loader image

Opix Algo​

Contrôle des risques Qualité d’exécution Analyse approfondie

Opix Algo est un service de trading algorithmique qui prend des décisions de trading en analysant la microstructure du marché, comme la dynamique du carnet d’ordres, afin d’identifier les opportunités de trading d’arbitrage sur le marché des changes.

OPIXALGO

ARCHITECTURE

LP 1

LP 2

LP 3

LP 4

Price Feed

Maker Warehouse Volume

Pending Order

Liquidation

Economic Statistic

OPIX TRADE

METADATA
SUMMARY DATA
RAW DATA

Transaction Cost Analysis (TCA)

ENTRY STRATEGY

Evaluate patterns and predict trends

Risk & Error Management

Determine Exit Price Range

Exit Strategy

OPIX ALGO

Value Area

1.0060-1.0070

1.0050-1.0060

1.0040-1.0030

1.0020-1.0030

1.0010-1.0020

Probability Of Profit

80%

50%

20%

60%

90%

DATA INPUT

EXTRACTION
TRANSFORMING
LOADING

ANALYSING MAKER WAREHOUSE VOLUME

VARIABLES AND STRATEGY ANALYSING

ANALYSING MAKER WAREHOUSE VOLUME

ANALYSING MAKER WAREHOUSE VOLUME

Disclaimer

Les marchés financiers évoluent rapidement et nous nous réservons le droit de modifier nos stratégies dans le meilleur intérêt de nos clients, sans préavis.

Exécution des ordres : Fournir
des données sur le flux des ordres

FOURNISSEURS
DE LIQUIDITÉS

Coordination des commandes

Opix Algo

Diagramme de la structure

Vitesse <1s

Commandes remplies 100%

Envoi des commandes

Acheminement
des commandes

Exécution des ordres : Fournir des données sur le flux des ordres

LIQUIDITY
PROVIDERS

Coordination
des commandes

Opix Algo

Structure Diagram

Vitesse
<1s

Commandes remplies 100%

Envoi
des commandes

Acheminement
des commandes

Opix Algo

Diagramme de la structure

Vitesse

<1s

Commandes
remplies
100%

PDG

Personne ne peut prédire avec précision les marches 100% du temps. Tout est question de statistiques, de probabilité et de rapport bénéfice/risque.

OpixTrade l’épine dorsale d’Opix Algo

OpixTrade est une plateforme de trading et d’analyse de pointe, spécialement conçue pour l’analyse des flux d’ordres. Elle est équipée de tous les outils dont vous avez besoin pour une analyse approfondie et pratique du marché.

Opix Algo analyse la microstructure du marché par le flux d’ordres pour obtenir des données sur la distribution des volumes et les ordres à cours limité afin de déterminer la gamme de l’offre et de la demande des teneurs de marché. Les flux d’ordres des teneurs de marché sont très informatifs et reflètent probablement des informations fondamentales. Leur flux d’ordres a un pouvoir de prévision permanent, alors que les flux d’ordres provenant des autres groupes ne prédisent que les changements transitoires des taux de change. Ces données peuvent être transmises pour prédire les zones à fort volume afin de faciliter la découverte des prix et de développer des courbes de rendement fiables.

Nous pensons que le flux d’ordres est une variable de substitution valable pour les informations privées et nous l’utilisons souvent dans nos recherches sur les marchés des changes, des actions, des capitaux propres et des marchés à termes. L’analyse du flux d’ordres nous permet de lire les données ci-dessous :

Les animateurs de marché sont des participants individuels ou des entreprises membres d’une bourse qui contribue à créer un marché permettant aux investisseurs d’acheter ou de vendre des titres. Traditionnellement, les opérations de change entre les fournisseurs (« teneurs ») et les clients sont effectuées sur la base d’une agence ou d’un mandant. Si les fournisseurs agissent en tant que mandant (« teneurs »), ils ajoutent la transaction sur leur propre compte et sont exposés aux risques du marché. Par exemple, lorsque les traders (“takers”) soumettent 7 lots d’ordres d’achat sur le marché, les transactions sont fournies par les animateurs. Par conséquent, les fabricants sont exposés au risqué de 7 lots d’ordres de vente.

Puisque les teneurs de marché ont une aversion au risque, leur objectif est d’augmenter la valeur attendue de leur richesse tout en réduisant la volatilité. Lorsqu’ils ont une position longue, l’achat d’ordres supplémentaires n’est pas attractif ; car il augmente l’exposition au risque ; la vente d’ordres est intéressante, car elle réduit l’exposition.

Par conséquent, les teneurs de marché cherchent à liquider leur position dans une fourchette de prix de valeur.

Cette analyse du flux d’ordres et la volumétrie des entrepôts a permis à Opix Algo de déterminer la probabilité que les animateurs accumulent ou réduisent leurs stocks afin d’exécuter des transactions dans une fourchette de prix donnée. De la même manière, Opix Algo peut prédire la probabilité d’un volume d’approvisionnement élevé dans une fourchette de prix donnée, ce qui nous permet de garantir l’exécution de nos transactions à un moindre coût.

La régression linéaire est une méthode mathématique et statistique classique, utilisée pour mesurer la relation entre deux variables.  S’il y a une variable indépendante X et une variable dépendante Y qui dépend de X, la régression linéaire peut nous aider à obtenir un modèle linéaire qui correspond le mieux à l’ensemble des données en utilisant l’équation Y=α+βX.

Opix Algo prédit les changements des prix des actifs en fonction des changements de microstructure en utilisant des modèles de régression linéaire. Il fait ces prédictions en trouvant d’abord un ensemble de coefficients qui s’adaptent le mieux aux données d’apprentissage, dans lequel la meilleure adaptation est déterminée en minimisant une certaine « fonction objectif ». Après avoir trouvé les coefficients de (β), il fait les prédictions en multipliant les coefficients avec les variables d’entrée pour un actif donné. Les données d’entrée sont, sans s’y limiter, le prix des actifs, le volume des transactions, les indicateurs techniques, le carnet d’ordres à cours limité, la taille des ordres et le cadre temporel.

Les décisions basées sur les réseaux neuronaux artificiels (ANN pour artificial neural network en anglais) sont développées pour les stratégies d’enchères, la gestion des risques, l’analyse des modèles et la prédiction des performances. L’ANN a la capacité d’apprendre et de générer ses propres connaissances à partir de données telles que les carnets d’ordres, les cours acheteur-vendeur, les flux d’ordres qui tentent de prédire les changements de prix des actifs en apportant une solution.

Dans les problèmes de séries temporelles, l’ANN est nécessaire pour construire un modèle de prévision à partir de l’ensemble des données historiques afin de prédire les points de données futurs. En bref, le modèle ANN est suffisant pour comprendre les changements de direction du marché en classant les tendances de l’offre et de la demande.

Date

AUD - USD 2019

EUR - USD 2019

Nombre de l’ensemble des données

Formation

Test

1,390

600

1,340

500

Résultat

MAE

RSME

0.005

0.0054

0.0048

0.005

Table 1 : Résultat du modèle ANN pour la classification les schémas d’« offre » et de « demande »

Date

AUD - USD 2019

EUR - USD 2019

Groupe d’offre et
de la demande

Zone de l’offre

Zone de la demande

Zone de l’offre

Zone de la demande

Résultat

MAE

RSME

0.0454

0.1939

0.081

0.2501

0.013

0.0614

0.0642

0.2283

Table 2 : Résultat du modèle ANN pour la classification des différents schémas dans chaque groupe.

Table 1 : Résultat du modèle ANN pour la classification les schémas d’« offre » et de « demande »

Table 2 : Résultat du modèle ANN pour la classification des différents schémas dans chaque groupe.

La déformation temporelle dynamique (algorithme DTW pour Dynamic Time Warping en anglais) est une méthode efficace de correspondance des modèles dans un système de trading. DTW est un algorithme d’alignement de séries temporelles permettant de mesurer deux séquences de valeurs vectorielles en déformant la distance jusqu’à ce qu’une correspondance optimale entre les séquences soit trouvée. Opix Algo implémente DTW pour automatiser la correspondance et la détermination de la position de trading à la fourchette de prix prédite. 

ExpérimentationEnsemble De DonnéesTaux de précision
1AUD - USD 2019 (Janvier - Août)70%
2EUR - USD 2019 (Janvier - Août)72%

Table 3 : algorithme DTW Prédiction

Mettre en application les modèles de l’offre et de la demande

ANN pour apprendre et tester les modèles de groupe

ANN pour apprendre et tester différents types de modèles dans chaque groupe de d'offre et de demande

Évaluer les modèles inconnus avec notre méthode ANN pour la classification

Implémenter l’algorithme DTW pour prédire les groupes

Les résultats sont présentés avec différentes valeurs de filtre. Opix Algo décompose les résultats en différentes mesures de performance de trading comme suit :

Gain total

Gain total = Σ Bénéfice / Perte

La plus grande perte par transaction

Plus grande perte par transaction = Minimum [ bénéfice/perte ]

Le plus grand gain par transaction

Plus grand gain par transaction = Maximum [ bénéfice/perte]

Bénéfice moyen par transaction

Bénéfice moyen par transaction = Gain total / Nombre total des transactions

Transactions gagnantes

Transactions gagnantes = Σ Transactions|(bénéfice/perte > 0)

Pourcentage de transactions gagnantes

Pourcentage de transactions gagnantes = [ Σ Transactions gagnantes / Σ Signaux d’achats + Σ signaux de ventes ] x 100

Pourcentage de transactions correctes par rapport à la prévision parfaite

Transactions correctes = Σ Transactions|Signal PF Pourcentage de transactions correctes par rapport à la prévision parfaite= [ Σ Transactions correctes / Σ Transactions ] x 100

La méthode d'analyse que nous avons exposée dans cette page est la stratégie d'Opix Algo. Elle est dérivée des données de volume, d'ordres et de transactions provenant de nos fournisseurs de données. Notre algorithme a montré que le modèle de régression linéaire peut déterminer les variables de microstructure et de profondeur de marché ; le modèle ANN peut classer les modèles de zone de demande et d'offre, et stocker les valeurs du vecteur de tendance résultant pour l'algorithme DTW afin de prédire la future fourchette de prix. Dans le même ordre d'idées, le volume de l'entrepôt du fabricant est une donnée intégrale en raison du rôle et du capital du fabricant sur les marchés des changes.

En combinant ces modèles, Opix Algo est rentable même avec une stratégie de trading basique. Ainsi, nous considérons qu'Opix Algo est suffisant pour avoir un aperçu du changement directionnel à court terme et la capacité de négocier dans une gamme de prix à haut volume sur le marché des changes.

PERFORMANCE PASSÉE

Faites fructifier vos fonds grâce à des algorithmes validés et assurez une génération de richesse durable

SÉCURITÉ

ET RISQUE ALGORITHMIQUE

Le risque de marché résulte des mouvements défavorables du marché adverse, des défaillances potentielles des algorithmes, des systèmes et processus informatiques mais aussi des erreurs humaines.

Opix Algo Transparence
pré-négociation

check on market orders before they are sent to the markets. They allow for automatically blocking or cancelling orders as soon as trades occur outside defined price thresholds, surpass a maximum size, or post and excess number of orders automatically.

Opix Algo Transparence en cours
de transaction

Permettre aux utilisateurs ou aux fournisseurs d’ajuster les paramètres d’exécution, durant une transaction, généralement lorsque les conditions du marché changent ou que les algorithmes se comportent de manière indésirable ou inattendue. Cela est important, par exemple, dans le cas où la liquidité est particulièrement faible et où les animateurs de marché pourraient dominer le volume des échanges ou cesser complètement de négocier.

Opix Algo Transparence
post-négociation

Implique une surveillance continue du marché intrajournalier et la réalisation d’opérations avec les contre-parties lorsque les limites sont dépassées. Les algorithmes identifient les erreurs et les problèmes potentiels, en analysant les scénarios particuliers et en améliorant les stratégies d’exécution et les contrôles des risques.

LANGUAGE