Note de l'éditeur : Dans le monde financier, avec le développement de la technologie et de la technologie, les transactions sont devenues plus complexes et plus fréquentes. L'histoire a prouvé que plus la technologie est avancée, plus la volatilité du marché est grande. Dans ce processus, il y a des bénéficiaires et il y a des victimes. Cet article est issu d'une compilation, j'espère vous inspirer.
Source de l'image : générée par l'outil d'IA illimitée
Les outils alimentés par l'IA, tels que ChatGPT, ont le potentiel de révolutionner l'efficience, l'efficacité et la rapidité du travail humain.
C'est vrai sur les marchés financiers, mais c'est aussi vrai dans les soins de santé, la fabrication et à peu près tous les autres aspects de nos vies.
J'ai étudié les marchés financiers et le trading algorithmique pendant 14 ans. Alors que l'intelligence artificielle offre de nombreux avantages, l'omniprésence croissante de ces technologies sur les marchés financiers présente également des dangers potentiels. En regardant les tentatives passées de Wall Street pour accélérer le trading en adoptant les ordinateurs et l'intelligence artificielle, nous pouvons tirer des leçons importantes sur l'utilisation de ces technologies pour la prise de décision.
1. Le trading programmatique a donné naissance au "Black Monday"
Au début des années 1980, stimulés par les avancées 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 aide les investisseurs à réaliser des transactions importantes rapidement et efficacement.
A l'époque, ces algorithmes étaient relativement simples et étaient principalement utilisés pour ce qu'on appelle l'arbitrage d'indices, qui consiste à profiter de la différence entre le prix d'"un indice boursier tel que le S&P 500" et les "actions qui composent l'indice ".
Au fur et à mesure que la technologie progresse et que davantage de données deviennent disponibles, ce trading programmatique devient plus sophistiqué et les algorithmes commencent à analyser des données de marché complexes et à exécuter des transactions en fonction de divers facteurs. Le nombre de ces traders programmatiques continue de croître sur l'autoroute commerciale largement non réglementée, avec plus de 1 billion de dollars d'actifs changeant de mains chaque jour, entraînant une forte augmentation de la volatilité du marché.
En fin de compte, cela a conduit au krach boursier massif de 1987, connu sous le nom de lundi noir. Le Dow Jones Industrial Average a subi sa pire baisse jamais enregistrée et la douleur s'est propagée à travers le monde.
En réponse, les régulateurs ont mis en place une série de mesures pour limiter l'utilisation du trading programmatique, y compris des disjoncteurs et d'autres restrictions qui suspendent le trading lors des fluctuations majeures du marché. Mais malgré ces étapes, le trading programmatique a continué de gagner en popularité dans les années qui ont suivi le crash.
2. Trading à haute fréquence (HFT)
Quinze ans plus tard, en 2002, la Bourse de New York a lancé un système de négociation entièrement automatisé. En conséquence, les traders programmatiques ont cédé la place à un trading automatisé plus sophistiqué et à une technique plus avancée : le trading haute fréquence.
Le trading haute fréquence utilise des programmes informatiques pour analyser les données du marché et exécuter des transactions à des vitesses extrêmement élevées. Contrairement aux traders de programme, qui profitent des opportunités d'arbitrage en achetant et en vendant des paniers de titres sur de longues périodes, 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 la vitesse de l'éclair. Les traders à haute fréquence peuvent effectuer des transactions en environ 64 millionièmes de seconde, par rapport aux secondes qu'il fallait aux traders dans les années 1980.
Ces transactions sont généralement à très court terme et peuvent impliquer l'achat et la vente du même titre plusieurs fois en quelques nanosecondes. Les algorithmes d'IA sont capables d'analyser de grandes quantités de données en temps réel et d'identifier des modèles et des tendances que les traders humains ne peuvent pas voir instantanément. Cela aide les traders à prendre de meilleures décisions et à exécuter des transactions plus rapidement que manuellement.
Une autre application importante de l'intelligence artificielle dans le trading à haute fréquence est le traitement du langage naturel, qui consiste à analyser et à interpréter des données en langage humain, telles que des articles de presse et des publications sur les réseaux sociaux. En analysant ces données, les traders peuvent mieux comprendre le sentiment du marché et ajuster leurs stratégies de trading en conséquence.
3. Avantages du trading par IA
Ces transactions à haute fréquence basées sur l'intelligence artificielle fonctionnent très différemment des transactions humaines.
Le cerveau humain est lent, imprécis, oublieux et incapable de l'arithmétique rapide et de haute précision à virgule flottante qui est une compétence requise pour analyser de grandes quantités de données afin d'identifier les signaux de trading. Mais les ordinateurs sont des millions de fois plus rapides que le cerveau humain, avec une mémoire impeccable, une mise au point parfaite et une capacité illimitée à analyser de grandes quantités de données en quelques millisecondes.
Ainsi, comme la plupart des technologies, le trading à haute fréquence apporte plusieurs avantages au marché boursier.
Les traders à haute fréquence achètent et vendent généralement des actifs très proches des prix du marché, ce qui 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 tarification sur le marché. Par exemple, les algorithmes de trading à haute fréquence peuvent détecter quand une action particulière est sous-évaluée ou surévaluée et exécuter des transactions pour tirer parti de ces différences. De telles transactions peuvent aider à corriger les inefficacités du marché et garantir que les actifs sont évalués avec plus de précision.
4. Inconvénients du trading d'intelligence artificielle
Mais la rapidité et l'efficacité peuvent également nuire aux marchés.
Les algorithmes de trading à haute fréquence peuvent réagir très rapidement aux événements d'actualité et aux autres signaux du marché, provoquant des pics ou des baisses soudaines des prix des actifs.
En outre, les sociétés financières de trading à haute fréquence sont en mesure d'utiliser leur rapidité et leur technologie pour obtenir un avantage sur les autres traders, ce qui fausse davantage les signaux du marché. La volatilité créée par ces transactions extrêmement sophistiquées alimentées par l'IA a conduit au soi-disant «crash éclair» en mai 2010, lorsque les actions ont plongé puis se sont redressées en quelques minutes, anéantissant environ 1 billion de dollars de valeur marchande, puis se sont rapidement redressées.
Depuis lors, les marchés volatils sont devenus la nouvelle norme. Dans une étude de 2016, deux co-auteurs et moi avons constaté que la volatilité (une mesure de la vitesse et de l'imprévisibilité des hausses et des baisses de prix) avait considérablement augmenté après l'introduction du trading à haute fréquence.
La rapidité et l'efficacité avec lesquelles les traders à haute fréquence analysent les données signifient que même de petits changements dans les conditions du marché peuvent déclencher des volumes d'échanges massifs, entraînant des fluctuations soudaines des prix.
De plus, des recherches publiées en 2021 par moi-même et plusieurs autres collègues ont montré que la plupart des traders à haute fréquence utilisent des algorithmes similaires, ce qui augmente le risque de défaillance du marché. En effet, la similitude de ces algorithmes conduit à des décisions de trading similaires à mesure que le nombre de traders sur le marché augmente.
Cela signifie que tous les traders à haute fréquence sont susceptibles de négocier du même côté du marché si leurs algorithmes émettent des signaux de trading similaires. Autrement dit, ils sont tous susceptibles d'essayer de vendre sur des nouvelles négatives et d'acheter sur des nouvelles positives. Si personne n'est de l'autre côté du commerce, le marché échouera.
5. Entrez dans l'ère ChatGPT
L'intelligence artificielle nous a fait entrer dans un nouveau monde d'algorithmes de trading alimentés par ChatGPT et des programmes similaires. Et ces techniques peuvent aggraver le problème du "trop de commerçants du même côté du commerce".
En général, les humains ont tendance à prendre diverses décisions s'ils laissent la nature suivre son cours. Mais si tout le monde fonde ses décisions sur une IA similaire, cela pourrait limiter la diversité des opinions.
Considérez une situation extrême et non financière où tout le monde compte sur ChatGPT pour décider du meilleur ordinateur à acheter. A cette époque, les consommateurs sont déjà très enclins au comportement grégaire, et ils ont tendance à acheter le même produit et modèle. Par exemple, les avis sur des sites comme Yelp, Amazon, etc., incitent les consommateurs à choisir parmi plusieurs meilleures options.
Étant donné que les décisions prises par un chatbot propulsé par l'IA générative sont basées sur des données d'entraînement passées, les décisions proposées par le chatbot auront des similitudes. Il y a de fortes chances que ChatGPT recommande la même marque et le même modèle à tout le monde. Cela pourrait porter « l'effet de troupeau » à un niveau encore plus élevé et entraîner des pénuries de certains produits et services, ainsi que de graves flambées de prix.
Cela devient encore plus problématique lorsque l'IA prend des décisions basées sur des informations biaisées et incorrectes. Lorsque les systèmes sont formés sur des ensembles de données biaisés, obsolètes ou limités, les algorithmes d'IA renforcent les biais existants. ChatGPT et des outils similaires ont été largement critiqués pour avoir commis des erreurs factuelles.
De plus, comme les krachs boursiers sont relativement rares, il n'y a pas beaucoup de données à leur sujet. Étant donné que les IA génératives s'appuient sur la formation aux données pour apprendre, leur manque de connaissances à ce sujet pourrait rendre les accidents plus probables.
La plupart des banques, du moins pour le moment, ne semblent pas autoriser les employés à utiliser ChatGPT et des outils similaires. Citigroup, Bank of America, Goldman Sachs et plusieurs autres banques ont interdit l'utilisation des outils de leurs salles de marché, invoquant des problèmes de confidentialité.
Mais je crois fermement qu'une fois que les banques auront répondu à leurs préoccupations concernant l'IA générative, elles finiront par adopter l'IA générative. Parce que les gains potentiels sont trop importants pour être ratés et que vous risquez d'être distancé par vos concurrents.
Mais il existe également des risques importants pour les marchés financiers, l'économie mondiale et tout le monde, alors j'espère qu'ils procéderont avec prudence.
Traductrice : Jeanne
Voir l'original
Le contenu est fourni à titre de référence uniquement, il ne s'agit pas d'une sollicitation ou d'une offre. Aucun conseil en investissement, fiscalité ou juridique n'est fourni. Consultez l'Avertissement pour plus de détails sur les risques.
Opinion: ChatGPT apporte d'énormes avantages et risques à Wall Street
Note de l'éditeur : Dans le monde financier, avec le développement de la technologie et de la technologie, les transactions sont devenues plus complexes et plus fréquentes. L'histoire a prouvé que plus la technologie est avancée, plus la volatilité du marché est grande. Dans ce processus, il y a des bénéficiaires et il y a des victimes. Cet article est issu d'une compilation, j'espère vous inspirer.
Les outils alimentés par l'IA, tels que ChatGPT, ont le potentiel de révolutionner l'efficience, l'efficacité et la rapidité du travail humain.
C'est vrai sur les marchés financiers, mais c'est aussi vrai dans les soins de santé, la fabrication et à peu près tous les autres aspects de nos vies.
J'ai étudié les marchés financiers et le trading algorithmique pendant 14 ans. Alors que l'intelligence artificielle offre de nombreux avantages, l'omniprésence croissante de ces technologies sur les marchés financiers présente également des dangers potentiels. En regardant les tentatives passées de Wall Street pour accélérer le trading en adoptant les ordinateurs et l'intelligence artificielle, nous pouvons tirer des leçons importantes sur l'utilisation de ces technologies pour la prise de décision.
1. Le trading programmatique a donné naissance au "Black Monday"
Au début des années 1980, stimulés par les avancées 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 aide les investisseurs à réaliser des transactions importantes rapidement et efficacement.
A l'époque, ces algorithmes étaient relativement simples et étaient principalement utilisés pour ce qu'on appelle l'arbitrage d'indices, qui consiste à profiter de la différence entre le prix d'"un indice boursier tel que le S&P 500" et les "actions qui composent l'indice ".
Au fur et à mesure que la technologie progresse et que davantage de données deviennent disponibles, ce trading programmatique devient plus sophistiqué et les algorithmes commencent à analyser des données de marché complexes et à exécuter des transactions en fonction de divers facteurs. Le nombre de ces traders programmatiques continue de croître sur l'autoroute commerciale largement non réglementée, avec plus de 1 billion de dollars d'actifs changeant de mains chaque jour, entraînant une forte augmentation de la volatilité du marché.
En fin de compte, cela a conduit au krach boursier massif de 1987, connu sous le nom de lundi noir. Le Dow Jones Industrial Average a subi sa pire baisse jamais enregistrée et la douleur s'est propagée à travers le monde.
En réponse, les régulateurs ont mis en place une série de mesures pour limiter l'utilisation du trading programmatique, y compris des disjoncteurs et d'autres restrictions qui suspendent le trading lors des fluctuations majeures du marché. Mais malgré ces étapes, le trading programmatique a continué de gagner en popularité dans les années qui ont suivi le crash.
2. Trading à haute fréquence (HFT)
Quinze ans plus tard, en 2002, la Bourse de New York a lancé un système de négociation entièrement automatisé. En conséquence, les traders programmatiques ont cédé la place à un trading automatisé plus sophistiqué et à une technique plus avancée : le trading haute fréquence.
Le trading haute fréquence utilise des programmes informatiques pour analyser les données du marché et exécuter des transactions à des vitesses extrêmement élevées. Contrairement aux traders de programme, qui profitent des opportunités d'arbitrage en achetant et en vendant des paniers de titres sur de longues périodes, 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 la vitesse de l'éclair. Les traders à haute fréquence peuvent effectuer des transactions en environ 64 millionièmes de seconde, par rapport aux secondes qu'il fallait aux traders dans les années 1980.
Ces transactions sont généralement à très court terme et peuvent impliquer l'achat et la vente du même titre plusieurs fois en quelques nanosecondes. Les algorithmes d'IA sont capables d'analyser de grandes quantités de données en temps réel et d'identifier des modèles et des tendances que les traders humains ne peuvent pas voir instantanément. Cela aide les traders à prendre de meilleures décisions et à exécuter des transactions plus rapidement que manuellement.
Une autre application importante de l'intelligence artificielle dans le trading à haute fréquence est le traitement du langage naturel, qui consiste à analyser et à interpréter des données en langage humain, telles que des articles de presse et des publications sur les réseaux sociaux. En analysant ces données, les traders peuvent mieux comprendre le sentiment du marché et ajuster leurs stratégies de trading en conséquence.
3. Avantages du trading par IA
Ces transactions à haute fréquence basées sur l'intelligence artificielle fonctionnent très différemment des transactions humaines.
Le cerveau humain est lent, imprécis, oublieux et incapable de l'arithmétique rapide et de haute précision à virgule flottante qui est une compétence requise pour analyser de grandes quantités de données afin d'identifier les signaux de trading. Mais les ordinateurs sont des millions de fois plus rapides que le cerveau humain, avec une mémoire impeccable, une mise au point parfaite et une capacité illimitée à analyser de grandes quantités de données en quelques millisecondes.
Ainsi, comme la plupart des technologies, le trading à haute fréquence apporte plusieurs avantages au marché boursier.
Les traders à haute fréquence achètent et vendent généralement des actifs très proches des prix du marché, ce qui 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 tarification sur le marché. Par exemple, les algorithmes de trading à haute fréquence peuvent détecter quand une action particulière est sous-évaluée ou surévaluée et exécuter des transactions pour tirer parti de ces différences. De telles transactions peuvent aider à corriger les inefficacités du marché et garantir que les actifs sont évalués avec plus de précision.
4. Inconvénients du trading d'intelligence artificielle
Mais la rapidité et l'efficacité peuvent également nuire aux marchés.
Les algorithmes de trading à haute fréquence peuvent réagir très rapidement aux événements d'actualité et aux autres signaux du marché, provoquant des pics ou des baisses soudaines des prix des actifs.
En outre, les sociétés financières de trading à haute fréquence sont en mesure d'utiliser leur rapidité et leur technologie pour obtenir un avantage sur les autres traders, ce qui fausse davantage les signaux du marché. La volatilité créée par ces transactions extrêmement sophistiquées alimentées par l'IA a conduit au soi-disant «crash éclair» en mai 2010, lorsque les actions ont plongé puis se sont redressées en quelques minutes, anéantissant environ 1 billion de dollars de valeur marchande, puis se sont rapidement redressées.
Depuis lors, les marchés volatils sont devenus la nouvelle norme. Dans une étude de 2016, deux co-auteurs et moi avons constaté que la volatilité (une mesure de la vitesse et de l'imprévisibilité des hausses et des baisses de prix) avait considérablement augmenté après l'introduction du trading à haute fréquence.
La rapidité et l'efficacité avec lesquelles les traders à haute fréquence analysent les données signifient que même de petits changements dans les conditions du marché peuvent déclencher des volumes d'échanges massifs, entraînant des fluctuations soudaines des prix.
De plus, des recherches publiées en 2021 par moi-même et plusieurs autres collègues ont montré que la plupart des traders à haute fréquence utilisent des algorithmes similaires, ce qui augmente le risque de défaillance du marché. En effet, la similitude de ces algorithmes conduit à des décisions de trading similaires à mesure que le nombre de traders sur le marché augmente.
Cela signifie que tous les traders à haute fréquence sont susceptibles de négocier du même côté du marché si leurs algorithmes émettent des signaux de trading similaires. Autrement dit, ils sont tous susceptibles d'essayer de vendre sur des nouvelles négatives et d'acheter sur des nouvelles positives. Si personne n'est de l'autre côté du commerce, le marché échouera.
5. Entrez dans l'ère ChatGPT
L'intelligence artificielle nous a fait entrer dans un nouveau monde d'algorithmes de trading alimentés par ChatGPT et des programmes similaires. Et ces techniques peuvent aggraver le problème du "trop de commerçants du même côté du commerce".
En général, les humains ont tendance à prendre diverses décisions s'ils laissent la nature suivre son cours. Mais si tout le monde fonde ses décisions sur une IA similaire, cela pourrait limiter la diversité des opinions.
Considérez une situation extrême et non financière où tout le monde compte sur ChatGPT pour décider du meilleur ordinateur à acheter. A cette époque, les consommateurs sont déjà très enclins au comportement grégaire, et ils ont tendance à acheter le même produit et modèle. Par exemple, les avis sur des sites comme Yelp, Amazon, etc., incitent les consommateurs à choisir parmi plusieurs meilleures options.
Étant donné que les décisions prises par un chatbot propulsé par l'IA générative sont basées sur des données d'entraînement passées, les décisions proposées par le chatbot auront des similitudes. Il y a de fortes chances que ChatGPT recommande la même marque et le même modèle à tout le monde. Cela pourrait porter « l'effet de troupeau » à un niveau encore plus élevé et entraîner des pénuries de certains produits et services, ainsi que de graves flambées de prix.
Cela devient encore plus problématique lorsque l'IA prend des décisions basées sur des informations biaisées et incorrectes. Lorsque les systèmes sont formés sur des ensembles de données biaisés, obsolètes ou limités, les algorithmes d'IA renforcent les biais existants. ChatGPT et des outils similaires ont été largement critiqués pour avoir commis des erreurs factuelles.
De plus, comme les krachs boursiers sont relativement rares, il n'y a pas beaucoup de données à leur sujet. Étant donné que les IA génératives s'appuient sur la formation aux données pour apprendre, leur manque de connaissances à ce sujet pourrait rendre les accidents plus probables.
La plupart des banques, du moins pour le moment, ne semblent pas autoriser les employés à utiliser ChatGPT et des outils similaires. Citigroup, Bank of America, Goldman Sachs et plusieurs autres banques ont interdit l'utilisation des outils de leurs salles de marché, invoquant des problèmes de confidentialité.
Mais je crois fermement qu'une fois que les banques auront répondu à leurs préoccupations concernant l'IA générative, elles finiront par adopter l'IA générative. Parce que les gains potentiels sont trop importants pour être ratés et que vous risquez d'être distancé par vos concurrents.
Mais il existe également des risques importants pour les marchés financiers, l'économie mondiale et tout le monde, alors j'espère qu'ils procéderont avec prudence.
Traductrice : Jeanne