Trading robot

Qu’est-ce que le trading robot ?

Le trading robot est Ă©galement appelĂ© trading automatisĂ©, trading algorithmique ou trading algo. Il utilise un programme informatique qui suit un ensemble dĂ©fini d’instructions (un algorithme) pour placer une transaction. La transaction, en thĂ©orie, peut gĂ©nĂ©rer des profits Ă  une vitesse et une frĂ©quence impossibles pour un investisseur humain.

Les ensembles d’instructions dĂ©finis sont basĂ©s sur le calendrier, le prix, la quantitĂ© ou tout autre modĂšle mathĂ©matique. En dehors des opportunitĂ©s de profit pour le trader, l’algo-trading rend les marchĂ©s plus liquides et le trading plus systĂ©matique en excluant l’impact des Ă©motions humaines sur les activitĂ©s de trading.

trading robot

Le trading robot dans la pratique

Supposons qu’un trader respecte ces critĂšres de trading simples:

  • Achetez une action lorsque sa moyenne mobile de 50 jours dĂ©passe la moyenne mobile de 200 jours. (Une moyenne mobile est une moyenne des points de donnĂ©es passĂ©s qui attĂ©nue les fluctuations de prix quotidiennes et identifie ainsi les tendances.)
  • Vendre l’action lorsque sa moyenne mobile de 50 jours est infĂ©rieure Ă  la moyenne mobile de 200 jours.

À l’aide de ces deux instructions simples, un programme informatique surveillera automatiquement le cours de l’action (et les indicateurs de moyenne mobile) et passera les ordres d’achat et de vente lorsque les conditions dĂ©finies seront remplies. Le trader n’a plus besoin de surveiller les prix et les graphiques en direct ni de saisir manuellement les commandes. Le systĂšme de trading algorithmique le fait automatiquement en identifiant correctement l’opportunitĂ© de trading.

Les avantages du trading robot

Le trading robot offre les avantages suivants:

  • Il exĂ©cute les transactions au meilleur prix possible.
  • Il place les ordres instantanĂ©ment et prĂ©cisĂ©ment (les chances d’exĂ©cution sont Ă©levĂ©es aux niveaux souhaitĂ©s).
  • Il exĂ©cute les transactions instantanĂ©ment pour Ă©viter des changements de prix importants.
  • Les coĂ»ts de transaction sont rĂ©duits.
  • ContrĂŽles automatisĂ©s simultanĂ©s sur plusieurs conditions de marchĂ©.
  • Risque rĂ©duit d’erreurs manuelles lors du placement de transactions.
  • On peut backtester les algo-trading en utilisant les donnĂ©es historiques et en temps rĂ©el disponibles pour voir s’il s’agit d’une stratĂ©gie de trading viable.
  • Cela rĂ©duit la possibilitĂ© d’erreurs par les investisseurs humains sur la base de facteurs Ă©motionnels et psychologiques.

Aujourd’hui, la plupart des algo-trading sont des trades Ă  haute frĂ©quence (HFT). Ils tentent de tirer parti d’un grand nombre d’ordres Ă  des vitesses rapides sur plusieurs marchĂ©s et de multiples paramĂštres de dĂ©cision basĂ©s sur des instructions prĂ©programmĂ©es.

L’algo-trading est utilisĂ© dans de nombreuses formes d’activitĂ©s de trading et d’investissement, notamment:

  • Les gros investisseurs Ă  moyen ou long terme ou les entreprises acheteuses – fonds de pension, fonds communs de placement, compagnies d’assurance – utilisent l’algo-trading pour acheter des actions en grandes quantitĂ©s lorsqu’ils ne veulent pas influencer les cours des actions par des investissements discrets et de gros volume.
  • Les investisseurs Ă  court terme et les participants Ă  la vente – teneurs de marchĂ© (comme les maisons de courtage), spĂ©culateurs et arbitragistes – bĂ©nĂ©ficient d’une exĂ©cution automatisĂ©e des transactions; en outre, l’algo-trading aide Ă  crĂ©er une liquiditĂ© suffisante pour les vendeurs sur le marchĂ©.
  • Les traders systĂ©matiques – suiveurs de tendance, hedge funds ou paires de traders (une stratĂ©gie de trading neutre au marchĂ© qui associe une position longue Ă  une position courte dans une paire d’instruments hautement corrĂ©lĂ©s tels que deux actions, des fonds nĂ©gociĂ©s en bourse (ETF) ou des devises) – trouvent qu’il est beaucoup plus efficace de programmer leurs rĂšgles et de laisser le programme trader automatiquement.

Le trading robot offre une approche plus systĂ©matique du trading actif que les mĂ©thodes basĂ©es sur l’intuition ou l’instinct du trader.

Stratégies de trading algorithmique

Toute stratĂ©gie de trading algorithmique nĂ©cessite une opportunitĂ© identifiĂ©e qui est rentable en termes d’amĂ©lioration des bĂ©nĂ©fices ou de rĂ©duction des coĂ»ts. Les stratĂ©gies de trading courantes utilisĂ©es dans le trading robot sont les suivantes:

Stratégies de suivi des tendances

Les stratĂ©gies de trading algorithmiques les plus courantes suivent les tendances des moyennes mobiles, des ruptures de canaux, des mouvements des niveaux de prix et des indicateurs techniques connexes. Ce sont les stratĂ©gies les plus simples Ă  mettre en Ɠuvre par le biais du trading algorithmique, car ces stratĂ©gies n’impliquent aucune prĂ©diction ou prĂ©vision de prix. Les trades sont initiĂ©s en fonction de l’apparition de tendances souhaitables, qui sont faciles et directes Ă  mettre en Ɠuvre par le biais d’algorithmes sans entrer dans la complexitĂ© de l’analyse prĂ©dictive.

L’utilisation de moyennes mobiles sur 50 et 200 jours est une stratĂ©gie populaire de suivi des tendances.

OpportunitĂ©s d’arbitrage

L’achat d’une action Ă  double cotation Ă  un prix infĂ©rieur sur un marchĂ© et simultanĂ©ment sa vente Ă  un prix plus Ă©levĂ© sur un autre marchĂ© offre le diffĂ©rentiel de prix en tant que bĂ©nĂ©fice sans risque ou arbitrage. La mĂȘme opĂ©ration peut ĂȘtre reproduite pour les actions par rapport aux instruments Ă  terme, car des Ă©carts de prix existent de temps Ă  autre. La mise en Ɠuvre d’un algorithme pour identifier ces Ă©carts de prix et passer des commandes efficacement permet des opportunitĂ©s rentables.

RĂ©Ă©quilibrage des fonds indiciels

Les fonds indiciels ont dĂ©fini des pĂ©riodes de rĂ©Ă©quilibrage afin de rapprocher leurs avoirs de leurs indices de rĂ©fĂ©rence respectifs. Cela crĂ©e des opportunitĂ©s rentables pour les traders algorithmiques, qui capitalisent sur les transactions attendues qui offrent des bĂ©nĂ©fices de 20 Ă  80 points de base en fonction du nombre d’actions dans le fonds indiciel juste avant le rĂ©Ă©quilibrage du fonds indiciel. Ces transactions sont initiĂ©es via des systĂšmes de trading robot pour une exĂ©cution rapide et les meilleurs prix.

Stratégies basées sur un modÚle mathématique

Des modĂšles mathĂ©matiques Ă©prouvĂ©s, comme la stratĂ©gie de trading delta neutre, permettent de trader sur une combinaison d’options et du titre sous-jacent. (Le delta neutre est une stratĂ©gie de portefeuille composĂ©e de plusieurs positions avec des deltas positifs et nĂ©gatifs compensatoires – un rapport comparant la variation du prix d’un actif, gĂ©nĂ©ralement un titre nĂ©gociable, Ă  la variation correspondante du prix de son dĂ©rivĂ© – de sorte que le delta des actifs en question est de zĂ©ro.)

Plage de négociation (réversion moyenne)

La stratĂ©gie de rĂ©version moyenne repose sur le concept selon lequel les prix Ă©levĂ©s et bas d’un actif sont un phĂ©nomĂšne temporaire qui revient pĂ©riodiquement Ă  sa valeur moyenne. L’identification et la dĂ©finition d’une fourchette de prix et la mise en Ɠuvre d’un algorithme basĂ© sur celle-ci permet aux transactions d’ĂȘtre placĂ©es automatiquement lorsque le prix d’un actif entre et sort de sa fourchette dĂ©finie.

Prix moyen pondéré en fonction du volume

La stratĂ©gie de prix moyens pondĂ©rĂ©s en fonction du volume dĂ©compose une commande importante et libĂšre sur le marchĂ© de plus petits morceaux dĂ©terminĂ©s dynamiquement de la commande Ă  l’aide de profils de volume historiques spĂ©cifiques aux actions. L’objectif est d’exĂ©cuter l’ordre proche du prix moyen pondĂ©rĂ© en fonction du volume.

Prix moyen pondéré dans le temps

La stratĂ©gie de prix moyen pondĂ©rĂ© dans le temps dĂ©compose une commande importante et libĂšre des morceaux de l’ordre dĂ©terminĂ©s dynamiquement sur le marchĂ© en utilisant des intervalles de temps uniformĂ©ment rĂ©partis entre une heure de dĂ©but et une heure de fin. L’objectif est d’exĂ©cuter l’ordre prĂšs du prix moyen entre le dĂ©but et la fin, minimisant ainsi l’impact sur le marchĂ©.

Pourcentage de volume

Jusqu’Ă  ce que l’ordre soit entiĂšrement rempli, cet algorithme continue d’envoyer des ordres partiels selon le taux de participation dĂ©fini et selon le volume Ă©changĂ© sur les marchĂ©s. La «stratĂ©gie par Ă©tapes» associĂ©e envoie des ordres Ă  un pourcentage dĂ©fini par l’utilisateur des volumes du marchĂ© et augmente ou diminue ce taux de participation lorsque le cours de l’action atteint des niveaux dĂ©finis par l’utilisateur.

DĂ©ficit d’implĂ©mentation

La stratĂ©gie de dĂ©ficit d’implĂ©mentation vise Ă  minimiser le coĂ»t d’exĂ©cution d’un ordre en se nĂ©gociant sur le marchĂ© en temps rĂ©el, Ă©conomisant ainsi sur le coĂ»t de l’ordre et bĂ©nĂ©ficiant du coĂ»t d’opportunitĂ© d’un retard d’exĂ©cution. La stratĂ©gie augmentera le taux de participation ciblĂ© lorsque le cours de l’action Ă©volue favorablement et le diminuera lorsque le cours de l’action Ă©voluera dĂ©favorablement.

Au-delĂ  des algorithmes de trading habituels

Il existe quelques classes spĂ©ciales d’algorithmes qui tentent d’identifier les «évĂ©nements» de l’autre cĂŽtĂ©. Ces «algorithmes de reniflement» – utilisĂ©s, par exemple, par un teneur de marchĂ© cĂŽtĂ© vendeur – ont l’intelligence intĂ©grĂ©e pour identifier l’existence de tout algorithme du cĂŽtĂ© achat d’une grosse commande.

Une telle détection grùce à des algorithmes aidera le teneur de marché à identifier les opportunités de commandes importantes et leur permettra de gagner en exécutant les commandes à un prix plus élevé. Ceci est parfois identifié comme un moteur de pointe.

Exigences techniques pour le trading robot

La mise en Ɠuvre de l’algorithme Ă  l’aide d’un programme informatique est la derniĂšre composante du trading algorithmique, accompagnĂ©e de backtesting (tester l’algorithme sur des pĂ©riodes historiques de performances boursiĂšres passĂ©es pour voir si son utilisation aurait Ă©tĂ© rentable). Le dĂ©fi est de transformer la stratĂ©gie identifiĂ©e en un processus informatisĂ© intĂ©grĂ© qui a accĂšs Ă  un compte de trading pour passer des ordres.

Voici les exigences pour le trading robot:

  • Connaissances en programmation informatique pour programmer la stratĂ©gie de trading requise, des programmeurs embauchĂ©s ou des logiciels de trading prĂ©-fabriquĂ©s.
  • ConnectivitĂ© rĂ©seau et accĂšs aux plateformes de trading pour passer des commandes.
  • AccĂšs aux flux de donnĂ©es du marchĂ© qui seront surveillĂ©s par l’algorithme pour les opportunitĂ©s de passer des commandes.
  • La capacitĂ© et l’infrastructure de backtester le systĂšme une fois qu’il est construit avant qu’il ne soit mis en service sur des marchĂ©s rĂ©els.
  • DonnĂ©es historiques disponibles pour le backtesting en fonction de la complexitĂ© des rĂšgles implĂ©mentĂ©es dans l’algorithme.

Un exemple de négociation algorithmique

Royal Dutch Shell (RDS) est cotĂ©e Ă  la Bourse d’Amsterdam (AEX) et Ă  la Bourse de Londres (LSE). Nous commençons par construire un algorithme pour identifier les opportunitĂ©s d’arbitrage. Voici quelques observations intĂ©ressantes:

  • AEX se nĂ©gocie en euros tandis que LSE se nĂ©gocie en livre sterling.
  • En raison du dĂ©calage horaire d’une heure, AEX ouvre une heure plus tĂŽt que LSE, puis les deux bourses se nĂ©gocient simultanĂ©ment pendant les prochaines heures, puis ne nĂ©gocient que dans LSE au cours de la derniĂšre heure Ă  la fermeture d’AEX.

Pouvons-nous explorer la possibilitĂ© d’un arbitrage sur les actions Royal Dutch Shell cotĂ©es sur ces deux marchĂ©s dans deux devises diffĂ©rentes?
Les exigences:

  • Un programme informatique qui peut lire les prix actuels du marchĂ©.
  • Les prix sont transmis Ă  la fois par LSE et AEX.
  • Un flux de taux de change (devises) pour GBP-EUR.
  • CapacitĂ© de passer des commandes qui peut acheminer la commande vers le bon trade.
  • CapacitĂ© de backtesting sur les flux de prix historiques.

Le programme informatique doit effectuer les opérations suivantes:

  • Lire le flux de prix entrant des actions RDS des deux bourses.
  • En utilisant les taux de change disponibles, convertir le prix d’une devise dans l’autre.
  • S’il y a un Ă©cart de prix suffisamment important (actualisation des frais de courtage) conduisant Ă  une opportunitĂ© rentable, le programme devrait placer l’ordre d’achat sur la bourse Ă  bas prix et vendre sur la bourse Ă  prix plus Ă©levĂ©.
  • Si les ordres sont exĂ©cutĂ©s comme souhaitĂ©, le bĂ©nĂ©fice d’arbitrage suivra.

Simple et facile! Cependant, la pratique du trading algorithmique n’est pas aussi simple Ă  maintenir et Ă  exĂ©cuter. N’oubliez pas que si un investisseur peut placer une transaction gĂ©nĂ©rĂ©e par un algo, les autres participants du marchĂ© le peuvent aussi. Par consĂ©quent, les prix fluctuent en millisecondes et mĂȘme en microsecondes.

Dans l’exemple ci-dessus, que se passe-t-il si une opĂ©ration d’achat est exĂ©cutĂ©e mais que l’opĂ©ration de vente ne change pas parce que les prix de vente changent au moment oĂč l’ordre arrive sur le marchĂ©? Le trader se retrouvera avec une position ouverte rendant la stratĂ©gie d’arbitrage sans valeur.


Il existe des risques et des dĂ©fis supplĂ©mentaires tels que les risques de dĂ©faillance du systĂšme, les erreurs de connectivitĂ© rĂ©seau, les dĂ©lais entre les ordres commerciaux et l’exĂ©cution et, plus important encore, les algorithmes imparfaits. Plus un algorithme est complexe, plus un backtesting rigoureux est nĂ©cessaire avant de le mettre en action.

Laisser un commentaire