Trading robot

Qu’est-ce que le trading robot ?

Le trading robot est également appelé trading automatisé, trading algorithmique ou trading algo. Il utilise un programme informatique qui suit un ensemble défini d’instructions (un algorithme) pour placer une transaction. La transaction, en théorie, peut générer des profits à une vitesse et une fréquence impossibles pour un investisseur humain.

Les ensembles d’instructions définis sont basés sur le calendrier, le prix, la quantité ou tout autre modèle mathématique. En dehors des 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 robot dans la pratique

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

• Achetez une action lorsque sa moyenne mobile de 50 jours dépasse la moyenne mobile de 200 jours. (Une moyenne mobile est une moyenne des points de données passés qui atténue les fluctuations de prix quotidiennes et identifie ainsi les tendances.)
• Vendre l’action lorsque sa moyenne mobile de 50 jours est inférieure à 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 définies seront remplies. Le trader n’a plus besoin de surveiller les prix et les graphiques en direct ni de saisir manuellement les commandes. Le système de trading algorithmique le fait automatiquement en identifiant correctement l’opportunité de trading.

Les avantages du trading robot

Le trading robot offre les avantages suivants:

• Il exécute les transactions au meilleur prix possible.
• Il place les ordres instantanément et précisément (les chances d’exécution sont élevées aux niveaux souhaités).
• Il exécute les transactions instantanément pour éviter des changements de prix importants.
• Les coûts de transaction sont réduits.
• Contrôles automatisés simultanés sur plusieurs conditions de marché.
• Risque réduit d’erreurs manuelles lors du placement de transactions.
• On peut backtester les algo-trading en utilisant les données historiques et en temps réel disponibles pour voir s’il s’agit d’une stratégie de trading viable.
• Cela réduit la possibilité d’erreurs par les investisseurs humains sur la base de facteurs émotionnels et psychologiques.

Aujourd’hui, la plupart des algo-trading sont des trades à haute fréquence (HFT). Ils tentent de tirer parti d’un grand nombre d’ordres à des vitesses rapides sur plusieurs marchés et de multiples paramètres de décision basés sur des instructions préprogrammées.

L’algo-trading est utilisé dans de nombreuses formes d’activités de trading et d’investissement, notamment:

• Les gros investisseurs à 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 quantités lorsqu’ils ne veulent pas influencer les cours des actions par des investissements discrets et de gros volume.
• Les investisseurs à court terme et les participants à la vente – teneurs de marché (comme les maisons de courtage), spéculateurs et arbitragistes – bénéficient d’une exécution automatisée des transactions; en outre, l’algo-trading aide à créer une liquidité suffisante pour les vendeurs sur le marché.
• Les traders systématiques – suiveurs de tendance, hedge funds ou paires de traders (une stratégie de trading neutre au marché qui associe une position longue à une position courte dans une paire d’instruments hautement corrélés tels que deux actions, des fonds négociés en bourse (ETF) ou des devises) – trouvent qu’il est beaucoup plus efficace de programmer leurs règles et de laisser le programme trader automatiquement.

Le trading robot offre 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 qui est rentable en termes d’amélioration des bénéfices ou de réduction des coûts. Les stratégies de trading courantes utilisées dans le trading robot sont les suivantes:

Stratégies de suivi des tendances

Les stratégies 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 stratégies les plus simples à mettre en œuvre par le biais du trading algorithmique, car ces stratégies n’impliquent aucune prédiction ou prévision de prix. Les trades sont initiés en fonction de l’apparition de tendances souhaitables, qui sont faciles et directes à mettre en œuvre par le biais 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

L’achat d’une action à double cotation à un prix inférieur sur un marché et simultanément sa vente à un prix plus élevé sur un autre marché offre 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 ces écarts de prix et passer des commandes efficacement permet des opportunités rentables.

Rééquilibrage des fonds indiciels

Les fonds indiciels ont défini des périodes de rééquilibrage afin de 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 dans le fonds indiciel juste avant le rééquilibrage du fonds indiciel. Ces transactions sont initiées via des systèmes de trading robot pour une exécution rapide et les meilleurs prix.

Stratégies basées sur un modèle mathématique

Des modèles mathématiques éprouvés, comme la stratégie de trading delta neutre, permettent de trader sur 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 compensatoires – un rapport 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 des actifs en question est de zéro.)

Plage de négociation (réversion moyenne)

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

Prix moyen pondéré en fonction du volume

La stratégie de prix moyens pondérés en fonction du volume décompose une commande importante et libère sur le marché de plus petits morceaux déterminés dynamiquement de la commande à l’aide de profils de volume historiques spécifiques aux actions. L’objectif est d’exécuter l’ordre proche du prix moyen pondéré en fonction du volume.

Prix moyen pondéré dans le temps

La stratégie de prix moyen pondéré dans le temps décompose une commande importante et libère des morceaux de l’ordre déterminés dynamiquement sur le marché en utilisant des intervalles de temps uniformément répartis entre une heure de début et une heure de fin. L’objectif est d’exécuter l’ordre près du prix moyen entre le début et la fin, minimisant ainsi l’impact sur le marché.

Pourcentage de volume

Jusqu’à ce que l’ordre soit entièrement rempli, cet algorithme continue d’envoyer des ordres partiels selon le taux de participation défini et selon le volume échangé sur les marchés. La «stratégie par étapes» 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 d’implémentation

La stratégie de déficit d’implémentation vise à minimiser le coût d’exécution d’un ordre en se négociant sur le marché en temps réel, économisant ainsi sur le coût de l’ordre et bénéficiant du coût d’opportunité d’un retard d’exécution. 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 évoluera défavorablement.

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 reniflement» – utilisés, par exemple, par un teneur de marché côté vendeur – ont l’intelligence intégrée pour identifier l’existence de tout algorithme du côté achat d’une grosse commande.

Une telle détection grâce 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 œuvre de l’algorithme à l’aide d’un programme informatique est la dernière composante du trading algorithmique, accompagnée de backtesting (tester l’algorithme sur des périodes historiques de performances boursières passées pour voir si son utilisation aurait été rentable). Le défi est de 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 robot:

• Connaissances en programmation informatique pour programmer la stratégie de trading requise, des programmeurs embauchés ou des logiciels de trading pré-fabriqués.
• Connectivité réseau et accès aux plateformes de trading pour passer des commandes.
• Accès aux flux de données du marché qui seront surveillés par l’algorithme pour les opportunités de passer des commandes.
• La capacité et l’infrastructure de backtester le système une fois qu’il est construit avant qu’il ne soit mis en service sur des marchés réels.
• Données historiques disponibles pour le backtesting en fonction de la complexité des règles implémentées dans l’algorithme.

Un exemple de négociation 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, puis les deux bourses se négocient simultanément pendant les prochaines heures, puis ne négocient que dans LSE au cours de la dernière heure à la fermeture d’AEX.

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

• Un programme informatique qui peut lire les prix actuels du marché.
• Les prix sont transmis à la fois par LSE et AEX.
• Un flux de taux de change (devises) pour GBP-EUR.
• Capacité de passer des commandes qui peut acheminer la commande vers le bon trade.
• Capacité 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 écart de prix suffisamment important (actualisation des frais de courtage) conduisant à une opportunité rentable, le programme devrait placer l’ordre d’achat sur la bourse à bas prix et vendre sur la bourse à prix plus élevé.
• Si les ordres sont exécutés comme souhaité, le bénéfice d’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 une transaction générée par un algo, les autres participants du marché le peuvent aussi. Par conséquent, les prix fluctuent en millisecondes et même en microsecondes.

Dans l’exemple ci-dessus, que se passe-t-il si une opération d’achat est exécutée mais que l’opération de vente ne change 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 de le mettre en action.