L’hypothèse du marché efficace (EMH) stipule que les marchés financiers sont « informationnellement efficaces » en ce sens que les prix des actifs négociés reflètent toutes les informations connues à un moment donné. Mais si cela est vrai, alors pourquoi les prix varient-ils d’un jour à l’autre malgré l’absence de nouvelles informations fondamentales? La réponse implique un aspect généralement oublié chez les traders individuels: la liquidité.
De nombreux grands trades institutionnels tout au long de la journée n’ont rien à voir avec l’information et tout à voir avec la liquidité. Les investisseurs qui se sentent surexposés couvriront ou liquideront agressivement des positions, ce qui finira par affecter le prix. Ces demandeurs de liquidité sont souvent prêts à payer un prix pour quitter leurs positions, ce qui peut entraîner un profit pour les fournisseurs de liquidité. Cette capacité à tirer profit de l’information semble contredire l’hypothèse du marché efficace mais constitue le fondement de l’arbitrage statistique.
L’arbitrage statistique vise à capitaliser sur la relation fondamentale entre prix et liquidité en profitant de la mauvaise évaluation perçue d’un ou plusieurs actifs en fonction de la valeur attendue des actifs générés à partir d’un modèle statistique.
Principaux points à retenir
- L’arbitrage statistique est une stratégie d’investissement qui vise à tirer profit de la réduction d’un écart dans les cours de négociation de deux titres ou plus.
- Stat arb implique plusieurs stratégies différentes, mais toutes reposent sur des régularités statistiques ou corrélatives entre divers actifs dans un marché qui tend vers l’efficacité.
- Même s’il porte le mot « arbitrage » dans son nom, stat arb peut être très risqué et entraîner des pertes énormes et systémiques, comme dans l’effondrement épique du fonds spéculatif Long Term Capital Management (LTCM).
Qu’Est-Ce Que L’Arbitrage Statistique ?
L’arbitrage statistique, ou « stat arb », est né dans les années 1980 des exigences de couverture créées par les opérations de pupitre de négociation de blocs d’actions de Morgan Stanley. Morgan Stanley a pu éviter les pénalités de prix associées à des achats de blocs importants en achetant des actions au lieu d’actions étroitement corrélées comme couverture contre ses positions importantes.
Par exemple, si le bureau de négociation achetait un gros bloc d’actions de Coca-Cola, il court-circuiterait une action étroitement corrélée comme PepsiCo pour se prémunir de toute baisse majeure du marché à court terme. Cela a effectivement éliminé une partie du risque de marché alors que l’entreprise cherchait à placer les actions qu’elle avait achetées dans une transaction en bloc.
Les traders ont rapidement commencé à considérer ces « paires » non pas comme un bloc isolé à exécuter et sa couverture, mais plutôt comme les deux faces d’une même stratégie de trading, où les bénéfices pourraient être réalisés plutôt que simplement comme un outil de couverture. Ces transactions sur paires ont finalement évolué vers plusieurs stratégies plus sophistiquées visant à tirer parti des différences statistiques des prix des titres en raison de la liquidité, de la volatilité, du risque ou d’autres facteurs fondamentaux ou techniques. Nous classons maintenant ces stratégies collectivement comme des arbitrages statistiques.
Types d’arbitrage statistique
Il existe de nombreux types d’arbitrage statistique créés pour tirer parti de plusieurs types d’opportunités. Alors que certains types ont été progressivement éliminés par un marché de plus en plus efficace, plusieurs autres opportunités se sont présentées pour prendre leur place. Voici quelques-unes des principales stratégies stat arb.
Arbitrage de risque
L’arbitrage de risque est une forme d’arbitrage statistique qui cherche à tirer profit des situations de fusion. Les investisseurs achètent des actions dans la cible et (s’il s’agit d’une transaction boursière) court simultanément les actions de l’acquéreur. Le résultat est un profit réalisé à partir de la différence entre le prix de rachat et le prix du marché.
Contrairement à l’arbitrage statistique traditionnel, l’arbitrage de risque implique la prise de certains risques. Le plus grand risque est que la fusion tombe à l’eau et que l’action de la cible chute à ses niveaux d’avant la fusion. Un autre risque concerne la valeur temporelle de l’argent investi. Les fusions qui prennent beaucoup de temps à traverser peuvent affecter les rendements annuels des investisseurs.
La clé du succès de l’arbitrage de risque consiste à déterminer la probabilité et l’opportunité de la fusion et à comparer cela avec la différence de prix entre l’action cible et l’offre de rachat. Certains arbitragistes du risque ont également commencé à spéculer sur les objectifs de prise de contrôle, ce qui peut conduire à des bénéfices nettement plus importants avec un risque tout aussi important.
L’arbitrage de volatilité
L’arbitrage de volatilité est un type populaire d’arbitrage statistique qui se concentre sur la prise en compte des différences entre la volatilité implicite d’une option et une prévision de la volatilité future réalisée dans un portefeuille neutre en delta. Essentiellement, les arbitragistes de la volatilité spéculent sur la volatilité du titre sous-jacent plutôt que de faire un pari directionnel sur le prix du titre.
La clé de cette stratégie consiste à prévoir avec précision la volatilité future, ce qui peut s’écarter pour diverses raisons, notamment:
- Litiges relatifs aux brevets
- Résultats des essais cliniques
- Gains incertains
- M & Une spéculation
Une fois qu’un arbitre de volatilité a estimé la volatilité future réalisée, il peut commencer à rechercher des options où la volatilité implicite est significativement inférieure ou supérieure à la volatilité prévue réalisée pour le titre sous-jacent. Si la volatilité implicite est plus faible, le trader peut acheter l’option et se couvrir avec le titre sous-jacent pour créer un portefeuille neutre en delta. De même, si la volatilité implicite est plus élevée, le trader peut vendre l’option et se couvrir avec le titre sous-jacent pour créer un portefeuille neutre en delta.
Le trader réalisera alors un profit sur la transaction lorsque la volatilité réalisée du titre sous-jacent se rapprochera plus de sa prévision que de la prévision du marché (ou de la volatilité implicite). Le bénéfice est réalisé à partir de la transaction grâce à la couverture continue nécessaire pour maintenir le portefeuille delta neutre.
Réseaux de neurones
Les réseaux de neurones sont de plus en plus populaires dans le domaine de l’arbitrage statistique en raison de leur capacité à trouver des relations mathématiques complexes qui semblent invisibles à l’œil humain. Ces réseaux sont des modèles mathématiques ou informatiques basés sur des réseaux de neurones biologiques. Ils consistent en un groupe de neurones artificiels interconnectés qui traitent l’information en utilisant une approche connexionniste du calcul — cela signifie qu’ils modifient leur structure en fonction des informations externes ou internes qui traversent le réseau pendant la phase d’apprentissage.
Essentiellement, les réseaux de neurones sont des modèles de données statistiques non linéaires qui sont utilisés pour modéliser des relations complexes entre les entrées et les sorties afin de trouver des modèles dans les données. De toute évidence, toute tendance dans les mouvements des prix des titres peut être exploitée à des fins lucratives.
Trading à haute fréquence
Le trading à haute fréquence (HFT) est un développement relativement nouveau qui vise à tirer parti de la capacité des ordinateurs à exécuter rapidement des transactions. Les dépenses dans le secteur commercial ont considérablement augmenté au fil des ans et, par conséquent, il existe de nombreux programmes capables d’exécuter des milliers de transactions par seconde. Maintenant que la plupart des opportunités d’arbitrage statistique sont limitées en raison de la concurrence, la capacité d’exécuter rapidement des transactions est le seul moyen d’augmenter les bénéfices.
Des réseaux de neurones et des modèles statistiques de plus en plus complexes combinés à des ordinateurs capables de croquer les nombres et d’exécuter des transactions plus rapidement sont la clé des bénéfices futurs pour les arbitragistes.
Comment l’arbitrage statistique affecte les marchés
L’arbitrage statistique en est venu à jouer un rôle essentiel en fournissant une grande partie de la liquidité quotidienne sur les marchés. Au départ, cela a permis aux grands négociants en blocs de placer leurs transactions sans affecter de manière significative les prix du marché, tout en réduisant la volatilité des émissions telles que les certificats de dépôt américains (ADR) en les corrélant plus étroitement avec leurs actions mères.
En effet, les stratégies stat arb, à mesure qu’elles deviennent plus largement utilisées et automatisées, tendent à pousser le marché vers une plus grande efficacité. Au fur et à mesure que des opportunités d’arbitrage entre actifs se présentent, elles sont rapidement éliminées grâce à l’utilisation de ces stratégies. En conséquence, stat arb peut conduire à un marché plus liquide et plus stable.
Cependant, l’arbitrage statistique qui a mal tourné a également causé des problèmes majeurs. L’effondrement de Long Term Capital Management (LTCM) en 1998 a presque laissé le marché en ruines. Afin de profiter de ces petits écarts de prix, il est nécessaire de prendre un effet de levier important.
De plus, comme ces transactions sont automatisées, il existe des mesures de sécurité intégrées. Dans le cas de LTCM, cela signifiait qu’il se liquiderait lors d’un mouvement vers le bas; le problème était que les ordres de liquidation de LTCM ne faisaient que déclencher plus d’ordres de vente dans une boucle horrible qui finirait finalement par une intervention du gouvernement.
Rappelez-vous, la plupart des krachs boursiers découlent de problèmes de liquidité et d’effet de levier — l’arène même dans laquelle opèrent les arbitragistes statistiques. Les algorithmes Stat arb ont également été blâmés en partie pour les « accidents flash » que le marché a commencé à connaître au cours de la dernière décennie. Un crash éclair est un événement sur les marchés électroniques des valeurs mobilières dans lequel une vente rapide de titres entraîne une boucle de rétroaction négative qui peut entraîner des baisses de prix spectaculaires en quelques minutes.
The Bottom Line
L’arbitrage statistique est l’une des stratégies de trading les plus influentes jamais conçues, malgré une légère baisse de popularité depuis les années 1990.Aujourd’hui, la plupart des arbitrages statistiques sont effectués par le trading à haute fréquence en utilisant une combinaison de réseaux de neurones et de modèles statistiques. Non seulement ces stratégies fournissent de la liquidité, mais elles ont également été en grande partie responsables de certains des plus importants accidents que nous ayons vus dans des entreprises comme LTCM dans le passé. Tant que les problèmes de liquidité et d’effet de levier sont combinés, il est probable que cela continuera de faire de la stratégie une valeur à reconnaître, même pour l’investisseur commun.
div>