Principes de base du trading algorithmique: concepts et exemples

Le trading algorithmique (également appelé trading automatisé, trading en boîte noire ou algo-trading) utilise un programme informatique qui suit un ensemble d'instructions défini (un algorithme) pour effectuer un échange. En théorie, le commerce peut générer des profits à une vitesse et à une fréquence impossibles pour un commerçant humain.

Les ensembles d'instructions définis sont basés sur le calendrier, le prix, la quantité ou tout modèle mathématique. Outre les opportunités de profit pour le trader, algo-trading rend les marchés plus liquides et le trading plus systématique en éliminant l'impact d'émotions humaines sur les activités de trading.

Le commerce algorithmique en pratique

Supposons qu'un commerçant respecte ces critères commerciaux simples:

• Achetez 50 actions d'une action lorsque sa moyenne mobile sur 50 jours dépasse la moyenne mobile sur 200 jours. (Une moyenne mobile est une moyenne des points de données passés qui lissent les fluctuations des prix au jour le jour et identifie ainsi les tendances.)
• Vendez des actions lorsque la moyenne mobile sur 50 jours est inférieure à la moyenne mobile sur 200 jours.

En utilisant ces deux instructions simples, un programme informatique surveillera automatiquement le cours de l’action (et les indicateurs de la moyenne mobile) et passera les ordres d’achat et de vente lorsque les conditions définies seront remplies. Le commerçant n'a plus besoin de surveiller les prix et les graphiques en temps réel ou de passer les ordres manuellement. Le système de trading algorithmique le fait automatiquement en identifiant correctement l'opportunité de trading.

Notions de base du trading algorithmique

Avantages du trading algorithmique

Algo-trading offre les avantages suivants:

• Les transactions sont exécutées au meilleur prix possible.
• Le placement des ordres d’achat est instantané et précis (les chances d’exécution aux niveaux souhaités sont élevées).
• Les transactions sont chronométrées correctement et instantanément pour éviter des changements de prix significatifs.
• Réduction des coûts de transaction.
• Contrôles automatisés simultanés sur plusieurs conditions de marché.
• Risque réduit d'erreurs manuelles lors du placement d'opérations.
• Algo-trading peut être testé en utilisant les données historiques et en temps réel disponibles pour voir si c'est une stratégie commerciale viable.
• Possibilité réduite d'erreurs commises par des commerçants humains sur la base de facteurs émotionnels et psychologiques.

À l'heure actuelle, le trading à haute fréquence (HFT) constitue l'essentiel du trading actuel. Il s'agit de capitaliser sur la passation d'un grand nombre d'ordres à des vitesses rapides sur plusieurs marchés et de multiples paramètres de décision basés sur des instructions préprogrammées.

Algo-trading est utilisé dans de nombreuses formes d'activités de trading et d'investissement, notamment:

• Les investisseurs à moyen ou long terme ou les sociétés cotées en bourse (fonds de pension, fonds communs de placement, sociétés d’assurance) ont recours à algo-trading pour acheter des actions en grande quantité lorsqu’ils ne veulent pas influencer le prix des actions par des investissements discrets et volumineux.
• Les opérateurs à court terme et les vendeurs - les teneurs de marché (comme les maisons de courtage), les spéculateurs et les arbitrageurs - bénéficient de l'exécution automatisée des transactions; en outre, algo-trading aide à créer une liquidité suffisante pour les vendeurs sur le marché.
• Opérateurs systématiques - suiveurs de tendance, fonds spéculatifs ou négociateurs à deux (stratégie de négociation neutre vis-à-vis du marché, qui consiste à associer une position longue à une position courte dans une paire d'instruments fortement corrélés, tels que deux actions, des fonds négociés en bourse (FNB ou devises) - trouvez qu'il est beaucoup plus efficace de programmer leurs règles commerciales et de laisser le programme se négocier automatiquement.

Le trading algorithmique fournit une approche plus systématique du trading actif que des méthodes basées sur l’intuition ou l’instinct de trader.

Stratégies de trading algorithmique

Toute stratégie de trading algorithmique nécessite une opportunité identifiée qui soit rentable en termes d’amélioration des bénéfices ou de réduction des coûts. Les stratégies de trading courantes utilisées dans algo-trading sont les suivantes:

Stratégies de suivi de tendance

Les stratégies de négociation algorithmique les plus courantes suivent les tendances en matière de moyennes mobiles, de répartitions de canaux, de mouvements de niveau de prix et d'indicateurs techniques connexes. Ce sont les stratégies les plus simples et les plus simples à mettre en œuvre par le biais du trading algorithmique, car elles ne supposent aucune prédiction ni prévision de prix. Les transactions sont lancées en fonction de l’apparition de tendances souhaitables, faciles à mettre en œuvre au moyen d’algorithmes, sans entrer dans la complexité de l’analyse prédictive. L’utilisation de moyennes mobiles sur 50 et 200 jours est une stratégie populaire de suivi des tendances.

Opportunités d'arbitrage

Acheter un titre coté en bourse à un prix inférieur sur un marché et le vendre simultanément à un prix supérieur sur un autre marché offre la différence de prix comme un profit ou un arbitrage sans risque. La même opération peut être reproduite pour les actions par rapport aux instruments à terme, car des écarts de prix existent de temps à autre. La mise en œuvre d'un algorithme permettant d'identifier ces écarts de prix et le placement efficace des commandes permettent des opportunités rentables.

Rééquilibrage du fonds indiciel

Les fonds indiciels ont défini des périodes de rééquilibrage pour aligner leurs avoirs sur leurs indices de référence respectifs. Cela crée des opportunités rentables pour les traders algorithmiques, qui capitalisent sur les transactions attendues offrant des bénéfices de 20 à 80 points de base en fonction du nombre d'actions dans le fonds indiciel juste avant le rééquilibrage du fonds indiciel. Ces transactions sont initiées via des systèmes de négociation algorithmiques pour une exécution rapide et aux meilleurs prix.

Stratégies basées sur un modèle mathématique

Des modèles mathématiques éprouvés, tels que la stratégie de négociation delta neutre, permettent la négociation d'une combinaison d'options et du titre sous-jacent. (Delta neutre est une stratégie de portefeuille consistant en plusieurs positions avec deltas positifs et négatifs compensateurs - un ratio comparant la variation du prix d’un actif, généralement un titre négociable, à la variation correspondante du prix de son dérivé - le delta des actifs en question est égal à zéro.)

Plage de négociation (inversion moyenne)

La stratégie de réversion moyenne est basée sur le concept que les prix haut et bas d'un actif sont un phénomène temporaire qui revient périodiquement à sa valeur moyenne (valeur moyenne). Identifier et définir une fourchette de prix et mettre en œuvre un algorithme basé sur celui-ci permet de placer automatiquement des transactions lorsque le cours d'un actif entre et sort de sa fourchette définie.

Prix ​​moyen pondéré en fonction du volume (VWAP)

La stratégie de prix moyen pondérée en fonction du volume divise une grosse commande et publie sur le marché des fragments de la plus petite quantité, déterminés de manière dynamique, à l'aide de profils de volume historiques spécifiques à un stock. L’objectif est d’exécuter une commande proche du prix moyen pondéré en fonction du volume (VWAP).

Prix ​​moyen pondéré dans le temps (TWAP)

La stratégie de prix moyen pondérée dans le temps divise une grande commande et diffuse sur le marché des fragments de la commande déterminés de manière dynamique, en utilisant des créneaux horaires répartis de manière égale entre une heure de début et une heure de fin. L'objectif est d'exécuter l'ordre proche du prix moyen entre le début et la fin, minimisant ainsi l'impact sur le marché.

Pourcentage du volume (POV)

Tant que l'ordre de transaction n'est pas entièrement rempli, cet algorithme continue d'envoyer des ordres partiels en fonction du taux de participation défini et du volume négocié sur les marchés. La «stratégie par étapes» associée envoie des ordres à un pourcentage défini par l'utilisateur de volumes de marché et augmente ou diminue ce taux de participation lorsque le cours de l'action atteint des niveaux définis par l'utilisateur.

Pénurie d'exécution

La stratégie de déficit de mise en œuvre vise à minimiser le coût d'exécution d'une commande en s'échangeant sur le marché en temps réel, permettant ainsi d'économiser sur le coût de la commande et de bénéficier du coût d'opportunité d'un retard d'exécution. La stratégie augmentera le taux de participation cible lorsque le cours de l’action évolue favorablement et le diminuera lorsque le cours de l’action évolue de manière défavorable.

Au-delà des algorithmes de négociation habituels

Il existe quelques classes spéciales d'algorithmes qui tentent d'identifier les «événements» de l'autre côté. Ces «algorithmes de détection», utilisés par exemple par un teneur de marché vendeur, disposent de l'intelligence intégrée permettant d'identifier l'existence de tout algorithme du côté achat d'une commande importante. Cette détection au moyen d’algorithmes aidera le teneur de marché à identifier les grandes commandes et à tirer profit des commandes passées à un prix plus élevé. Ceci est parfois identifié comme une technologie de pointe.

Exigences techniques pour le trading algorithmique

La mise en œuvre de l'algorithme à l'aide d'un programme informatique est la dernière composante du trading algorithmique, accompagnée d'un backtesting (essai de l'algorithme sur des périodes historiques de performances boursières passées pour voir si son utilisation aurait été rentable). Le défi consiste à transformer la stratégie identifiée en un processus informatisé intégré ayant accès à un compte de trading pour passer des commandes. Les éléments suivants sont les conditions requises pour le trading algorithmique:

• Connaissance de la programmation informatique pour programmer la stratégie de négociation requise, des programmeurs embauchés ou un logiciel de négociation préconçu.
• Connectivité réseau et accès aux plateformes de trading pour passer des commandes.
• Accès aux flux de données de marché qui seront contrôlés par l’algorithme afin de saisir les possibilités de passer des commandes.
• La capacité et l'infrastructure de tester le système une fois qu'il est construit avant qu'il ne soit opérationnel sur de vrais marchés.
• Données historiques disponibles pour le backtesting en fonction de la complexité des règles implémentées dans l'algorithme.

Un exemple de trading algorithmique

Royal Dutch Shell (RDS) est cotée à la bourse d'Amsterdam (AEX) et à la bourse de Londres (LSE). Nous commençons par construire un algorithme pour identifier les opportunités d'arbitrage. Voici quelques observations intéressantes:

• AEX se négocie en euros tandis que LSE se négocie en livre sterling.
• En raison du décalage horaire d'une heure, AEX ouvre une heure plus tôt que LSE, suivie par les deux bourses qui se négocient simultanément pendant les prochaines heures, puis ne négocient que dans LSE au cours de la dernière heure de fermeture de AEX.

Pouvons-nous explorer la possibilité d'un arbitrage sur les actions Royal Dutch Shell cotées sur ces deux marchés dans deux devises différentes?

Exigences:

• Un programme informatique capable de lire les prix actuels du marché.
• Les prix proviennent de LSE et d'AEX.
• Un flux de taux de change (change) pour GBP-EUR.
• Fonction de commande permettant d'acheminer la commande au bon échange.
• Capacité de backtesting sur les flux de prix historiques.

Le programme informatique doit effectuer les tâches suivantes:

• Lisez le flux de prix entrant du stock RDS des deux bourses.
• En utilisant les taux de change disponibles, convertissez le prix d’une devise à l’autre.
• Si l'écart de prix est suffisamment important (réduction des coûts de courtage) pour générer une opportunité rentable, le programme doit alors placer l'ordre d'achat sur la bourse à prix réduit et le vendre sur la bourse à prix supérieur.
• Si les ordres sont exécutés comme vous le souhaitez, le profit de l'arbitrage suivra.

Simple et facile! Cependant, la pratique du trading algorithmique n’est pas aussi simple à maintenir et à exécuter. N'oubliez pas que si un investisseur peut placer un commerce généré par algo, il en va de même pour les autres participants du marché. Par conséquent, les prix fluctuent en millièmes et même en microsecondes. Dans l'exemple ci-dessus, que se passe-t-il si une transaction d'achat est exécutée alors que la transaction de vente ne change pas, car les prix de vente changent au moment où la commande arrive sur le marché? Le trader se retrouvera avec une position ouverte rendant la stratégie d'arbitrage sans valeur.

Il existe des risques et des défis supplémentaires, tels que les risques de défaillance du système, les erreurs de connectivité réseau, les décalages entre les ordres commerciaux et l'exécution et, plus important encore, les algorithmes imparfaits. Plus un algorithme est complexe, plus le backtesting est rigoureux avant de passer à l'action.