce démêlement justifie le choix d'ADR-0005 (J = 1 − BV/RV) comme seul signal du classifier. Il n'y a pas de signal Hurst ni multifractalité dans le DAG — ce serait du self-induced gamma mesurer ce qui ne discrimine pas. Voir bipower-and-jumps pour la définition opérationnelle de J et pivot-j-based pour le rationale du pivot \(V2\to{}V3\) du classifier vers J seul.

Footer

• Adversaire endogène nommé : self-imposed-ignorance — utiliser roughness sans démêler les trois objets, et donc mesurer la mauvaise quantité.
• Pages liées : bipower-and-jumps (J comme détecteur de sauts), cases-index (5 cas Dirac mesurés), pivot-j-based (rationale ADR-0005), charter.
• Source contextuelle : brouillon WhatsApp 2026-05-13 §Msg 3 — c'est le démêlement promis à Salim en deux phrases ; cette page est la version dépliée.