Une journée dans la tête d'un algorithme de trading

Le 1er août 2012, un code oublié se réveille lors d'un déploiement raté. En 45 minutes, Knight Capital perd environ 440 millions de dollars — près de dix millions par minute. L'entreprise est rachetée peu après. C'est le meilleur point de départ pour parler de trading algorithmique, parce qu'il dit l'essentiel : la vitesse amplifie autant les erreurs que les gains.

Avant l'ouverture : les données

Tout commence par l'ingestion : prix, carnets d'ordres, volumes, parfois actualités. La qualité de cette étape détermine tout le reste, et c'est la moins spectaculaire.

Le signal : ce que le modèle « voit »

Un signal est une régularité statistique supposée, pas une prédiction. Deux familles classiques :

• Momentum. Ce qui monte tend à continuer un peu. Simple, robuste, largement exploité — donc peu rentable.

• Retour à la moyenne. Un écart anormal entre deux titres liés tend à se refermer. Encore faut-il que la relation tienne.

Formellement, un signal de momentum ne dit rien de plus que :

où $P_t$ est le prix courant et $n$ la fenêtre d'observation. Toute la difficulté est dans le choix de $n$ — et dans le fait que ce choix, ajusté sur le passé, ne vaut pas garantie pour l'avenir.

Le backtest, et sa principale illusion

Tester une stratégie sur l'historique est indispensable et profondément trompeur. Le piège porte un nom : le surajustement. À force d'ajuster les paramètres jusqu'à ce que la courbe soit belle, on finit par modéliser le bruit du passé.

# Le piege le plus courant : utiliser une information
# qui n'existait pas encore au moment de la decision.

signal = prix.rolling(20).mean()          # moyenne sur 20 jours
position = (prix > signal).astype(int)    # FAUX : compare a la moyenne du jour meme

position = (prix > signal.shift(1))       # correct : la moyenne d'HIER
# Sans le decalage, la strategie "predit" avec une donnee
# du futur. Le backtest devient spectaculaire, et faux.

L'exécution : là où les gains disparaissent

Une décision n'est pas une transaction. Entre les deux se glissent le slippage — l'écart entre le prix visé et le prix obtenu — l'écart entre offre et demande, les frais, et l'impact de son propre ordre sur le marché.

Une stratégie qui rapporte 0,1 % par opération et coûte 0,12 % à exécuter est une stratégie perdante, quelle que soit la qualité du signal.

L'incident : quand le régime change

Le Flash Crash du 6 mai 2010 reste le cas d'école : le Dow Jones perd près de 1 000 points en quelques minutes — quelque 862 milliards de dollars brièvement effacés — avant de rebondir. Le rapport conjoint SEC/CFTC du 30 septembre 2010 en détaille l'enchaînement.

Knight Capital relève d'une autre catégorie : pas un problème de marché, un problème de déploiement. Un code dormant réactivé par erreur, et des millions d'ordres erronés. La SEC a retenu en 2013 une violation de la Market Access Rule.

Dans un cas le marché se comporte anormalement ; dans l'autre le logiciel. Les deux produisent le même résultat, et la seconde catégorie est de loin la plus fréquente.

Quelle part du marché, au juste ?

Aucun décompte officiel n'existe. Les fourchettes disponibles :

Le contre-exemple qu'on cite mal

Le fonds Medallion de Renaissance Technologies affiche, selon Bradford Cornell (Journal of Portfolio Management, 2020), un rendement composé brut de 63,3 % par an sur 1988-2018 : 100 dollars investis en 1988 en vaudraient environ 398,7 millions, sans une seule année négative sur 31 ans.

Ce qu'il faut retenir : l'automatisation ne supprime aucun risque. Elle remplace le risque de jugement humain par un risque logiciel, opérationnel et systémique — plus rapide, moins visible, et beaucoup plus difficile à arrêter une fois lancé.