Trading algorithmique - Algorithmic trading

Le trading algorithmique est une méthode d'exécution d'ordres utilisant des instructions de trading préprogrammées automatisées tenant compte de variables telles que le temps, le prix et le volume. Ce type de trading tente de tirer parti de la vitesse et des ressources de calcul des ordinateurs par rapport aux traders humains. Au XXIe siècle, le trading algorithmique a gagné du terrain auprès des traders particuliers et institutionnels. Il est largement utilisé par les banques d'investissement , fonds de pension , fonds communs de placement et les fonds spéculatifs qui pourraient avoir besoin d'étaler l'exécution d'un ordre plus ou exercer un métier trop rapide pour les commerçants de l' homme à réagir. Une étude de 2019 a montré qu'environ 92% des transactions sur le marché Forex étaient effectuées par des algorithmes de trading plutôt que par des humains.

Le terme trading algorithmique est souvent utilisé comme synonyme de système de trading automatisé . Celles-ci englobent une variété de stratégies de trading , dont certaines sont basées sur des formules et des résultats issus de la finance mathématique , et reposent souvent sur des logiciels spécialisés.

Les exemples de stratégies utilisées dans le trading algorithmique incluent la tenue de marché, la diffusion inter-marchés, l' arbitrage ou la pure spéculation telle que le suivi de tendance . Beaucoup entrent dans la catégorie du trading à haute fréquence (HFT), qui se caractérise par un chiffre d'affaires élevé et des ratios ordre/échange élevés. Les stratégies HFT utilisent des ordinateurs qui prennent des décisions élaborées pour lancer des ordres sur la base d'informations reçues par voie électronique, avant que les commerçants humains ne soient capables de traiter les informations qu'ils observent. En conséquence, en février 2012, la Commodity Futures Trading Commission (CFTC) a formé un groupe de travail spécial composé d'universitaires et d'experts de l'industrie pour conseiller la CFTC sur la meilleure façon de définir le HFT. Le trading algorithmique et le HFT ont entraîné un changement radical de la microstructure du marché et de la complexité et de l'incertitude de la macrodynamique du marché, en particulier dans la manière dont la liquidité est fournie.

Histoire

Les premiers développements

L'informatisation des flux d'ordres sur les marchés financiers a commencé au début des années 1970, lorsque la Bourse de New York a introduit le système de « redressement des ordres désignés » (DOT). SuperDOT a été introduit en 1984 en tant que version améliorée de DOT. Les deux systèmes permettaient l'acheminement des ordres par voie électronique vers le poste de traite approprié. Le "système de reporting automatisé d'ouverture" (OARS) a aidé le spécialiste à déterminer le prix d'ouverture de compensation du marché (SOR; Smart Order Routing).

Avec la montée des marchés entièrement électroniques est venue l'introduction du programme de négociation , qui est défini par la Bourse de New York comme un ordre d'acheter ou de vendre 15 actions ou plus évaluées à plus de 1 million de dollars US au total. Dans la pratique, les programmes d'échanges ont été préprogrammés pour entrer ou sortir automatiquement des échanges en fonction de divers facteurs. Dans les années 1980, le trading de programme est devenu largement utilisé dans les échanges entre les marchés d' actions et à terme du S&P 500 dans une stratégie connue sous le nom d'arbitrage d'indices.

À peu près à la même époque, l' assurance de portefeuille a été conçue pour créer une option de vente synthétique sur un portefeuille d'actions en négociant dynamiquement des contrats à terme sur indices boursiers selon un modèle informatique basé sur le modèle d'évaluation des options Black-Scholes .

Les deux stratégies, souvent simplement regroupées sous le nom de "program trading", ont été blâmées par de nombreuses personnes (par exemple par le rapport Brady ) pour avoir exacerbé ou même déclenché le krach boursier de 1987 . Pourtant, l'impact du trading informatisé sur les krachs boursiers n'est pas clair et largement discuté dans la communauté universitaire.

Raffinement et croissance

Le paysage financier a de nouveau changé avec l'émergence des réseaux de communication électronique (ECN) dans les années 1990, qui ont permis la négociation d'actions et de devises en dehors des échanges traditionnels. Aux États-Unis, la décimalisation a fait passer le pas de cotation minimum de 1/16 de dollar (0,0625 USD) à 0,01 USD par action en 2001, et a peut-être encouragé le trading algorithmique car elle a modifié la microstructure du marché en permettant de plus petites différences entre l'offre et l'offre. prix, diminuant l'avantage commercial des teneurs de marché, augmentant ainsi la liquidité du marché.

Cette liquidité accrue du marché a conduit les traders institutionnels à diviser les ordres selon des algorithmes informatiques afin qu'ils puissent exécuter les ordres à un meilleur prix moyen. Ces prix de référence moyens sont mesurés et calculés par ordinateur en appliquant le prix moyen pondéré dans le temps ou plus généralement le prix moyen pondéré en fonction du volume .

C'est fini. Le commerce qui existait au cours des siècles est mort. Nous avons aujourd'hui un marché électronique. C'est le présent. C'est l'avenir.

Robert Greifeld , PDG du NASDAQ , avril 2011

Un autre encouragement à l'adoption du trading algorithmique sur les marchés financiers est venu en 2001 lorsqu'une équipe de chercheurs d' IBM a publié un article à la Conférence internationale conjointe sur l'intelligence artificielle où ils ont montré que dans des versions expérimentales de laboratoire des enchères électroniques utilisées sur les marchés financiers , deux stratégies algorithmiques (le propre MGD d' IBM et le ZIP de Hewlett-Packard ) pourraient systématiquement surpasser les traders humains. MGD était une version modifiée de l'algorithme « GD » inventé par Steven Gjerstad et John Dickhaut en 1996/7 ; l' algorithme ZIP avait été inventé chez HP par Dave Cliff (professeur) en 1996. Dans leur article, l'équipe d'IBM a écrit que l'impact financier de leurs résultats montrant que MGD et ZIP surpassaient les traders humains "... pourrait être mesuré en milliards de dollars annuellement"; le journal d'IBM a généré une couverture médiatique internationale.

En 2005, le Regulation National Market System a été mis en place par la SEC pour renforcer le marché des actions. Cela a changé la façon dont les entreprises ont négocié avec des règles telles que la règle de négociation, qui exige que les ordres de marché doivent être publiés et exécutés électroniquement au meilleur prix disponible, empêchant ainsi les maisons de courtage de profiter des différences de prix lors de l'appariement des ordres d'achat et de vente.

À mesure que de plus en plus de marchés électroniques s'ouvraient, d'autres stratégies de négociation algorithmique ont été introduites. Ces stratégies sont plus facilement mises en œuvre par les ordinateurs, car elles peuvent réagir rapidement aux variations de prix et observer plusieurs marchés simultanément.

De nombreux courtiers-négociants ont proposé des stratégies de trading algorithmiques à leurs clients - en les différenciant par leur comportement, leurs options et leur image de marque. Les exemples incluent Chameleon (développé par BNP Paribas ), Stealth (développé par la Deutsche Bank ), Sniper et Guerilla (développé par Credit Suisse ). Ces implémentations ont adopté des pratiques issues des approches d'investissement d' arbitrage , d' arbitrage statistique , de suivi de tendance et de retour à la moyenne .

Exemples emblématiques

Les projections de rentabilité du groupe TABB, une société de recherche du secteur des services financiers, pour le secteur des actions américaines HFT étaient de 1,3 milliard de dollars US avant dépenses pour 2014, en baisse significative par rapport au maximum de 21 milliards de dollars US que les 300 sociétés de valeurs mobilières et fonds spéculatifs qui se spécialisaient alors dans ce type de trading a généré des bénéfices en 2008, que les auteurs avaient alors qualifiés de "relativement faibles" et "étonnamment modestes" par rapport au volume global des transactions du marché. En mars 2014, Virtu Financial , une société de trading à haute fréquence, a rapporté que pendant cinq ans, la société dans son ensemble a été rentable pendant 1 277 jours de bourse sur 1 278, perdant de l'argent un seul jour, démontrant les avantages de négocier des millions de fois, à travers un ensemble diversifié d'instruments chaque jour de bourse.

Négoce algorithmique. Pourcentage du volume du marché.

Un tiers de toutes les transactions boursières de l'Union européenne et des États-Unis en 2006 étaient pilotées par des programmes automatiques, ou algorithmes. En 2009, des études suggéraient que les sociétés HFT représentaient 60 à 73 % de tout le volume des transactions sur actions américaines, ce nombre tombant à environ 50 % en 2012. En 2006, à la Bourse de Londres , plus de 40 % de tous les ordres ont été saisis par commerçants algorithmiques, avec 60% de prévisions pour 2007. Les marchés américains et européens ont généralement une proportion plus élevée de transactions algorithmiques que les autres marchés, et les estimations pour 2008 vont jusqu'à 80% sur certains marchés. Les marchés des changes ont également un trading algorithmique actif, mesuré à environ 80% des commandes en 2016 (contre environ 25% des commandes en 2006). Les marchés à terme sont considérés comme assez faciles à intégrer dans le trading algorithmique, avec environ 20% du volume d'options qui devraient être générés par ordinateur d'ici 2010. Les marchés obligataires évoluent vers un plus grand accès aux traders algorithmiques.

Le trading algorithmique et le HFT ont fait l'objet de nombreux débats publics depuis que la Securities and Exchange Commission des États-Unis et la Commodity Futures Trading Commission ont déclaré dans des rapports qu'une transaction algorithmique conclue par une société de fonds communs de placement avait déclenché une vague de vente qui a conduit au Flash Crash de 2010. . Les mêmes rapports ont révélé que les stratégies HFT peuvent avoir contribué à la volatilité ultérieure en tirant rapidement des liquidités du marché. À la suite de ces événements, le Dow Jones Industrial Average a subi sa deuxième plus grande variation de point intrajournalière à cette date, bien que les prix se soient rapidement redressés. (Voir la liste des changements quotidiens les plus importants du Dow Jones Industrial Average .) Un rapport de juillet 2011 de l' Organisation internationale des commissions de valeurs (OICV), un organisme international de réglementation des valeurs mobilières, a conclu que si « les algorithmes et la technologie HFT ont été utilisés par le marché participants à gérer leur trading et leurs risques, leur utilisation a également clairement été un facteur contributif dans le crash éclair du 6 mai 2010." Cependant, d'autres chercheurs sont parvenus à une conclusion différente. Une étude de 2010 a révélé que le HFT n'avait pas modifié de manière significative l'inventaire commercial pendant le crash flash. Certains échanges algorithmiques avant le rééquilibrage des fonds indiciels transfèrent les bénéfices des investisseurs.

Stratégies

Négociation avant le rééquilibrage des fonds indiciels

La plupart des fonds d' épargne-retraite , tels que les fonds de pension privés ou les comptes de retraite 401(k) et individuels aux États-Unis, sont investis dans des fonds communs de placement , dont les plus populaires sont les fonds indiciels qui doivent périodiquement « rééquilibrer » ou ajuster leur portefeuille pour correspondre au nouveau les cours et la capitalisation boursière des titres sous-jacents de l' action ou d'un autre indice qu'ils suivent. Les bénéfices sont transférés des investisseurs indiciels passifs aux investisseurs actifs, dont certains sont des traders algorithmiques exploitant spécifiquement l'effet de rééquilibrage de l'indice. L'ampleur de ces pertes subies par les investisseurs passifs a été estimée à 21-28 pb par an pour le S&P 500 et 38-77 pb par an pour le Russell 2000. John Montgomery de Bridgeway Capital Management affirme que les « mauvais rendements pour les investisseurs » résultant de la négociation devant les fonds communs de placement, il y a "l'éléphant dans la pièce" dont "de façon choquante, les gens ne parlent pas".

Échange de paires

Le trading de paires ou le trading de paires est une stratégie long-short, idéalement neutre sur le marché , permettant aux traders de profiter des écarts transitoires dans la valeur relative des substituts proches. Contrairement à l'arbitrage classique, en cas d'échange de paires, la loi du prix unique ne peut garantir la convergence des prix. Cela est particulièrement vrai lorsque la stratégie est appliquée à des actions individuelles – ces substituts imparfaits peuvent en fait diverger indéfiniment. En théorie, la nature long-short de la stratégie devrait la faire fonctionner quelle que soit la direction du marché boursier. En pratique, le risque d'exécution, des divergences persistantes et importantes, ainsi qu'une baisse de la volatilité peuvent rendre cette stratégie non rentable sur de longues périodes (par exemple 2004-2007). Il appartient à des catégories plus larges d' arbitrage statistique , de négociation de convergence et de stratégies de valeur relative .

Stratégies delta-neutres

En finance, delta-neutre décrit un portefeuille de titres financiers connexes, dans lequel la valeur du portefeuille reste inchangée en raison de petites variations de la valeur du titre sous-jacent. Un tel portefeuille contient généralement des options et leurs titres sous-jacents correspondants de telle sorte que les composantes delta positives et négatives se compensent, ce qui fait que la valeur du portefeuille est relativement insensible aux variations de la valeur du titre sous-jacent.

Arbitrage

Dans l' économie et la finance , l' arbitrage / ɑːr b ɪ t r ɑ ʒ / est la pratique de tirer profit d'une différence de prix entre deux ou plusieurs marchés : trouver une combinaison de transactions correspondant qui capitalisent sur le déséquilibre, le bénéfice étant la différence entre les prix du marché . Lorsqu'il est utilisé par des universitaires, un arbitrage est une transaction qui n'implique aucun flux de trésorerie négatif à aucun état probabiliste ou temporel et un flux de trésorerie positif dans au moins un état ; en termes simples, c'est la possibilité d'un profit sans risque à un coût nul. Exemple : L'une des opportunités de trading d'arbitrage les plus populaires est jouée avec les contrats à terme S&P et les actions S&P 500. Pendant la plupart des jours de bourse, ces deux-là développeront une disparité de prix entre les deux. Cela se produit lorsque le prix des actions qui sont principalement négociées sur les marchés du NYSE et du NASDAQ est en avance ou en retard sur les contrats à terme S&P qui sont négociés sur le marché CME.

Conditions d'arbitrage

L'arbitrage est possible lorsque l'une des trois conditions est remplie :

  • Le même actif ne se négocie pas au même prix sur tous les marchés (la « loi du prix unique » est momentanément violée).
  • Deux actifs avec des flux de trésorerie identiques ne se négocient pas au même prix.
  • Un actif dont le prix futur est connu ne se négocie pas aujourd'hui à son prix futur actualisé au taux d'intérêt sans risque (ou, l'actif n'a pas de coûts de stockage négligeables ; en tant que tel, par exemple, cette condition est valable pour les céréales mais pas pour les valeurs mobilières ).

L'arbitrage n'est pas simplement l'acte d'acheter un produit sur un marché et de le revendre sur un autre à un prix plus élevé à un moment ultérieur. Les transactions longues et courtes devraient idéalement se produire simultanément afin de minimiser l'exposition au risque de marché, ou le risque que les prix puissent changer sur un marché avant que les deux transactions ne soient terminées. En termes pratiques, cela n'est généralement possible qu'avec des titres et des produits financiers qui peuvent être négociés par voie électronique, et même alors, lorsque la ou les première(s) étape(s) de la transaction sont exécutées, les prix des autres jambes peuvent s'être détériorés, bloquant ainsi une perte. Manquer l'une des étapes de la transaction (et devoir par la suite l'ouvrir à un prix inférieur) est appelé « risque d'exécution » ou plus précisément « risque d'entrée et de sortie ». Dans l'exemple le plus simple, tout bien vendu sur un marché devrait se vendre au même prix sur un autre. Les commerçants peuvent, par exemple, constater que le prix du blé est plus bas dans les régions agricoles que dans les villes, acheter le bien et le transporter dans une autre région pour le vendre à un prix plus élevé. Ce type d'arbitrage de prix est le plus courant, mais cet exemple simple ignore les coûts de transport, de stockage, de risque et d'autres facteurs. Le « vrai » arbitrage exige qu'il n'y ait pas de risque de marché impliqué. Lorsque les titres sont négociés sur plusieurs bourses, l'arbitrage se produit en achetant simultanément dans l'une et en vendant sur l'autre. Une telle exécution simultanée, si des substituts parfaits sont impliqués, minimise les exigences de fonds propres, mais en pratique ne crée jamais une position « autofinancée » (libre), comme de nombreuses sources le supposent à tort en suivant la théorie. Tant qu'il existe une certaine différence dans la valeur de marché et le risque des deux jambes, le capital devrait être mis en place afin de porter la position d'arbitrage long-short.

Réversion moyenne

La réversion moyenne est une méthodologie mathématique parfois utilisée pour l'investissement en actions, mais elle peut être appliquée à d'autres processus. En termes généraux, l'idée est que les prix élevés et bas d'une action sont temporaires et que le prix d'une action a tendance à avoir un prix moyen au fil du temps. Un exemple de processus de retour à la moyenne est l' équation stochastique d' Ornstein-Uhlenbeck .

La réversion moyenne implique d'abord d'identifier la fourchette de négociation d'une action, puis de calculer le prix moyen à l'aide de techniques analytiques en ce qui concerne les actifs, les bénéfices, etc.

Lorsque le prix actuel du marché est inférieur au prix moyen, l'action est considérée comme attrayante à l'achat, dans l'attente d'une hausse du prix. Lorsque le prix du marché actuel est supérieur au prix moyen, le prix du marché devrait baisser. En d'autres termes, les écarts par rapport au prix moyen devraient revenir à la moyenne.

L' écart type des prix les plus récents (par exemple, les 20 derniers) est souvent utilisé comme indicateur d'achat ou de vente.

Les services de reporting boursier (tels que Yahoo! Finance , MS Investor, Morningstar , etc.) proposent généralement des moyennes mobiles pour des périodes telles que 50 et 100 jours. Bien que les services de reporting fournissent les moyennes, il est toujours nécessaire d'identifier les prix hauts et bas pour la période d'étude.

scalper

Le scalping est la fourniture de liquidités par des teneurs de marché non traditionnels , par lesquels les traders tentent de gagner (ou de faire ) le spread bid-ask. Cette procédure permet de réaliser des bénéfices tant que les mouvements de prix sont inférieurs à cet écart et implique normalement l'établissement et la liquidation d'une position rapidement, généralement en quelques minutes ou moins.

Un teneur de marché est essentiellement un scalper spécialisé. Le volume qu'un teneur de marché négocie est plusieurs fois supérieur à celui d'un scalper individuel moyen et utiliserait des systèmes et une technologie de négociation plus sophistiqués. Cependant, les teneurs de marché enregistrés sont liés par des règles boursières stipulant leurs obligations de cotation minimale. Par exemple, le NASDAQ exige que chaque teneur de marché publie au moins une offre et une demande à un certain niveau de prix, afin de maintenir un marché bilatéral pour chaque action représentée.

Réduction des coûts de transaction

La plupart des stratégies appelées trading algorithmique (ainsi que la recherche algorithmique de liquidité) entrent dans la catégorie de la réduction des coûts. L'idée de base est de décomposer une grosse commande en petites commandes et de les placer sur le marché au fil du temps. Le choix de l'algorithme dépend de divers facteurs, les plus importants étant la volatilité et la liquidité du titre. Par exemple, pour une action très liquide, faire correspondre un certain pourcentage des commandes globales d'actions (appelés algorithmes en ligne de volume) est généralement une bonne stratégie, mais pour une action très illiquide, les algorithmes essaient de faire correspondre chaque ordre qui a un prix favorable ( appelés algorithmes de recherche de liquidité).

Le succès de ces stratégies est généralement mesuré en comparant le prix moyen auquel l'ensemble de l'ordre a été exécuté avec le prix moyen atteint grâce à une exécution de référence pour la même durée. Habituellement, le prix moyen pondéré en fonction du volume est utilisé comme référence. Parfois, le prix d'exécution est également comparé au prix de l'instrument au moment de la passation de l'ordre.

Une classe spéciale de ces algorithmes tente de détecter les ordres algorithmiques ou iceberg de l'autre côté (c'est-à-dire que si vous essayez d'acheter, l'algorithme essaiera de détecter les ordres du côté vente). Ces algorithmes sont appelés algorithmes de reniflage. Un exemple typique est "Stealth".

Voici quelques exemples d'algorithmes sont VWAP , TWAP , déficit de mise en œuvre , POV, Taille de l' écran, chercheur de liquidité et furtif. Les algorithmes modernes sont souvent construits de manière optimale via une programmation statique ou dynamique.

Stratégies qui ne concernent que les pools sombres

Récemment, HFT, qui comprend un large éventail de buy-side ainsi que le marché faisant des commerçants secondaires de vente, est devenu plus important et controversé. Ces algorithmes ou techniques portent généralement des noms tels que "Stealth" (développé par la Deutsche Bank), "Iceberg", "Dagger", "Guerrilla", "Sniper", "BASOR" (développé par Quod Financial) et "Sniffer" . Les dark pools sont des systèmes de négociation alternatifs qui sont de nature privée - et n'interagissent donc pas avec les flux d'ordre public - et cherchent plutôt à fournir des liquidités non affichées à de grands blocs de titres. Dans les pools sombres, les échanges se déroulent de manière anonyme, la plupart des ordres étant cachés ou "icebergés". Les joueurs ou « requins » reniflent les grosses commandes en « pingant » les petites commandes du marché pour acheter et vendre. Lorsque plusieurs petites commandes sont remplies, les requins peuvent avoir découvert la présence d'une grande commande iceberg.

"Maintenant, c'est une course aux armements", a déclaré Andrew Lo, directeur du laboratoire d'ingénierie financière du Massachusetts Institute of Technology . "Tout le monde construit des algorithmes plus sophistiqués, et plus il y a de concurrence, plus les profits sont faibles."

Timing du marché

Les stratégies conçues pour générer de l'alpha sont considérées comme des stratégies de market timing. Ces types de stratégies sont conçus à l'aide d'une méthodologie qui comprend des tests rétrospectifs, des tests avancés et des tests en direct. Les algorithmes de synchronisation du marché utiliseront généralement des indicateurs techniques tels que les moyennes mobiles, mais peuvent également inclure une logique de reconnaissance de formes implémentée à l'aide de machines à états finis .

Le backtesting de l'algorithme est généralement la première étape et consiste à simuler les transactions hypothétiques à travers une période de données dans l'échantillon. Une optimisation est effectuée afin de déterminer les entrées les plus optimales. Les mesures prises pour réduire les risques d'optimisation excessive peuvent inclure la modification des entrées de +/- 10 %, la planification des entrées par étapes importantes, l'exécution de simulations Monte Carlo et la prise en compte du glissement et de la commission.

Le test avancé de l'algorithme est la prochaine étape et implique l'exécution de l'algorithme à travers un ensemble de données en dehors de l'échantillon pour s'assurer que l'algorithme fonctionne dans les attentes backtestées.

Les tests en direct sont la dernière étape du développement et nécessitent que le développeur compare les transactions réelles en direct avec les modèles testés en amont et en aval. Les métriques comparées incluent le pourcentage de rentabilité, le facteur de profit, le retrait maximum et le gain moyen par transaction.

Trading à haute fréquence

Comme indiqué ci-dessus, le trading haute fréquence (HFT) est une forme de trading algorithmique caractérisée par un chiffre d'affaires élevé et des ratios ordre/échange élevés. Bien qu'il n'y ait pas de définition unique du HFT, parmi ses attributs clés figurent des algorithmes très sophistiqués, des types d'ordres spécialisés, la colocalisation, des horizons d'investissement à très court terme et des taux d'annulation élevés pour les ordres. Aux États-Unis, les sociétés de négociation à haute fréquence (HFT) représentent 2 % des quelque 20 000 sociétés en activité aujourd'hui, mais représentent 73 % de l'ensemble du volume des transactions sur actions. Au premier trimestre 2009, le total des actifs sous gestion des hedge funds dotés de stratégies HFT s'élevait à 141 milliards de dollars US, en baisse d'environ 21 % par rapport à leur sommet. La stratégie HFT a d'abord été couronnée de succès par Renaissance Technologies .

Les fonds à haute fréquence ont commencé à devenir particulièrement populaires en 2007 et 2008. De nombreuses sociétés HFT sont des teneurs de marché et fournissent des liquidités au marché, ce qui a réduit la volatilité et aidé à réduire les écarts entre les offres et les offres, ce qui rend la négociation et l'investissement moins chers pour les autres participants du marché. Le HFT a fait l'objet d'une attention publique intense depuis que la Securities and Exchange Commission des États-Unis et la Commodity Futures Trading Commission ont déclaré que le trading algorithmique et le HFT ont tous deux contribué à la volatilité lors du crash éclair de 2010 . Parmi les principales sociétés américaines de trading à haute fréquence figurent Chicago Trading Company, Optiver , Virtu Financial , DRW, Jump Trading, Two Sigma Securities , GTS, IMC Financial et Citadel LLC .

Il existe quatre catégories clés de stratégies HFT : la tenue de marché basée sur le flux d'ordres, la tenue de marché basée sur les informations de données de cotation, l'arbitrage d'événements et l'arbitrage statistique. Toutes les décisions d'allocation de portefeuille sont prises par des modèles quantitatifs informatisés. Le succès des stratégies informatisées est largement motivé par leur capacité à traiter simultanément des volumes d'informations, ce que les commerçants humains ordinaires ne peuvent pas faire.

Tenue de marché

La tenue de marché consiste à placer un ordre limite de vente (ou d'offre) au-dessus du prix du marché actuel ou un ordre limite d'achat (ou offre) en dessous du prix actuel sur une base régulière et continue pour capturer l'écart acheteur-vendeur. Automated Trading Desk, qui a été racheté par Citigroup en juillet 2007, a été un teneur de marché actif, représentant environ 6 % du volume total à la fois au NASDAQ et à la Bourse de New York.

Arbitrage statistique

Un autre ensemble de stratégies HFT dans la stratégie d'arbitrage classique pourrait impliquer plusieurs titres tels que la parité de taux d'intérêt couverte sur le marché des changes qui donne une relation entre les prix d'une obligation nationale, une obligation libellée en devise étrangère, le prix au comptant de la devise , et le prix d'un contrat à terme sur la devise. Si les prix du marché sont suffisamment différents de ceux impliqués dans le modèle pour couvrir les coûts de transaction, alors quatre transactions peuvent être effectuées pour garantir un profit sans risque. HFT permet des arbitrages similaires en utilisant des modèles de plus grande complexité impliquant beaucoup plus de 4 titres. Le groupe TABB estime que les bénéfices annuels cumulés des stratégies d'arbitrage à faible latence dépassent actuellement 21 milliards de dollars US.

Un large éventail de stratégies d'arbitrage statistique ont été développées dans lesquelles les décisions de négociation sont prises sur la base d'écarts par rapport aux relations statistiquement significatives. Comme les stratégies de tenue de marché, l'arbitrage statistique peut être appliqué à toutes les classes d'actifs.

Arbitrage événementiel

Un sous-ensemble d'arbitrage de risque, de fusion, de titres convertibles ou en difficulté qui compte sur un événement spécifique, tel qu'une signature de contrat, une approbation réglementaire, une décision judiciaire, etc., pour modifier le prix ou la relation de taux de deux ou plusieurs instruments financiers et permettre l'arbitragiste de réaliser un profit.

L'arbitrage de fusion, également appelé arbitrage de risque, en serait un exemple. L'arbitrage de fusion consiste généralement à acheter le titre d'une société faisant l'objet d'une OPA tout en vendant à découvert le titre de la société absorbante. Habituellement, le prix de marché de la société cible est inférieur au prix offert par la société acquéreuse. L'écart entre ces deux prix dépend principalement de la probabilité et du calendrier de réalisation de la prise de contrôle, ainsi que du niveau des taux d'intérêt en vigueur. Le pari dans un arbitrage de fusion est qu'un tel spread sera finalement nul, si et quand la prise de contrôle est réalisée. Le risque est que l'affaire « casse » et que le spread s'élargisse massivement.

Usurpation

Une stratégie que certains commerçants ont employée, qui a été proscrite mais qui continue probablement, s'appelle l'usurpation d'identité. C'est l'acte de passer des ordres pour donner l'impression de vouloir acheter ou vendre des actions, sans jamais avoir l'intention de laisser l'ordre s'exécuter pour manipuler temporairement le marché pour acheter ou vendre des actions à un prix plus favorable. Cela se fait en créant des ordres à cours limité en dehors du cours acheteur ou vendeur actuel pour modifier le prix signalé aux autres participants du marché. Le trader peut ensuite placer des transactions sur la base du changement artificiel de prix, puis annuler les ordres à cours limité avant qu'ils ne soient exécutés.

Supposons qu'un commerçant souhaite vendre des actions d'une société avec une offre actuelle de 20 $ et une demande actuelle de 20,20 $. Le trader placerait un ordre d'achat à 20,10 $, toujours à une certaine distance de la demande, de sorte qu'il ne sera pas exécuté, et l'offre de 20,10 $ est signalée comme étant le meilleur prix national de l'offre et de l'offre. Le trader exécute ensuite un ordre de marché pour la vente des actions qu'il souhaite vendre. Étant donné que le meilleur cours acheteur est l'offre artificielle de l'investisseur, un teneur de marché remplit l'ordre de vente à 20,10 $, ce qui permet un prix de vente supérieur de 0,10 $ par action. Le trader annule par la suite son ordre à cours limité sur l'achat qu'il n'a jamais eu l'intention de réaliser.

Rembourrage de devis

Le bourrage de cotations est une tactique employée par des commerçants malveillants qui consiste à saisir et à retirer rapidement de grandes quantités d'ordres dans le but d'inonder le marché, obtenant ainsi un avantage sur les participants au marché plus lents. Les ordres rapidement placés et annulés génèrent des flux de données de marché sur lesquels les investisseurs ordinaires s'appuient pour retarder les cotations de prix pendant le bourrage. Les entreprises HFT bénéficient de flux propriétaires de plus grande capacité et de l'infrastructure la plus performante et à la latence la plus faible. Les chercheurs ont montré que les traders à haute fréquence peuvent profiter des latences artificiellement induites et des opportunités d'arbitrage résultant du bourrage de cotations.

Systèmes de trading à faible latence

La latence induite par le réseau, synonyme de délai, mesurée en délai unidirectionnel ou en temps aller-retour, est normalement définie comme le temps nécessaire à un paquet de données pour voyager d'un point à un autre. Le trading à faible latence fait référence aux systèmes de trading algorithmiques et aux itinéraires de réseau utilisés par les institutions financières se connectant aux bourses et aux réseaux de communication électronique (ECN) pour exécuter rapidement des transactions financières. La plupart des entreprises HFT dépendent de l'exécution à faible latence de leurs stratégies de trading. Joel Hasbrouck et Gideon Saar (2013) mesurent la latence en fonction de trois composantes : le temps nécessaire pour que (1) l'information atteigne le trader, (2) les algorithmes du trader pour analyser l'information, et (3) l'action générée pour atteindre le échanger et être mis en œuvre. Dans un marché électronique contemporain (vers 2009), le temps de traitement des transactions à faible latence était inférieur à 10 millisecondes et la latence ultra-faible à moins de 1 milliseconde.

Les traders à faible latence dépendent de réseaux à très faible latence . Ils profitent en fournissant des informations, telles que des offres et des offres concurrentes, à leurs algorithmes quelques microsecondes plus rapidement que leurs concurrents. L'avancée révolutionnaire de la vitesse a conduit les entreprises à avoir besoin d'une plate-forme de négociation en temps réel et colocalisée pour bénéficier de la mise en œuvre de stratégies à haute fréquence. Les stratégies sont constamment modifiées pour refléter les changements subtils du marché ainsi que pour lutter contre la menace d' une ingénierie inverse de la stratégie par les concurrents. Cela est dû à la nature évolutive des stratégies de trading algorithmiques - elles doivent être capables de s'adapter et de négocier intelligemment, quelles que soient les conditions du marché, ce qui implique d'être suffisamment flexible pour résister à un large éventail de scénarios de marché. En conséquence, une part importante des revenus nets des entreprises est consacrée à la R&D de ces systèmes de négociation autonomes.

Mise en œuvre de la stratégie

La plupart des stratégies algorithmiques sont mises en œuvre à l'aide de langages de programmation modernes, bien que certaines mettent encore en œuvre des stratégies conçues dans des feuilles de calcul. De plus en plus, les algorithmes utilisés par les grandes maisons de courtage et les gestionnaires d'actifs sont écrits dans le langage de définition de négociation algorithmique du protocole FIX ( FIXatdl ), qui permet aux entreprises recevant des ordres de spécifier exactement comment leurs ordres électroniques doivent être exprimés. Les ordres construits à l'aide de FIXatdl peuvent ensuite être transmis à partir des systèmes des commerçants via le protocole FIX. Les modèles de base peuvent s'appuyer sur aussi peu qu'une régression linéaire, tandis que des modèles plus complexes de théorie des jeux et de reconnaissance de formes ou de modèles prédictifs peuvent également être utilisés pour lancer le trading. Des méthodes plus complexes telles que la chaîne de Markov Monte Carlo ont été utilisées pour créer ces modèles.

Enjeux et développements

Il a été démontré que le trading algorithmique améliore considérablement la liquidité du marché, entre autres avantages. Cependant, les améliorations de la productivité apportées par le trading algorithmique se sont heurtées à l'opposition des courtiers humains et des traders confrontés à une vive concurrence des ordinateurs.

Finances cyborg

Les progrès technologiques de la finance, en particulier ceux liés au trading algorithmique, ont augmenté la vitesse, la connectivité, la portée et la complexité financières tout en réduisant simultanément son humanité. Les ordinateurs exécutant des logiciels basés sur des algorithmes complexes ont remplacé les humains dans de nombreuses fonctions du secteur financier. La finance est essentiellement en train de devenir une industrie où les machines et les humains partagent les rôles dominants – transformant la finance moderne en ce qu'un universitaire a appelé la « finance cyborg ».

Préoccupations

Alors que de nombreux experts louent les avantages de l'innovation dans le trading algorithmique informatisé, d'autres analystes ont exprimé leur inquiétude concernant des aspects spécifiques du trading informatisé.

"L'inconvénient de ces systèmes est leur boîte noire", a déclaré M. Williams. "Les commerçants ont une idée intuitive de la façon dont le monde fonctionne. Mais avec ces systèmes, vous versez un tas de chiffres, et quelque chose sort à l'autre bout, et il n'est pas toujours intuitif ou clair pourquoi la boîte noire s'est verrouillée sur certaines données ou relations. "

« La Financial Services Authority a gardé un œil attentif sur le développement du commerce de la boîte noire. Dans son rapport annuel, le régulateur a fait remarquer les grands avantages d'efficacité que les nouvelles technologies apportent au marché. Mais il a également souligné qu'une plus grande dépendance sur une technologie et une modélisation sophistiquées s'accompagne d'un risque accru que la défaillance des systèmes puisse entraîner une interruption des activités ».

Le ministre britannique du Trésor, Lord Myners, a averti que les entreprises pourraient devenir les "jouets" des spéculateurs en raison du trading automatique à haute fréquence. Lord Myners a déclaré que le processus risquait de détruire la relation entre un investisseur et une entreprise.

D'autres problèmes incluent le problème technique de latence ou le retard dans l'envoi des cotations aux commerçants, la sécurité et la possibilité d'une panne complète du système conduisant à un krach boursier .

"Goldman dépense des dizaines de millions de dollars pour ce genre de choses. Ils ont plus de personnes travaillant dans leur domaine technologique que de personnes au bureau de négociation... La nature des marchés a radicalement changé."

Le 1er août 2012, Knight Capital Group a rencontré un problème technologique dans son système de trading automatisé, causant une perte de 440 millions de dollars.

Ce problème était lié à l'installation du logiciel de négociation par Knight et a conduit Knight à envoyer de nombreux ordres erronés sur des titres cotés à la NYSE sur le marché. Ce logiciel a été supprimé des systèmes de l'entreprise. ... Les clients n'ont pas été affectés négativement par les ordres erronés , et le problème du logiciel s'est limité à l'acheminement de certaines actions cotées vers le NYSE. Knight a liquidé l'intégralité de sa position commerciale erronée , ce qui a entraîné une perte avant impôts réalisée d'environ 440 millions de dollars.

Il a été démontré que le trading algorithmique et à haute fréquence avait contribué à la volatilité lors du crash éclair du 6 mai 2010, lorsque le Dow Jones Industrial Average a plongé d'environ 600 points pour récupérer ces pertes en quelques minutes. À l'époque, il s'agissait de la deuxième plus grande variation de points, 1 010,14 points, et de la plus forte baisse de points sur une journée, 998,5 points, sur une base intrajournalière dans l'histoire du Dow Jones Industrial Average.

DEVELOPPEMENTS récents

Les informations sur les marchés financiers sont maintenant formatées par des sociétés telles que Need To Know News, Thomson Reuters , Dow Jones et Bloomberg , pour être lues et négociées via des algorithmes.

"Les ordinateurs sont maintenant utilisés pour générer des reportages sur les résultats des entreprises ou les statistiques économiques au fur et à mesure qu'ils sont publiés. Et ces informations presque instantanées constituent un flux direct vers d'autres ordinateurs qui échangent sur les nouvelles."

Les algorithmes ne se contentent pas d'échanger sur de simples faits divers, mais interprètent également des informations plus difficiles à comprendre. Certaines entreprises tentent également d'attribuer automatiquement un sentiment (en décidant si les nouvelles sont bonnes ou mauvaises) aux actualités afin que le trading automatisé puisse fonctionner directement sur l'actualité.

"De plus en plus, les gens examinent toutes les formes d'actualités et construisent leurs propres indicateurs autour de celles-ci de manière semi-structurée", car ils recherchent constamment de nouveaux avantages commerciaux, a déclaré Rob Passarella, directeur mondial de la stratégie chez Dow Jones Enterprise Media Group. Son entreprise fournit à la fois un fil d'actualités à faible latence et des analyses d'actualités aux traders. Passarella a également souligné de nouvelles recherches universitaires en cours sur la mesure dans laquelle les recherches fréquentes sur Google sur diverses actions peuvent servir d'indicateurs de négociation, l'impact potentiel de diverses phrases et mots pouvant apparaître dans les déclarations de la Securities and Exchange Commission et la dernière vague de communautés en ligne. consacré aux sujets de négociation d'actions.

"Les marchés sont par nature des conversations, nés des cafés et des tavernes", a-t-il déclaré. Ainsi, la façon dont les conversations sont créées dans une société numérique sera également utilisée pour convertir les nouvelles en métiers, a déclaré Passarella.

"Il existe un réel intérêt à déplacer le processus d'interprétation des informations des humains vers les machines", déclare Kirsti Suutari, responsable commercial mondial du trading algorithmique chez Reuters. "Un plus grand nombre de nos clients trouvent des moyens d'utiliser le contenu d'actualités pour gagner de l'argent."

Un exemple de l'importance de la vitesse de reportage des nouvelles pour les traders algorithmiques était une campagne publicitaire de Dow Jones (les apparitions comprenaient la page W15 du Wall Street Journal , le 1er mars 2008) affirmant que leur service avait battu les autres services de presse de deux secondes dans les reportages. une baisse des taux d'intérêt par la Banque d'Angleterre.

En juillet 2007, Citigroup , qui avait déjà développé ses propres algorithmes de trading, a payé 680 millions de dollars pour Automated Trading Desk, une entreprise de 19 ans qui négocie environ 200 millions d'actions par jour. Citigroup avait précédemment acheté Lava Trading et OnTrade Inc.

Fin 2010, le UK Government Office for Science a lancé un projet de prospective sur l'avenir du commerce informatique sur les marchés financiers, dirigé par Dame Clara Furse , ex-PDG de la Bourse de Londres et en septembre 2011, le projet a publié ses premières conclusions dans sous la forme d'un document de travail en trois chapitres disponible en trois langues, ainsi que 16 documents supplémentaires qui fournissent des preuves à l'appui. Tous ces résultats sont rédigés ou co-écrits par des universitaires et des praticiens de premier plan, et ont été soumis à un examen anonyme par des pairs. Publiée en 2012, l'étude Foresight a reconnu les problèmes liés à l'illiquidité périodique, aux nouvelles formes de manipulation et aux menaces potentielles pour la stabilité du marché en raison d'algorithmes erronés ou d' un trafic de messages excessif . Cependant, le rapport a également été critiqué pour avoir adopté des "arguments pro-HFT standard" et les membres du comité consultatif étant liés à l'industrie du HFT.

Architecture du système

Un système de négociation traditionnel se compose principalement de deux blocs - l'un qui reçoit les données du marché tandis que l'autre envoie la demande d'ordre à la bourse. Cependant, un système de trading algorithmique peut être décomposé en trois parties :

  1. Échange
  2. Le serveur
  3. Application

Les bourses fournissent des données au système, qui comprennent généralement le dernier carnet d'ordres, les volumes négociés et le dernier prix négocié (LTP) du script. Le serveur reçoit à son tour les données agissant simultanément comme un magasin pour la base de données historique. Les données sont analysées du côté de l'application, où les stratégies de trading sont fournies par l'utilisateur et peuvent être consultées sur l' interface graphique . Une fois la commande générée, elle est envoyée au système de gestion des commandes (OMS), qui à son tour la transmet à la bourse.

Progressivement, l'architecture ancienne à haute latence des systèmes algorithmiques est remplacée par des réseaux plus récents, à la pointe de la technologie, à haute infrastructure et à faible latence . Le moteur de traitement des événements complexes (CEP), qui est au cœur de la prise de décision dans les systèmes de négociation basés sur des algorithmes, est utilisé pour le routage des ordres et la gestion des risques.

Avec l'émergence du protocole FIX (Financial Information Exchange) , la connexion à différentes destinations est devenue plus facile et le temps de mise sur le marché s'est réduit, lorsqu'il s'agit de se connecter à une nouvelle destination. Avec le protocole standard en place, l'intégration de fournisseurs tiers pour les flux de données n'est plus fastidieuse.

Contrôles automatisés

Le trading automatisé doit être opéré sous des contrôles automatisés, car les interventions manuelles sont trop lentes ou tardives pour un trading en temps réel à l'échelle de la micro ou milliseconde. Un pupitre de négociation ou une entreprise doit donc développer des cadres de contrôle automatisés appropriés pour faire face à tous les types de risques possibles, allant des principaux risques de capital, des erreurs de gros doigts, des risques de crédit de contrepartie, des stratégies de négociation perturbatrices du marché telles que l'usurpation ou la superposition, au client- nuire à l'internalisation injuste ou à l'utilisation excessive de pools sombres toxiques.

Les régulateurs de marché tels que la Banque d'Angleterre et l' Autorité européenne des marchés financiers ont publié des directives de surveillance spécifiquement sur les contrôles des risques des activités de négociation algorithmique, par exemple, le SS5/18 de la Banque d'Angleterre et le MIFID II .

En réponse, il y a également eu de plus en plus d'activités académiques ou industrielles consacrées au contrôle du trading algorithmique.

Effets

L'une des découvertes les plus ironiques de la recherche universitaire sur le trading algorithmique pourrait être que les traders individuels introduisent des algorithmes pour rendre la communication plus simple et prévisible, tandis que les marchés finissent par devenir plus complexes et plus incertains. Étant donné que les algorithmes de trading suivent des règles locales qui répondent soit à des instructions programmées, soit à des modèles appris, au micro-niveau, leur comportement automatisé et réactif rend certaines parties de la dynamique de communication plus prévisibles. Cependant, au niveau macro, il a été démontré que le processus émergent global devient à la fois plus complexe et moins prévisible. Ce phénomène n'est pas unique au marché boursier et a également été détecté avec des robots d'édition sur Wikipédia.

Bien que son développement ait pu être motivé par la diminution de la taille des transactions causée par la décimalisation, le trading algorithmique a encore réduit la taille des transactions. Les emplois autrefois effectués par des commerçants humains sont en train de passer aux ordinateurs. Les vitesses des connexions informatiques, mesurées en millisecondes et même en microsecondes , sont devenues très importantes.

Des marchés plus entièrement automatisés tels que NASDAQ, Direct Edge et BATS (anciennement acronyme de Better Alternative Trading System) aux États-Unis ont gagné des parts de marché sur des marchés moins automatisés tels que le NYSE. Les économies d'échelle dans le commerce électronique ont contribué à réduire les commissions et les frais de traitement des transactions, et ont contribué aux fusions internationales et à la consolidation des échanges financiers .

La concurrence se développe entre les bourses pour les délais de traitement les plus rapides pour terminer les transactions. Par exemple, en juin 2007, la Bourse de Londres a lancé un nouveau système appelé TradElect qui promet un délai moyen de 10 millisecondes entre la passation d'une commande et la confirmation finale et peut traiter 3 000 commandes par seconde. Depuis, les échanges compétitifs n'ont cessé de réduire la latence avec des délais d'exécution de 3 millisecondes disponibles. Ceci est d'une grande importance pour les traders à haute fréquence, car ils doivent essayer d'identifier les plages de performances cohérentes et probables d'instruments financiers donnés. Ces professionnels traitent souvent des versions de fonds indiciels boursiers comme les E-mini S&P, car ils recherchent la cohérence et l'atténuation des risques ainsi que des performances optimales. Ils doivent filtrer les données du marché pour les intégrer à leur programmation logicielle afin qu'il y ait la latence la plus faible et la liquidité la plus élevée au moment pour placer des stop-loss et/ou prendre des bénéfices. Avec une volatilité élevée sur ces marchés, cela devient une entreprise complexe et potentiellement angoissante, où une petite erreur peut entraîner une perte importante. Les données de fréquence absolue jouent un rôle dans le développement des instructions préprogrammées du trader.

Aux États-Unis, les dépenses en ordinateurs et logiciels dans le secteur financier ont augmenté pour atteindre 26,4 milliards de dollars en 2005.

Le trading algorithmique a provoqué un changement dans les types d'employés travaillant dans le secteur financier. Par exemple, de nombreux physiciens sont entrés dans le secteur financier en tant qu'analystes quantitatifs. Certains physiciens ont même commencé à faire des recherches en économie dans le cadre d'une recherche doctorale. Ce mouvement interdisciplinaire est parfois appelé éconophysique . Certains chercheurs citent également une « fracture culturelle » entre les employés des entreprises principalement engagées dans le trading algorithmique et les gestionnaires d'investissement traditionnels. Le trading algorithmique a encouragé une concentration accrue sur les données et a diminué l'accent mis sur la recherche côté vendeur.

Normes de communication

Les transactions algorithmiques nécessitent de communiquer beaucoup plus de paramètres que les ordres de marché et à cours limité traditionnels. Un commerçant d'un côté (le « côté acheteur ») doit permettre à son système de négociation (souvent appelé « système de gestion des ordres » ou « système de gestion de l'exécution ») de comprendre un flux sans cesse proliférant de nouveaux types d'ordres algorithmiques. Les coûts de R&D et autres pour construire de nouveaux types d'ordres algorithmiques complexes, ainsi que l'infrastructure d'exécution et les coûts de marketing pour les distribuer, sont assez importants. Ce qu'il fallait, c'était un moyen pour les spécialistes du marketing (le « côté vente ») d'exprimer électroniquement les ordres d'algo de sorte que les commerçants du côté acheteur puissent simplement déposer les nouveaux types d'ordres dans leur système et être prêts à les négocier sans coder en permanence les écrans personnalisés de saisie de nouveaux ordres. chaque fois.

FIX Protocol est une association professionnelle qui publie des normes libres et ouvertes dans le domaine du commerce des valeurs mobilières. Le langage FIX a été créé à l'origine par Fidelity Investments, et les membres de l'association comprennent pratiquement tous les grands et de nombreux courtiers de taille moyenne et petite, les banques centrales, les investisseurs institutionnels, les fonds communs de placement, etc. opérations de sécurité. En 2006-2007, plusieurs membres se sont réunis et ont publié un projet de norme XML pour exprimer les types d'ordre algorithmique. La norme s'appelle FIX Algorithmic Trading Definition Language ( FIXatdl ).

Voir également

Remarques

Les références

Liens externes

Vidéo externe
icône vidéo Comment les algorithmes façonnent notre monde , TED (conférence)