Trading automatique et psychologie : le robot supprime-t-il les émotions ?

Le 1ᵉʳ août 2012, à l’ouverture de la Bourse de New York, un programme du courtier américain Knight Capital se met à envoyer des ordres que personne n’a voulus. En quarante-cinq minutes, il en émet plus de quatre millions pour exécuter 212 ordres de clients. La perte dépasse 460 millions de dollars. Selon la SEC, 97 courriels automatiques avaient signalé l’anomalie avant l’ouverture ; personne n’y avait donné suite.

Le programme n’a pas paniqué, il n’avait pas d’émotions. Les hommes autour de lui avaient les leurs : la confiance dans un déploiement mal testé, l’habitude d’ignorer les alertes. C’est toute la question de cette fiche. Beaucoup de traders se tournent vers l’automatique pour se débarrasser de leur psychologie. Ils la retrouvent ailleurs, souvent sous une forme plus discrète.

Qu’est-ce que le trading automatique ?

Le trading automatique est l’exécution d’ordres de Bourse par un programme informatique qui applique des règles d’entrée, de sortie et de taille de position définies à l’avance, sans intervention humaine au moment où l’ordre part. Le trader écrit les règles, les teste sur l’historique, puis laisse le programme les appliquer en temps réel.

Il ne faut pas le confondre avec le trading à haute fréquence des grandes sociétés, qui joue sur des millisecondes, ni avec les « robots » vendus clés en main dont traite la fiche sur les formations miracles, signaux et robots. Il s’agit ici du trader particulier qui automatise sa propre méthode, par exemple avec ProOrder sur ProRealTime.

Le trading automatique et la psychologie en résumé

Le trading automatique supprime les émotions au moment de l’ordre, pas avant ni après. Avant, le trader conçoit et teste ses règles, et le surapprentissage le guette : sur 888 algorithmes de la plateforme Quantopian, le ratio de Sharpe du backtest n’expliquait presque rien de la performance réelle (R² inférieur à 0,025), et l’écart grandissait avec le nombre de backtests. Après, il décide de laisser tourner ou de couper : les expériences de Dietvorst, Simmons et Massey (2015) montrent qu’on perd confiance dans un algorithme plus vite que dans un humain après une même erreur. Pendant, il faut surveiller : la perte de Knight Capital en 2012, plus de 460 millions de dollars en 45 minutes, est d’abord une faute de contrôle humain.

Le trading automatique supprime-t-il les émotions ?

Il les supprime au seul moment où elles sont le plus visibles, celui de l’ordre. Le programme n’hésite pas devant une entrée après trois pertes, ne déplace pas son stop, ne coupe pas un gain par peur de le rendre. Ce n’est pas rien : ce sont les erreurs que décrivent la plupart des fiches de ce guide.

Mais l’automatisation ne fait que déplacer la décision humaine en trois endroits. En amont, il faut écrire et tester les règles, et c’est là que l’envie de voir une belle courbe pèse le plus. En aval, il faut décider si le programme continue, s’arrête ou se modifie, et c’est là que la peur de perdre revient. Entre les deux, il faut surveiller la machine, et c’est là que la confiance excessive s’installe.

Pourquoi le backtest flatte-t-il le trader automatique ?

Parce qu’on peut essayer autant de réglages qu’on veut, et qu’à force d’essayer, le hasard finit par produire un résultat brillant. C’est le surapprentissage : des règles ajustées au bruit d’un historique, qui n’ont aucune raison de se répéter.

La démonstration la plus parlante vient de Quantopian, une plateforme en ligne où des particuliers écrivaient et testaient des algorithmes. En 2016, Thomas Wiecki et ses collègues ont comparé, pour 888 algorithmes ayant au moins six mois de fonctionnement réel, la performance du backtest et celle obtenue ensuite. Le ratio de Sharpe du backtest n’expliquait presque rien du ratio réel : un R² inférieur à 0,025. Et plus un auteur avait lancé de backtests sur sa stratégie, plus l’écart entre test et réalité était grand.

Une simulation simple suffit à comprendre pourquoi. Prenons des stratégies qui n’ont, par construction, aucun avantage : leurs gains quotidiens sont tirés au hasard autour de zéro. Testons-les sur un an et gardons la meilleure.

Sur dix essais, la meilleure affiche un ratio de Sharpe de 1,5, qu’on qualifierait de très bon ; sur mille essais, de 3,2, qu’on qualifierait d’exceptionnel. L’année suivante, toutes reviennent autour de zéro. Rien n’a changé dans le marché ; le backtest mesurait seulement la persévérance de son auteur. Le trader qui modifie ses paramètres jusqu’à obtenir une belle courbe fait exactement cela, et l’illusion de validité fait le reste : une courbe régulière inspire une confiance que rien ne justifie.

Pourquoi coupe-t-on un robot qui perd ?

Parce qu’on pardonne moins à une machine qu’à un humain. Berkeley Dietvorst, Joseph Simmons et Cade Massey ont publié en 2015 cinq expériences dans lesquelles des participants devaient choisir entre leurs propres prévisions et celles d’un modèle statistique. Dans l’une des tâches, les prévisions humaines comportaient 15 % à 29 % d’erreur de plus que celles du modèle. Pourtant, ceux qui avaient vu le modèle se tromper lui faisaient moins confiance et choisissaient plus souvent de s’en remettre à eux-mêmes, même après l’avoir vu faire mieux qu’eux. Les auteurs ont appelé ce phénomène l’aversion aux algorithmes.

Le trader automatique la connaît sous une forme précise. Son programme enchaîne six pertes, une série que le hasard produit pourtant souvent, comme le montre la fiche sur les séries de pertes. Il le coupe, le « corrige », ou reprend la main en manuel. Il fait alors avec son robot ce que la fiche sur changer de méthode à chaque perte décrit chez le trader manuel, avec une circonstance aggravante : la décision de couper est elle-même prise à chaud, sur un échantillon minuscule, par celui qui avait automatisé pour ne plus décider à chaud.

Les mêmes chercheurs ont publié en 2018 une suite instructive. Quand les participants pouvaient modifier, même très légèrement, les prévisions du modèle, ils l’utilisaient beaucoup plus volontiers, et leurs résultats s’amélioraient. Le besoin de garder un peu de contrôle semble peser davantage que l’ampleur du contrôle lui-même.

Que reste-t-il à surveiller quand le trading automatique tourne ?

La machine elle-même. Un programme peut recevoir de mauvaises données, perdre sa connexion, envoyer un ordre en double, ou rencontrer une situation que ses règles n’avaient pas prévue. Le communiqué de la SEC d’octobre 2013, qui annonce un règlement de 12 millions de dollars, énumère des contrôles préalables insuffisants, des limites de risque incapables d’arrêter des ordres dépassant le capital, et des procédures de déploiement et de réaction aux incidents trop faibles. Le défaut technique datait de 2005 ; ce sont les contrôles humains qui ont manqué en 2012.

À l’échelle d’un particulier, les plateformes proposent des garde-fous ; sur ProRealTime, une taille maximale de position, une date de validité, une limite du nombre d’ordres et un arrêt quand trop d’ordres sont rejetés. La fiche sur les sécurités de ProOrder les détaille. Encore faut-il les régler, et prévoir ce qu’on fera en cas de panne. La paresse qui consiste à « laisser tourner » sans regarder est l’exact opposé de la nervosité qui fait tout couper ; les deux sont des émotions.

Comment garder la main sur un trading automatique sans le saboter ?

En écrivant, avant la mise en route, les règles qui gouvernent ses propres interventions. C’est le principe du pacte d’Ulysse appliqué au robot : on décide à froid de ce qu’on fera à chaud.

Fixer d’avance le seuil d’arrêt. Une perte maximale, calée sur ce que le hasard peut produire pour cette méthode, au-delà de laquelle on arrête le programme pour l’examiner, et en deçà de laquelle on n’y touche pas.

Juger sur une série, à date fixe. Le bilan se fait sur un nombre d’opérations ou une durée décidés d’avance, pas au fil des pertes. Les règles de prudence du trading automatique en donnent des exemples concrets.

Limiter par écrit la marge de modification. Si l’on sait qu’on aura envie de toucher aux réglages, mieux vaut définir d’avance ce qui est permis, et dans quelles bornes, que de tout s’autoriser au premier creux. C’est la leçon pratique de l’étude de 2018.

Tenir le journal des interventions. Chaque arrêt manuel, chaque modification, avec la raison invoquée et ce qu’aurait donné le programme sans intervention. Au bout de quelques mois, le journal dit qui, du robot ou de son maître, coûte le plus cher.

Ce que j’en dis sur le forum

« Non ce n’est pas trader comme un robot. C’est être un « adulte ». Être fiable. […] Respectez tes propres règles que tu as créées pour ton bien. Personne ne te les a imposées. […] Ce n’est pas être un robot. C’est juste savoir que ta parole sera respectée. »

Benoist Rousseau sur le forum, le 14 février 2023, dans une discussion sur la discipline et le respect de ses propres règles

Quelles sont les limites de ce que l’on sait sur la psychologie du trading automatique ?

Les études citées n’ont pas été faites sur des traders automatiques. Les expériences de Dietvorst portent sur des tâches de prévision, comme prévoir les résultats d’étudiants en MBA ou un nombre de passagers aériens ; l’étude de Quantopian porte sur des auteurs de toutes sortes, particuliers compris, réunis sur une seule plateforme. La transposition au particulier qui automatise sa méthode est plausible, elle n’est pas mesurée.

La simulation de cette fiche exagère aussi à dessein : elle suppose des stratégies sans aucun avantage. Une stratégie réellement fondée perd moins en passant du test à la réalité. Mais rien, dans un backtest, ne permet de savoir à quelle catégorie on appartient, sinon la discipline de la méthode de test : peu de paramètres, des données gardées de côté, et un nombre d’essais honnêtement compté.

Enfin, l’aversion aux algorithmes n’est pas toujours une erreur. Couper un programme qui fait autre chose que ce qu’il devait faire, comme celui de Knight Capital, est une décision salutaire. La difficulté est de distinguer, avant de couper, le programme qui se trompe du programme qui traverse une série normale. Seules des règles écrites à l’avance permettent de faire cette distinction autrement qu’à l’humeur.

Questions fréquentes sur le trading automatique et la psychologie

Le trading automatique élimine-t-il les émotions ?

Au moment de l’ordre, oui. Mais le trader conçoit les règles, décide de laisser tourner ou de couper le programme et le surveille : ses émotions jouent à ces trois moments.

Un bon backtest garantit-il un robot rentable ?

Non. Sur 888 algorithmes de Quantopian, le ratio de Sharpe du backtest n’expliquait presque rien de la performance réelle (R² inférieur à 0,025), et l’écart grandissait avec le nombre de backtests.

Qu’est-ce que l’aversion aux algorithmes ?

C’est la tendance, décrite par Dietvorst, Simmons et Massey en 2015, à perdre confiance dans un algorithme plus vite que dans un humain après l’avoir vu se tromper, même quand il fait mieux que l’humain.

Faut-il couper un robot de trading après une série de pertes ?

Seulement si la série dépasse ce que le hasard produit pour cette méthode, ou si le programme ne fait pas ce qu’il doit. Le seuil se fixe avant la mise en route, pas pendant la série.

Qu’est-ce que le surapprentissage d’une stratégie ?

C’est l’ajustement des règles au bruit de l’historique. En simulation, la meilleure de 1 000 stratégies sans avantage affiche un ratio de Sharpe de 3,2 en test et revient à zéro ensuite.

Sources de référence utilisées

5

• Berkeley J. Dietvorst, Joseph P. Simmons et Cade Massey, « Algorithm aversion : People erroneously avoid algorithms after seeing them err », Journal of Experimental Psychology : General, vol. 144, n° 1, 2015, p. 114-126.
• Berkeley J. Dietvorst, Joseph P. Simmons et Cade Massey, « Overcoming algorithm aversion : People will use imperfect algorithms if they can (even slightly) modify them », Management Science, vol. 64, n° 3, 2018, p. 1155-1170.
• Thomas Wiecki, Andrew Campbell, Justin Lent et Jessica Stauth, « All that glitters is not gold : Comparing backtest and out-of-sample performance on a large cohort of trading algorithms », document de travail, SSRN, 2016.
• Securities and Exchange Commission, « SEC Charges Knight Capital With Violations of Market Access Rule », communiqué 2013-222, 16 octobre 2013.
• Graphique : simulation andlil.com de stratégies sans avantage (rendements quotidiens aléatoires d’espérance nulle, 252 séances de test puis 252 hors échantillon ; 2 000 tirages, 300 pour 1 000 essais).

Pour aller plus loin

La psychologie du traderÉmotions, biais et discipline face au marché