Tout le monde a vu des vidéos de singes utilisant des bâtons comme outils dans la jungle. Mais combien d’entre nous croiraient que les bâtons partiraient d’eux-mêmes à la chasse aux bananes sans le singe ? Mais c’est précisément ce que certains prédisent lorsqu’il s’agit de transactions automatisées par ordinateur.
Dans les années 1980 et 1990, lorsque les banques de devises et de matières premières étaient assises à leur bureau avec un combiné téléphonique sur chaque oreille, peu de traders utilisaient vraiment des ordinateurs pour les aider à décider de conclure ou non un accord. La plupart utilisaient leur Windows 3.0 pour saisir les transactions qu’ils avaient effectuées afin d’enregistrer ces transactions et de les envoyer à leur back-office pour traitement, mais peu, voire aucun, ne les utilisaient pour la prise de décision.
À l’époque, peu de traders étaient des traders « techniques ». La plupart se sont négociés en fonction des fondamentaux, c’est-à-dire du flux constant de données provenant des services d’information financière internationaux. Cependant, l’idée que les graphiques et les ordinateurs pouvaient aider à prédire la direction future du marché a commencé à s’imposer, et de plus en plus de traders se sont informés sur la reconnaissance des formes et l’analyse des données statistiques.
Après 2000, la plupart des traders connaissaient les moyennes mobiles, le RSI, le MACD et d’autres indicateurs de marché générés par ordinateur. De plus, des termes tels que triangles ascendants, tête et épaules et formations en diamant sont devenus plus courants sur les pages Web des commentateurs des marchés financiers.
Dans le but de faire passer cette analyse « technique » informatisée au niveau supérieur, les institutions financières ont commencé à expérimenter le trading algorithmique automatisé, ou « algo », où les ordinateurs reconnaissaient non seulement les modèles graphiques, mais pouvaient également faire des recommandations de trading.
L’inconvénient de ce type de trading informatisé ou « bot » est que pour effectuer une action, un ordinateur doit être programmé pour reconnaître cette action. Pour qu’un ordinateur puisse identifier un modèle, ce modèle doit d’abord être programmé dans le code du programme que l’ordinateur utilise. Un exemple de cela est une bataille homme-machine entre le programme d’échecs « Big Blue » d’IBM, qui a constamment échoué à battre les grands maîtres humains. Les humains étaient tout simplement trop doués pour agir de manière créative et gérer l’imprévisibilité. Cette même lacune informatique s’applique également au trading de bots financiers.
Les ordinateurs l’emportent haut la main sur les humains lorsqu’il s’agit de se souvenir rapidement de données historiques. Cependant, lorsque quelque chose d’inattendu se produit sur le marché, ou même dans le monde, l’assimilation immédiate de nouvelles circonstances est régulièrement mieux gérée par les humains que par les ordinateurs.
De puissantes institutions financières ont investi des millions de dollars dans des programmes financiers du Saint Graal destinés à prendre des décisions d’achat et de vente sur la base d’informations économiques et politiques mondiales. Cependant, ces programmes n’ont jamais réussi à faire des bénéfices face à des événements tout à fait originaux tels que la débâcle des subprimes aux États-Unis, ou même la montée d’individus imprévisibles tels que le président américain Donald Trump.
Il ne fait aucun doute qu’il y a une place pour les programmes de trading informatisés, mais pour des résultats optimaux, les signaux ne peuvent être gérés que par des opérateurs humains.
