Comment le trading à haute fréquence gagne-t-il de l’argent ?

Il y a un message en haut de l’article: Le 30 juillet 2016, le personnage principal de la porte de négociation, le commerçant à haute fréquence Li Ao, a été invité par la Conférence des anciens élèves de l’Université des transports de Hong Kong à organiser une conférence sur le thème de la finance quantifiée et de la chaîne de négociation à haute fréquence.

• Je vais parler un peu de l’informatique, parce que j’ai toujours fait de l’informatique. Comme je n’ai pas étudié les mathématiques et les statistiques de manière formelle, cela peut sembler moins formel, il y a quelques petites informations et des expériences personnelles après avoir fait des transactions. Je vais vous parler de quatre types de stratégies de trading, et ensuite je vais vous parler de mathématiques et d’informatique. Quantitative Trading, comme son nom l’indique, peut être divisé en deux parties, l’une est Quantitative et l’autre est Trading. Quantitative Comparé au trading manuel traditionnel, beaucoup de choses sont quantifiées par des modèles plutôt que par l’intuition. Le trading est étroitement lié au contrôle du risque, pas au trading manuel, mais à la programmation. Quantitative Trading peut être divisé en plusieurs catégories, soit une semaine ou un mois. Il y a des Long / Short Equity dans la partie fondamentale, il y a des Stratégies Alpha. Il y a aussi une catégorie de Pricing Quant, comme faire Option Pricing, comment faire la tarification.

Figure 1

• Le trading à haute fréquence utilise essentiellement des données de marché, car il exige des données un peu plus élevées. Les données de marché changent à tout moment, mais les informations fondamentales, les nouvelles, ne changent généralement pas à tout moment. Qu’est-ce que le trading à haute fréquence? Tout d’abord, l’automatisation. Le trading à haute fréquence ne peut pas être fait à la main, pas à un niveau de temps, il faut beaucoup de puissance de calcul, il faut des ordinateurs puissants, puis un grand nombre de commandes, pas comme les mains humaines, peut-être chaque seconde, chaque milliseconde, qui négocient. Bien sûr, cette liste comprend aussi beaucoup de retraits, beaucoup de demandes de retrait. Certaines stratégies ont beaucoup de retraits, peut-être plus d’un million de demandes, mais seulement plus de 10 000 demandes. De plus, la vitesse est très élevée. Avant de poursuivre, j’aimerais vous présenter quelques notions de temps. Dans notre système habituel, les petites unités peuvent être en secondes, voire en minutes. En dessous de la seconde, il y a un milliseconde: un millième de seconde.

Voir le graphique 2.

• Voici une comparaison: Il suffit de 15 millisecondes pour prendre 1000 décisions de trading. Nous disons souvent qu’en un clin d’œil, une transaction à haute fréquence peut prendre plus de 10 000 décisions de transaction.

• #### Voici les principaux types de stratégies de trading à haute fréquence:

Voir aussi la figure 3.

• Une stratégie de marché

Le but principal de la stratégie de négociation est d’offrir de la liquidité sur le marché, d’aller sur la chaîne BID/ASK, de réduire la chaîne BID/ASK et de gagner sur la différence entre les deux. Cela semble simple, mais il y a beaucoup de modèles, de contrôle des risques, de course aux armements sur l’informatique. En fait, il y a des bâtiments qui sont mieux construits. Il y a beaucoup de choses à dire, comme comment contrôler votre position, votre risque. Il y a aussi beaucoup de prédiction. Comment prédire la volatilité et le prix. Le coût de l’informatique est élevé, parce que tout le monde est en compétition, tout le monde veut être plus rapide, de la Co-Location, à la FPGA, et maintenant aux micro-ondes. La compétition est intense. C’est parce que le seuil est élevé que les autres font aussi bien. Pour les investisseurs ordinaires, le fait que le marché existe est avantageux, car il permet de réduire les écarts de prix. Voir aussi la figure 4. C’est le résultat d’une de mes stratégies du 12 août dernier, lors de la mise à jour de l’indice à terme 50 actions. Ce jour-là, le volume de transactions sur l’ensemble du marché était de 225 000 mains, ma stratégie représentait 4,1% de 9180 mains, le P&L était bon et le drawdown était relativement faible. En juillet dernier, à la suite de la catastrophe boursière, la banque centrale a commencé à restreindre certains investisseurs sur les futures d’indices boursiers. On peut voir que les jours de juillet ont montré des signes de hausse du spread bid/ask. Le 7 septembre, la banque centrale a commencé à restreindre les spéculateurs, augmentant la garantie des dépôts à 40%, les frais de transaction des dépôts à zéro à 23 pour cent. Voir le graphique 5. Voir aussi la figure 6. Ainsi, les stratégies de marché peuvent augmenter la liquidité du marché, réduire le spread bid/ask et réduire les points de glissement. La stratégie de mise sur le marché consiste à estimer à peu près quel prix est plus raisonnable.

• Arbitrage statistique Chacun de ces sujets est important. Je ne fais que discuter de façon approximative. L’arbitrage statistique concerne la probabilité, l’extraction de données, la modélisation, l’exécution des transactions et la façon dont les données sont nettoyées. Il y a une phrase très classique qui s’appelle: Garbage in, Garbage out. Beaucoup de Quant passent beaucoup de temps à traiter des données. Parfois, on trouve des résultats très excitants et on découvre que les données sont fausses. Le modèle d’arbitrage le plus simple est celui de la fluctuation des prix historiques, avec des espaces d’exécution de chaque côté. Par exemple, le lait acheté à Hong Kong pour 100 dollars et vendu à l’intérieur du pays pour 120 dollars. Il y a aussi des contrats standards pour l’or sur les marchés intérieurs et extérieurs. En théorie, la valeur est la même, il y a deux lingots d’or. Mais le prix fluctue, nous calculons l’écart, et si nous trouvons qu’il s’écarte de la zone statistique historique, par exemple, à l’époque du Brexit, nous trouverons que l’or chinois est moins cher, l’or américain plus cher.

• Les prédictions Prévoir le mouvement des prix à l’avenir en comparant les données passées du marché avec l’environnement du marché actuel:Price=a+b+c. Cette courbe future peut être la prochaine seconde, la prochaine minute, le prochain jour de négociation, la prochaine semaine, le prochain mois. Si votre modèle prédit correctement, il dépasse la NB, que ce soit la prochaine seconde, la prochaine minute ou la prochaine semaine. Voir le graphique 7. Le processus de base consiste à faire le point sur les données, puis à déterminer quels facteurs influencent le marché. Vous pouvez commencer très vite, vous pouvez avoir une ligne moyenne, vous pouvez avoir des résultats très vite, mais la stabilité de votre modèle est stable pour combien de temps, cela nécessite un réglage continu, un cycle continu. Vous allez vous entraîner, évaluer le modèle, puis optimiser votre facteur. Bien sûr, il y a maintenant beaucoup de facteurs, et certains ont tendance à y ajouter 500 facteurs. Son modèle peut lui dire quels facteurs sont utiles et quels facteurs ne le sont pas, et il peut supprimer lui-même les facteurs à forte corrélation. Un Super Simple n’est pas un modèle simple, le plus simple des modèles de prédiction est que le prix reviendra à la moyenne. Quelle est la moyenne, vous pouvez vous en occuper. Data et Factor ont besoin d’être continuellement peaufinés.

  • Micro Structure C’est trop fréquent, le Quant n’est peut-être pas utilisé. Par exemple, dans le trading d’actions, on entend souvent parler de support et de pression, c’est une simple micro-structure. Regardez une enquête de la SEC américaine de l’année dernière. Spoofer, quelques joueurs bluffant sur le marché. Le marché était normal, les achats étaient de 10, 20 et tout à coup un joueur est entré et a dit que je devais acheter 1000. Tout le monde pensait qu’il y avait une grosse offre, et tout le monde est allé acheter. Il y a deux liens intéressants: How to Catch a Spoofer http://www.bloomberg.com/graphics/2015-spoofing/ Iceberg Orders http://www.marketdelta.com/blog/2011/10/footprint-chart/iceberg-orders/ Les mathématiques, d’après mon expérience, sont utilisées pour les mathématiques de base et les mathématiques de doctorat. Ne sous-estimez pas les mathématiques de base, qui font aussi beaucoup de trous. Il y a aussi la modélisation prédictive, qui est très large, qui a été utilisée par beaucoup d’entreprises depuis longtemps. Le problème avec les hautes fréquences, c’est que la capacité est faible. Disons que vous lui donnez 500 000 et il gagne 200 000. Disons que vous lui donnez 5 millions et il gagne peut-être 200 000.

• #### IT. Tout le monde connaît l’affaire du pouce d’un grand oolong. En outre, Knight Capital a perdu 440 millions de dollars en une demi-heure. Le programmeur a mis à niveau le système, peut-être 8 machines de production, une qui n’a pas été mise à niveau, ce qui a entraîné l’exécution d’une instruction erronée, et a continué à négocier.

Dans ces deux cas, c’est dire que l’informatique est importante et peut vous faire perdre beaucoup d’argent. Voir aussi la figure 8. Les systèmes informatiques sont principalement divisés en quatre parties. Les données de prix sont relativement simples, les données non structurées sont un peu plus complexes et nécessitent beaucoup de code de programmation, comment les collecter, les formater, les unifier, les accéder. En tant que Quant, j’aimerais faire un tableau avec les données d’un jour. Bien sûr, vous ne pouvez pas vous tromper, votre tolérance à l’erreur et votre capacité à vérifier les erreurs doivent être très élevées. Nous avons déjà eu ce genre de situation, le test de retour est très bon, nous gagnons de l’argent tous les jours, mais nous découvrons que les données sont fausses. L’Execution est une multitude d’API, d’accès aux marchés, de contrôles de vents. Dans le domaine de la haute fréquence, la vitesse est très importante. Parce que la plupart des données sont publiques et que beaucoup de gens peuvent les voir. Quand beaucoup de gens voient une opportunité, seuls les plus rapides peuvent l’obtenir. Chaque marché a des API différentes et des protocoles unifiés, comme le protocole Fix, mais pas nécessairement pris en charge par chaque échange, mais le protocole Fix lui-même est plus lent. Back Testing, quelquefois quelque chose que Quant a inventé, peut-être que votre système de test n’est pas encore compatible et que vous devez modifier le cadre de test. La visualisation est importante. Vous ne pouvez pas dire: “Donnez-moi un tas de chiffres, je ne peux pas les voir”. C’est beaucoup plus simple de voir un graphique. La vitesse de retestation est également importante. Par exemple, pour retester une stratégie, un an de données, vous avez besoin d’une semaine. Qui attend une semaine pour voir vos résultats! Une minute peut encore être acceptée. Nous avons aussi beaucoup d’optimisations ici, par exemple comment prendre les données, comment les mettre en cache, et améliorer la performance entre les deux. J’ai déjà fait des essais de cloud computing dans ma société précédente, en distribuant des moteurs de rétroaction sur de nombreux serveurs. Il y a aussi le Monitoring. Il y a beaucoup d’automatisation dedans. Il y a beaucoup de stratégies. C’est aussi un élément très important de savoir comment aller à Monitor Risk, comment aller à Alert. Comme nos stratégies actuelles sont des opérations automatisées, toutes les stratégies sont surveillées, le niveau de risque de chaque stratégie ne peut pas dépasser le niveau d’alerte. Quand vous négociez beaucoup de variétés, il n’y a pratiquement pas de chances que tout le monde soit là, donc il y a beaucoup de surveillance.

• #### La vidéo a été postée sur le blog d’Al Jazeera.

Flash Boys
Quantitative Trading: How to Build Your Own Algorithmic Trading Business
The Quants: How a New Breed of Math Whizzes Conquered Wall Street and Nearly Destroyed It
The Problem of HFT - Collected Writings on High Frequency Trading & Stock Market Structure Reform
Inside the Black Box: A Simple Guide to Quantitative and High Frequency Trading
Algorithmic Trading: Winning Strategies and Their Rationale
Quantitative Trading with R: Understanding Mathematical and Computational Tools from a Quant's Perspective

http://numericalmethod.com/courses/introduction-to-algorithmic-tradingstrategies-2011-2013/ https://www.quantstart.com/articles/beginners-guide-to-quantitative-trading https://www.zhihu.com/publications/nacl/19550372

Lien