Comment les traders professionnels profitent du flux d’ordres des particuliers

Ces dernières années ont été marquées par un afflux de traders particuliers entrant sur les marchés par le biais d'applications à commission zéro et d'activités de chasse au battage médiatique (actions mèmes, crypto, etc.).

Cet afflux de participants inexpérimentés a créé des opportunités pour les entreprises sophistiquées de Wall Street de profiter de ces traders moins expérimentés grâce à l'arbitrage d'informations, c'est-à-dire en utilisant des informations et des analyses supérieures que les investisseurs particuliers n'ont pas.

Les traders et investisseurs professionnels - y compris les fonds spéculatifs, les sociétés de trading pour compte propre et les teneurs de marché - s'appuient sur des compétences, des connaissances et des avantages technologiques considérables pour exploiter les mouvements des traders particuliers et d'autres flux non économiques (transactions non motivées par une valeur fondamentale) sur les marchés américains des actions, des contrats à terme, du forex et des crypto-monnaies.

Les règles du jeu sont loin d'être équitables, car les traders particuliers qui ne sont pas conscients de cette dynamique sont désavantagés par nature.

La plupart des traders particuliers finissent par perdre de l'argent, des études montrant qu'environ 70 à 80 % des comptes forex/CFD des particuliers sont dans le rouge.

Nous examinons ci-dessous comment les professionnels capitalisent stratégiquement et techniquement sur le flux d'ordres des particuliers et sur les modèles de marché prévisibles, en mettant en évidence le manque de compétences et les failles structurelles qui rendent la concurrence si difficile pour les participants particuliers.

L'écart de compétences et de connaissances entre les professionnels et les particuliers

Expertise et ressources

Les traders professionnels disposent généralement d'une formation approfondie en matière de microstructure des marchés, de méthodes quantitatives et de gestion des risques, ce qui n'est pas le cas des traders particuliers.

Ils opèrent au sein d'équipes composées de quants et de traders expérimentés, soutenus par de vastes capitaux et une infrastructure de pointe (serveurs colocalisés, flux de données directes, etc.).

). Cela leur permet de traiter des informations et d'exécuter des transactions à des vitesses et avec une sophistication qui dépassent celles d'un simple amateur.

Par exemple, les sociétés de trading à haute fréquence (HFT) utilisent des flux de données de marché ultra-rapides (par exemple, Nasdaq TotalView, NYSE OpenBook) et des connexions réseau fulgurantes avec une latence de l'ordre de la microseconde - plus les transactions sont rapides, plus la société dispose d'un avantage microéconomique.

En revanche, les traders particuliers s'appuient souvent sur des flux de brokers plus lents et des connexions internet grand public, ce qui leur permet de réagir en différé.

Asymétrie de l'information

Les professionnels ingèrent et analysent en permanence d'énormes flux de données (carnets d'ordres, flux d'informations, sentiment des médias sociaux, etc.) à l'aide de modèles avancés.

Ils en savent souvent beaucoup plus sur la dynamique actuelle de l'offre et de la demande que les traders particuliers qui se concentrent sur les graphiques de base ou les informations.

Cet avantage informationnel est l'une des principales raisons pour lesquelles les institutions peuvent identifier les mauvaises évaluations et anticiper les mouvements avant les particuliers.

Par exemple, de nombreux traders particuliers négocient sur la base de leurs émotions ou de signaux simplistes, alors qu'un fonds spéculatif peut utiliser un modèle d'apprentissage automatique sur des années de données pour prédire les tendances de prix à court terme.

Il en résulte que les professionnels ont souvent « une longueur d'avance » en prévoyant les mouvements du marché à partir d'indices de flux d'ordres qui échappent aux yeux des particuliers.

Avantages structurels

Au-delà des compétences, les professionnels bénéficient d'avantages structurels.

Ils peuvent négocier dans des dark pools ou des réseaux de croisement internes (évitant ainsi de se faire remarquer sur les marchés publics), bénéficier de frais de trading moins élevés, voire de rabais (les teneurs de marché sont souvent payés pour fournir de la liquidité), et utiliser l'effet de levier ou les produits dérivés à l'échelle institutionnelle.

Les teneurs de marché et les sociétés d'intermédiation entretiennent également des relations directes avec les bourses et les brokers, ce qui leur permet d'obtenir des informations ou des données sur les flux d'ordres qui ne sont pas à la portée d'une personne ordinaire.

En bref, les cartes sont pipées : la combinaison d'une meilleure information, de la technologie et de l'accès au marché permet aux professionnels d'extraire systématiquement des profits des transactions des particuliers moins bien informées.

Examinons maintenant les méthodes spécifiques qu'ils utilisent.

Exploiter le flux d'ordres des particuliers via le paiement pour le flux d'ordres (PFOF)

L'un des principaux avantages stratégiques réside dans la monétisation et l'analyse du flux d'ordres des particuliers par le biais du paiement pour le flux d'ordres.

Sur les marchés américains des actions et des options, les brokers vendent souvent les ordres de leurs clients à des teneurs de marché de gros (comme Citadel Securities ou Virtu) en échange d'une commission sur le flux d'ordres.

Le teneur de marché internalise ces transactions, remplissant les ordres en interne au lieu de les envoyer sur le marché libre.

Pourquoi paient-ils pour ce flux ?

Parce que les ordres des particuliers sont généralement considérés comme « non informés » et qu'il est donc très rentable de négocier par rapport à eux.

L'analyse universitaire présentée dans ce document de la SEC montre que « le flux d'ordres de détail non informés [...] est particulièrement précieux pour les grossistes en raison du risque limité d'antisélection. Cela conduit les grossistes à payer pour exécuter des ordres de particuliers segmentés », en empochant le spread entre le cours acheteur et le cours vendeur en tant que bénéfice.

En substance, si vous êtes un teneur de marché, il est plus sûr de négocier contre l'ordre d'un petit trader (il est moins probable qu'il ait des informations d'initié) que contre l'ordre d'un fonds spéculatif.

En achetant le flux d'ordres de particuliers, les teneurs de marché bénéficient de deux avantages : un avantage en termes d'exécution et une connaissance des données.

Tout d'abord, ils peuvent exécuter des transactions de particuliers « avant que les transactions ne soient exécutées [publiquement] », en voyant l'intérêt d'achat ou de vente qui se manifeste et en fixant le prix de la transaction à des conditions favorables.

Les traders particuliers pensent souvent qu'ils obtiennent le meilleur prix, mais l'internalisateur peut s'aligner sur le prix public ou le dépasser légèrement tout en réalisant un bénéfice - il s'agit essentiellement de capturer le spread sans presque aucun risque. (En effet, les grossistes ciblent explicitement ce flux afin d'éviter la « sélection adverse plus importante » sur les marchés boursiers de la part des opérateurs informés).

Deuxièmement, le traitement d'énormes volumes d'ordres de particuliers permet aux entreprises de connaître en temps réel le comportement des traders.

Ces teneurs de marché construisent des ensembles de données montrant le comportement des investisseurs particuliers, leur positionnement et les flux vers les actions les plus populaires en voyant tous les ordres d'achat et de vente qui leur parviennent.

Ces informations valent de l'or : elles permettent aux professionnels d'évaluer le sentiment des investisseurs et d'effectuer des transactions à un stade précoce.

Exemple - Robinhood/Citadel

Au cours de la frénésie des mèmes boursiers du début de l'année 2021, des courtiers comme Robinhood ont acheminé l'avalanche d'ordres de particuliers vers les grossistes.

Citadel Securities (l'un des principaux teneurs de marché du PFOF) a non seulement gagné des marges sur l'exécution des transactions, mais a également vu le flux d'ordres de millions de petits traders à la recherche de GameStop (GME), AMC, etc.

Cela leur a permis d'anticiper le fait que ces actions étaient en train de devenir extrêmement surachetées par les particuliers.

Les teneurs de marché et autres sociétés de quantification ont vu ce flot d'activités GME/AMC/etc. avant les autres, ce qui leur a permis de prendre l'autre côté de la médaille de manière rentable.

En pratique, un teneur de marché témoin d'un assaut d'achat d'options d'achat au détail dans GME pouvait augmenter les prix des options, faire de la couverture delta en vendant à découvert l'action dans le rallye, et être prêt à tirer profit lorsque la frénésie d'achat au détail s'est épuisée.

Sur les marchés des crypto-monnaies, une dynamique similaire est en train d'émerger - les grossistes paieraient même davantage pour le flux d'ordres des particuliers sur les crypto-monnaies que pour les actions, ce qui montre à quel point il est lucratif de négocier contre les traders amateurs de crypto-monnaies.

Dans tous les cas, le PFOF et l'internalisation séparent les ordres des particuliers pour que les professionnels puissent les exploiter dans un environnement relativement opaque. (Les régulateurs se sont inquiétés du fait que cela réduise la transparence et puisse entrer en conflit avec les obligations de meilleure exécution, mais cela reste courant sur le marché américain des actions).

En fin de compte, les professionnels achètent littéralement le droit de prendre l'autre côté des transactions, armés de modèles de tarification supérieurs et sachant que les flux des particuliers sont généralement mal informés.

Les bords de la microstructure du marché : Analyse des carnets d'ordres et détection du spoofing

Un autre avantage des professionnels est leur maîtrise de la microstructure du marché, c'est-à-dire des mécanismes détaillés des carnets d'ordres, de l'exécution des transactions et de la liquidité.

Alors que de nombreux traders particuliers regardent à peine au-delà des graphiques de prix, les traders professionnels examinent le carnet d'ordres de niveau II (profondeur du marché) à la recherche de signaux exploitables.

Le carnet d'ordres est une mine d'informations sur la microstructure, indiquant tous les ordres d'achat et de vente en cours et révélant l'offre et la demande à chaque niveau de prix.

Les traders qualifiés l'analysent en temps réel : par exemple, une pile d'ordres d'achat importante peut indiquer un support, tandis qu'une vague soudaine d'annulations d'ordres peut signaler un mouvement de prix à venir.

Le suivi de paramètres tels que le déséquilibre des ordres (volume total d'achat par rapport au volume de vente) sert souvent de précurseur au mouvement des prix - un déséquilibre important peut indiquer que le prix va bientôt se déplacer vers le côté dominant.

Ce phénomène est souvent appelé « book skew », comme nous l'expliquons en détail ici.

Les professionnels utilisent des modèles statistiques rapides pour estimer la probabilité de mouvements de prix à court terme sur la base de cette dynamique du carnet d'ordres, ce qui leur permet de réagir ou de se positionner quelques millisecondes avant une cassure des prix qu'un œil non averti pourrait manquer.

Flux d'ordres et signaux de manipulation

Grâce à des outils perfectionnés, les professionnels peuvent également détecter les manipulations du marché ou les faux signaux qui pourraient tromper un novice.

Un exemple classique est le spoofing, qui consiste à placer de faux ordres de grande taille pour faire varier les prix, puis à les annuler.

Les entreprises sophistiquées disposent d'algorithmes (voire de classificateurs d'IA) pour repérer les schémas inhabituels du carnet d'ordres qui suggèrent un spoofing ou une superposition d'ordres.

Cela signifie qu'elles sont moins susceptibles de se faire piéger en négociant sur une cotation falsifiée.

En fait, lorsque les manipulateurs tentent des tactiques telles que le momentum ignition (pousser rapidement le prix pour déclencher les réactions des autres), les sociétés de HFT les repèrent souvent et peuvent même les contre-exploiter (par exemple, en atténuant le mouvement artificiel).

En revanche, les traders particuliers sont beaucoup plus enclins à réagir de manière émotionnelle à ces simulations : ils achètent parce qu'ils constatent une hausse soudaine, sans se rendre compte qu'il s'agit d'un faux mouvement.

Les professionnels tirent leur épingle du jeu en se plaçant de l'autre côté de ces scénarios.

La chasse aux stop-loss

La chasse au stop-loss est une tactique de microstructure particulièrement répandue.

Les professionnels savent bien que de nombreux traders particuliers placent des ordres stop-loss à des niveaux de support/résistance évidents ou à des prix ronds.

Sachant cela, un acteur plus important peut délibérément pousser le prix jusqu'à ces niveaux pour déclencher les ordres stop - provoquant une cascade d'ordres de vente - et racheter ensuite à des prix artificiellement bas.

La chasse aux stops est une stratégie visant à forcer les autres à sortir de leurs positions en déclenchant des ordres de stop-loss, ce qui crée une poussée de volatilité que les instigateurs peuvent exploiter.

Par exemple, si une action a un support à 50 dollars et que de nombreux détaillants s'arrêtent juste en dessous, un fonds spéculatif peut vendre agressivement pour amener le prix à 49,90 dollars, déclenchant un flot d'ordres de vente stop-loss et entraînant ainsi une forte baisse du prix.

Le fonds peut alors couvrir ses positions courtes ou accumuler des actions au prix de la crise avant que le marché ne se rétablisse.

Cette pratique, bien que considérée comme prédatrice, n'est pas illégale en soi (à moins qu'elle ne soit le fruit d'une manipulation) et est courante sur les marchés des changes et des cryptomonnaies en particulier.

Les traders particuliers se plaignent souvent d'être « chassés par le stop » lorsqu'ils voient les prix baisser juste assez pour atteindre leur stop, puis rebondir rapidement - un schéma attribuable à des acteurs avisés qui exploitent le regroupement prévisible d'ordres stop sur les marchés.

Trading à haute fréquence : Vitesse, arbitrage de latence et priorité aux files d'attente

Course à la vitesse du HFT

Les sociétés de trading à haute fréquence représentent l'extrême limite du trading professionnel, exploitant toutes les avancées technologiques pour gagner en rapidité.

Leur principe directeur : négocier plus vite que la concurrence pour réaliser des profits éphémères.

Cela conduit à des stratégies telles que l'arbitrage de latence, qui consiste à tirer profit des minuscules décalages de temps dans la diffusion des prix sur les marchés.

Par exemple, si le prix d'une action augmente sur la bourse A, une société de HFT peut se précipiter pour acheter cette action sur la bourse B avant que celle-ci ne mette à jour son prix.

Cela nécessite des temps de réaction inférieurs à la milliseconde. Les recherches montrent que sur les marchés d'actions américains fragmentés d'aujourd'hui, « 96 % de toutes les transactions sont soumises à des opportunités d'arbitrage de latence » par des acteurs plus rapides dans le cadre de la conception actuelle du marché.

En d'autres termes, presque chaque fois qu'un opérateur envoie des ordres à deux bourses, un opérateur rapide peut potentiellement intercepter une partie de la transaction sur la bourse la plus lente et profiter de la différence de prix.

Il s'agit essentiellement d'une course à l'anticipation électronique : il ne s'agit pas d'utiliser des informations d'initiés, mais d'utiliser la vitesse pour devancer les autres.

Les sociétés de HFT dépensent des millions pour installer leurs serveurs à proximité des moteurs d'appariement des bourses, pour mettre en place des réseaux de communication par micro-ondes entre Chicago et New York et pour optimiser leur code, tout cela dans le but de gagner quelques microsecondes sur le temps de transmission.

Les petits traders, qui font appel à des courtiers ordinaires, n'ont pratiquement aucune chance de rivaliser dans ce domaine ; le temps qu'un ordre réagisse à un mouvement de prix, les HFT ont déjà refait le prix du marché.

Gestion de la position dans la file d'attente

La vitesse confère également un avantage dans la file d'attente du carnet d'ordres à cours limité.

Lorsque l'on passe des ordres à cours limité, il est essentiel d'être le premier dans la file d'attente à un prix donné - on est exécuté avant les autres.

Les teneurs de marché professionnels utilisent des stratégies de mise à jour dynamique des cours pour conserver leur priorité.

Par exemple, s'ils sont deuxièmes dans la file d'attente et que l'ordre de tête est exécuté, ils ajustent instantanément leur cotation ou annulent/remplacent les ordres pour passer en tête.

Les teneurs de marché HFT annulent et remplacent régulièrement des milliers d'ordres par seconde pour s'assurer que leurs cotations sont toujours au meilleur prix et prioritaires.

En fait, on estime que seule une infime partie des ordres HFT est exécutée ; le reste est annulé et réaffiché, souvent en moins de 50 millisecondes, tandis que les algorithmes se disputent la position dans la file d'attente.

Cet ajustement rapide est impossible pour un trader humain.

Résultat : lorsqu'un trader soumet un ordre à cours limité, il se retrouve souvent loin dans la file d'attente derrière ces algorithmes de tenue de marché toujours actifs, ce qui signifie que son ordre peut ne pas être exécuté à moins que le prix n'évolue.

Les professionnels, en revanche, capturent la majeure partie du volume à des niveaux de prix clés grâce à leur gestion incessante de la file d'attente.

Autres tactiques HFT

Les entreprises de haute fréquence utilisent une ménagerie de tactiques qui exploitent les détails de la microstructure.

Le sniffing/Pinging consiste à envoyer de minuscules ordres pour évaluer la liquidité cachée ou pour détecter les gros ordres icebergs (afin de pouvoir négocier contre un gros acteur qui tente de se cacher).

Le sniping consiste à entrer ou sortir juste avant un changement de prix - par exemple, les algorithmes surveillent tout schéma prévisible (comme la fin d'une vente aux enchères par lots d'un dark pool ou les dernières secondes d'une transaction sur le prix moyen pondéré par le volume) et exécutent ensuite de manière agressive pour saisir un meilleur prix.

Certaines stratégies anticipent même les ordres entrants : par exemple, certains algorithmes déduisent qu'un ordre institutionnel important est en train d'être exécuté par tranches et commencent à acheter en avance (ce qui fait monter le prix et oblige l'institution à payer plus cher - ce qui constitue un profit pour le HFT).

Une étude a révélé que les HFT « identifient des modèles dans les transactions et les ordres passés qui leur permettent d'anticiper et de négocier avant le flux d'ordres d'autres investisseurs », prédisant ainsi le moment où une grande vague d'achat ou de vente est en cours.

Ce faisant, « les achats et les ventes agressifs des HFT devancent ceux des autres investisseurs » et augmentent les coûts de transaction pour les acteurs plus lents.

Toutes ces techniques montrent comment les professionnels utilisent la vitesse et les algorithmes pour exploiter tout retard ou modèle dans les transactions des autres, ce qui est totalement hors de portée des traders particuliers.

Arbitrage statistique et prédiction du flux d'ordres

Arbitrage statistique

Au-delà de du trading instantané, les entreprises professionnelles pratiquent également l'arbitrage statistique, c'est-à-dire des stratégies systématiques qui exploitent les inefficacités de tarification et prédisent l'évolution future des prix à partir de modèles statistiques.

Ces stratégies impliquent souvent de maintenir des positions pendant des minutes ou des jours (et non pas seulement des microsecondes), mais elles s'appuient toujours sur des données et des modèles de qualité supérieure.

Par exemple, les fonds spéculatifs quantitatifs appliquent des stratégies de retour à la moyenne ou de trading par paires : si l'action A est généralement corrélée à l'action B et qu'elle diverge de manière significative, ils peuvent vendre à découvert l'action surperformante et acheter l'action sous-performante, en pariant qu'elles convergeront.

De telles stratégies nécessitent l'analyse de vastes séries de prix et de corrélations historiques, ce pour quoi les traders particuliers disposent rarement des outils ou des données nécessaires.

Les grands fonds peuvent surveiller des centaines d'actifs et détecter des anomalies subtiles (par exemple, un certain contrat à terme se négocie à un prix légèrement inférieur à celui d'un ETF).

Ils exploitent ces anomalies en effectuant des transactions en masse, souvent avant que l'écart ne se referme. Le temps qu'un trader remarque un arbitrage (si tant est qu'il en remarque un), les professionnels ont déjà procédé à l'arbitrage.

Prévision du flux d'ordres

La prévision du flux d'ordres est un avantage particulièrement important.

Les professionnels utilisent à la fois des statistiques simples et l'intelligence artificielle pour prévoir où les ordres agrégés vont pousser le marché.

Par exemple, un teneur de marché peut modéliser la probabilité qu'un déséquilibre du carnet d'ordres entraîne une hausse des prix dans la seconde qui suit - et ajuster les cotations en conséquence.

De manière plus agressive, les sociétés de prop trading identifient « les grands ordres institutionnels et négocient ensuite en amont de ces ordres en anticipant qu'ils feront bouger le marché ».

Si l'algorithme d'un fonds spéculatif détecte les empreintes d'un gros acheteur (par exemple, une série de petits achats toutes les secondes), il peut commencer à acheter également, en s'attendant à ce que le prix augmente au fur et à mesure que le gros ordre se poursuit, puis vendre au prix le plus élevé.

Ce trading anticipé est une forme légale de fuite en avant par déduction.

Il désavantage le traders institutionnel ou particuliers qui exécute lentement l'ordre, car ses propres achats poussent les prix directement dans les mains des anticipateurs.

Arbitrage croisé

L'arbitrage entre marchés est un autre domaine.

Les opérateurs sophistiqués prévoient le flux d'ordres sur des marchés connexes, par exemple entre les contrats à terme et les actions sous-jacentes, ou entre les marchés des changes/obligations et les marchés des taux d'intérêt.

Si les traders particuliers achètent massivement des contrats à terme sur l'indice S&P 500 dans la matinée (peut-être en raison d'un sentiment haussier), un algorithme peut prédire que cette pression sur les contrats à terme entraînera une hausse momentanée des prix des actions composant l'indice.

L'algo peut acheter un panier d'actions quelques millisecondes avant qu'elles ne bougent réellement.

De même, sur le marché des changes, si un afflux d'ordres de particuliers frappe une plateforme de trading et fait monter l'EUR/USD, un trader rapide achètera sur d'autres plateformes avant qu'elles ne s'ajustent.

Ces stratégies statistiques et croisées sont gourmandes en capital et en connaissances : il faut des capitaux importants pour vendre à découvert un actif et en acheter un autre simultanément, ainsi que des modèles complexes pour gérer le risque.

Les professionnels disposent de ces deux éléments, alors que les petits traders opérant de manière isolée ne peuvent que rarement arbitrer des prix erronés (et n'en sont souvent même pas conscients).

Données alternatives et apprentissage automatique

Les entreprises quantiques modernes intègrent également des données alternatives et l'apprentissage automatique pour prédire les flux.

Par exemple, elles analysent les données relatives au sentiment (Twitter, Reddit, titres d'actualité) pour prévoir les vagues d'ordres émanant de particuliers ou d'autres acteurs.

Si un modèle d'IA détecte des discussions extrêmement optimistes sur les médias sociaux à propos d'une action de petite capitalisation, un fonds spéculatif peut prévoir une vague d'ordres d'achat et se positionner bien avant que le cours ne s'envole.

Les banques et les fonds spéculatifs exploitent des données alternatives provenant de plateformes telles que Reddit, X (Twitter) et TikTok pour surveiller les discussions des investisseurs particuliers. À l'aide d'algorithmes NLP, ils détectent les changements de sentiment et les positions encombrées, ce qui leur permet d'anticiper et de devancer le comportement des investisseurs particuliers.

En bref, les arbitragistes statistiques ne s'intéressent pas à l'histoire d'une action - ils exploitent les modèles de comportement des investisseurs.

Et le comportement des traders particuliers - qui se concentrent souvent sur les mêmes actions ou réagissent de la même manière aux nouvelles - fournit de nombreux modèles à exploiter pour ceux qui disposent des données et de l'expertise nécessaires pour les modéliser.

Exploitation comportementale des biais (peur, cupidité et comportement de troupeau)

Les traders particuliers sont réputés pour leur émotivité : ils poursuivent les hausses (cupidité) et vendent dans la panique les baisses (peur).

Les professionnels sont parfaitement conscients de ces tendances et conçoivent des stratégies pour en tirer parti.

Le "Smart Money" tend souvent des pièges aux particuliers.

Par exemple, un fonds spéculatif peut concevoir un piège haussier : il pousse le cours d'une action à la hausse par des achats agressifs (parfois soutenus par des nouvelles optimistes ou un battage médiatique sur les réseaux sociaux), ce qui incite les investisseurs particuliers à s'y engouffrer, avant que les professionnels ne vendent sur cette lancée et ne laissent le cours s'effondrer, laissant les investisseurs particuliers en situation de perte.

À l'inverse, un piège baissier consiste à déclencher une liquidation (peut-être par le biais d'une rumeur négative au bon moment ou d'une importante vente à découvert soudaine) afin d'effrayer les particuliers et de les inciter à vendre, puis le Smart Money achète rapidement les actions à bas prix, ce qui provoque un rebond.

Ces tactiques sont liées à la psychologie du marché.

Les professionnels adoptent souvent une position contraire à celle des particulers dans les situations extrêmes : lorsque l'euphorie des particulers a fait grimper un prix bien au-dessus de sa valeur intrinsèque, les professionnels font la queue pour vendre à découvert ou à la sauvette.

Lorsque la panique des particuliers pousse un actif bien en deçà de sa juste valeur, les professionnels commencent à acheter.

Ce faisant, ils utilisent effectivement la foule des particuliers comme liquidité pour leurs entrées et sorties - en achetant lorsque les particuliers veulent désespérément vendre, et en vendant lorsque les particuliers réclament à cor et à cri d'acheter.

Le comportement grégaire des particuliers (comme le fait que tout le monde se précipite en même temps sur les actions technologiques ou les monnaies mimétiques) crée des inefficacités exploitables.

La saga GameStop en est un exemple spectaculaire : une foule de particuliers a fait grimper GME de 1000 % en janvier 2021, prenant certains fonds spéculatifs au dépourvu.

Mais après la compression initiale, de nombreux traders professionnels ont profité de l'effondrement qui a suivi, en procédant à des ventes à découvert à des niveaux élevés ou en utilisant la complexité des options à leur avantage.

Comme l'indique une analyse post-mortem de HedgeWeek, une fois la poussière retombée, les fonds spéculatifs ont été largement en mesure d'« augmenter à nouveau les positions à risque » tandis que « les traders particuliers pansaient leurs plaies », ce qui signifie que les professionnels ont finalement réaffirmé leur position dominante.

Au-delà des tendances extrêmes, les professionnels exploitent également les schémas comportementaux intrajournaliers.

De nombreux traders particuliers suivent des routines similaires, par exemple en plaçant des ordres de bourse dès l'ouverture du marché (ce qui entraîne des poussées de volatilité) ou en utilisant des indicateurs techniques populaires qui génèrent des points d'entrée et de sortie communs.

Des algorithmes sophistiqués peuvent détecter ces schémas.

Par exemple, si un algorithme d'exécution sait qu'à 9h30, un afflux d'ordres d'achat de détail fait généralement grimper le cours de 0,5 %, il peut prépositionner des liquidités ou atténuer le mouvement en conséquence.

De même, les traders particuliers définissent souvent des déclencheurs graphiques évidents (comme des cassures au-dessus des récents sommets) que les algos anticipent - parfois même en fabriquant une cassure rapide (le mouvement « head-fake ») pour ensuite l'inverser.

Sur les marchés des cryptomonnaies, où de nombreux traders particuliers à effet de levier fixent des niveaux de liquidation, les grands acteurs (baleines) ciblent délibérément ces niveaux.

Les baleines faussent la structure du marché en utilisant le spoofing et le stop-hunting pour générer des signaux de prix trompeurs. Ces tactiques, à leur tour, déclenchent souvent des cascades de liquidation, qui augmentent la volatilité et créent des opportunités de profit pour les baleines.

En pratique, une baleine peut constater que de nombreux traders ont des positions longues avec effet de levier qui seront liquidées (vendues de force) si le bitcoin tombe à 80 000 dollars.

La baleine peut vendre agressivement pour pousser le prix jusqu'à 79 900 dollars, déclenchant une chaîne d'auto-liquidations qui fait encore chuter le prix, puis racheter au plus bas - en profitant généreusement tandis que les acheteurs au détail se font anéantir.

Ces manœuvres s'appuient sur les comportements typiques des particuliers : surendettement, mauvaise gestion des risques et placement de stops à la manière d'un troupeau.

Ainsi, que ce soit en orchestrant des pièges ou en profitant simplement du cycle peur/avidité (acheter quand les autres ont peur, vendre quand les autres sont avides), les pros exploitent systématiquement les biais comportementaux qui affectent les traders individuels.

IA et apprentissage automatique : Modélisation du flux d'ordres et du sentiment

La fine pointe du trading professionnelle fait appel à l'IA et aux modèles d'apprentissage automatique qui analysent d'énormes quantités de données historiques et en temps réel afin de trouver des modèles invisibles pour l'homme.

Ces dernières années, les fonds spéculatifs et les entreprises propriétaires ont investi massivement dans l'apprentissage automatique afin de conserver leur avance, d'autant plus que les marchés s'électronisent et que les données prolifèrent.

Données historiques sur les flux d'ordres

L'une des principales applications est l'analyse des données historiques sur les flux d'ordres, c'est-à-dire l'apprentissage de modèles sur la façon dont les prix ont réagi à certaines conditions du carnet d'ordres ou à des signaux de négociation dans le passé.

Par exemple, un modèle d'apprentissage automatique peut apprendre qu'une combinaison particulière de déséquilibre du carnet d'ordres, de volatilité et de dynamique récente donne une probabilité de X % d'une hausse des prix de 0,1 % dans les 5 prochaines secondes.

L'entreprise de trading peut alors programmer des algorithmes pour exploiter ce phénomène en négociant avant le mouvement prédit.

Ces modèles peuvent saisir des schémas non linéaires extrêmement complexes qu'un être humain ne pourrait pas remarquer (par exemple, des séquences subtiles d'exécutions de transactions et de changements de cotation qui précèdent un mouvement de prix).

Grâce à ces algorithmes prédictifs, les professionnels tirent des bénéfices des prévisions à très court terme, en prédisant efficacement le flux d'ordres à court terme et l'impact sur les prix.

Les petits traders, qui disposent de beaucoup moins de données et d'analyses, se contentent de réagir aux mouvements après qu'ils se sont produits, se demandant souvent ce qui s'est passé lorsqu'un titre a soudainement évolué sans nouvelle évidente (alors qu'il pourrait s'agir en fait d'une prédiction algorithmique).

Analyse des sentiments et données alternatives

Un autre domaine est celui de l'analyse des sentiments et des données alternatives, où l'IA analyse les données qui reflètent le sentiment ou les intentions des traders.

Les institutions utilisent des sources de données alternatives pour suivre les discussions de détail sur Reddit, X, TikTok, en utilisant le traitement du langage naturel pour évaluer les changements de sentiment.

Si des millions de traders particuliers deviennent collectivement optimistes à l'égard d'un certain jeton cryptographique sur les médias sociaux, l'IA peut détecter la montée du sentiment positif (mots clés, volume des mentions, etc.) plus rapidement que n'importe quel analyste humain lisant les forums.

Cela permet d'avertir rapidement qu'une vague d'ordres d'achat est à venir.

Les fonds spéculatifs ont élaboré des modèles qui établissent une corrélation entre le sentiment des médias sociaux et l'évolution ultérieure des cours, ce qui leur permet de devancer les foules.

Lors de l'engouement pour les mèmes, par exemple, certains fonds auraient créé des tableaux de bord des mentions et du sentiment sur Reddit/WallStreetBets ; lorsque le volume des discussions entre particuliers montait en flèche, ils pouvaient prendre des positions en conséquence.

L'IA peut également explorer les tendances de recherche sur Google, les titres des journaux, voire l'imagerie satellitaire (pour le trading macro), le tout contribuant à créer une mosaïque de l'endroit où l'argent pourrait circuler ensuite.

Modèles de flux de particuliers et d'institutions

En outre, l'IA/ML permet de distinguer les flux des particuliers des institutionnels.

Les modèles d'apprentissage profond peuvent être entraînés sur des données de transaction étiquetées par source (sur les marchés où cela est disponible, ou déduit) pour identifier les signatures révélatrices des transactions des particuliers par rapport aux transactions du "Smart Money".

Par exemple, une IA pourrait apprendre que les traders particuliers ont tendance à placer davantage d'ordres de marché au cours des 30 premières et dernières minutes de la journée de trading, ou que les ordres algorithmiques institutionnels ont une certaine « régularité » (par exemple, l'exécution de 100 actions toutes les minutes).

En reconnaissant ces schémas en temps réel, un trader professionnel peut s'adapter, par exemple en supprimant les mouvements qui semblent motivés par les particuliers (en supposant qu'ils s'inverseront) ou en suivant les mouvements qui semblent motivés par les institutions (en supposant qu'ils s'appuient sur de vraies informations).

Optimisation

Enfin, l'IA est utilisée pour générer des stratégies de négociation et des algorithmes d'exécution optimaux (voir ci-dessous) qui peuvent s'adapter dynamiquement aux conditions du marché.

Certains fonds laissent désormais des algorithmes d'apprentissage par renforcement expérimenter des stratégies de trading dans des simulations, puis utilisent les meilleures en direct.

L'IA alimente déjà des stratégies avancées d'arbitrage d'informations.

Et à mesure que la technologie évolue, son utilisation ne fera que se généraliser, accentuant le désavantage pour ceux qui n'y ont pas accès.

Algorithmes d'exécution sophistiqués et modèles connus des particuliers

Non seulement les professionnels décident des opérations à effectuer de manière plus stratégique, mais ils les exécutent également avec beaucoup plus de finesse que les traders particuliers.

Algorithmes d'exécution

Les algorithmes d'exécution sont conçus pour optimiser la manière dont les ordres sont passés, en cherchant à minimiser l'impact sur le marché et à exploiter les schémas prévisibles de liquidité du marché - souvent aux dépens des traders les plus bruyants.

Un trader particulier peut se contenter de passer un ordre d'achat ou de vente sur le marché et n'en faire qu'à sa tête ; une institution utilisera généralement un algorithme pour introduire au compte-gouttes un ordre important sur le marché ou l'acheminer par morceaux vers différentes places boursières afin d'obtenir le meilleur prix.

Les algorithmes d'exécution les plus courants sont le prix moyen pondéré en fonction du volume (VWAP), le prix moyen pondéré en fonction du temps (TWAP), le pourcentage du volume et les algorithmes de déficit de mise en œuvre.

Ces algorithmes décomposent les transactions importantes en petits ordres au fil du temps ou des échanges, afin d'éviter d'alerter les autres et de réduire l'ampleur de l'évolution du prix par rapport à l'ordre.

L'avantage est que les professionnels peuvent acquérir ou céder des positions importantes sans alerter le marché, alors que l'ordre d'un petit trader (selon ses critères) peut faire évoluer le prix de manière défavorable parce qu'il n'est pas caché.

En fait, si un trader non informé passe à plusieurs reprises des ordres importants (par exemple, en achetant 10 000 actions en une seule fois), les HFT et les teneurs de marché remarqueront qu'il s'agit d'un ordre important et ajusteront les prix à la hausse en conséquence, ce qui signifie que le trader paiera plus cher.

Les professionnels ne se laissent jamais faire s'ils le peuvent.

Exploiter les modèles de vente au détail

Les algos d'exécution peuvent en outre exploiter les schémas de vente au détail.

Par exemple, si un algos sait que les traders particuliers ont tendance à placer de nombreux ordres de marché juste après une annonce importante, il peut attendre pour exécuter ses propres ordres jusqu'à ce que cette vague pousse le prix légèrement dans une direction, puis négocier sur le retour à la moyenne.

À l'inverse, certains algos fournissent des liquidités (ordres à cours limité) lorsqu'ils anticipent un afflux à court terme d'ordres de marché non informés.

Ils deviennent essentiellement les contreparties de transactions de particuliers paniqués, en gagnant le spread entre l'offre et la demande, voire mieux.

Un cas concret : les petits traders utilisent souvent des ordres de marché à l'ouverture, lorsque la volatilité et les écarts sont élevés.

Des algorithmes intelligents peuvent afficher des ordres d'achat juste en dessous du marché et des ordres de vente juste au-dessus à 9h30, capturant ainsi le spread des traders particuliers enthousiastes qui franchissent l'écart entre l'offre et la demande.

Ces algorithmes peuvent s'ajuster en quelques millisecondes si nécessaire ou retirer des cotations si un ordre informé plus important apparaît - une flexibilité dont ne dispose pas un trader manuel.

L'utilisation d'ordres à cours limité au lieu d'ordres au marché peut contribuer à empêcher les traders à haute fréquence d'effectuer des transactions en avance sur le marché.

Cela fait référence à la façon dont les algorithmes HFT peuvent voir un ordre de marché important et parfois l'anticiper (via la vitesse ou le ping), puis prendre de l'avance pour vendre plus cher ou acheter moins cher, laissant l'ordre plus lent avec un remplissage moins bon.

Les ordres de marché des particuliers sont essentiellement la proie de ces algorithmes sniper qui optimisent l'exécution à leur détriment.

Acheminement intelligent des ordres

Les professionnels tirent parti de la technologie de routage intelligent des ordres (SOR).

Les marchés comme celui des actions américaines sont fragmentés entre plus de 10 bourses et de nombreuses places hors bourse.

Un trader institutionnel utilise des algorithmes de routage d'ordres intelligents pour acheminer des parties de son ordre là où la liquidité est la meilleure ou vers des dark pools s'il souhaite une exécution cachée.

Les ordres des particuliers, en revanche, sont souvent acheminés vers un seul lieu (souvent le grossiste via le PFOF, ou une seule bourse) sans qu'un tel routage nuancé ne soit possible.

La différence peut être subtile mais significative : un routage intelligent peut permettre d'éviter les endroits où un ordre de détail aurait divulgué des informations ou fait varier le prix.

Ordres icebergs/discrétionnaires à prix fixe

Les institutions peuvent également utiliser des ordres iceberg (dont seule une partie de la taille est affichée) ou des ordres à rattachement discrétionnaire qui permettent d'atteindre le meilleur prix au moment de l'exécution - autant de types d'ordres sophistiqués que la plupart des applications de négociation au détail ne proposent pas.

Ces outils permettent aux professionnels de cacher leur jeu et d'éviter d'être eux-mêmes exploités.

Pendant ce temps, les traders particuliers qui diffusent un ordre de marché de 5 000 actions au niveau II crient leurs intentions, et les traders rapides réagiront en conséquence (élargissement des spreads, etc.).

En bref, les algorithmes d'exécution professionnels ne protègent pas seulement les professionnels des slippages et de l'exploitation, mais ils tirent aussi activement parti de l'exécution naïve des traders particuliers.

Les traders particuliers qui passent des ordres évidents à des moments ou à des prix prévisibles deviennent des cibles faciles - leurs transactions sont absorbées par la liquidité des professionnels ou récupérées par les algos, ce qui fait que les particuliers obtiennent en moyenne de moins bons prix.

La combinaison d'une stratégie et d'une exécution intelligentes permet aux professionnels d'obtenir des points de base de profit supplémentaires sur chaque transaction, ce qui se traduit par un écart de performance considérable au fil du temps.

Défis pour les petits traders

Les points ci-dessus illustrent à quel point les traders particuliers sont confrontés à de nombreux obstacles lorsqu'ils s'opposent à des acteurs professionnels du marché.

Les professionnels exploitent les flux de détail et les autres flux non économiques grâce à :

• la supériorité de l'information (données sur le flux d'ordres, analyse des sentiments et autres analyses personnalisées)
• la vitesse et la technologie (HFT et infrastructure à faible latence)
• des stratégies sophistiquées (arbitrage, modèles de prédiction), et
• une exécution raffinée (algos et connaissance du carnet d'ordres).

Le fossé des compétences et des connaissances est immense - ce n'est pas que toutes les transactions des professionnels gagnent et que toutes les transactions des particuliers perdent, mais les chances sont fortement inclinées en faveur des professionnels qui agissent en fait comme la maison dans le casino.

Il n'est donc pas surprenant que la grande majorité des traders particuliers sous-performent ou perdent de l'argent sur le long terme.

En revanche, les sociétés de trading bien capitalisées, comme les teneurs de marché, peuvent même être rentables presque tous les jours parce qu'elles gagnent systématiquement en fournissant de la liquidité à des flux moins informés (ou en négociant de manière opportuniste contre eux).

D'un point de vue réglementaire et éthique, certaines de ces pratiques font l'objet d'un examen minutieux.

Le paiement pour le flux d'ordres est controversé (interdit dans certains pays) en raison des conflits d'intérêts potentiels et de son rôle dans la segmentation du marché.

Les tactiques de manipulation du marché telles que le spoofing et le pump-and-dumps sont tout à fait illégales, même si les identifier et les prouver reste un jeu du chat et de la souris.

Les régulateurs ont infligé des amendes à certaines entreprises pour avoir mis le feu aux poudres et mis en place des systèmes de manipulation, et le débat se poursuit sur les réformes visant à rendre les marchés plus équitables pour les particuliers (comme les mécanismes d'enchères pour les ordres des particuliers, ou les modifications des lots ronds pour donner plus de visibilité aux particuliers).

Toutefois, même avec des règles plus strictes, les avantages fondamentaux des professionnels - meilleure formation, systèmes plus rapides et économies d'échelle - persisteront.

Les meilleurs brokers de CFD

Conclusion

Les traders particuliers sont confrontés à des adversaires hautement qualifiés qui exploitent tous les avantages : ils achètent des informations sur les ordres de détail, analysent le carnet d'ordres tic-tac par tic-tac, tirent parti d'une vitesse supérieure pour l'arbitrage, prédisent les flux à l'aide de modèles avancés et jouent astucieusement avec l'exécution.

Ils capitalisent sur les erreurs émotionnelles et les schémas systématiques des particuliers.

Il en résulte que le trading pour les particuliers donne souvent l'impression de mener une bataille difficile contre des adversaires invisibles mais redoutables.

Cela ne signifie pas que les traders particuliersne peuvent jamais gagner - il arrive qu'un créneau ou une poussée d'action collective de la part des détaillants (comme dans le cas de rares ventes à découvert) puisse surprendre les professionnels.

Mais cela revient à battre le casino en jouant aux machines à sous.

Il est extraordinairement difficile de battre régulièrement le marché sur des opérations à court terme lorsque l'on se trouve en concurrence avec ces tactiques professionnelles.

L'écart de compétences et de connaissances entre Wall Street et Main Street se manifeste dans tous les aspects du trading et explique pourquoi tant de traders particuliers finissent par abandonner ou par se tourner vers l'investissement passif.

Le marché n'est pas ouvertement « truqué », mais il s'agit d'un système hautement évolué dans lequel tout participant ne disposant pas d'un avantage significatif est susceptible de fournir un avantage à quelqu'un d'autre.

Et le plus souvent, ce « quelqu'un d'autre » est un trader professionnel de l'autre côté de l'écran, qui exploite le flux que les traders particuliers fournissent.