Le trading algorithmique (également appelé trading automatisé, trading en boîte noire ou algo-trading) utilise un programme informatique qui suit un ensemble défini d’instructions (un algorithme) pour placer une transaction. Le commerce, en théorie, peut générer des bénéfices 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, l’algo-trading rend les marchés plus liquides et le trading plus systématique en excluant l’impact des émotions humaines sur les activités de trading.

Le trading algorithmique en pratique

Supposons qu’un trader respecte ces critères commerciaux simples :

• Achetez 50 actions d’une action lorsque sa moyenne mobile à 50 jours dépasse la moyenne mobile à 200 jours. (Une moyenne mobile est une moyenne des points de données passés qui atténue les fluctuations quotidiennes des prix et identifie ainsi les tendances.)
• Vend des actions de l’action lorsque sa moyenne mobile à 50 jours passe en dessous de la moyenne mobile à 200 jours.

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

Avantages du Trading Algorithmique

Algo-trading offre les avantages suivants:

• Les transactions sont exécutées aux meilleurs prix possibles.
• Le placement des ordres commerciaux est instantané et précis (il y a de fortes chances d’exécution aux niveaux souhaités).
• Les transactions sont chronométrées correctement et instantanément pour éviter des changements de prix importants.
• Coûts de transaction réduits.
• Contrôles automatisés simultanés sur plusieurs conditions de marché.
• Réduction du risque d’erreurs manuelles lors du placement des transactions.
• Le trading Algo peut être contrôlé en utilisant les données historiques et en temps réel disponibles pour voir s’il s’agit d’une stratégie de trading viable.
• Réduit la possibilité d’erreurs de la part des commerçants humains en fonction de facteurs émotionnels et psychologiques.

Aujourd’hui, la plupart des transactions algo sont des transactions à haute fréquence (HFT), qui tentent de capitaliser sur le placement d’un grand nombre d’ordres à des vitesses rapides sur plusieurs marchés et plusieurs 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 et long terme ou les sociétés d’achat – fonds de pension, fonds communs de placement, compagnies d’assurance — utilisent le trading algo pour acheter des actions en grande quantité lorsqu’ils ne veulent pas influencer les cours des actions avec des investissements discrets et de gros volumes.
• Les traders à court terme et les participants à la vente – les teneurs de marché (comme les maisons de courtage), les spéculateurs et les arbitragistes – bénéficient de l’exécution automatisée des transactions; en outre, l’algo—trading aide à créer une liquidité suffisante pour les vendeurs sur le marché.
• Les traders systématiques – adeptes de tendances, fonds spéculatifs ou traders paires (une stratégie de trading neutre sur le marché qui associe une position longue à une position courte dans une paire d’instruments fortement corrélés tels que deux actions, des fonds négociés en bourse (ETF) ou des devises) – trouvent beaucoup plus efficace de programmer leurs règles de trading et de laisser le programme se négocier automatiquement.

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

Stratégies de trading algorithmique

Toute stratégie de trading algorithmique nécessite une opportunité identifiée et rentable en termes d’amélioration des bénéfices ou de réduction des coûts. Voici les stratégies de trading courantes utilisées dans le trading algo:

Stratégies de suivi des tendances

Les stratégies de trading algorithmiques les plus courantes suivent les tendances des moyennes mobiles, des cassures de canaux, des mouvements de niveau de prix et des indicateurs techniques connexes. Ce sont les stratégies les plus simples et les plus simples à mettre en œuvre via le trading algorithmique, car ces stratégies n’impliquent aucune prévision ou prévision de prix. Les transactions sont initiées en fonction de l’apparition de tendances souhaitables, qui sont faciles et simples à mettre en œuvre via des algorithmes sans entrer dans la complexité de l’analyse prédictive. L’utilisation de moyennes mobiles à 50 et 200 jours est une stratégie populaire de suivi des tendances.

Opportunités d’arbitrage

L’achat d’une action à double cotation à un prix inférieur sur un marché et la vente simultanée à un prix supérieur sur un autre marché offrent le différentiel de prix en tant que bénéfice sans risque ou arbitrage. 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 pour identifier de tels écarts de prix et passer les commandes efficacement permet des opportunités rentables.

Rééquilibrage des fonds indiciels

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

Stratégies basées sur des modèles mathématiques

Des modèles mathématiques éprouvés, comme la stratégie de trading delta-neutral, permettent de négocier une combinaison d’options et du titre sous-jacent. (Le Delta neutre est une stratégie de portefeuille composée de plusieurs positions avec des 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 — de sorte que le delta global des actifs en question s’élève à zéro.)

Fourchette de négociation (Réversion moyenne)

La stratégie de réversion moyenne est basée sur le concept selon lequel les prix élevés et bas d’un actif sont un phénomène temporaire qui revient périodiquement à sa valeur moyenne (valeur moyenne). L’identification et la définition d’une fourchette de prix et la mise en œuvre d’un algorithme basé sur celle-ci permettent de placer automatiquement les transactions lorsque le prix d’un actif entre et sort de sa fourchette définie.

Prix moyen pondéré en volume (VWAP)

La stratégie de prix moyen pondéré en volume décompose un ordre important et publie sur le marché des morceaux plus petits déterminés dynamiquement à l’aide de profils de volume historiques spécifiques aux actions. L’objectif est d’exécuter l’ordre proche du prix moyen pondéré en volume (VWAP).

Prix Moyen pondéré dans le temps (TWAP)

La stratégie de prix moyen pondéré dans le temps décompose un ordre important et libère des morceaux plus petits de l’ordre déterminés dynamiquement sur le marché en utilisant des intervalles de temps répartis uniformément entre une heure de début et de fin. L’objectif est d’exécuter l’ordre proche du prix moyen entre les heures de début et de fin, minimisant ainsi l’impact du marché.

Pourcentage de volume (POV)

Jusqu’à ce que l’ordre commercial soit entièrement rempli, cet algorithme continue d’envoyer des ordres partiels selon le ratio de participation défini et selon le volume échangé sur les marchés. La « stratégie steps » associée envoie des ordres à un pourcentage défini par l’utilisateur des volumes du marché et augmente ou diminue ce taux de participation lorsque le cours de l’action atteint des niveaux définis par l’utilisateur.

Déficit de mise en œuvre

La stratégie de déficit de mise en œuvre vise à minimiser le coût d’exécution d’un ordre en négociant hors du marché en temps réel, économisant ainsi sur le coût de l’ordre et bénéficiant du coût d’opportunité d’une exécution retardée. La stratégie augmentera le taux de participation ciblé lorsque le cours de l’action évolue favorablement et le diminuera lorsque le cours de l’action évolue négativement.

Au-delà des algorithmes de trading habituels

Il existe quelques classes spéciales d’algorithmes qui tentent d’identifier les « événements” de l’autre côté. Ces ”algorithmes de reniflage » — utilisés, par exemple, par un market maker côté vente – ont l’intelligence intégrée pour identifier l’existence d’algorithmes du côté achat d’une commande importante. Une telle détection par le biais d’algorithmes aidera le teneur de marché à identifier les opportunités de commandes importantes et à en tirer parti en remplissant les commandes à un prix plus élevé. Ceci est parfois identifié comme une course de front de haute technologie.

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 de backtesting (essayer 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 qui a accès à un compte de trading pour passer des ordres. Voici les exigences pour le trading algorithmique:

• Connaissances en programmation informatique pour programmer la stratégie de trading requise, des programmeurs embauchés ou des logiciels de trading prédéfinis.
• Connectivité réseau et accès aux plateformes de trading pour passer des ordres.
• Accès aux flux de données de marché qui seront surveillés par l’algorithme pour les opportunités de passer des commandes.
• La capacité et l’infrastructure de backtest du système une fois qu’il est construit avant sa mise en service sur les marchés réels.
• 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:

• L’AEX se négocie en euros tandis que le LSE se négocie en livre sterling.
• En raison du décalage horaire d’une heure, AEX ouvre une heure plus tôt que LSE, puis les deux bourses se négocient simultanément pendant les heures suivantes, puis ne se négocient qu’en LSE pendant la dernière heure à la fermeture d’AEX.

Pouvons-nous explorer la possibilité de négocier par arbitrage les actions de Royal Dutch Shell cotées sur ces deux marchés dans deux devises différentes?

Exigences:

• Un programme informatique capable de lire les prix actuels du marché.
• Flux de prix provenant à la fois de LSE et d’AEX.
• Un flux de taux forex (change) pour GBP-EUR.
• Capacité de placement de commande qui peut acheminer la commande vers le bon échange.
• Capacité de Backtesting sur les flux de prix historiques.

Le programme informatique doit effectuer les opérations suivantes:

• Lisez le flux de prix entrant des actions RDS des deux bourses.
• En utilisant les taux de change disponibles, convertissez le prix d’une devise à l’autre.
• S’il existe un écart de prix suffisamment important (en actualisant les coûts de courtage) conduisant à une opportunité rentable, le programme devrait placer l’ordre d’achat sur la bourse à prix inférieur et vendre l’ordre sur la bourse à prix supérieur.
• Si les ordres sont exécutés comme souhaité, le bénéfice d’arbitrage suivra.

Simple et facile! Cependant, la pratique du trading algorithmique n’est pas si simple à maintenir et à exécuter. N’oubliez pas que si un investisseur peut placer une transaction générée par algo, les autres acteurs du marché le peuvent également. Par conséquent, les prix fluctuent en milli- et même en microsecondes. Dans l’exemple ci-dessus, que se passe-t-il si une transaction d’achat est exécutée mais que la transaction de vente ne le fait pas parce que les prix de vente changent au moment où l’ordre 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 délais entre les ordres commerciaux et l’exécution et, plus important encore, les algorithmes imparfaits. Plus un algorithme est complexe, plus un backtesting rigoureux est nécessaire avant sa mise en œuvre.