Comment l'arbitrage statistique peut générer de gros bénéfices

L’hypothèse de marché efficient énonce que les marchés financiers sont «efficaces du point de vue informationnel» en ce sens que les prix des actifs négociés reflètent toutes les informations connues à un moment donné. Mais si cela est vrai, alors pourquoi les prix varient-ils au jour le jour malgré aucune nouvelle information fondamentale? La réponse implique un aspect qui est souvent oublié parmi les opérateurs individuels: la liquidité.

De nombreuses transactions institutionnelles importantes tout au long de la journée n'ont rien à voir avec l'information ni avec la liquidité. Les investisseurs qui se sentent surexposés couvriront ou liquideront de manière agressive leurs positions, ce qui finira par affecter le prix. Ces demandeurs de liquidités sont souvent disposés à payer un prix pour sortir de leurs positions, ce qui peut générer des bénéfices pour les fournisseurs de liquidités. Cette capacité à tirer profit des informations semble contredire l’hypothèse d’efficacité du marché, mais constitue le fondement de l’arbitrage statistique.

L’arbitrage statistique a pour objectif de capitaliser sur la relation entre prix et liquidité en tirant parti de la mauvaise évaluation statistique d’un ou plusieurs actifs en fonction de la valeur attendue des actifs générés par un modèle statistique.

Qu'est-ce que l'arbitrage statistique?

L'arbitrage statistique est né dans les années 1980 de la demande de couverture créée par les opérations du pupitre de négociation en bloc des actions de Morgan Stanley. Morgan Stanley a pu éviter les pénalités de prix associées à des achats groupés importants en achetant des actions dans des actions étroitement corrélées, en guise de couverture contre sa position. Par exemple, si l'entreprise achetait un bloc d'actions important, elle vendrait des actions en corrélation étroite entre elles afin de se protéger contre tout repli important du marché. Cela a effectivement éliminé tout risque de marché pendant que la société cherchait à placer le stock acheté dans une transaction en bloc.

Les traders ont rapidement commencé à penser à ces paires non pas comme un bloc à exécuter et sa couverture, mais plutôt comme les deux côtés d’une stratégie de négociation visant à réaliser un profit plutôt qu’une simple couverture. Ces transactions par paires ont finalement évolué vers diverses autres stratégies visant à tirer parti des différences statistiques des prix des titres en raison de la liquidité, de la volatilité, du risque ou d’autres facteurs. Nous classons maintenant ces stratégies en arbitrage statistique.

Types d'arbitrage statistique

Il existe de nombreux types d'arbitrage statistique créés pour tirer parti de plusieurs types d'opportunités. Certains types ont été progressivement éliminés par un marché plus efficace, mais plusieurs autres opportunités se sont présentées.

Arbitrage de risque

L'arbitrage de risque est une forme d'arbitrage statistique qui cherche à tirer profit des situations de fusion. Les investisseurs achètent des actions de la cible et (s’il s’agit d’une transaction sur actions) simultanément de vendre à découvert l’action de l’acquéreur. Le résultat est un bénéfice réalisé sur la différence entre le prix de rachat et le prix du marché.

Contrairement à l'arbitrage statistique traditionnel, l'arbitrage du risque implique de prendre certains risques. Le risque le plus important est que la fusion échoue et que les actions de la cible retrouvent leurs niveaux antérieurs à la fusion. Un autre risque concerne la valeur temporelle de l'argent investi. Les fusions qui prennent beaucoup de temps peuvent affecter les rendements annuels des investisseurs.

La clé du succès dans l'arbitrage du risque consiste à déterminer la probabilité et la rapidité de la fusion et à la comparer à la différence de prix entre le stock cible et l'offre de rachat. Certains arbitragistes du risque ont également commencé à spéculer sur les objectifs de prise de contrôle, ce qui peut entraîner des bénéfices nettement plus importants avec un risque tout aussi élevé.

Arbitrage de volatilité

L'arbitrage de volatilité est un type d'arbitrage statistique populaire qui consiste à tirer parti des différences entre la volatilité implicite d'une option et une prévision de la volatilité future réalisée dans un portefeuille neutre au delta. Essentiellement, les arbitragistes de la volatilité spéculent sur la volatilité du titre sous-jacent plutôt que de miser de manière directionnelle sur le prix du titre.

La stratégie de cette stratégie consiste à prévoir avec précision la volatilité future, qui peut s’écarter pour diverses raisons, notamment:

• Conflits de brevets
• Résultats d'essais cliniques
• Gain incertain
• Spéculation M & A

Une fois qu'un arbitrageur a estimé la volatilité réalisée future, il peut commencer à rechercher des options lorsque la volatilité implicite est soit nettement inférieure, soit supérieure à la volatilité réalisée prévue pour le titre sous-jacent. Si la volatilité implicite est plus faible, le trader peut acheter l’option et se couvrir avec le titre sous-jacent pour constituer un portefeuille delta neutre. De même, si la volatilité implicite est plus élevée, le trader peut vendre l'option et se couvrir avec le titre sous-jacent afin de constituer un portefeuille delta neutre.

Le professionnel réalisera ensuite un profit sur la transaction lorsque la volatilité réalisée par le titre sous-jacent se rapprochera de sa prévision plutôt que de la prévision du marché (ou de la volatilité implicite). Le profit est réalisé sur le commerce grâce au réaménagement continu nécessaire pour maintenir le delta du portefeuille neutre.

Les réseaux de neurones

Les réseaux de neurones sont de plus en plus populaires dans le domaine de l'arbitrage statistique en raison de leur capacité à trouver des relations mathématiques complexes qui semblent invisibles à l'œil humain. Ces réseaux sont des modèles mathématiques ou informatiques basés sur des réseaux de neurones biologiques. Ils consistent en un groupe de neurones artificiels interconnectés qui traitent les informations en utilisant une approche connexionniste du calcul, ce qui signifie qu'ils changent de structure en fonction des informations externes ou internes circulant dans le réseau pendant la phase d'apprentissage.

Les réseaux de neurones sont essentiellement des modèles de données statistiques non linéaires utilisés pour modéliser des relations complexes entre les entrées et les sorties afin de rechercher des modèles dans les données. De toute évidence, toute évolution des prix des titres peut être exploitée à des fins lucratives.

Trading haute fréquence

Le trading haute fréquence (HFT) est un développement relativement nouveau qui vise à capitaliser sur la capacité des ordinateurs à exécuter rapidement des transactions. Les dépenses dans le secteur commercial ont considérablement augmenté au fil des ans et, par conséquent, de nombreux programmes sont en mesure d'exécuter des milliers d'opérations par seconde. Maintenant que la plupart des opportunités d'arbitrage statistique sont limitées en raison de la concurrence, la capacité à exécuter rapidement des transactions est le seul moyen d'augmenter les bénéfices. Des réseaux de neurones de plus en plus complexes et des modèles statistiques combinés à des ordinateurs capables de traiter des chiffres et d'exécuter des transactions plus rapidement sont la clé des profits futurs des arbitragistes.

Comment l'arbitrage statistique affecte les marchés

L'arbitrage statistique joue un rôle essentiel dans la fourniture d'une grande partie de la liquidité quotidienne des marchés. Il permet aux gros négociants en blocs d'effectuer leurs transactions sans affecter de manière significative les prix du marché, tout en réduisant la volatilité d'émissions telles que les certificats de dépôt américains (ADR) en les corrélant plus étroitement avec leurs actions mères.

Cependant, l'arbitrage statistique a également causé de gros problèmes. L’effondrement de la gestion du capital à long terme (LTCM) en 1998 a presque laissé le marché en ruine. Pour tirer parti de ces écarts de prix aussi minimes, il est nécessaire de prendre un effet de levier important. De plus, étant donné que ces transactions sont automatisées, des mesures de sécurité intégrées sont intégrées. Dans le cas de LTCM, cela signifiait qu'il se liquiderait lors d'un mouvement à la baisse; le problème était que les ordonnances de liquidation de LTCM ne faisaient que déclencher un plus grand nombre d'ordres de vente en une boucle horrible, qui finirait par être interrompue par l'intervention du gouvernement. Rappelez-vous que la plupart des collisions boursières découlent de problèmes de liquidité et d’endettement - l’arène même dans laquelle opèrent les arbitrageurs statistiques.

Le résultat final

L’arbitrage statistique est l’une des stratégies de négociation les plus influentes jamais conçues, malgré une légère baisse de popularité depuis les années 90. Aujourd'hui, la plupart des arbitrages statistiques sont effectués par le biais de transactions à haute fréquence utilisant une combinaison de réseaux de neurones et de modèles statistiques. Non seulement ces stratégies génèrent des liquidités, mais elles sont également en grande partie responsables des grands accidents survenus dans des entreprises comme LTCM par le passé. Tant que les problèmes de liquidité et de levier financier seront combinés, il est probable que cette stratégie continuera d'être mise en valeur, même pour l'investisseur commun.