Quelques stratégies pour les transactions à haute fréquence

Le fonds Simmons Grand Prix est un hedge fund Wall Street mythique, avec un rendement annuel moyen de 35% sur 20 années consécutives, et un rendement annuel de plus de 60% si l'on tient compte des frais de gestion de 5% et de la levée de 40% du fonds.

La stratégie de Simmons consiste principalement à utiliser des modèles mathématiques puissants et des logiciels informatiques pour effectuer des transactions à haute fréquence sur différents produits sur les marchés mondiaux, en profitant de faibles variations pour obtenir un bénéfice stable et continu. Cette stratégie est neutre sur le marché, moins affectée par les marchés haussiers et les marchés baissiers.

Dans l'ensemble, le trading à haute fréquence comprend principalement les stratégies suivantes: le trading à rebond de liquidité, le trading algorithmique de prédation et le trading automatisé par les marketeurs.

Afin de clarifier les stratégies de négociation à haute fréquence ci-dessus, voici un exemple qui correspond très bien aux transactions réelles. Un acheteur institutionnel décide d'acheter 10 000 actions XYZ d'une société à un prix d'environ 30 $, comme la plupart des acheteurs institutionnels comme les fonds communs, les fonds de pension, etc. La commande est d'abord entrée dans son système de négociation algorithmique.

Les transactions de remboursement de liquidité

Afin de gagner plus d'ordres de négociation, toutes les bourses américaines offrent un certain taux de rebond aux courtiers qui créent de la liquidité, généralement de 0,25 cents / action. Qu'il s'agisse d'un ordre de vente ou d'un ordre de vente, si la transaction réussit, les bourses paient un rebond au courtier qui a fourni la liquidité initiale, tout en facturant des frais plus élevés aux courtiers qui utilisent cette liquidité pour effectuer des transactions.

Dans ce cas, supposons que le prix de la transaction psychologique de l'investisseur institutionnel soit compris entre 30 et 30,05 dollars. Si le premier paiement (par exemple, 100 actions) du système de négociation réussit, il est négocié au prix de 30 dollars. Ainsi, le deuxième paiement (par exemple, 500 actions) du système de négociation apparaît. Supposons que le paiement réussisse également, il est négocié au prix de 30 dollars.

Après la réussite de la transaction, les négociants de rebond ajustent immédiatement la direction de la transaction et vendent les 100 actions qu'ils viennent d'acheter à 30,01 $ au même prix, soit 30,01 $. Comme le prix de 30 $ n'existe plus, la vente est susceptible d'être acceptée par les investisseurs institutionnels.

Ainsi, bien que les négociants en rebond n'aient pas réalisé de bénéfices tout au long de la transaction, ils obtiennent une commission de rebond de 0,25 centime par action offerte par l'échange, car le deuxième ordre de vente actif fournit de la liquidité au marché. Il va sans dire que les bénéfices de 0,25 centime par action des négociants en rebond sont compensés par un supplément de 1,0 centime payé par les investisseurs institutionnels.

Traitements par algorithme de chasse

Aux États-Unis, plus de la moitié des offres d'algorithmes d'investisseurs institutionnels suivent le principe de la meilleure offre nationale (NBBO) de la SEC. En fait, les offres d'algorithmes d'une seule action sont souvent comparées à un rythme très rapide, ce qui fait que le prix des actions se déplace de haut en bas et de haut en bas. Dans la pratique, on voit souvent des transactions où le nombre de transactions est limité ou où le prix des actions est poussé jusqu'à 500 ou des dizaines de points plus haut.

Les stratégies de trading d'algorithmes de proie sont conçues sur la base de la recherche sur les lois historiques des variations des prix des actions. En général, les stratégies sont conçues pour inciter les investisseurs institutionnels à augmenter leur prix d'achat ou à réduire leur prix de vente en fixant des prix artificiels pour se procurer des bénéfices.

Dans le cas présent, supposons que l'investisseur institutionnel suive l'NBBO et que le prix de la transaction psychologique soit compris entre 30 et 30,05 $. Comme dans le cas précédent, les négociants en algorithme de chasse utilisent des procédures et des techniques très similaires pour rechercher des ordres algorithmiques potentiellement successifs d'autres investisseurs. Après avoir confirmé par ordinateur l'existence d'un devis d'algorithme au prix de 30,0 $, les négociants en algorithme de chasse lancent une attaque: ils déclarent un achat à 30,01 $, ce qui oblige les investisseurs institutionnels à augmenter rapidement le prix de l'achat ultérieur à 30,01 $; puis les négociants en algorithme de chasse poussent le prix à 30,02 $, ce qui incite les investisseurs institutionnels à poursuivre la poursuite.

Dans ce cas, les traders de l'algorithme de chasse poussent instantanément le prix à la limite acceptable pour les investisseurs institutionnels de 30,05 $ et vendent les actions à cet investisseur institutionnel à ce prix. Les traders de l'algorithme de chasse savent que les prix humains de 30,05 $ sont généralement difficiles à maintenir, ce qui les amène à compléter leurs positions pour réaliser des bénéfices lorsque les prix baissent.

Une stratégie de marketing automatisée

Il est bien connu que la fonction principale des marketeurs est de fournir de la liquidité aux centres de négociation. Comme les marketeurs ordinaires, les marketeurs automatiques à haute fréquence améliorent la liquidité en proposant des ordres de vente et d'achat au marché. La différence est qu'ils fonctionnent généralement à l'envers avec les investisseurs. Les systèmes informatiques à grande vitesse des marketeurs automatiques à haute fréquence ont la capacité de détecter l'intention d'investissement des autres investisseurs en émettant des ordres ultra-rapides. Par exemple, après avoir émis un ordre d'achat ou de vente à une vitesse extrêmement rapide, l'ordre sera immédiatement annulé s'il n'est pas rapidement exécuté; cependant, si l'ordre est exécuté, le système capture une grande quantité d'informations sur l'existence d'un ordre potentiel ou caché.

Dans le cas présent, supposons que l'investisseur institutionnel envoie à son système de négociation algorithmique une série de paiements à un prix compris entre 30.01 et 30.03 dollars, et que personne ne le sache. Pour détecter la présence d'une commande potentielle, le système informatique à grande vitesse du négociant automatique à haute fréquence commence à émettre une offre de vente de 100 actions à un prix de 30.05 dollars. Comme le prix est supérieur au plafond du prix de l'investisseur, il n'a donc pas provoqué de réaction, et la vente est rapidement annulée. L'ordinateur essaie à nouveau à un prix de 30.04 dollars, ou le résultat n'a pas provoqué de réaction, et la vente est également rapidement annulée.

Les trois stratégies de trading à haute fréquence les plus courantes sont celles qui imposent des exigences de performance élevées sur les ordinateurs et les réseaux, de sorte que certains établissements de négociation placent leurs servers (server farms) à proximité des ordinateurs d'échange afin de réduire la distance par laquelle les instructions de négociation peuvent voyager à la vitesse de la lumière sur un câble optique.

En fait, l'impact des transactions à haute fréquence sur le marché est un sujet de discussion très intense parmi les banques. Un rapport de la Réserve fédérale de Chicago indique que, bien que les transactions à haute fréquence soient bénéfiques pour le marché et puissent augmenter la liquidité du marché boursier, elles peuvent avoir des conséquences désastreuses sur la tendance du marché si les procédures sont erronées ou négligées.

Un autre problème est que les transactions à haute fréquence soupçonnent des problèmes d'équité du marché et que les équipements et les capacités de calcul nécessaires pour les transactions à haute fréquence constituent un seuil insurmontable pour les petits et moyens investisseurs, et que les institutions qui profitent des transactions à haute fréquence peuvent créer des inégalités sur le marché.

在国内市场，目前基本上没有高频交易的土壤，股票市场是T+1，股指期货市场的持仓、交易频率都有很大的限制。商品期货市场可以做一些日内的短线交易，但是离高频交易尚且有很大的距离。从监管层的态度以及国内市场的发展来看，高频交易在国内短期内无法成为一个主要的交易方式。