Dynamique et contrôle d'un marché financier avec une approche système multi-agents

Dynamics and control of financial market with a multi-agent system approach

• Auteur / Autrice : Iris Lucas
• Direction : Cyrille Bertelle, Michel Cotsaftis
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 18/07/2018
• Etablissement(s) : Normandie
• Ecole(s) doctorale(s) : École doctorale mathématiques, information et ingénierie des systèmes (Caen)
• Partenaire(s) de recherche : établissement de préparation : Université du Havre (1984-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'informatique, de traitement de l'information et des systèmes (Saint-Etienne du Rouvray, Seine-Maritime ; 2006-...)
• Jury : Examinateurs / Examinatrices : Zahia Guessoum, Alexandre Berred
• Jury : Rapporteur / Rapporteuse : Philippe Mathieu, Guillaume Deffuant

Mots clés

Mots clés contrôlés

Marché financier

Dynamique non-linéaire

Systèmes complexes

Intelligence artificielle répartie

Mots clés libres

Système multi-agents

Système complexe

Système dynamique non-linéaire

Microstructure de marché

Auto-organisation

Résilience

Robustesse

Marchés financiers

Multi-agent system

Complex system

Non-linear dynamic system

Market Microstructure

Self-organization

Resilience

Robustness

Financial markets

Résumé

Cette thèse propose une réflexion autour de l'étude des marchés financiers sous le prisme des systèmes complexes.Tout d'abord une description mathématique est proposée pour représenter le processus de prises de décision des agents dès lors où celui-ci bien que représentant les intérêts individuels d'un agent, est également influencé par l'émergence d'un comportement collectif. La méthode est particulièrement applicable lorsque le système étudié est caractérisé par une dynamique non-linéaire. Une application du modèle est proposée au travers de l'implémentation d'un marché artificiel boursier avec une approche système multi-agents. Dans cette application la dynamique du marché est décrite à la fois aux niveaux microscopiques (comportement des agents) et macroscopique (formation du prix). Le processus de décision des agents est défini à partir d'un ensemble de règles comportementales reposant sur des principes de logique floue. La dynamique de la formation du prix repose sur une description déterministe à partir des règles d'appariement d'un carnet d'ordres central tel que sur NYSE-Euronext-Paris. Il est montré que le marché artificiel boursier tel qu'implémenté est capable de répliquer plusieurs faits stylisés des marchés financiers : queue de distribution des rendements plus épaisse que celle d'une loi normale et existence de grappes de volatilité (ou volatility clustering).Par la suite, à partir de simulations numériques il est proposé d'étudier trois grandes propriétés du système : sa capacité d'auto-organisation, de résilience et sa robustesse. Dans un premier temps une méthode est introduite pour qualifier le niveau d'auto-organisation du marché. Nous verrons que la capacité d'auto-organisation du système est maximisée quand les comportements des agents sont diversifiés. Ensuite, il est proposé d'étudier la réponse du système quand celui-ci est stressé via la simulation de chocs de marché. Dans les deux analyses, afin de mettre en évidence comment la dynamique globale du système émerge à partir des interactions et des comportements des agents des résultats numériques sont systématiquement apportés puis discutés.Nos résultats montrent notamment qu'un comportement collectif grégaire apparait à la suite d'un choc, et, entraîne une incapacité temporaire du système à s'auto-organiser. Finalement, au travers des simulations numériques il peut être également remarqué que le marché artificiel boursier implémenté est plus sensible à de faibles répétitions répétées qu'à un choc plus important mais unique.

This thesis suggests reflection in studying financial markets through complex systems prism.First, an original mathematic description for describing agents' decision-making process in case of problems affecting by both individual and collective behavior is introduced. The proposed method is particularly applicable when studied system is characterized by non-linear, path dependent and self-organizing interactions. An application to financial markets is proposed by designing a multi¬agent system based on the proposed formalization.In this application, we propose to implement a computational agent-based financial market in which the system is described in both a microscopie and macroscopic levels are proposed. The agents' decision-making process is based on fuzzy logic rules and the price dynamic is purely deten-ninistic according to the basis matching rules of a central order book as in NYSE-Euronext-Paris. We show that, while putting most parameters under evolutionary control, the computational agent- based system is able to replicate several stylized facts of financial time series (distributions of stocks returns showing a heavy tau l with positive excess kurtosis and volatility clustering phenomenon).Thereafter, with numerical simulations we propose to study three system's properties: self-organization, resilience and robustness. First a method is introduced to quantify the degree of selforganization which ernerges in the system and shows that the capacity of self-organization is maximized when the agents' behaviors are heterogeneous. Secondly, we propose to study the system's response when market shock is simulated. in both cases, numerical results are presentedI and analyzed, showing how the global market behavior emerges from specific individual behavior interactions.Our results notably show that the emergence of collective herding behavior when market shock occurs leads to a temporary disruption on the system self-organization. Finaily, numerical simulations highlight that our artificial financial market can be able to absorb strong mono-shock but be lead to the rupture by low but repeated perturbations.