1. Point de départ : qu'a « appris » Meruem face à Netero ?
S'il fallait choisir un seul terme d'apprentissage automatique pour expliquer comment Meruem a percé le Kannon aux Cent Formes de Netero, le plus proche serait la modélisation de l'adversaire en temps réel. Il s'agit d'observer l'adversaire pendant le combat et de corriger peu à peu son estimation de ce qu'il va jouer ensuite dans chaque situation.[1]
Mais parler simplement d'« apprentissage par renforcement » reste trop vague. Meruem fait plusieurs choses à la fois :
- Il observe le dernier mouvement de Netero, la distance, la direction de l'attaque et le rythme.
- Il estime les préférences de Netero dans chaque situation, c'est-à-dire ses habitudes dont il n'a pas conscience.
- Il prédit le coup suivant.
- Il change sa façon d'attaquer pour provoquer une réaction précise.
- Il cherche, quelques coups à l'avance, un chemin pour passer.
La description la plus juste est donc modélisation de l'adversaire + apprentissage en direct + prédiction de séquences + planification. On peut voir cela comme le talent qu'il a entraîné au Gungi (le jeu de plateau de la série), lire les choix de l'autre et comparer les branches à venir, transposé au combat.
2. Même un duel a trop de combinaisons. Pourquoi peut-on quand même le lire ?
Imaginons que chaque camp n'ait que cinq choix : attaquer, défendre, esquiver, se déplacer, feinter. Un tour à deux donne déjà 25 combinaisons. Dix tours en donnent 25^10, soit environ 95 000 milliards. Dans un vrai combat, la direction, la vitesse, la distance, la force et le moment varient de façon continue ; le nombre réel est donc presque infini.
Meruem n'a pas mémorisé toutes les séquences. L'essentiel est que les gens n'utilisent pas toutes leurs options avec la même fréquence.
Supposons que Netero ait 100 défenses, mais qu'à une certaine distance il choisisse A dans 50 % des cas, B dans 30 %, C dans 15 %, et presque jamais les autres. Alors il suffit d'étudier de près A, B et C. Et si Meruem attaque de manière à rendre A plus probable, les options de l'adversaire se réduisent encore.
L'idée centrale n'est donc pas de tout essayer. C'est ceci :
Limiter la situation, repérer le penchant de l'adversaire, puis se servir de ses propres actions pour réduire ses réponses possibles.
3. Sur le marché, on ne voit pas directement qui est « le fort »
Dans le duel, il n'y a qu'un adversaire, Netero, donc on peut apprendre ses habitudes. Sur un marché, il y a en même temps de gros investisseurs, des courtiers, des teneurs de marché, des opérateurs à haute vitesse, des traders professionnels et de petits investisseurs de court terme. À partir du carnet d'ordres et de la liste des transactions ordinaires, on ne sait pas à qui appartient chaque ordre.
C'est pourquoi, en scalping (des opérations qui durent de quelques secondes à quelques minutes), l'idée de « copier le meilleur » est dangereuse. Ce qu'on voit, ce ne sont pas des personnes, mais les traces que laissent les transactions :
- De combien de ticks le prix a bougé après un ordre d'achat.
- Si le prix n'a pas baissé malgré des ventes.
- Si les ordres de vente consommés ont été vite remplacés.
- Si les ordres d'achat sont montés vers un prix plus haut.
- Si les transactions ont continué après un nouveau plus haut.
- Si l'écart entre achat et vente (le spread) est resté étroit ou s'est soudain élargi.
La question, sur le marché, n'est donc pas « qui achète ? » mais :
Dans cette situation, quel camp, acheteurs ou vendeurs, fait réellement bouger le prix ?
4. Des recherches qui laissent penser qu'une stratégie de type rémora peut fonctionner
La rémora est un poisson qui nage collé à un requin et mange ses restes. L'idée est : « ne faites pas la course de vitesse avec le fort qui bouge en premier ; prenez ce qui reste du flux après lui ». Plusieurs études soutiennent cette idée.
Premièrement, les gros ordres sont découpés. Passer un énorme ordre d'un seul coup fait bouger le prix contre soi ; les gros investisseurs découpent donc souvent un grand ordre « parent » en nombreux petits ordres « enfants ». Une étude fondée sur plus de neuf ans de données au niveau des comptes de la Bourse de Tokyo a confirmé, chiffres à l'appui, que ce découpage explique pourquoi un achat est souvent suivi d'un autre achat, et une vente d'une autre vente, pendant longtemps.[2]
Deuxièmement, les découpages faciles à prévoir sont lus par d'autres. Plus le schéma des ordres enfants d'un gros ordre est lisible, plus il est exploité par ceux qui anticipent les ordres, et plus le coût d'exécution et l'impact différé sur le prix augmentent pour le gros investisseur.[6][7] C'est proche du « back-running », ou anticipation d'ordres : deviner le prochain ordre à partir du flux passé et se placer derrière.
Troisièmement, la toute première course est trop rapide pour un humain. Une étude fondée sur les messages d'une bourse britannique a trouvé qu'une course typique, décidée par la seule vitesse, dure de 5 à 10 microsecondes, et que plus de 20 % du volume échangé était lié à une forme de course de vitesse.[9] Une personne qui regarde l'écran et clique ne peut pas se battre pour ce premier mouvement.
Ce qu'un particulier peut viser, ce ne sont donc pas des écarts de prix qui disparaissent en microsecondes, mais des ordres découpés, des ordres de suivi et un manque de liquidité qui durent de quelques secondes à quelques minutes.
Cela ne veut pas dire pour autant qu'« acheter la deuxième vague après une envolée gagne toujours ». Quand l'exécution d'un gros ordre se termine, une partie de son impact sur le prix peut s'inverser, et le premier acheteur peut revendre à ceux qui arrivent en retard et sortir. Le cœur de la stratégie rémora n'est pas le fait que le prix ait monté, mais la vérification que le flux n'est pas encore terminé.
5. Quatre traces visibles dans les données publiques
5-1. Déséquilibre du flux d'ordres (OFI)
L'OFI ne compte pas seulement les ordres au marché : il ajoute aussi les ordres à cours limité placés ou annulés aux meilleurs prix, et mesure la différence entre la pression à l'achat et la pression à la vente. Une étude portant sur 50 actions américaines a montré que les variations de prix sur de courts intervalles étaient liées de façon plus stable à l'OFI qu'au simple volume, et qu'un même OFI faisait davantage bouger le prix quand le carnet était mince.[3]
Pensez à un bras de fer à la corde. On ne compte pas seulement combien de personnes ont rejoint : on compte de quel côté la corde a vraiment bougé et si des gens sont arrivés ou partis du côté opposé.
5-2. Déséquilibre du carnet d'ordres (queue imbalance)
Appelons B la quantité au meilleur prix d'achat et A la quantité au meilleur prix de vente. Une mesure simple du déséquilibre est :
QI = (B - A) / (B + A)
Plus le QI est proche de 1, plus le côté achat est épais ; plus il est proche de -1, plus le côté vente est épais. Une étude portant sur 10 actions du NASDAQ a trouvé un lien statistique entre le QI et le sens de la variation suivante du prix médian, avec les meilleurs gains de prédiction sur les actions dont le tick est grand.[4]
Mais un ordre épais ne reste pas forcément. S'il est annulé, il disparaît. Il ne faut donc pas regarder seulement une photo de l'épaisseur : il faut suivre comment les ajouts, les annulations et les exécutions évoluent.
5-3. Comment le prix réagit aux ordres
Le plus simple à comprendre et le plus utile : plus que la taille des ordres, regardez comment le prix a bougé en les recevant.
- Beaucoup d'achats au marché arrivent mais le prix ne monte pas : une forte vente au-dessus les absorbe peut-être.
- Des ventes au marché arrivent mais le prix ne baisse pas : une demande en dessous les absorbe peut-être.
Si vous comptez suivre les acheteurs, un signe plus fort que « il y a beaucoup d'achats » est que le prix tient même quand les vendeurs contre-attaquent.
5-4. Vitesse de récupération du carnet
Quand un gros ordre mange une partie du carnet, la vitesse à laquelle celui-ci se remplit à nouveau s'appelle la résilience. Une étude sur une action de la Bourse de Londres a trouvé que le carnet ne se reconstituait pas toujours, mais que, lorsqu'il le faisait, la demi-vie était d'environ 20 secondes. Des indices d'ordres au marché de suivi ont aussi été signalés.[5]
Ce n'est pas une règle universelle du type « opérez en 20 secondes ». La vitesse change selon le marché, l'action et l'époque. L'important est de mesurer, juste après le premier mouvement, si l'autre côté du carnet revient ou non.
6. Hypothèse d'entrée : n'achetez pas le premier élan, achetez la deuxième accélération après la tenue du prix
L'hypothèse rémora la plus simple côté achat comporte cinq étapes :
- Premier élan : le prix, la fréquence des transactions et l'OFI positif s'envolent au-dessus de la normale.
- Attente : ne courez pas après. Attendez la contre-attaque des vendeurs.
- Vérification de la tenue : des ventes au marché arrivent, mais le repli est faible, les ordres d'achat sont reconstitués et le point de départ du premier élan n'est pas cassé.
- Nouvelle accélération : l'OFI positif augmente à nouveau, les ordres de vente sont consommés et le prix marque un nouveau plus haut récent.
- Participation : ne prenez que le court tronçon qui se poursuit après confirmation de la deuxième accélération.
Exemple chiffré : le prix monte vite de 1 000 yens à 1 010 yens, recule à 1 007 yens, et, sous la pression des vendeurs, ne casse pas 1 007 yens, puis repasse au-dessus de 1 010 yens. Ce point est un candidat. Vous laissez les 10 premiers yens au joueur fort et vous ne prenez que le reste après confirmation.
Cependant, ce n'est pas une règle gagnante achevée dans un article scientifique. Ce que la recherche montre directement, c'est que le sens des ordres persiste, que l'OFI et le déséquilibre du carnet ont un certain pouvoir de prédiction à court terme, et que certains opèrent avant des ordres prévisibles. Les cinq étapes ci-dessus sont une hypothèse à tester, assemblée pour un particulier à partir de ces résultats.
7. Prenez vos gains selon la durée de vie de votre raison d'entrée, pas selon le nombre de yens voulu
La raison d'acheter avec cette méthode est la conviction suivante :
« L'élan acheteur, de courte durée, est toujours là, et des acheteurs vont bientôt suivre. »
Il est donc naturel de décider de la sortie selon que cette conviction est encore vivante, et pas seulement selon le gain déjà acquis.
Pensez à la prise de gains et à la sortie comme à quatre types utilisés ensemble.
7-1. Sortir quand la raison s'effondre
Ces changements montrent que l'idée « l'achat va continuer » ne tient plus :
- Le prix casse vers le haut puis retombe aussitôt en dessous.
- Il casse le plus bas du repli.
- L'OFI bascule du côté de la vente.
- Les achats au marché se succèdent mais le prix ne monte pas.
- Les ordres de vente sont reconstitués à répétition et très vite.
- Les ordres d'achat disparaissent et le spread s'élargit.
Dans ces cas, vous sortez même si l'objectif de gain n'est pas atteint. Si vous couriez derrière un coureur fort et qu'il s'arrête, rien ne vous oblige à courir seul jusqu'à la distance fixée au départ.
7-2. Sortie par le temps
Cette méthode vise un flux qui se poursuit tout de suite. Si, dans le délai prévu, aucun nouveau plus haut ni aucune deuxième accélération n'apparaît, le fait que rien ne se passe est déjà une information.
Mais il n'existe pas de bonne réponse du type « 20 secondes pour toutes les actions ». Chaque signal s'affaiblit à sa propre vitesse, et un modèle de trading dynamique montre qu'en présence de coûts, il faut ajuster sa position à la durée du signal.[12] Avec vos propres données, mesurez en combien de secondes ou d'événements les transactions gagnantes commencent à monter, et prenez cette date de péremption comme limite de temps.
7-3. Objectif fixe
Un objectif fixe n'est pas mauvais, mais « 3 ticks » ou « perdre 1 pour gagner 2 » sans fondement est faible. Rassemblez l'excursion maximale favorable après l'entrée (MFE, jusqu'où l'opération est allée dans le bon sens), retirez les frais et le glissement de prix, puis comparez quel objectif donne la meilleure espérance.
En simplifiant, l'espérance est :
espérance = taux de réussite × gain moyen − taux d'échec × perte moyenne − coût de transaction
Un objectif plus lointain rapporte plus par gain, mais il est atteint moins souvent. Il faut regarder ensemble la taille du gain et la probabilité de l'atteindre.
7-4. Stop suiveur et prises de gains partielles
Pour garder les rares opérations qui courent très loin, on peut utiliser un stop suiveur (trailing stop), qui remonte la ligne de sortie à mesure que le prix monte. Des recherches mathématiques montrent que, si l'on suppose un certain type de processus de prix, la combinaison d'un ordre de vente à cours limité et d'un stop suiveur peut être optimale.[11] Mais cela ne veut pas dire que « toujours 2 ticks en dessous » est le meilleur sur tous les marchés.
Prendre ses gains en plusieurs fois rend souvent les résultats moins irréguliers, mais on lâche tôt le gain de ses meilleures opérations, et on augmente le nombre de transactions et les coûts. Il n'existe pas de preuve générale que « vendre la moitié » soit toujours meilleur. Il faut comparer, sur les mêmes données, la sortie totale à objectif fixe, la sortie par le temps, le stop suiveur et les sorties partielles.
8. Un stop-loss plus serré n'est pas meilleur pour autant
Une étude théorique sur le stop-loss a montré que, si les prix suivent une marche aléatoire, un stop mécanique réduit le rendement attendu ; mais si les rendements ont tendance à se poursuivre dans le même sens, c'est-à-dire s'il y a du momentum, le stop peut valoir la peine parce qu'il limite les pertes.[10]
La stratégie rémora vise la poursuite du momentum de court terme ; un stop du type « la raison s'est effondrée » peut donc lui convenir. Mais un stop plus serré que les petites oscillations ordinaires est touché encore et encore, et vous ne payez que le spread et les frais.
Il est donc logique de séparer les rôles :
- Stop initial : le prix ou l'état des ordres où le scénario d'entrée ne tient plus.
- Stop de temps : quand la période pendant laquelle le flux devait continuer est dépassée.
- Stop après gain : suit le dernier plus bas du repli ou un retournement du flux d'ordres.
9. Les gens ont des biais quand ils prennent leurs gains
Une étude célèbre portant sur environ 10 000 comptes a montré que les investisseurs ont tendance à vendre trop tôt les actions qui gagnent et à garder trop longtemps celles qui perdent. C'est l'effet de disposition.[13]
En scalping, il arrive aussi l'inverse : on ne veut pas perdre un gain de 2 ticks et on le prend aussitôt, mais on attend qu'une perte de 2 ticks revienne. Résultat : de petits gains et de grosses pertes.
Pour l'éviter, ne sortez pas par confort du moment. Sortez pour une raison fixée à l'avance :
- La raison d'entrée s'est effondrée.
- Le temps est écoulé.
- L'objectif statistique est atteint.
- La condition du stop suiveur est touchée.
10. Ce que la recherche a montré, et ce qu'elle n'a pas montré
Assez bien soutenu
- La modélisation de l'adversaire, qui estime comment les autres agissent et change sa propre politique, est un domaine de recherche utile pour les problèmes à nombreux participants.[1]
- Le découpage des gros ordres est l'une des causes de la continuité des ordres dans le même sens.[2]
- Les variations de prix à court terme sont plus fortement liées à l'OFI qu'au volume seul.[3]
- Le déséquilibre du carnet a parfois un pouvoir de prédiction statistique sur le sens du prix suivant.[4]
- Le fait que d'autres lisent des exécutions de gros ordres prévisibles et opèrent derrière, appelé anticipation d'ordres, a été étudié en théorie comme sur données.[6][7]
- Les courses de prix les plus rapides sont trop rapides pour que des humains y participent.[9]
- La valeur des stops et des stops suiveurs dépend du processus de prix, de la durée du signal et des coûts de transaction.[10][11][12]
Ce qui n'est pas encore prouvé de façon générale
- Qu'acheter un repli faible et une nouvelle cassure après une envolée permette à un particulier de gagner régulièrement après coûts.
- Qu'en regardant le carnet on puisse identifier les ordres de « scalpeurs habiles ».
- Que 20 secondes, 3 ticks ou vendre la moitié soient les valeurs optimales pour toutes les actions.
- Qu'une grande précision de prédiction se transforme directement en gros bénéfice net.
- Qu'une règle qui a marché sur une période passée continue de marcher quand les participants et les règles changent.
11. Une conception minimale pour tester
Avant de tout confier à une IA, il vaut mieux commencer par noter un seul type de situation, 100 à 300 fois.
Relevé de la situation
- Action, heure, spread, taille du tick.
- Amplitude et durée du premier élan, fréquence des transactions.
- OFI, ou une mesure simple de la pression à l'achat et à la vente.
- Amplitude du repli après le premier élan.
- Baisse du prix quand les vendeurs frappent.
- Ajouts, annulations et vitesse de reconstitution des ordres d'achat et de vente.
- Présence ou non d'une deuxième accélération et d'un nouveau plus haut.
Relevé après l'entrée
- Gain ou perte après 1, 5, 10, 20 et 30 secondes.
- Excursion maximale favorable (MFE).
- Excursion maximale défavorable (MAE, jusqu'où l'opération est allée contre vous).
- Temps jusqu'au prix le plus haut.
- Temps jusqu'au retournement de l'OFI.
- Prix d'exécution réel, glissement et frais.
Sorties à comparer
- Objectif fixe et stop fixe.
- Raison effondrée + sortie par le temps.
- Objectif fixe, puis stop suiveur sur le reste.
- Sortie totale quand le flux d'ordres se retourne.
Séparez la période d'apprentissage et la période d'évaluation par date. Ne mélangez pas de données du futur. Construisez les règles sur des données plus anciennes et vérifiez-les sur des données plus récentes. Comme le marché change, il faut aussi répéter le test dans le temps (validation walk-forward).
Enfin, comparez toujours après coûts. Même si votre prévision est juste, si le gain est de 1 tick et que le spread plus le glissement coûtent 1 tick, cela ne fonctionne pas comme stratégie.
Conclusion
L'idée principale à retenir de Netero contre Meruem n'est pas de mémoriser tous les schémas.
Apprendre le penchant à partir du comportement visible, limiter la situation, vérifier comment l'autre côté réagit, puis entrer par le court chemin encore ouvert.
Sur le marché, cela veut dire qu'on ne cherche pas un « super trader » nommé. On lit les traces que les ordres puissants laissent dans les données publiques. On laisse le premier mouvement aux participants rapides, on attend que le marché tienne face à une contre-attaque, et on ne suit que si la pression des ordres s'accélère de nouveau.
Pour prendre ses gains, ne demandez pas seulement combien de yens vous avez gagnés. Demandez :
La raison de suivre est-elle toujours vivante ? Le mouvement a-t-il continué dans le délai prévu ? Reste-t-il de la marge de mouvement après les coûts ?
En version la plus courte :
N'essayez pas de battre le meneur. Vérifiez que le flux qu'il a créé continue, montez dessus un court moment, et quand il s'arrête, descendez, quelle que soit la distance de l'objectif visé.
Voilà le squelette de base du « scalping façon rémora » qu'on peut raisonnablement tirer de la recherche.
