Les bots de trading financier ont des similitudes fascinantes avec les gens – nous devons apprendre d'eux

En 2019, le monde s'inquiétait du fait que les algorithmes nous connaissent maintenant mieux que nous-mêmes. Aucun concept ne saisit mieux cela que le capitalisme de surveillance, un terme inventé par l'écrivain américain Shoshana Zuboff pour décrire une nouvelle ère sombre dans laquelle Facebook et Google fournissent des services populaires tandis que leurs algorithmes colportent nos traces numériques.

Étonnamment, L'inquiétude de Zuboff ne s'étend pas aux algorithmes des marchés financiers qui ont remplacé de nombreux humains dans les salles des marchés. Le trading algorithmique automatisé a décollé vers le début du 21ème siècle, d'abord aux États-Unis, mais bientôt aussi en Europe.

Un moteur important était le trading haute fréquence, qui court à des vitesses fulgurantes, jusqu'au milliardième de seconde. Il offrait aux investisseurs la perspective d'un avantage sur leurs rivaux, tout en aidant à fournir de la liquidité à un marché en veillant à ce qu'il y ait toujours quelqu'un prêt à acheter et à vendre à un prix particulier. Le trading haute fréquence représente désormais plus de la moitié des volumes sur les marchés boursiers et à terme. Sur d'autres marchés, comme les devises étrangères, les algorithmes ont une présence plus petite mais toujours significative, sans aucun signe qu'ils diminueront à l'avenir.

Les vices des appareils

Les humains programment toujours les algorithmes et conçoivent leurs stratégies de trading, bien que l'essor de l'apprentissage en profondeur mette même ce rôle en danger. Mais au moment où les algorithmes sont mis en ligne sur les marchés, ils agissent de leur propre chef sans intervention humaine, danser les uns avec les autres de manière vertigineuse et souvent inattendue.

A première vue, ils ont peu en commun avec nous. Ils ne peuvent ni penser ni ressentir, et malgré le battage médiatique autour de l'apprentissage automatique, il est toujours controversé et compliqué de les décrire comme intelligents. Comme les commerçants humains, cependant, ils prennent des décisions, observer les autres prendre des décisions, et ajuster leur comportement en réponse.

À des vitesses plusieurs fois supérieures à celles que les humains ne pourront probablement jamais atteindre, ces algorithmes forment facilement des attentes sur les attentes de chacun lors de la passation de leurs ordres d'achat et de vente.

Par exemple, un algorithme peut chercher à manipuler les attentes d'un autre concernant les mouvements de prix en envoyant un grand nombre d'ordres pour acheter ou vendre un actif particulier. Le premier algorithme annulera alors rapidement ses commandes, ayant, espérons-le, incité son rival à faire le mauvais pari sur la direction que prend le marché.

De façon intéressante, les sociologues considèrent ce type d'anticipation mutuelle comme une caractéristique centrale de ce que signifie pour les humains d'être social. Ils ont longtemps considéré les marchés comme des arènes hautement sociales. A l'apogée des salles des marchés, lire correctement les indices sociaux des autres commerçants - une grimace ou un sourire, tons anxieux, même le brouhaha de la salle des marchés – faisait souvent la différence entre richesse et désastre.

Mais si les machines peuvent être sociales, dans quelle mesure est-ce similaire ou différent de la façon dont les humains socialisent réellement ? Il y a des différences évidentes, bien sûr. Alors que les commerçants humains du passé se connaissaient souvent bien, et souvent passé du temps ensemble après le travail, les algorithmes se négocient de manière anonyme. Lorsqu'ils envoient des ordres d'achat ou de vente d'actifs, aucun autre commerçant ne sait si cela vient d'un homme ou d'une machine.

En effet, c'est précisément pourquoi ils sont programmés pour former des attentes les uns envers les autres. Les indices faciaux ne sont plus disponibles, mais des stratégies entières ont été développées qui cherchent à savoir si un certain nombre d'ordres ont pu être passés par un seul et même algorithme – puis tentent de prédire quels pourraient être ses prochains mouvements.

Pour échapper à de telles tentatives, les algorithmes sont souvent conçus de manière à ne pas être reconnus comme des algorithmes par d'autres algorithmes. Comme l'a dit le sociologue écossais Donald MacKenzie, ils peuvent se livrer à des stratégies de dissimulation et/ou chercher à donner une présentation particulière de leur « moi » en public. Ce sont là encore des attributs que les sociologues ont longtemps considérés comme des aspects clés de la vie métropolitaine.

Avalanche!

Avec des collègues, J'ai passé ces dernières années dans les principaux centres financiers à interviewer des traders, programmeurs, régulateurs, agents de change et autres professionnels de la finance à propos de ces algorithmes de trading. Cela a fait ressortir d'autres similitudes intéressantes entre les commerçants humains et automatisés.

Les programmeurs admettent volontiers qu'une fois que leurs algorithmes commencent à interagir avec les autres, ils s'emportent et agissent de manière imprévisible, comme s'ils étaient dans une foule. Depuis la fin du XIXe siècle, les sociologues étudient comment les gens se laissent envoûter par les foules et laissent leur autonomie glisser dans les « avalanches sociales », mais nous avons jusqu'à présent largement ignoré le fait que les machines financières font quelque chose de similaire.

Le « flash crash » du 6 mai 2010 illustre le mieux ce que je veux dire ici. Dans quatre minutes et demie, l'interaction frénétique d'algorithmes de trading entièrement automatisés a plongé les marchés américains, générant environ 1 000 milliards de dollars (768 milliards de livres sterling) de pertes jusqu'à ce que les échanges soient rapidement suspendus.

La plupart de ces transactions impliquées ont ensuite été annulées comme "clairement erronées". Certes, aucun commerçant ou programmeur n'avait prévu de créer ce changement massif de prix, mais des décennies de recherches sociologiques nous disent que ce genre de comportement est attendu dans les grands groupes. Nous devons comprendre comment nos algorithmes financiers interagissent de concert avant que nos propres outils ne deviennent notre perte.

Bien sûr, toutes les formes d'interaction sociale ne sont pas admirables ou bénéfiques. Comme les humains, les algorithmes interagissent les uns avec les autres de manière bienveillante et pacifique à froide et violente :de la fourniture de liquidités et du maintien de la stabilité du marché à la passation d'ordres manipulateurs et au déclenchement d'une activité commerciale sauvage.

Se familiariser avec ces interactions n'est pas seulement essentiel pour comprendre le trading moderne et essayer de prévenir de futurs crashs flash. Les algorithmes se parlent dans de plus en plus de domaines aujourd'hui. Comprendre comment ils se comportent en tant que foule fera, espérons-le, la lumière dans les domaines où ils commencent tout juste à s'épanouir - pensez aux systèmes de circulation autonomes ou à la guerre automatisée, par exemple. Il peut même nous alerter sur les avalanches qui nous guettent, trop.