Un programme informatique pour battre Wall Street

Il y a plus de 10 ans main­tenant, j’ai été sol­lic­ité par un groupe financier qui mon­tait un équiv­a­lent d’Hedge Fund, et ce, parce que je m’intéressait beau­coup au day­trad­ing (achat-vente rapi­des, au max dans la journée), aux algo­rithmes géné­tiques, à la logique floue et aux réseaux de Neu­rones…

En fait, je suis tombé un peu là dedans par hasard: une thèse trou­vée au hasard du net… un essai sur l’analyse tech­nique en bourse et les algo­rithmes géné­tiques. Et je me suis dit à l’époque: hey, mais je peux faire mieux, mais je n’y con­nais rien en bourse !Bon, il m’a fal­lu appren­dre: je me suis entouré de pas­sion­nés — cer­tains day­traders, d’autres ama­teurs aver­tis. J’ai appris l’analyse tech­nique (oui, même les chan­de­liers japon­ais), les mod­èles math­é­ma­tiques, les frac­tales… j’ai beau­coup lu sur la ques­tion, et j’ai com­mencé à jouer en bourse, au début avec le SRD, puis les war­rants, et même en jouant sur les dif­férences de syn­chro entre le Mon­ep et divers­es places bour­sières. J’ai créé des pro­grammes d’analyse d’informations intel­li­gents (crawlers), mais aus­si de pré­dic­tion (en bap­ti­sant des mod­èles issus du passés et entrainés par des algos géné­tiques). Bref, j’ai fini par intéress­er des gens et j’ai com­mencé à boss­er pour eux quelques temps. J’ai signé un con­trat de con­fi­den­tial­ité ter­ri­ble alors je vais éviter d’en dire plus à ce sujet, mais dis­ons que cela m’a beau­coup intéressé… avant d’éprouver un dégout ter­ri­ble à manip­uler de gross­es sommes et à “gag­n­er de l’argent” que j’estimais ne pas mérit­er.

41Y0DPKJSBL

Il y a un livre excel­lent qui par­le d’une ten­ta­tive de bat­tre la bourse par un pro­gramme infor­ma­tique (ils par­lent plus de mod­èles math­é­ma­tiques, mais cela revient au même). Il s’agit de la Pre­dic­tion Com­pa­ny. Vous en avez enten­du par­ler ? Non, c’est curieux hein ? Pas tant que ça… prob­a­ble­ment, parce que ça fait au moins 10 ans que la bourse a été battue et que désor­mais, ce sont des ordi­na­teurs aux­quels ne com­pren­nent plus rien, même les développeurs, qui maitrisent le marché. Selon ce qu’ils font, on inter­prète à pos­te­ri­ori en dis­ant “oui, c’est l’annonce prochaine des chiffres de l’emploi qui avaient été anticipés et inté­grés au cours…” — mais en fait, ils n’en savent rien ! Ces pro­grammes se sont con­stru­its tout seul, avec des mil­liards d’itérations. On en con­nait plus ou moins l’ADN de départ, mais depuis… plus rien !

« Les per­son­nes qui maîtris­eront la nou­velle sci­ence de la com­plex­ité devien­dront les super­puis­sances économiques, cul­turelles et poli­tiques du siè­cle prochain » HEINZ PAGELS

Si le sujet vous intéresse, voici quelques notes sur le livre en ques­tion que j’avais pris­es à l’époque:

« Toute la journée, les marchés oscil­lent pour vous, con­tre vous, mais rarement pour des raisons liées aux infor­ma­tions qui s’affichent sur les pan­neaux lumineux de l’autre côté du mur. Le Wall Street jour­nal sig­nalera que les marchés ont fluc­tué parce que les gens pen­saient que le taux d’intérêt aller mon­ter ou descen­dre ou parce que le prési­dent avait éter­nué. Mais les traders de Chica­go sont plus malins que ça. Ils savent que les marchés fluctuent parce que les marchés fluctuent. Ils sont agités par les événe­ments et les rumeurs poli­tiques. Ils sont soumis aux remous des modes, mais sous ces fluc­tu­a­tions cir­cu­lent des courants plus pro­fonds, comme des vague de fond qui tra­ver­sait marchés mon­di­aux avec leurs ampli­tudes et leurs cycles qui ont leurs rythmes pro­pres, imprévis­i­bles et inélucta­bles. » [P22]

« Une bataille fait rage entre ceux qui dis­ent qu’il est théorique­ment impos­si­ble de bat­tre les marchés financiers et ceux qui dis­ent: hé regardez-moi une suis mil­liar­daire ! […] Mais si après tout, il y avait un sys­tème qui mar­chait, une méth­ode per­me­t­tant de trou­ver la struc­ture du chaos, d’anticiper des marchés de mil­liards de dol­lars que la plu­part des gens sup­pose aléa­toires ? Les devins qui décou­vriront se saint Graal seront les seigneurs du roy­aume, ils auront entre les mains une machine à fab­ri­quer de l’argent fab­uleuse, une pré­cieuse fontaine de liq­uide. Ils seront rich­es célèbres et libres. » [P25]

« La réac­tion d’un seul homme ne peut être prévue par aucune math­é­ma­tique ; par réac­tion d’un mil­liard, c’est une affaire. » [Isaac Asi­mov, dans “fon­da­tion”]

« À moins d’envoyer sur place une taupe de la CIA, per­son­ne ne peut prédire un coup d’état en Russie », cepen­dant « un soir au-dessus de la cir­cu­la­tion moné­taire, j’ai remar­qué que l’argent coulait à flots du Moyen-Ori­ent, dit Tony. Le lende­main, l’Irak envahisse le Koweït. Les marchés savent par­fois les nou­velles avant que ce soit des nou­velles. » [P30]

« Les meilleurs traders n’ont rai­son que 40 % du temps. C’est sim­ple­ment qu’ils gag­nent plus argent quand ils ont rai­son qu’ils n’en per­dent quand ils ont tort. » [P38]

« Quel est le ratio de Sharpe de ces prévi­sions ? Les ratios de Sharpe sont les dieux de l’investissement mod­erne ; per­son­ne ne fait rien sans con­sul­ter. Ces ratios, qui doivent leur nom à William Sharpe, écon­o­miste de Stan­ford, mesurent le prof­it numérant le risque. Un sys­tème bour­si­er capa­ble de réus­sir un beau coup ne sert à rien s’il est pas­si­ble de fail­lite. Tout le monde dans la pièce sait qu’il leur faut un ratio de Sharpe supérieur à 2. Celui-ci car­ac­térise les investisse­ments qui ont un pro­fil élevé mais peu de risque de capot­er au cours de ses pri­or­ités autrement une année très bril­lante. » [P40]

« Pour Dow [Qui a don­né son nom au Dow Jones], la bourse représen­tait une lutte manichéenne entre résis­tance et sup­port. Quand le marché atteint un pic déjà atteint dans le passé, mais ne parvient pas à le dépass­er, il suc­combe en quelque sorte à une résis­tance. Quand il approche un min­i­mum déjà atteint aupar­a­vant sans par­venir à tomber plus bas, il est soutenu par une sorte de mémoire résidu­elle. » [P94]

La théorie des marchés effi­caces

« ils pren­nent l’idée de marchés par­faite­ment équili­brés – ce qui est vis­i­ble­ment con­traire à leur nature – et la retourne com­plète­ment pour aboutir à la notion de marchés par­faite­ment aléa­toires, ce qu’ils peu­vent sem­bler être au pre­mier abord. Selon cette théorie, on sup­pose que des agents rationnels, tout aus­si infor­més et com­péti­tifs, pari­ent les uns con­tre les autres dans des marchés effi­caces – effi­caces sig­nifi­ant aléa­toires et imprévis­i­bles dans leur façon de s’adapter aux prix cor­rects. Cette hypothèse, que l’on appelle hypothèse du marché effi­cace, doit son nom à un autre Français, Jean-Louis bache­li­er, qu’il ne fut pas suff­isam­ment appré­cié pour son idée lorsqu’il la présen­ta dans sa thèse de doc­tor­at en 1900. Selon bache­li­er, on pour­rait croire que les cours de la bourse ont tous étés tirés par le démon de la chance dans un sac plein de chiffres aléa­toires le pari le plus vraisem­blable sur le cours de la bourse de demain et celui d’aujourd’hui, et un pari sur un prix inférieur ou supérieur est tout aus­si vraisem­blable, et cela quelque soit la per­son­ne qui parie. Le mou­ve­ment brown­ien, ou aléa­toire, des cours de la bourse est décrit dans les ouvrages financiers com­mune une marche au hasard […] Les cours futurs n’ont aucun rap­port avec ceux du passé, et il n’y a aucune autre façon d’espérer gag­n­er de l’argent bourse que de fer­mer les yeux en cri­ant au hasard ‘j’achète’ ou ‘je vends’. Une cer­taine forme de fatal­isme est liée à l’hypothèse des marchés effi­caces […] Il est donc impos­si­ble de trou­ver des actions sous-éval­uées, de prédire la direc­tion du marché ou de choisir des porte­feuilles gag­nants autrement que par le hasard. Dans plusieurs expéri­ences célèbres qui sem­blent avoir été con­va­in­cantes, des marchés aléa­toires ont mon­tré que des porte­feuilles en bourse choi­sis en lançant des fléchettes sur les pages finan­cières de Wall Street jour­nal rap­por­tent autant que lorsqu’ils sont choi­sis par des ana­lystes pro­fes­sion­nels de la bourse. » [P82-83]

« en fin de compte, l’hypothèse du marché effi­cace est inca­pable d’expliquer les bulles et les krachs du marché bour­si­er, les dél­its d’initiés, les monopoles et toutes les autres choses bizarres qui se pro­duisent à l’extérieur de ces mod­èles par­faits » [P84]

Les grandes réus­sites

David Shaw : « L’ambition de David Shaw et de met­tre fail­lite la bourse de New York. Beau­coup de ces gens font déjà ce qui pour­rait être fait par des ordi­na­teurs, des déclare t-il. Ce n’est pas très com­pliqué. Tous qu’il faut faire, c’est trou­vait l’acheteur pour chaque vendeur. Pour rem­plir cette fonc­tion d’intermédiaire, vous empochez un peu d’argent. Les inter­mé­di­aires ont sou­vent une licence exclu­sive sur une action don­née, dont ils héri­tent de leur famille. Une licence est pra­tique­ment trans­mise de généra­tion en généra­tion. C’est en fait une licence per­me­t­tant de touch­er des sommes d’argent exor­bi­tante pour une opéra­tion très sim­ple […] C’est un tour de passe-passe pra­tiqué par des gens en cos­tume chic. Assez sou­vent, ils vendent des pro­duits financiers qui sont de très mau­vais­es affaires ou bien vous four­nisse des ser­vices très mécaniques à des prix exagérés. Quand les ordi­na­teurs auront rem­placé ces sang­sues de Wall Street en mocassins à glands de cuir, ces gens-là n’auront plus qu’a essayé d’élever les gamins des quartiers défa­vorisés ou de remet­tre sur pied le secteur indus­triel ou d’effectuer d’autres ser­vices à valeur ajoutée, ajoute-t-il. David Elliott Shaw est le directeur de la banque d’investissement new-yorkaise qui porte son nom et qui gère un fond d’arbitrage d’un mil­liard de dol­lars. Elle fait par­tie des vingt pre­mières sociétés de place­ment des États-Unis. Dégin­gandé, pieds plats, la quarantaine,Shaw est un ancien musi­cien de Los Ange­les qui a trans­for­mé sa con­nais­sance des ordi­na­teurs en un empire financier que le mag­a­zine for­tune décrit comme étant « le nec du quant shop ». Le quant c’est la forme abrégée d’analyse quan­ti­ta­tive. Ce mélange infor­ma­tisé de math­é­ma­tiques et de sta­tis­tiques est aus­si con­nue sous le nom de sci­ence des fusées […] Shaw a par la suite allié ces deux influ­ences pour se lancer dans le domaine de la phy­nance - sym­biose de la physique et de la finance. La phy­nance étudie l’argent comme une sorte d’écoulement flu­ide. Elle recherche les petits tour­bil­lons de pré­dictibil­ité dans les grandes vagues d’investissement spécu­latif qui défer­lent tous les jours autour du globe » [P120-121] « Le logo de D.E. Shaw est une prise élec­trique et les bureaux sont cen­sés vous don­nés l’impression de retrou­ver à l’intérieur d’une puce élec­tron­ique. La salle de négoce de Shaw est une pièce hexag­o­nale, noire rem­plie d’ordinateurs, si mod­erne qu’en com­para­i­son, la cap­sule spa­tiale du chal­lenger à la let­tre de style tra­di­tion­nel améri­cain. » [P125]

Paul Tudor Jones II : « Il a promis de pli­er les qua­tre pre­mières années d’université à cent étu­di­ants d’un quarti­er défa­vorisé de Brook­lyn et sa fon­da­tion Robin Hood retire des mil­lions de dol­lars aux rich­es de Wall Street pour les dis­tribuer aux pau­vres de New York. J’attribue mon suc­cès à l’approche de l’onde d’Elliott, dit Jones, qui croit aus­si aux cycles lunaires, au nom­bre de Fibonac­ci et à d’autres croy­ances vau­dou tirées de la malle de magi­cien qu’est l’analyse tech­nique. » [P127]

Mor­gan Stan­ley : « Le secret exploité par Mor­gan Stan­ley était quelque chose que l’on appelait le négoce de paires. Ce secret remonte à Jesse Liv­er­more, le célèbre spécu­la­teur dans la vie est racon­té dans Réminis­cences of a stock oper­a­tor paru en 1923. Le négoce de paires pro­pose sur l’idée que les prix des actions qui sont liées doivent être cor­rélés. Le cours de Ford et celui de Gen­er­al Motors résul­tant des mêmes événe­ments auront ten­dance à fluctuer au même moment. Mais que se passe-t-il dans le cas d’un écart inhab­ituel, quand le cours de Ford reste à la traîne et que Gen­er­al Motors prend de l’avance par rap­port à la nor­male ? Dans ce cas, un spécu­la­teur peut ven­dre Gen­er­al Motors et acheter Ford. Le marché peut s’effondrer. Le marché peut pren­dre son essor. Mais si écart entre les deux actions est iden­tique, notre spécu­la­teur ne gag­n­era ni ne per­dra d’argent. On dit que de telles straté­gies sont neu­tres sur le marché. On ne mise pas sur l’orientation que pren­dra la bourse, mais sur les cor­réla­tions spé­ci­fiques d’une entre­prise ou d’un secteur. Si écart entre Gen­er­al Motors et Ford dimin­ue, Gen­er­al Motors est en baisse et Ford à la hausse, comme prévu, notre spécu­la­teur gag­n­era de l’argent. Quelle somme ? On ne peut que devin­er, mais si Mor­gan Stan­ley fait embauchait des astro­physi­ciens et ajoutait un zéro sup­plé­men­taire aux salaires des pro­fesseurs d’université, c’était prob­a­ble­ment une stratégie avan­tageuse. » [P123]

Le mod­èle d’évaluation d’options de Black-Scholes :  « Décou­vert en 1973 par le math­é­mati­cien Fish­er Black et l’économiste Myron Scholes qui enseignaient alors à l’université de Chica­go, le mod­èle d’évaluation d’options de Black-Scholes est l’exemple suprême d’une équa­tion qui était util­isée, et l’est encore, pour gag­n­er de l’argent sur les marchés financiers. Ce mod­èle four­nit à Wall Street une solu­tion com­pliquée, mais applic­a­ble, à ce qui était jusque-là un puz­zle insol­u­ble : com­ment éval­uer une option. Black et Scholes mon­trèrent que le cours des actions et celui des options, tout en vari­ant de façon aléa­toire, étaient liés l’un à l’autre par une équa­tion. C’est équa­tion été con­nu des physi­ciens qu’ils utilisent pour décrire la dif­fu­sion de la chaleur. Le mod­èle de Black-Scholes fut pub­lié l’année de l’ouverture de la bourse des options de Chica­go et de toute évi­dence il con­tribua au développe­ment des marchés des pro­duits dérivés. » [P135] « Ce fut O’Connor qui gagna des mil­lions de dol­lars grâce mod­èles de Black-Scholes, et non Black ou Scholes beau­coup d’autres per­son­nes qui ne savaient pas trans­former les chiffres en affaires. » [P142] « O’Connor dévelop­pa le culte du secret. Quand ils achetèrent 200 ordi­na­teurs Sym­bol­ics, ils en détru­isirent les car­tons d’emballage pour éviter que leurs con­cur­rents ne sachent quelles machines ils util­i­saient. » [P143]

Moyens Math­é­ma­tiques et Infor­ma­tiques actuels

Les algo­rithmes géné­tiques : « John Hol­land, infor­mati­ciens à l’université du Michi­gan, s’avança pour par­ler algo­rithmes géné­tiques et d’autres sys­tèmes adap­tat­ifs que lui – le père du domaine – met­tait au point depuis années 1960. Il décrivait com­ment un réseau de canal­i­sa­tions de gaz à grande échelle pou­vait fonc­tion­ner grâce à un algo­rithme d’apprentissage qui deve­nait plus intel­li­gent tous les jours. D’après lui, un réseau de ce type avait bien des points com­muns, dans sa com­plex­ité, avait économie glob­ale. » [P77] « Les sys­tèmes de mod­éli­sa­tion économique et financier sont très proches des sys­tèmes de mod­éli­sa­tion biologiques. Une fois que je m’y suis lancé, j’ai décou­vert que la finance était encore plus fasci­nante que la biolo­gie. Alors que la biolo­gie mie des mil­liards d’années à évoluer, les sys­tèmes financiers se réor­gan­isent et opèrent des muta­tions sous vos yeux. » [P80] « On crame des don­nées chaque fois qu’un algo­rithme d’apprentissage éval­ue une série de nom­bres et essaie d’anticiper leur évo­lu­tion future. Chaque fois qu’il par­court les nom­bres, l’algorithme apprend à adapter une courbe aux don­nées et avec suff­isam­ment de pas­sage, la courbe cor­re­spon­dra par­faite­ment aux don­nées. Auquel cas la seule chose qu’on aura apprise à faire, c’est à prévoir le passé – un exploit admirable, mais inutile pour une société qui cherche anticiper l’avenir […] Pour éviter de cramer les don­nées, Doyne est en train de créer des marchés d’actions syn­thé­tiques. John con­stru­it un test de con­fi­ance pour éval­uer les mod­èles de prévi­sions. Tom met au point un sys­tème d’alarme qui se déclenchera en cas de surap­prox­i­ma­tion. » [P119-120]

Les réseaux neu­ronaux : « Les réseaux neu­ronaux sont des sys­tèmes adap­tat­ifs conçus pour recon­naître des struc­tures et inven­ter des règles générales pour jouer sur ses struc­tures. Ce sont des pro­grammes infor­ma­tiques com­posés d’unités de traite­ment sim­ple et inter­con­nec­té qui ressem­blent aux neu­rones du cerveau humain […] Grâce à leur qual­ité adap­ta­tion, les réseaux neu­ronaux arti­fi­ciels s’apprêtent à toute une var­iété de tach­es : de l’analyse graphologique et de la recon­nais­sance de la parole à la com­mande de robots et à la prévi­sion bour­sière […] Ces opéra­tions d’élagage des noeuds, d’ajustement des forces et autres petites manip­u­la­tions secrètes fait à divers noeuds du réseau ne se sont pas par l’intermédiaire d’instructions spé­ci­fiques. Elles résul­tent d’un pro­gramme général d’apprentissage qui devient plus intel­li­gent chaque fois qu’on traite les don­nées. Les réseaux neu­ronaux […] appren­nent par l’exemple, ils n’ont pas besoin d’être pro­gram­més. Ils sont insen­si­bles aux défail­lances, ce qui me dire qu’ils sont capa­bles de traiter des don­nées bril­lantes ou incom­plètes. Ils sont gour­mands d’informations, parce que leurs unités de traite­ment inter­con­nec­té fonc­tion­nent en par­al­lèle, et leur instal­la­tion ne coûte pas cher. Par con­tre, il n’existe pas vrai­ment de méth­odes pour prou­ver qu’un réseau neu­ronal fera ce que vous voulez, et il leur arrive de décou­vrir des struc­tures là où il n’y en a pas. Les réseaux neu­ronaux sont des boîtes noires. Mais il s’aussi per­for­mant que les ingénieurs n’installent main­tenant sur une vaste gamme de machines. Pour pren­dre un autre exem­ple, imag­in­er que vous essayez de prévoir le cours du yen lorsqu’il arrive demain au marché de Tokyo. […] Votre réseau neu­ronal pour­rait avoir six entrées : le taux yen-dol­lars, le taux mark-dol­lars, le taux de change croisé yen-mark, les oblig­a­tions en yen, le taux d’intérêt à trois mois, et un chiffre indi­quant l’offre de mon­naie japon­ais […] Ces chiffres doivent donc être trans­for­més de façon à met­tre en valeur leur sig­ni­fi­ca­tion. Les cours de clô­ture par exem­ple pour­raient être com­binés avec les indi­ca­teurs de ten­dance et de volatil­ité. Mais com­ment trans­former les don­nées qui entrent dans un réseau neu­ronal ? C’est là le vrai secret de fab­ri­ca­tion qui fait toute la dif­férence entre un tra­vail d’amateurs et un tra­vail de pro­fes­sion­nels. » [P191-192] « Au début des années 80, une nou­velle tech­nique pour for­mer les réseaux neu­ronaux, appelée rétro­prop­a­ga­tion, a été décou­verte. La rétro­prop­a­ga­tion fonc­tionne en ali­men­tant en don­nées un réseau neu­ronal à plusieurs couch­es et en prenant les résul­tats, qui sont sou­vent faux, pour les réin­tro­duire dans le sys­tème en sens inverse dans le réseau, avec des ajuste­ments var­iés, jusqu’à ce qu’elles don­nent à la bonne réponse. Ces séances de for­ma­tion deman­dent par­fois un tra­vail fou à l’ordinateur […] La rétro­prop­a­ga­tion était une décou­verte cap­i­tale par­quet per­me­t­tait aux réseaux neu­ronaux de trou­ver des struc­tures non-linéaires. L’intelligence arti­fi­cielle pou­vait ma ten­ant s’attaquer un vaste champ d’applications pra­tiques, comme le backgam­mon ou la prévi­sion des cours de la bourse, qui jusque-là ne l’étaient pas acces­si­bles. » [P193-194]  « De chez Siemens, il a ramené un réseau neu­ronal de 100 000 lignes de code qu’il a mis sous licence. C’est la Mer­cedes des réseaux neu­ronaux, d’une pré­ci­sion et d’une fia­bil­ité toutes ger­maniques. Les dia­grammes pro­duits par le pro­gramme ont l’air d’engins spa­ti­aux à pattes grêles, empilés les uns sur les autres […] Il s’agit d’un réseau de cir­cu­la­tion capa­ble de traiter des cen­taines d’entrée avec des mil­liers de neu­rones cachés […] Le sys­tème de l’impression d’être solide, vir­ile, ger­manique […] En moins d’un mois, William a pu con­stru­ire rapi­de­ment huit mod­èles avec son pro­gramme. » [P246]

L’analyse tech­nique : « L’analyse tech­nique ne se soucie nulle­ment de la valeur ou d’autres principes essen­tiels de l’économie. Elle pré­tend que tout ce qu’il faut savoir se trou­ve sur la bande du téléscrip­teur ; les fon­da­men­tal­istes comme les tech­ni­ciens peu­vent utilis­er la recon­nais­sance de forme ou con­stru­ire des mod­èles pour prévoir les ten­dances du marché, et la Pre­dic­tion com­pa­ny fait appel à ces deux types de don­nées. Mais l’analyse tech­nique telle qu’elle est habituelle­ment pra­tiquée aujourd’hui est une entre­prise mys­tique plus proche des incan­ta­tions de l’alchimie que de la sci­ence. Les ondes d’Elliott en four­nissent un exem­ple. Cette obscure théorie des cycles bour­siers doit son nom à Ralph Nel­son Elliott, un compt­able anémique qui était tombé dans le coma durant le krach bour­si­er de 1929 pour se réveiller plus tard durant la dépres­sion tant il était curieux de savoir où son argent était passé […] Elliott pen­sait qu’il existe des ondes prévis­i­bles de psy­cholo­gie de l’investisseur qui déter­mine les repris­es et repli du marché et il avait dévelop­pé une clas­si­fi­ca­tion com­plexe per­me­t­tant de prévoir ces fluc­tu­a­tions. L’origine de toutes les ondes d’Elliott et le grand super cycle vieux de 200 ans. Inscrites dans cette grande onde se trou­ve huit ondes plus petites qui sont par ordre décrois­sant le super cycle, le cycle, le pri­maire, inter­mé­di­aire, le mineur, le minute, le menuet et le sous menuet […] Dans le sac à tré­sor de l’analyse tech­nique, retrou­vant les nom­bres de Fibonac­ci, une suite numérique utilis­er ini­tiale­ment au XII­Ie siè­cle par un math­é­mati­cien ital­ien pour expli­quer pourquoi les lap­ins se repro­duisent… Comme des lap­ins, et les ondes de Kon­drati­eff, nom­mées d’après un écon­o­miste russe que Staline envoya en Sibérie pour avoir cru que le cap­i­tal­isme était non pas voué à l’ échec, mais en fait soumis aux hauss­es et aux baiss­es de cycles pro­longés. Ces méth­odes ne sont prob­a­ble­ment pas plus utiles que l’astrologie, mais elles con­tribuent aus­si à faire la force de Wall Street. » [P129-130] « L’analyse baysi­enne est une branche des math­é­ma­tiques qui peut être util­isées pour prévoir à la fois la direc­tion et l’amplitude des divers­es forces, en l’occurrence les forces finan­cières. » [P198] « Doyne com­par­ent les trans­for­ma­tions tech­niques de Hahn à ce qui se passe dans le cerveau quand il recon­naît des vis­ages. Un prè-traite­ment impor­tant est effec­tué grâce à des détecteurs de con­tours et des détecteurs de mou­ve­ment avant que le cerveau antérieur traite à son tour l’information que le lui présente. Sinon le cerveau serait sub­mergé par une masse con­fuse de pix­els indif­féren­ciés » [P248]

Là les auteurs ne dévelop­pent pas le domaine, cepen­dant, il faut savoir que le cerveau utilise, tels des algo­rithmes, divers traite­ments, comme des rota­tions, afin de faciliter les recon­nais­sances. Plus encore, dif­férentes zones du cerveau vont analyser la par­tie descrip­tive et la par­tie sym­bol­ique. A un niveau inférieur cer­taines cel­lules nerveuses vont capter telle gamme de couleur, telle inten­sité, etc. agis­sant ain­si comme un fil­tre infor­ma­tique. En bourse, l’analyse tech­nique joue en par­tie ce rôle.

Les séries tem­porelles : « Une série tem­porelle est un ensem­ble de chiffres col­lec­tés à divers inter­valle de temps. Cer­taines des plus anci­ennes séries tem­porelles, remon­tant à la renais­sance, mesure les tach­es solaires ou les étoiles qui scin­til­lent. Mais tout ce qui a une durée, depuis un quar­tet de Mozart jusqu’au cours de la bourse, peut être réduit en chiffres et analysé en tant que série tem­porelle. On entre dans l’ordinateur des chaînes binaires de 1 et de 0. Et il en ressort des dia­grammes en bâton­nets, des moyennes mobiles, des dia­grammes d’état dans l’espace des phas­es et autres fig­ures tracées à par­tir de don­nées qui per­me­t­tent même de sim­ples obser­va­teurs nuls en math de dire : tiens, voici un petit signe qui appa­raît à inter­valles réguliers. Le revoilà encore, main­tenant […] La géométrie des séries tem­porelles : cette décou­verte impor­tante dans le développe­ment de la théorie du chaos mon­trait qu’on pou­vait pren­dre un sys­tème dynamique, comme l’eau coulant dans un tuyau, y insér­er sonde pour mesur­er ce qui arrivait au flu­ide à un instant don­né et, à par­tir de seule sonde, recon­stru­ire le com­porte­ment, ou la géométrie, de toute l’eau con­tenue à l’intérieur de ces tuyaux. Le com­porte­ment ain­si recon­sti­tué appa­rais­sait dans ce qu’on appelle un dia­gramme d’état dans l’espace des phas­es et per­son­nes ne savait mieux les trac­er que la cabale du chaos.  Le mou­ve­ment de l’argent dans les marchés ressem­ble un écoule­ment flu­ide tur­bu­lent, explique Doyne. Il y a un degré de hasard élevé, mais il y a aus­si des struc­tures déter­min­istes qui don­nent une cer­taine forme à la bourse. » [P34] « J’ai une nou­velle idée sur la façon d’utiliser pour la prévi­sion le chaos de faible dimen­sion […] Tu plonges la série tem­porelle dans l’espace des phas­es et tu ajustes des fonc­tions appro­priées aux don­nées. Pour pren­dre en compte les non linéar­ités, des fonc­tions dif­férentes sont choisies dans divers endroits. Pour faire des prévi­sions, il suf­fit que tu trou­ves la fonc­tion qu’il con­vient et que tu l’appliques […] un nuage de points dans un espace tridi­men­sion­nel. Pour con­cevoir un mod­èle de prévi­sions, on adapte une sur­face comme une feuille chif­fon­née, dans ce nuage de don­nées. Si la feuille suit bien tous les points, elle con­stitue un bon mod­èle. On fait des prévi­sions en éti­rant la feuille dans des régions ou d’autres points s’inscriront quand l’avenir se rap­proche du présent. » [P160] « Leurs méth­odes pour extraire l’information utile des sys­tèmes dynamiques – dont font par­tie des marchés bour­siers – com­mence par inclure les don­nées de ces sys­tèmes dans l’espace des phas­es. Un sys­tème dynamique com­prend deux par­ties : l’information essen­tielle sur le sys­tème, qu’on appelle un état, et les équa­tions de mou­ve­ment décrivant com­ment cet état évolue dans le temps. Un sys­tème en évo­lu­tion est représen­té comme une orbite dans l’espace des phas­es. C’est un graphique mul­ti­di­men­sion­nel dont les coor­don­nées sont les com­posantes de l’état […] À la bourse, ce seront des élé­ments tels que les prix d’ouverture et de fer­me­ture. » [P164]

Les équa­tions non linéaires : Les équa­tions linéaires sont représen­tées graphique­ment par des lignes droites, les équa­tions non linéaires par des courbes. La vie est non linéaire, comme tout ce qui est intéres­sant remar­quait le physi­cien Heinz Pagels. Doyne et ses col­lègues ont passé des années à affin­er leurs con­nais­sances math­é­ma­tiques pour pou­voir analyser des lignes du tor­tillon. Ils savent trou­ver des équa­tions per­me­t­tant de représen­ter des points se déplaçant dans 2, 5 ou 20 dimen­sions. Ces équa­tions peu­vent recou­vrir un vaste ensem­ble de don­nées. L’ennui, c’est que cer­taines de ces don­nées n’ont rien à voir avec les struc­tures que l’on cherche – c’est du bruit et pas du sig­nal. Si vous reportez toutes les don­nées disponibles sur une courbe, cela vous dira où vous avez été, mais pas néces­saire­ment pour vous allez. » [P39]  « Pour quelqu’un qui con­naît la théorie du chaos, il est évi­dent que les marchés financiers ne passent pas être entière­ment décrits aux moyens d’équations linéaires, bien que ce soit l’unique méth­ode avec laque­lle on ait essayé de les traiter. Il faut se servir d’un autre type de math­é­ma­tiques faisant appel à des approches non linéaires sen­si­bles aux chaos et aux attracteurs chao­tiques si on veut com­pren­dre l’économie et son évo­lu­tion en tant que sys­tème com­plexe dans les équa­tions linéaires, 2+2 = 4. Les équa­tions linéaires décrivent des lignes droites, des phénomènes dis­crets et une infime par­tie de notre expéri­ence quo­ti­di­enne. Dans les équa­tions non linéaires, l’effet n’est pas pro­por­tion­nel à la cause. La goutte d’eau qui fait débor­der le vase est non linéaire. Un petit coup de pouce pour entraîn­er un grand cham­boule­ment. Un sys­tème évolu­ant dans une direc­tion peut soudain bifur­quer dans une autre […] Les marchés financiers qui font du yoyo entre des bulles et des krachs sont non-linéaires. » [P78]  Les années 1970, grâce aux ordi­na­teurs per­son­nels, ont per­mit aux sci­en­tifiques de traiter des équa­tions non linéaires.

Tur­bu­lences et chaos : « La pho­to de Brown et Roshko mon­tre deux gaz propul­sés à vitesse élevée dans une souf­flerie. Les gaz s’enroulent l’un autour de l’autre pour for­mer ce que les ingénieurs en aéro­nau­tique appel­lent un écoule­ment tur­bu­lent. Léonard de Vin­ci et le pre­mier savant avoir décrit ce phénomène et il est aus­si le pre­mier à avoir dess­iné la tur­bolen­za, comme il l’appelait. Ses cro­quis de tour­bil­lons et de trombes d’écoulements tur­bu­lents fig­urent dans un cahi­er inti­t­ulé par la suite codex leices­ter. Cet ouvrage appar­tient actuelle­ment à Bill Gates, le prési­dent de Microsoft, qui l’a instal­lé au cen­tre de sa bib­lio­thèque dans sa pro­pre pro­priété à Seat­tle […] Tous les objets en mou­ve­ments sont soumis à la tur­bu­lence, et l’objectif ultime de math­é­ma­tiques appliquées et de prévoir les écoule­ments tur­bu­lents. La tur­bu­lence et la plus grande énigme de la physique clas­sique a déclaré Richard Feyn­man, prix Nobel. Depuis Léonard de Vin­ci, les sci­en­tifiques savent que les struc­tures organ­isées exis­tent dans les écoule­ments tur­bu­lents […] Oui, à des vitesses bass­es, on peut trou­ver des zones d’ordre dans le chaos de la tur­bu­lence. Mais que voit-on à des vitesses élevées ? […] Le débat a durée de la renais­sance jusqu’en 1970, lorsque Brown et Roshko y mirent fin en prenant leur remar­quable pho­to d’ordre dans le chaos. » [P108]  « Ces struc­tures cohérentes qui sont insérées les unes dans les autres et réap­pa­rais­sent à divers échelles à mesure que les gaz s’écoulent, sont des images d’ordre dans le chaos. Les struc­tures auto sem­blables, les petites trombes reflétées dans les plus grands tour­bil­lons, s’appellent des frac­tales. Les frac­tales sont empreintes dig­i­tales de l’ordre dans le chaos. Elles indiquent la struc­ture d’un sys­tème en évo­lu­tion. Elles lais­sent présager une cer­taine prévis­i­bil­ité. En mag­nifi­ant une seule trombe, on peut saisir des règles générales per­me­t­tant de recon­stituer le sys­tème entier. Les frac­tales représen­tent l’univers dans un grain de sable, et la géométrie frac­tale et l’outil qui per­met d’identifier les attracteurs chao­tiques […] Des hypothès­es sim­pli­fi­ca­tri­ces sur la struc­ture à petite échelle per­me­t­tent de ren­dre compte de la struc­ture à grande échelle qui déter­mine la dynamique du sys­tème tout entier. » [P109]

Les auto­mates cel­lu­laires : « Les auto­mates cel­lu­laires sont un autre héritage de VON NEUMANN que l’institut a lais­sé en jachère de sa mort. Ils four­nissent un exem­ple mer­veilleux de la façon dont la com­plex­ité peut provenir d’une sim­plic­ité sous-jacente. Ce sont tout sim­ple­ment des réseaux de cel­lules qui grig­no­tent et changent d’état selon quelques règles sim­ples. L’un des exem­ples les plus con­nus auto­mates cel­lu­laires, le jeu de la vie, fut inven­té en 1970 par le math­é­mati­cien de Cam­bridge John Con­way. La vie implique la manip­u­la­tion de jetons sur une sur­face de papi­er mil­limétré ou, comme on le joue aujourd’hui, dans un ordi­na­teur. Ces sys­tèmes sim­ples peu­vent génér­er une gamme sur­prenante de struc­tures com­plex­es, telles que les ondes et autres formes de mou­ve­ment observées dans la nature. Ceci entraî­na Wolf­man à se deman­der si la nature elle-même pou­vait être un auto­mates cel­lu­laire ; les formes com­plex­es que nous obser­vons autour de nous de provi­en­nent tout sim­ple­ment que des bas­cules binaires d’automates cel­lu­laires en action. Ce qui intrigue les chercheurs à pro­pos des auto­mates cel­lu­laires, c’est leur capac­ité de simuler la for­ma­tion de galax­ie et d’autres phénomènes qui sem­blent s’opposer à la deux­ième loi de la ther­mo­dy­namique. Ils ne passent pas de l’ordre à l’entropie, mais en réagis­sant leur envi­ron­nement, ils évolu­ent au con­traire de l’aléatoire à l’ordre […] L’un des objec­tifs de cette recherche et de par­venir à décou­vrir les lois générales de l’auto organ­i­sa­tion. » [P155]

La Pre­dic­tion Com­pa­ny

Le logi­ciel prophet : « Prophet et le nom que Thomas a don­né à un algo­rithme mis au point par Nor­man, son directeur de thèse. C’est un algo­rithme géné­tique, un pro­gramme spé­ciale­ment conçu pour iden­ti­fi­er les struc­tures dans de don­nées. Il stim­ule les trans­for­ma­tions biologiques en faisant évoluer une pop­u­la­tion d’hypothèses, cha­cune étant apte à repér­er une struc­ture par­mi les don­nées et cha­cune encodée par un génome qui subit divers­es muta­tions à mesure que la pop­u­la­tion évolue. » [P37]  « Cer­taines struc­tures ont une valeur pré­dic­tive parce qu’elles se répè­tent dans le temps. Notre tache est de repér­er ces struc­tures. » [P41] « Quand Nor­man entre les chiffres de la Lom­bardie dans son pro­gramme de flo­cons neige, il com­mence à détecter beau­coup de struc­tures, ce qui, dans ce cas, cor­re­spond aux com­munes qui dépensent argent pub­lic de manière effi­cace. Un algo­rithme d’apprentissage géné­tique mod­élisé d’après l’évolution biologique enroule les unes autour des autres de longue suite de chiffres, tout comme les chaînes d’ADN qui for­ment les corps humains. En effec­tu­ant ses pro­pres ver­sions de muta­tion et de croise­ment, l’algorithme en entraîne ces nom­breuses chaînes à se repro­duire au cours de généra­tion suc­ces­sive. L’algorithme sélec­tionne à chaque généra­tion les struc­tures plus adap­tées biologique­ment qui con­tin­ueront à évoluer au cours des autres croise­ments et muta­tions. L’avantage de pra­ti­quer l’évolution ordi­na­teurs et que l’expérience dure des nanosec­on­des et non des mil­lé­naires. Conçu par­mi les flo­cons neige est né grâce aux bons soins du gou­verne­ment ital­ien, l’algorithme de Nor­man et bap­tisé du nom promet­teur de prophet. Il analyse toute sorte de don­nées com­plex­es, for­mule des hypothès­es sur les cor­réla­tions fécon­des, qui par­court les chiffres pour tester ces hypothès­es. Les pop­u­la­tions d’hypothèses sont soumis­es à des envi­ron­nements changeants et celles qui évolu­ent suc­ces­sive­ment sont main­tenues en vie ; les autres meurent. Pour réus­sir son évo­lu­tion, les pop­u­la­tions de qua­tre mesures de pro­jeter des suc­cès passés de per­for­mance à venir. Peu importe le type de séries tem­porelles que prophet exam­ine. Entrées ordi­na­teurs, les infor­ma­tions ne sont plus que des suites de don­nées, des chaînes binaires, l’interminable défilé de zéro et de un pas­sant par des por­tails logiques. Le rap­port sur la Lom­bardie est une réus­site et Nor­man com­mence à chercher des séries tem­porelles finan­cières pour ali­menter son mod­èle. Ceci est suiv­ie par une offre d’emploi de Wall Street est un coup de fil à Doyne le prévenant qu’il pense se lancer dans les affaires. » [P167]

Une pre­mière expéri­ence – cass­er le casi­no :  « Grazia a assisté au déroule­ment du pro­jet dans le jeu de roulettes à la fin des années 1970. Une équipe très motivée de physi­ciens et d’amis, qui habitait ensem­ble dans une grande mai­son à San­ta Cruz, avait passé des années à con­stru­ire des ordi­na­teurs inté­grables dans des chaus­sures et à faire l’aller et retour à Las Vegas pour cass­er la banque. C’était une ini­tia­tive com­mu­nau­taire, mon­tée par la société du nom d’eudae­mon­ic entre­pris­es. Du tra­vail, des idées, du temps, de l’argent – tout ce qui fut investi dans le pro­jet fut ver­sé dans un sys­tème de compt­abil­ité com­mun, du nom de gâteau eudé­monique. Quand il fut bien gar­ni, le gâteau fut partagé et servi en parts égales. » [P64] « […] A passé cinq ans a essayé de bat­tre la roulette avec des ordi­na­teurs action­nés avec les doigts de pied. Une roue de roulette est une machine très bien conçue pour créer l’aléatoire, mais l’ordre règne dans l’aléatoire. Le jeu con­siste à faire tourn­er un plateau entouré de 38 alvéoles numérotées. Au-dessus de ce plateau se trou­ve une glis­sière inclinée. Le croupi­er lance une bille blanche sur cette glis­sière. Env­i­ron 30 sec­on­des après, la bille ralen­tit et tombe dans l’une des alvéoles numérotées […] Puisque la roulette est soumise aux lois de New­ton de la mécanique céleste, cela ne devrait pas être plus dif­fi­cile de pro­gram­mer son mou­ve­ment que de faire atter­rir une navette spa­tiale sur mars […] Nor­man a vu immé­di­ate­ment quels élé­ments physiques étaient essen­tiels pour prédire le jeu. Cal­culer le mou­ve­ment de la bille sur la glis­sière. Cal­culer la rota­tion du plateau qui tourne en dessous. Cal­culer leurs posi­tions rel­a­tives. Cal­culer leur taux de décéléra­tion et l’arc que par­cour­ra la bille avant de tomber dans une alvéole numérotée. Les vingt sec­on­des qui s’écoulent entre le début et la fin du jeu lais­sent tout le temps voulu pour faire ces cal­culs et faire un pari gag­nant. Il suff­i­sait sim­ple­ment de con­stru­ire un ordi­na­teur capa­ble de regarder l’avenir et de jouer le jeu avant qu’il ne se joue. » [P146]

La nais­sance pre­dic­tion com­pa­ny : « Inger­son était incar­na­tion même du génie du raison­nement et il fut la force qui don­na une direc­tion à leur pen­chant naturel pour la physique. Ayant reçu une for­ma­tion théorique en astronomie, il était un bricoleur plein de tal­ent qui s’y con­nais­sait en ordi­na­teurs, en élec­tron­ique, en astronomie et en mécanique. C’était égale­ment un rêveur […] L’argent est la clé de la lib­erté, dis­ait Inger­son à ses explo­rateurs. Il y a deux façons d’en gag­n­er, le cap­i­tal­isme ou le vol. Le vol est trop risqué, reste le cap­i­tal­isme […] C’est sous le signe d’ingerson que fut fondée Eudae­mon­ic entre­pris­es. C’est sous son signe égale­ment que fut sans doute créée cette société, tou­jours sans nom, des­tinée à bat­tre les marchés financiers mon­di­aux. » [P66]  « A la pre­dic­tion com­pa­ny, me par­tant du principe que l’hypothèse de la marche aléa­toire et fausse. On note des struc­tures dans les don­nées du marché, elles appa­rais­sent plus sou­vent que l’on s’y attendrait nor­male­ment, et elles réap­pa­rais­sent par la suite. Nous util­isons des mod­èles de petite boîte noire pour extraire les prévi­sions de ces struc­tures. Nous suiv­ons de nom­breuses don­nées, en éval­u­ant con­stam­ment celles qui sont per­ti­nentes. Nous lais­sons les don­nées par­ler d’elle-même. Nous cher­chons des fenêtres de prévis­i­bil­ité, de régime vari­able où l’ordre peut provenir de séries tem­porelles par ailleurs extrême­ment chao­tiques. Les mod­èles infor­ma­tiques de la petite boîte noire con­ti­en­nent beau­coup de don­nées. On doit leur injecter des nom­bres venant de partout dans le monde. Même si on les traite sur des super­or­di­na­teurs comme ceux de Los Alam­os, les mod­èles con­tenant des cen­taines de suites de don­nées dif­férentes ont ten­dance à être pous­sifs et lents. L’astuce con­siste donc à isol­er les don­nées impor­tantes, à traiter et à les inté­gr­er dans des petits mod­èles non linéaires rapi­des […] Doyne donne un exem­ple des types de mod­èles que bâtit la pre­dic­tion com­pa­ny. Sup­posons que le taux d’intérêt dif­féren­tiel baisse, que le marché soit en perte de vitesse et que le vol­ume aug­mente et que, dans ces mêmes con­di­tions, l’année précé­dente, le prix des devis­es ait mon­té neuf fois sur dix. Il existe un grand nom­bre de struc­tures de ce genre. Ce qui est dif­fi­cile, c’est de trou­ver les bonnes […] La pre­dic­tion com­pag­ny n’utilisez pas non plus les méth­odes fondées sur l’intelligence arti­fi­cielle. Sa tech­nolo­gie provient de la physique des sys­tèmes com­plex­es. Il s’agit de nou­velles tech­nolo­gies qui n’ont pas encore été appliquées à la finance, bien qu’elles aient déjà fait leurs preuves dans la créa­tion de mod­èles de prévi­sions pour des motifs tur­bu­lents en dynamique des flu­ides et en météorolo­gie. Lorsqu’elles sont appliquées don­ner du marché, les nou­velles tech­nolo­gies don­nent de bons résul­tats il y a moins de chance sur 1000 pour que les mod­èles soient faux. » [P106]  « Ce qu’il faudrait en fait, c’est un film qui puisse capter les trans­ac­tions de tous les traders du monde, dit Doyne. Dans ce film, on pour­rait suiv­re l’écoulement de l’argent, ses va-et-vient. L’argent tend à cir­culer d’une cer­taine manière. De New York à Lon­dres et de Lon­dres à Sin­gapour, il s’écoule en tour­bil­lons que l’on doit son­der pour obtenir des preuves d’une struc­ture à grande échelle. Ce qu’il faut se trou­ver les son­des et les méth­odes per­me­t­tant d’analyser les don­nées qu’on obtient. Pour faire ce film, on a besoin d’une palette de dif­férentes tech­niques. Cette palette com­prend les méth­odes linéaires, les régres­sions linéaires, les polynômes, les approx­i­ma­tions, les esti­ma­tions de la den­sité du noy­au, les his­togrammes mul­ti­di­men­sion­nels, les réseaux neu­ronaux et les fonc­tions de base radi­ale. Une fois que vous avez ces couleurs sur votre palette, il faut les mélanger. Cela se fait allait algo­rithme de recherche. Ici les choix inclu­ent la prop­a­ga­tion inverse, les méth­odes de Monte-Car­lo le traite­ment simulé, les anneaux, les gra­di­ents con­jugués, et la méth­ode par essai et erreur. Le point com­mun con­tre toute tech­nique, c’est d’être des out­ils très infor­ma­tisés per­me­t­tant de décou­vrir des struc­tures à la lisière du chaos, et peut-être même au sein d’un chaos très dévelop­pé qui est le lieu où évolue la finance. » [P110] « Pourquoi y a-t-il une struc­ture dans les marchés financiers ? Pourquoi les don­nées se regroupent-elles en struc­tures prévis­i­bles ? La réponse rapi­de et sim­ple. Les marchés financiers sont le pro­duit de l’activité humaine, et les hommes sont des créa­tures irra­tionnelles, mou­ton­nières, qui suiv­ent les ten­dances, qui réagis­sent en masse, par­fois de façon exces­sive. Je crois à la théorie des marchés inef­fi­caces, fondée sur les faib­less­es humaines et le com­porte­ment suiv­iste des per­son­nes agis­sant en groupe, déclare Doyne. Les traders ont les mêmes con­nais­sances et les mêmes préjugés. Nous lisons tous les mêmes jour­naux. Les gens ont ten­dance à regarder le monde de la même manière. Nous parta­geons des émo­tions com­munes, comme la peur et l’appât du gain nous obéis­sons aux règles uni­verselles la psy­cholo­gie humaine et nous agis­sons en trou­peaux » [P111] – à rap­procher de la théorie des arché­types de Jung. « Nor­man essaie de con­tr­er l’argument de grazia en expli­quant avec pas­sion que la pre­dic­tion com­pa­ny va réduire les fluc­tu­a­tions des marchés et en fait les sta­bilis­er. Les marchés sta­bles sont favor­ables entre­pris­es qui veu­lent emprunter de l’argent pour con­stru­ire des usines et fournir des emplois. Je ne sais pas qui nous prenons l’argent, admet-il. Mais je pense que ce sera plutôt aux spécu­la­teurs à court terme qu’à la veuve et à l’orphelin. » [P137] « Tous les détails à pro­pos des moyennes qui évolu­ent et des courbes de ten­dance, c’est de la foutaise. Mais il y a des anom­alies sta­tis­tiques qui sont évi­dentes dans un large spec­tre de don­nées. C’est dif­fi­cile à trou­ver et d’en prof­iter mais avec un bon micro­scope et le bon arbi­trage, on pour­rait le faire. » [P144] « L’idée n’est pas d’imiter le passé, mais de l’utilité com­mune source d’indications pour prévoir l’avenir. Même sur un super­or­di­na­teur, un mod­èle traçant des lignes à tra­vers des cen­taines de suites de don­nées serait trop lent. Les choses com­men­cent à s’accélérer quand le nom­bre de vari­ables vrai­ment sig­ni­fica­tives et réduit à une douzaine »[P188] – ceci indique bien la néces­sité d’un max­i­mum de prix de pré­cal­cule, mais surtout un fil­tre per­me­t­tant d’extraire des don­nées sig­ni­fica­tives de tel ou tel titre.

Les prob­lèmes ren­con­trés par la Pre­dic­tion Com­pa­ny :  « La Pre­dic­tion Com­pa­ny a opéré en virtuels pen­dant des semaines. Tout a marché mer­veilleuse­ment. Mais dès qu’elle passe en trad­ing en direct, le sys­tème explose. La veille de Thanks­giv­ing est une demi-journée de bourse. C’est aus­si un jour de refi­nance­ment où les con­trats à terme se con­ver­tis­sent d’un quart d’heure à l’autre. À cause d’un bogue dans le pro­gramme, l’ordinateur de la Pre­dic­tion Com­pa­ny est désori­en­té par ces événe­ments. Il inter­prète le change­ment dans les con­trats comme une brusque mon­tée des prix. Pour ajouter à la con­fu­sion, l’ordinateur enreg­istre les don­nées instan­ta­nées d’une demi-journée et en recherche d’autres. Il con­tin­ue à remon­ter dans son pro­gramme, cher­chant les chiffres man­quants. Il se met à bégay­er, se bloque au milieu d’un cal­cul est finale­ment arrête com­plète­ment. » [P205]  « Le démon qui hante le sys­tème s’appelle non-sta­tion­nar­ité. Le terme décrit com­ment des marchés qui étaient un cer­tain endroit peu­vent brusque­ment pren­dre notre direc­tion. Le com­porte­ment sta­tis­tique change d’une façon telle que les don­nées finan­cières des cinq dernières années peu­vent n’avoir aucune réper­cus­sion sur les cinq prochaines min­utes. Les marchés sont une cible mou­vante. Ils se refont sans cesse, changent de vitesse et de lieu. Gibier insai­siss­able, et sont aus­si fluc­tu­ants que ceux qui les gèrent. Les chiffres qui arrivent à flots à la Pre­dic­tion Com­pa­ny se suiv­ent en une cas­cade inin­ter­rompue de prix de clô­ture, d’ouverture, d’achat, de vente, d’offres et de deman­des. Mais qu’arrive-t-il si cette riv­ière de chiffres ren­ferme des remous et des tour­bil­lons invis­i­bles ? […] Se sont de brusques revire­ments dans lesquelles les marchés – dont les vari­a­tions, quel que soit leur ten­dance, étaient jusque-là mod­érés – pren­nent tout à coup la direc­tion opposée. À l’origine de ses change­ments de régime, il y a une dynamique non linéaire et la psy­cholo­gie des foules. » [P222-223]

« La meilleure façon de con­tourn­er le prob­lème, con­clut-il, et de con­stru­ire des ensem­bles de mod­èles assez flex­i­bles pour repér­er les cibles non sta­tion­naires. Les mod­èles de la Pre­dic­tion Com­pa­ny pour le marché des changes, par exem­ple, sans vrai­ment des com­bi­naisons de 32 sous-mod­èles […] L’une des vérités fon­da­men­tales sur les marchés et que la dynamique est non sta­tion­naire, explique Nor­man. On ne vous a aucune preuve de l’existence d’un attracteur avec des pro­priétés sta­tis­tiques sta­bles. Et c’est que nous voyons n’est donc pas le chaos. C’est quelque chose d’autre. Appelons-le un attracteur plus qu’étrange, qui en réal­ité n’est peut-être pas du tout un attracteur […] Tout ce que l’on a pour le moment, c’est une vague image de ce que peut être struc­ture en for­ma­tion. S’est image ni bien con­sti­tuée ni vrai­ment étudiée dans le domaine de la sta­tis­tique, de la mod­éli­sa­tion ou des sys­tèmes dynamiques. Elle n’a pas encore un autre nom qu’attracteur plus qu’étrange. On pour­rait l’appeler chaos changeant ou en éva­po­ra­tion, mais ces ter­mes sont con­tra­dic­toires, car une des vérités fon­da­men­tales du chaos à trait à l’existence de mesures invari­antes. Ce sont des pro­priétés sta­tis­tiques sta­bles qui car­ac­térisent un attracteur chao­tique. » [P226]

« Faisant face à des prob­lèmes de plus en plus com­plex­es dans un nom­bre crois­sant de marché, la Pre­dic­tion Com­pa­ny finit par se heurter à la malé­dic­tion de la dimen­sion­nal­ité qui frappe les sys­tèmes ayant trop de vari­ables. L’efficacité de leurs mod­èles de prévi­sions tient aux con­fig­u­ra­tions qui font appa­raître dans un domaine imag­i­naire, appelé espace des phas­es. Un état est la descrip­tion math­é­ma­tique d’un sys­tème […] Les dimen­sions cor­re­spon­dent aux vari­ables qui décrivent le sys­tème. Dans le cas d’un pen­d­ule l’espace des phas­es est bidi­men­sion­nelle. L’espace des phas­es peut avoir un nom­bre infi­ni de dimen­sion, mais dans ce cas, il fau­dra une puis­sance de cal­cul infi­ni pour en extraire les infor­ma­tions utiles […] Les recon­struc­tions d’espace d’état util­isées au début de la cabale du chaos de San­ta Cruz ont aidé les sci­en­tifiques à décou­vrir si des con­fig­u­ra­tions déter­min­istes exis­tent dans des don­nées irrégulières. Elles ne réus­sis­sent que si les don­nées ren­fer­ment d’abord de telles con­fig­u­ra­tions, et c’est quand elles met­tent jeu un nom­bre lim­ité de dimen­sions qu’elles sont le plus utiles. Le sys­tème en recon­struc­tion peut avoir beau­coup de dimen­sions, mais son attracteur – la forme géométrique autour de laque­lle il se déplace dans l’espace d’état – doit en avoir un nom­bre lim­ité. La bourse est une masse con­fuse vari­ables, c’est sur, mais un cer­tain nom­bre de ses vari­ables pour­rait décrire son attracteur, où son attracteur encore plus qu’étrange, selon le cas. » [P256]

« Don­nées altérées, insta­tion­nar­ité, attracteurs plus qu’étranges, malé­dic­tion de la dimen­sion­al­ité, nom­breux sont les prob­lèmes qui pèsent sur cette maus­sade réu­nion de lun­di » [P257]

CONCLUSION

On peut se pos­er des ques­tions sur la légitim­ité d’un tel sys­tème. Les dirigeants de la Pre­dic­tion Com­pa­ny en dis­cu­tent entre-eux à un moment :  « les spécu­la­teurs génèrent 97 % du vol­ume quo­ti­di­en des trans­ac­tions. C’est le chiffre offi­ciel pub­lié par la bourse des matières pre­mières, qui sou­tient les spécu­la­teurs, indis­pens­able pour assur­er l’ampleur et la liq­uid­ité des marchés. Ce sont les spécu­la­teurs qui font tourn­er la bourse, les arbi­trag­istes l’alimentent en fonds, et à eux deux, ils entre­ti­en­nent la frénésie des marchés financiers mon­di­aux. » [P10]

A l’époque, J’étais très éton­né qu’avec un tel sys­tème, c’est-à-dire util­isant une puis­sance finan­cière si impor­tante, le sys­tème (la bourse) ne soit pas réelle­ment per­tur­bé par la mesure (l’application). En effet, en sim­u­la­tions, l’application ne se retrou­ve pas réelle­ment impliqué dans les change­ments inter­venant dans les cours.

Notons tout de même que page 330 l’auteur nous pré­cise qu’en 1998 les marchés mon­di­aux com­men­cent à s’effondrer ain­si que la plu­part des spécu­la­teurs qui les jouent comme Georges Soros et David Shaw, alors que la Predici­tion Com­pa­ny con­tin­ue à engranger des béné­fices… Et aujourd’hui, c’est une très belle société même si sa tech­nolo­gie est partout, sous une forme copiée ou réin­ven­tée.

Voilà, j’avais envie de partager une par­tie de mon passé avec vous — Développeur infor­ma­tique, ça mène à tout, suf­fit juste d’être  curieux ! Et pour aller plus loin :

3 commentaires sur “Un programme informatique pour battre Wall Street

Ajouter un commentaire

  1. Bon­jour,

    Arti­cle super intéres­sant, et qui touche à pas mal de sujets qui me pas­sion­nent. Je viens juste d’acheter le livre.

    Par con­tre vous ne met­tez pas le lien vers la thèse que vous men­tion­nez au tout début de l’article, c’est dom­mage c’est sûre­ment intéres­sant à lire. Auriez vous un lien ?

    Mer­ci pour ce blog très riche et éclec­tique.

    1. Héhé, ça fait si longtemps qu’il faudrait que je sorte mes sauve­g­ardes pour retrou­ver tout ça. En même temps, je viens de faire une petite recherche sur le net, et on trou­ve pas mal d’articles sur la ques­tion, cer­tains plus récents et avancés. Si je retombe dessus, promis, je met à jour l’article 😉

Laisser un commentaire

Fièrement propulsé par WordPress | Thème : Baskerville 2 par Anders Noren.

Retour en haut ↑

%d blogueurs aiment cette page :