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 réflexions sur « Un programme informatique pour battre Wall Street »

  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 😉

  2. 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.

Laisser un commentaire

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.

Pour les passionnés de 3D et de Jeux

%d blogueurs aiment cette page :