ChatGPT en finance :l'impact de l'IA sur la négociation d'actions et l'investissement

Les outils basés sur l'intelligence artificielle, tels que ChatGPT, ont le potentiel de révolutionner l'efficience, l'efficacité et la rapidité du travail effectué par les humains.

Et cela est vrai sur les marchés financiers autant que dans des secteurs comme la santé, l'industrie manufacturière et à peu près tous les autres aspects de nos vies.

Je fais des recherches sur les marchés financiers et le trading algorithmique depuis 14 ans. Si l’IA offre de nombreux avantages, l’utilisation croissante de ces technologies sur les marchés financiers révèle également des dangers potentiels. Un regard sur les efforts passés de Wall Street pour accélérer les échanges en adoptant les ordinateurs et l’IA offre d’importantes leçons sur les implications de leur utilisation pour la prise de décision.

Le trading de programmes alimente le Black Monday

Au début des années 1980, alimentés par les progrès technologiques et les innovations financières telles que les produits dérivés, les investisseurs institutionnels ont commencé à utiliser des programmes informatiques pour exécuter des transactions basées sur des règles et des algorithmes prédéfinis. Cela les a aidés à réaliser des transactions importantes rapidement et efficacement.

À l’époque, ces algorithmes étaient relativement simples et étaient principalement utilisés pour ce que l’on appelle l’arbitrage sur indices, qui consiste à tenter de tirer profit des écarts entre le prix d’un indice boursier – comme le S&P 500 – et celui des actions qui le composent.

À mesure que la technologie progressait et que davantage de données devenaient disponibles, ce type de trading programmé est devenu de plus en plus sophistiqué, avec des algorithmes capables d'analyser des données de marché complexes et d'exécuter des transactions en fonction d'un large éventail de facteurs. Ces traders programmés ont continué à croître en nombre sur les grandes autoroutes commerciales non réglementées – sur lesquelles plus de mille milliards de dollars d'actifs changent de mains chaque jour – provoquant une augmentation spectaculaire de la volatilité du marché.

Finalement, cela a abouti au krach boursier massif de 1987, connu sous le nom de Lundi noir. Le Dow Jones Industrial Average a subi ce qui était à l'époque la plus forte baisse en pourcentage de son histoire, et la douleur s'est propagée à travers le monde.

En réponse, les autorités de régulation ont mis en œuvre un certain nombre de mesures pour restreindre l'utilisation du trading programmé, notamment des disjoncteurs qui interrompent les transactions en cas de fluctuations importantes du marché et d'autres limites. Mais malgré ces mesures, le trading programmé a continué à gagner en popularité dans les années qui ont suivi le krach.

C'est ainsi que les journaux de tout le pays ont titré la chute des marchés boursiers le lundi noir, le 19 octobre 1987. AP Photo

HFT :programme de trading sous stéroïdes

15 ans plus tard, jusqu'en 2002, lorsque la Bourse de New York a introduit un système de négociation entièrement automatisé. En conséquence, les traders programmés ont cédé la place à des automatisations plus sophistiquées avec une technologie beaucoup plus avancée :le trading haute fréquence.

HFT utilise des programmes informatiques pour analyser les données du marché et exécuter des transactions à des vitesses extrêmement élevées. Contrairement aux traders programmés qui achetaient et vendaient des paniers de titres au fil du temps pour profiter d’une opportunité d’arbitrage – une différence de prix de titres similaires pouvant être exploitée à des fins lucratives – les traders à haute fréquence utilisent des ordinateurs puissants et des réseaux à haut débit pour analyser les données du marché et exécuter des transactions à des vitesses fulgurantes. Les traders à haute fréquence peuvent effectuer des transactions en environ 1 64 millionième de seconde, contre plusieurs secondes qu'il fallait aux traders dans les années 1980.

Ces transactions sont généralement de nature à très court terme et peuvent impliquer l’achat et la vente du même titre plusieurs fois en quelques nanosecondes. Les algorithmes d’IA analysent de grandes quantités de données en temps réel et identifient des modèles et des tendances qui ne sont pas immédiatement apparents aux traders humains. Cela aide les traders à prendre de meilleures décisions et à exécuter des transactions à un rythme plus rapide que ce qui serait possible manuellement.

Une autre application importante de l’IA dans le HFT est le traitement du langage naturel, qui implique l’analyse et l’interprétation de données relatives au langage humain telles que des articles de presse et des publications sur les réseaux sociaux. En analysant ces données, les traders peuvent obtenir des informations précieuses sur le sentiment du marché et ajuster leurs stratégies de trading en conséquence.

Avantages du trading par l'IA

Ces traders à haute fréquence basés sur l'IA fonctionnent très différemment des gens.

Le cerveau humain est lent, imprécis et oublieux. Il est incapable de réaliser l'arithmétique rapide et de haute précision à virgule flottante nécessaire à l'analyse d'énormes volumes de données permettant d'identifier les signaux commerciaux. Les ordinateurs sont des millions de fois plus rapides, avec une mémoire essentiellement infaillible, une attention parfaite et une capacité illimitée pour analyser de gros volumes de données en quelques millisecondes.

Ainsi, comme la plupart des technologies, le HFT offre plusieurs avantages aux marchés boursiers.

Ces traders achètent et vendent généralement des actifs à des prix très proches du prix du marché, ce qui signifie qu’ils ne facturent pas de frais élevés aux investisseurs. Cela permet de garantir qu'il y a toujours des acheteurs et des vendeurs sur le marché, ce qui contribue à stabiliser les prix et à réduire le risque de fluctuations soudaines des prix.

Le trading à haute fréquence peut également contribuer à réduire l’impact des inefficacités du marché en identifiant et en exploitant rapidement les erreurs de valorisation sur le marché. Par exemple, les algorithmes HFT peuvent détecter quand une action particulière est sous-évaluée ou surévaluée et exécuter des transactions pour tirer parti de ces écarts. Ce type de négociation peut ainsi contribuer à corriger les inefficacités du marché et à garantir une valorisation plus précise des actifs.

Autrefois, les bourses étaient remplies de traders achetant et vendant des titres, comme dans cette scène de 1983. Aujourd’hui, les salles des marchés sont de plus en plus vides à mesure que les ordinateurs alimentés par l’IA effectuent de plus en plus de travail. Photo AP/Richard Drew

Les inconvénients

Mais la rapidité et l’efficacité peuvent aussi être préjudiciables.

Les algorithmes HFT peuvent réagir si rapidement aux événements d’actualité et à d’autres signaux du marché qu’ils peuvent provoquer des hausses ou des baisses soudaines des prix des actifs.

De plus, les sociétés financières HFT sont capables d'utiliser leur rapidité et leur technologie pour obtenir un avantage injuste sur les autres traders, faussant ainsi davantage les signaux du marché. La volatilité créée par ces bêtes de trading extrêmement sophistiquées, alimentées par l'IA, a conduit à ce que l'on appelle le krach éclair en mai 2010, lorsque les actions ont plongé puis se sont redressées en quelques minutes, effaçant puis rétablissant environ 1 000 milliards de dollars de valeur marchande.

Depuis lors, la volatilité des marchés est devenue la nouvelle norme. Dans une recherche de 2016, deux co-auteurs et moi-même avons découvert que la volatilité – une mesure de la rapidité et de l’imprévisibilité des hausses et des baisses des prix – avait considérablement augmenté après l’introduction du HFT.

La rapidité et l'efficacité avec lesquelles les traders haute fréquence analysent les données signifient que même un petit changement dans les conditions du marché peut déclencher un grand nombre de transactions, entraînant des fluctuations soudaines des prix et une volatilité accrue.

De plus, une recherche que j’ai publiée avec plusieurs autres collègues en 2021 montre que la plupart des traders haute fréquence utilisent des algorithmes similaires, ce qui augmente le risque de défaillance du marché. En effet, à mesure que le nombre de ces traders augmente sur le marché, la similitude de ces algorithmes peut conduire à des décisions de trading similaires.

Cela signifie que tous les traders haute fréquence peuvent négocier du même côté du marché si leurs algorithmes émettent des signaux de trading similaires. Autrement dit, ils pourraient tous essayer de vendre en cas de nouvelles négatives ou d’acheter en cas de nouvelles positives. S'il n'y a personne pour prendre l'autre côté du marché, les marchés peuvent échouer.

Entrez ChatGPT

Cela nous amène à un nouveau monde d’algorithmes de trading et de programmes similaires basés sur ChatGPT. Ils pourraient prendre le problème du trop grand nombre de traders du même côté d’un accord et l’aggraver encore.

En général, les humains, livrés à eux-mêmes, auront tendance à prendre un large éventail de décisions. Mais si chacun tire ses décisions d’une intelligence artificielle similaire, cela peut limiter la diversité des opinions.

Prenons une situation non financière extrême dans laquelle tout le monde dépend de ChatGPT pour décider du meilleur ordinateur à acheter. Les consommateurs sont déjà très enclins à un comportement grégaire, dans lequel ils ont tendance à acheter les mêmes produits et modèles. Par exemple, les avis sur Yelp, Amazon, etc. incitent les consommateurs à choisir parmi quelques meilleurs choix.

Étant donné que les décisions prises par le chatbot génératif alimenté par l’IA sont basées sur des données de formation antérieures, il y aurait une similitude dans les décisions suggérées par le chatbot. Il est fort probable que ChatGPT suggère la même marque et le même modèle à tout le monde. Cela pourrait amener l’élevage à un tout autre niveau et entraîner des pénuries de certains produits et services ainsi que de graves hausses de prix.

Cela devient plus problématique lorsque l’IA qui prend les décisions est informée par des informations biaisées et incorrectes. Les algorithmes d’IA peuvent renforcer les biais existants lorsque les systèmes sont formés sur des ensembles de données biaisés, anciens ou limités. Et ChatGPT et les outils similaires ont été critiqués pour avoir commis des erreurs factuelles.

De plus, comme les krachs boursiers sont relativement rares, il existe peu de données à leur sujet. Étant donné que l’apprentissage des IA génératives dépend de la formation sur les données, leur manque de connaissances à leur sujet pourrait les rendre plus susceptibles de se produire.

Pour l’instant, du moins, il semble que la plupart des banques n’autoriseront pas leurs employés à profiter de ChatGPT et d’outils similaires. Citigroup, Bank of America, Goldman Sachs et plusieurs autres prêteurs ont déjà interdit leur utilisation dans les salles des marchés, invoquant des problèmes de confidentialité.

Mais je crois fermement que les banques finiront par adopter l’IA générative, une fois qu’elles auront résolu leurs préoccupations à son sujet. Les gains potentiels sont trop importants pour être laissés-pour-compte – et il y a un risque d’être laissé pour compte par les concurrents.

Mais les risques pour les marchés financiers, l'économie mondiale et tout le monde sont également importants, j'espère donc qu'ils agiront avec prudence.