Skynet is *fuc…* your economy : oh my brain !

(le HFT — High Frequency Trading  est très certainement l’une des causes importantes des casse-gueules à répétitions des « marchés », mais qu’est-ce qui fait tourner ce HFT ? Petit essai de vulgarisation du concept sous-jacent de la boucle de rétroaction Skynet (joli surnom emprunté au film « Terminator » où l’intelligence artificielle mondiale créée par une entreprise éponyme (Skynet) déclenche la perte de l’humanité en retournant les robots contre les êtres humains…) de la finance…

« L’I.A de la finance internationale, Skynet, vient de couler l’économie de ton pays et t’emm…toi et tes 60 millions de compatriotes…bip… » C’est à peu près le message que l’on pourrait recevoir des ordinateurs impliqués dans Le High Frequency Trading, largement en cause dans la crise financière actuelle, comme un article récent sur Reflets l’a très bien expliqué. Mais comment ça marche ce truc ? Comment ces ordres boursiers passés en quelques nano-secondes, pour être directement annulés et faire monter ou baisser des cours, sont-ils déterminés ? Les algorithmes qui les constituent sont-ils des super-programmes simplement capables d’optimiser une analyse d’achat-vente ou un peu plus que ça ? Et bien, pour être franc, un peu plus que ça. On peut même dire : beaucoup plus que ça…

Le concept Skynet de la finance : l’Intelligence artificielle  des réseaux de neurones au service de la bourse

Mais pas n’importe quelle I.A. Non, l’I.A dont on parle dans le cas des boucles de rétroactions Skynet est celle des réseaux de neurones. Whalala, trop compliqué ce truc. Ouais, assez. Mais si on se penche un peu dessus, on comprend quelques concepts intéressants. Extrait introductif : « contrairement aux méthodes statistiques classiques les réseaux de neurones artificiels ne nécessitent aucune hypothèse sur les variables. La seconde est qu’ils sont tout à fait adaptés pour traiter des problèmes complexes non structurés, c’est-à-dire des problèmes sur lesquels il est impossible a priori de spécifier la forme des relations entre les variables utilisées. » Bien. C’est un bon début. Mais encore ? « C’est grâce à des algorithmes, que ces systèmes apprennent par eux-mêmes les relations entre les variables à partir d’un ensemble de données, à l’image de ce que ferait le cerveau humain. Ainsi, le réseau se paramètre de lui-même à partir des exemples qui lui sont fournis. » Assez autonome comme système. Très autonome même.

Un réseau de neurones artificiels c’est quoi ?

Pour essayer de comprendre le concept, l’analogie est nécessaire : un réseau de neurones artificiels s’inspire du fonctionnement du cerveau humain. Les génies qui ont inventé ça ont établi deux grandes catégories de réseaux : à apprentissage supervisé et à apprentissage non-supervisé. Le premier, utilisé par la finance, est un réseau de neurones artificiels qui apprend à reconnaître des formes à partir d’échantillons qui lui permettent de se paramétrer. C’est appelé un réseau à couches. On comprend que chaque couche comporte plusieurs neurones, sachant qu’en réalité chaque neurone est une somme de calculs autonomes. Il y a par exemple des neurones d’une couche d’entrée, une couche dite « cachée » de neurones intermédiaires, et une couche de  sortie de neurones. Et nos neurones artificiels sont reliés entre eux par l’intermédiaire de poids synaptiques. L’algo d’apprentissage évalue ces poids en fonction des données présentes lors de la phrase d’apprentissage. Exemple : « …les neurones disposés sur la couche d’entrée reçoivent les informations censées expliquer le phénomène à analyser. Pour ce qui concerne la détection préventive d’entreprises en difficulté, par exemple, il s’agira le plus souvent de ratios financiers. Le neurone de sortie prendra une valeur binaire, 0 ou 1, selon que l’entreprise est considérée comme saine ou susceptible de défaillance. » Impressing, isn’t it ? Bon, ça c’était juste la phase d’apprentissage, et je vous passe les fonctions de calcul de potentiel d’activation, les pondérations de poids synaptique… Arrivons à la mise en œuvre d’un réseau de neurones artificiels. La vocation d’un tel réseau est de reconnaître des formes inconnues à partir des formes d’apprentissage. On lui injecte donc des échantillons de données : un échantillon pour le paramètrage, un autre pour la validation et le dernier pour évaluer les capacités de généralisation. Et là, le système peut se lancer comme un grand sur les marchés. Chouette, hein ?

Mais, bon, c’est quoi l’intérêt ?

Si l’on suit les spécialistes, l’avantage central est le traitement de problèmes non-structurés, ce qui convient bien à la finance internationale. Ce qui est appelé « la distribution de probabilité des variables ». Les réseaux de neurone découvrent eux-mêmes les relations entre les variables. Donc, ils prennent ensuite des décisions tous seuls, sans que la forme d’une fonction particulière soit nécessaire. Ils travaillent sur des données incomplètes ou « bruitées » : le « système Skynet » est censé conserver seulement l’information pertinente…

Il faut des exemples concrets, sinon, c’est abstrait. « Plus récemment, les réseaux de neurones ont été utilisés pour prévoir la volatilité des indices boursiers des grandes places financières…Mais, c’est naturellement en multipliant les variables d’entrée que les réseaux fournissent les meilleurs résultats. Ainsi, Kimoto et Yoda (deux chercheurs japonais, ndlr) rapportent qu’à partir d’un réseau comprenant 5 variables en entrée, ils arrivent à prédire de façon relativement satisfaisante l’évolution du TOPIX (Tokyo Stock Index) sur une période de 3 ans. Une simulation de stratégie d’investissement dérivée des résultats du modèle aurait rapporté une rentabilité moyenne annuelle de 1,60% alors que dans le même temps l’indice chutait de 20,63% ! Ah, oui, là on comprend mieux ! Mazette ! Quelle efficacité, c’est troublant. Mais il faut arriver au « scoop » contenu dans cet article, qui, vous allez le comprendre, prend tout son sel après avoir tenté de mieux saisir comment le HFT et son réseau « Skynet » fonctionnent. Le document sur lequel s’appuie cet article date de… 1997 ! Vous imaginez ce qu’il s’est passé en 14 ans, et comment ces I.A se sont améliorées ?

Et maintenant on fait quoi ? Heu… rien : Skynet’s controling the market

Skynet (continuons à l’appeler comme ça), l’intelligence artificielle, a déjà gagné une part non négligeable des décisions qui s’opèrent sur les marchés. Les différents observateurs estiment qu’actuellement 70% des transactions du marché américain des actions sont opérées par des réseaux de neurones artificiels, et 50% du boursier. Cela signifie que des robots « intelligents », en apprentissage permanent, se refilent des actions, font chuter des cours boursiers, spéculent à des vitesses surhumaines pour le bénéfice d’une poignée de traders à la solde de groupes financiers. Sans aucun contrôle réel. Sans qu’aucun être humain ne puisse déterminer ce qu’ils font exactement et jusqu’où ils peuvent aller…

Allez, une petite pub pour la route, achetez-vous une I.A pour faire du High Frequency Trading :  »

« Récemment, Trader Workstation a rassemblé une équipe exceptionnelle d’ ingénieurs, possédant une connaissance approfondie de l’intelligence artificielle, pour intégrer le système neurone one. 
La plupart de ces personnes sont également des traders expérimentés.
Ce mélange unique de talents et de technologie a été combiné pour produire Trader Workstation. 
Ce logiciel puissant d’analyse financière permet à ses utilisateurs de profiter de la découverte par les réseaux de neurones de configurations non visibles autrement. »

Dis maman, tu m’achètes une Trader Workstation pour Noël ?

Twitter Facebook Google Plus email


22 thoughts on “Skynet is *fuc…* your economy : oh my brain !”

  1. Ayant moi-même quelques connaissances en machine learning (ouais c’est comme ça qu’on appelle ça aujourd’hui, « intelligence artificielle » ça fait trop années 80) je peux vous dire que les techniques ont énormément évolué depuis 14 ans. Les réseaux de neurones de l’époque seraient considérés comme plutôt basiques aujourd’hui. Les RdN modernes n’ont d’ailleurs plus grand chose à voir avec des neurones naturels. Sans compter qu’il y a beaucoup d’autres techniques que les RdN (SVM, LDA, PCA…).

    Voir de quelle manière tout cela est utilisé me fait froid dans le dos. C’est vraiment triste que toutes les technologies, aussi formidables soient-elles, soient systématiquement employées dans le but d’enc*ler son voisin.

    Il ne faut pas oublier que le machine learning aussi pour des choses beaucoup plus saines : numériser des documents, aider les médecins à repérer des tumeurs sur un scanner, repérer des planètes et galaxies sur des photos prises par des télescopes, etc. Malheureusement, trop d’experts sont attirés par les salaires astronomiques des salles de marchés.

  2. Wait. L’apprentissage Bayésien n’explique pas tout. Comment les algo font des choix ?? De la programmation stochastique? le trucs les plus récents que j’ai vu sont sur des règles de décisions linéaires (Daniel Kuhn) et consomment bien trop de CPU pour pouvoir fonctionner à la nano seconde. D’ailleurs les réseaux de neurone, comme toutes les méthode non supervisés, sont des grosses consommatrice de CPU.

    1. Beaucoup d’algos sont effectivement très consommateurs en CPU au moment de l’apprentissage, mais sont ensuite capables de réponses quasi-instantanées. Je ne connais pas vraiment la pointe de la pointe, mais ça ne me paraît pas déraisonnable que de tels algos soient utilisés pour du HFT.

  3. soyez pas si dur avec les traders. Si les reseaux neuronaux marchent bien, il va y avoir du degraissage dans les salles de marche: pourquoi payer un humain (le trader) alors qu une machine peut faire le job pour rien ?

    plus serieusement, le probleme c est la place de la finance dans le monde en general et dans l economie en particulier. Si on peut faire une fortune en achetant puis vendant 1 s plus tard, il est pas etonnant que des gens le fasse. C est dommage que l intelligence humaine soit utilisee pour ca, mais apres tout des tas de gens on cherche des martingales pour gagner au casino (ou la pierre philosophale)

  4. Il faut regarder « Les nouveaux maîtres du mondes » de Jean-Luc Leon, Album Production

    « Les rouages de Goldman Sachs »

    Timidement diffusé sur C@N@L+ 2 fois dont ce matin à 4h15.

    Le sénateur Ted KAUFMAN parle un peu du HFT.

    « We Have no ideas, no ideas of danger »

    Sinon à revoir ici :

  5. le HFT a surtout une influence sur le gap et sur la liquidité, plus que sur l’évolution des marché. c’est le principe même du HFT : ne plus dépendre de l’évolution moyen terme des cours ( et moyen terme pour le HFT c’est la minute ) pour faire du profit. Du coup le gain est a peu prêt indépendant de l’évolution de cours, donc il n’y a aucun intérêt à manipuler les cours dans un sens ou dans l’autre.

    Après il peut y avoir des problèmes de stabilité des algorithmes, comme dans tout système rétroactif, mais ils relèvent du bug et pas de l’intention, ni du concepteur, ni du système lui même.

    IMHO, la crainte du HFT relève parfois de la morale et souvent de la légende urbaine.

    1. Sauf que si on espere tirer un profit du systeme, on le fait en prenant de l’argent à quelqu’un…
      Qui subit la perte ? On a l’impression que c’est personne…
      Et en quoi sont ils plus utiles que la personne a laquelle ils prennent l’argent ?
      Ca sert parce que grace à ca, on financerait une course aux armements entre IA ?

      Hmm, je suis perplexe.

      1. dans une transaction boursière, les deux parties sont consentantes, donc personne ne prend d’argent à personne.

        Pour l’annulation d’ordre, ça a toujours était pratiqué, et c’est même une nécessité, y compris en trading humain dès lors qu’on prend des positions court termes, ça sert à se couvrir et à déboucler ses position pour ne pas aller là ou on ne voulait pas, le THF ne l’a pas inventé

        1. « dans une transaction boursière, les deux parties sont consentantes, donc personne ne prend d’argent à personne »

          Ah oui c’est sûr qu’avec ce genre de logique (auantique?) on est directement dans la nouvelle génération d’intelligence artificielle, celles qui ont fumé la moquette…

  6. Si je trouve que la partie du billet décrivant les réseaux de neurones vulgarise assez bien le concept,je ne suis pas ultra convaincu par l’axe du billet concernant l’analogie avec une IA type Skynet. Elle est rigolote ne me semble pas refléter la réalité de ce qu’est un réseau de neurones artificiels que l’on pourrait voir plutôt comme un modèle de calcul qu’une IA omnisciente. C’est d’ailleurs un peu comme ça qu’ils sont présentés par leurs supporters : laisser tourner et le réseau va tout trouver automatiquement comme par magie.
    D’ailleurs il y a aussi une part de com pour récupérer des nouveaux clients dans les sociétés type Trade Workstation qui annonce des nouvelles techniques révolutionnaires pour avoir des rendements fantastiques.

    Dans la pratique c’est un peu plus compliqué

    Entre la structure du réseau,les couches et les connections, les poids à mettre aux entrées, les fonctions d’activation et de connection que vous mentionez il y a beaucoup de choix arbitraires et pas mal de bidouilles et de recette de cuisines pour les ajuster. Et la rétroaction dynamique n’est pas aussi performante qu’on pourrait le penser. En plus pour des cours de bourse, ça marche… jusqu’à ce que ça plante parce que le modèle n’est pas suffisamment robuste pour capter les brusques changements. C’est pourquoi je ne crois pas à leur grande autonomie.

    Je n’ai nul doute dans leurs usages dans le trading. En cela les réseaux de neurones s’ajoutent à toute la panoplie de modèles et de méthode d’économétrie, car après la vague d’engouement de ces réseaux dans les années 90 on a effectivement trouvé qu’il fonctionnait bien pour certaines tâches précises : le tri ou la reconnaissance de forme comme vous le soulignez. Mais le chemin jusqu’à Skynet est (heureusement) encore bien long.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *