Close
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 :
Une fonction clé d’Opix Algo est de réduire l’opacité du marché des changes en prenant des informations à partir des données de marché des plates-formes de négociation et en créant une image agrégée des conditions de marché en vigueur qui éclaire les décisions d’exécution. Cette vue agrégée, également appelée carnet de commandes agrégé, fournit des estimations sur les volumes de transactions en temps quasi réel.
L’objectif principal de cette analyse est de réduire l’impact sur le marché, de diminuer le glissement et de prédire les mouvements de prix futurs sur la base des données de transaction (prix, taille et direction) pour une prise de décision en temps réel afin de minimiser les coûts d’exécution.
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.
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.
| Expérimentation | Ensemble De Données | Taux de précision |
| 1 | AUD - USD 2019 (Janvier - Août) | 70% |
| 2 | EUR - USD 2019 (Janvier - Août) | 72% |
Les résultats sont présentés avec différentes valeurs de filtre. Opix Algo décompose les résultats en différentes mesures de performance de trading comme suit :
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.
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.
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.
Inscrivez-vous à notre newsletter ! Recevez les dernières nouveautés OpixTech directement sur votre boîte mail !
You cannot copy content of this page
