Danse avec les marchés : trading algorithmique et émergence rythmique

Dance to the market beat : trading algorithmique et émergence rythmique

• Auteur / Autrice : Laurent Pataillot
• Direction : Brice Corgnet, Iordanis Angelos Kalaitzoglou
• Type : Thèse de doctorat
• Discipline(s) : Sciences économiques
• Date : Soutenance le 06/09/2024
• Etablissement(s) : Lyon 2
• Ecole(s) doctorale(s) : École doctorale Sciences économiques et de gestion (Lyon ; 2007-....)
• Partenaire(s) de recherche : Laboratoire : Groupe d'analyse et de théorie économique Lyon - St-Etienne (Lyon ; 1997-....)
• Jury : Président / Présidente : Philippe Mathieu
• Jury : Examinateurs / Examinatrices : Sonia Paty
• Jury : Rapporteur / Rapporteuse : Thanos Verousis, Iryna Veryzhenko

Mots clés

Mots clés contrôlés

Systèmes complexes

Information, Théorie de l'

Places financières

Mots clés libres

Microstructure de marché

Systèmes complexes

Théorie de l’information

Processus ponctuels

Modélisation par agent

Market microstructure

Complex systems

Information theory

Point processes

Agent-based modeling

Résumé

Cette thèse examine les dynamiques complexes de la diffusion de l'information sur les marchés financiers, marquées par une transition majeure du système de cotation à la criée vers des plateformes entièrement électroniques. Guidée par trois questions de recherche interdépendantes, notre étude vise à proposer une compréhension exhaustive de cet écosystème en évolution.Le chapitre 2 propose une exploration empirique pour établir un « modèle rythmique » de diffusion de l'information sur les marchés. Grâce à une analyse rigoureuse des données de trading à haute fréquence, nous démontrons une constance dans la diffusion de l'information, indépendamment de l'actif financier ou de l'année considérés. Ce modèle révèle que l'information se transmet en groupes de cinq événements en moyenne, rappelant des structures rythmiques observées dans la musique et la nature, et suggérant une propriété fondamentale du marché. Cette observation est reliée à des théories cognitives comme la loi de Miller et le problème d'El Farol, soulignant leur pertinence pour comprendre les mécanismes d'interaction algorithmique dans les marchés financiers.Le chapitre 3 se penche sur les bases théoriques de ce « rythme du marché », en questionnant si celui-ci découle d'une efficacité optimale de l'information ou de contraintes opérationnelles. En conceptualisant le marché comme un canal de communication, nous établissons des limites inférieure et supérieure à sa réflexivité, en exploitant des principes de la théorie de l'information et de la thermodynamique stochastique. La limite inférieure est contrainte par les coûts énergétiques liés au traitement rapide de l'information, tandis que la limite supérieure est limitée par le bruit introduit par le trading algorithmique, qui affecte la capacité de transmission de l'information. Nous introduisons également un nouvel indice, l'Energy-Information Efficiency (EIE), pour évaluer les coûts énergétiques du traitement de l'information, et observons que et constatons que les titres « blue chip », souvent associés au trading à haute fréquence, sont les plus efficients selon cette mesure.Dans le chapitre 4, nous explorons l'impact de l'hétérogénéité des plateformes d'échange sur la diffusion de l'information dans les marchés fragmentés. À travers une modélisation par agents, nous démontrons que les caractéristiques variées de ces plateformes, notamment leur réactivité, influencent significativement la réflexivité du marché. Nous constatons que les plateformes très réactives favorisent une réflexivité accrue, contribuant à l'équilibre optimal entre capacité du canal et coût énergétique identifié dans le chapitre précédent. Ce résultat souligne l'importance de prendre en compte les spécificités des plateformes lors de l'évaluation de l'impact du trading algorithmique sur l'efficience du marché.Globalement, cette thèse propose une exploration alternative de la diffusion de l'information et de la formation des prix sur les marchés financiers à haute fréquence. Nos résultats contribuent au corpus croissant de littérature sur la microstructure des marchés à l'ère du trading algorithmique, en offrant de nouvelles perspectives sur l'interaction complexe entre les acteurs du marché, la technologie et la dynamique de l'information. L'émergence d'un rythme de marché constant, ses fondements théoriques et le rôle des infrastructures dans sa formation proposent une nouvelle perspective sur l'évolution et l'impact énergétique des marchés financiers à l'ère numérique.

Abstract: This dissertation explores the intricate dynamics of information diffusion in high-frequency financial markets, where the transition from traditional floor trading to fully electronic platforms has dramatically reshaped the landscape. Our investigation is guided by three key research questions, each building upon the previous one to provide a comprehensive understanding of this evolving ecosystem. In Chapter 2, we embark on an empirical journey to uncover the rhythmic patterns of information dissemination in the stock market. Through a rigorous analysis of high-frequency trading data, we reveal a consistent pattern of information diffusion across all assets and several time periods. This pattern, characterized by an average of five events per cluster, resonates with similar rhythmic structures found in music and nature, suggesting a fundamental property of the market. We connect this observation to cognitive theories like Miller’s law and the El Farol bar problem, highlighting the potential for cognitive-like constraints in algorithmic interactions within financial markets. Chapter 3 probes the theoretical underpinnings of this observed market rhythm, exploring whether it arises from optimal information efficiency or operational constraints. By framing the market as an information channel and leveraging concepts from information theory and stochastic thermodynamics, we establish both a lower and upper bound on market reflexivity. The lower bound is dictated by the energetic costs of rapid information processing, while the upper bound is determined by the limits of information transmission capacity due to the noise introduced by algorithmic trading. We further propose a novel metric, Energy-Information Efficiency (EIE), to assess the balance between information processing and energetic costs in different stocks. We find that blue-chip stocks, often associated with high-frequency trading, are the most efficient under this metric. In Chapter 4, we turn our attention to the role of exchange heterogeneity in shaping information diffusion within fragmented markets. After calibrating it from empirical data, we demonstrate with an agent-based model that the diverse characteristics of exchanges, particularly their responsiveness, significantly influence market reflexivity. We find that highly reactive exchanges contribute to greater reflexivity, consistent with the optimal balance between channel capacity and energetic costs identified in Chapter 2. This highlights the importance of considering exchange speed when evaluating the impact of algorithmic trading on market efficiency. Overall, this dissertation offers a comprehensive exploration of information diffusion and price formation in high-frequency financial markets. Our findings contribute to the growing body of literature on market microstructure in the age of algorithmic trading, providing new insights into the complex interplay between market participants, technology, and information dynamics. The emergence of a consistent market rhythm, its theoretical underpinnings, and the role of infrastructure speed in shaping it, offer a novel perspective on the evolution and energetic impact of financial markets in the digital age.