Comment éviter un autre crash flash

Aujourd'hui marque le troisième anniversaire de la Accident éclair de 2010 , lorsque le marché boursier américain a perdu 1 000 points en quelques minutes avant de récupérer la plupart de ces pertes quelques minutes plus tard.

Le crash s'est produit lorsque les algorithmes de trading à haute fréquence sont entrés dans une spirale de vente vicieuse et à grande vitesse, anéantissant des milliards de dollars de valeur avant que quiconque ne sache ce qui se passait. Certains observateurs soutiennent qu'un système commercial dominé par des machines plutôt que par des êtres humains pourrait être de plus en plus sujet à de tels accidents catastrophiques à l'avenir.

Peut-être que les algorithmes peuvent également contribuer à rendre le système financier plus sûr.

J'ai récemment assisté à une conférence fascinante décrivant une approche mathématique qui pourrait bien aider les régulateurs financiers à repérer les premiers signes de détresse dans un système financier qui devient de plus en plus complexe et impénétrable. André Lo , professeur à la Sloan Business School et directeur du Laboratoire d'ingénierie financière du MIT, a lancé son discours, intitulé Mesurer et gérer la complexité du système financier, en montrant deux graphiques qui illustrent parfaitement la complexité et l'interdépendance du système financier actuel.

Le premier montre les relations entre diverses grandes institutions financières il y a environ 20 ans :

La seconde montre les mêmes relations à peine 10 ans plus tard :

Ces boules de complexité géantes en élastique illustrent à quel point le système financier est précaire ; Lo a poursuivi en notant que ces institutions financières n'ont aucune obligation de divulguer leurs activités et s'opposeraient à le faire par crainte de donner à leurs rivaux un avantage concurrentiel.

Lo a ensuite parlé d'une idée qui pourrait aider à donner aux régulateurs un moyen de surveiller l'activité sans obliger les entreprises financières à jouer cartes sur table. Sa solution est un algorithme qui permet aux participants de crypter manuellement les détails de leurs activités financières de manière à ce que les détails restent secrets, mais des fonctions de calcul peuvent être exécutées sur les données collectives pour révéler une activité potentiellement gênante dans l'ensemble du système.

L'approche est assez similaire au chiffrement homomorphe , une technique mathématique qui est explorée comme moyen de fournir un accès à des données très sensibles stockées dans des bases de données de cloud computing (voir A Cloud That Can't Leak ).

Vous pouvez lire les détails dans ce papier , co-écrit avec des collègues de l'EPFL School of Communication and Computer Science en Suisse et Groupe AlphaSimplex , une société commerciale fondée par Lo.

Après l'exposé, j'ai demandé à Lo si cela aurait pu vraiment aider à empêcher la crise financière de 2007. Voici ce qu'il a dit :

Il y a une grande différence entre avoir beaucoup de signes avant-coureurs et avoir une source gouvernementale officielle semblable au National Weather Service vous informant qu'un ouragan se prépare. Oui, il y avait beaucoup de signes avant-coureurs, mais il est pratiquement impossible pour les régulateurs de prendre des mesures en fonction des signes avant-coureurs. Imaginez demander aux habitants du New Jersey d'évacuer parce que vous avez un mauvais pressentiment à propos de la météo.

J'ai également demandé si cette approche aiderait au trading à haute fréquence et aux comportements émergents associés (voir Watch High-Frequency Trading Bots Go Berserk ).

Notre approche pourrait en fait être très utile pour le trading à haute fréquence en permettant aux investisseurs de mesurer l'encombrement d'un marché à un moment donné sans demander aux traders individuels de divulguer leurs positions.

Cela semble être une solution assez ingénieuse à un problème extrêmement important.

cacher