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 :

https://www.youtube.com/watch?v=iBHJTWZ_3W8

Ces articles pourraient aussi vous intéresser …