211service.com
Plus rapide qu'un flash
Le 6 mai 2010, les cours boursiers aux États-Unis ont grimpé en flèche à une vitesse incroyable. En cinq minutes environ, le Dow Jones Industrial Average a chuté d'environ 600 points, pour en regagner la majeure partie un peu plus tard dans l'après-midi. Les régulateurs fédéraux ont déterminé plus tard que ce crash éclair a été déclenché puis exacerbé par des ordres automatisés placés par des fonds communs de placement et d'autres traders à haute fréquence. Les bourses ont dû annuler un grand nombre de transactions erronées effectuées pendant le krach.
De données et de dollars : Eric Pritchett, PDG de la société de trading haute fréquence basée à Boston PhaseCapital, déclare que l'analyse des données en temps réel a sauvé son entreprise d'erreurs coûteuses lors du crash éclair de l'année dernière.
Avant même que les analystes ne commencent à comprendre ce qui n'allait pas, certaines entreprises ont pu rester en dehors de la mêlée grâce à l'analyse des données en temps réel. Par exemple, la société de trading à haute fréquence PhaseCapital, basée à Boston, n'a effectué aucune transaction erronée, une réussite qu'elle attribue à son utilisation d'un logiciel de traitement d'événements complexe appelé StreamBase.
Les données de marché proviennent d'une grande variété de sources, telles que la Bourse de New York, le Nasdaq et Reuters, et peuvent parfois ne pas être fiables, explique Corwin Yu, directeur du commerce électronique pour PhaseCapital. Par exemple, les flux peuvent baisser, ou les citations peuvent être mal formatées ou refléter des changements irréalistes. Pour que les entreprises échangent en quelques secondes sur de telles données désordonnées, les informations doivent être traitées, en particulier, examinées à la recherche d'erreurs potentielles avant d'être utilisées pour prendre des mesures commerciales. C'est extrêmement fragile, dit-il, même en l'absence de crise.
Pour traiter ces informations, PhaseCapital utilise StreamBase, qui est conçu pour accepter de grandes quantités d'entrées changeant rapidement et permet aux organisations de les distiller rapidement dans les informations dont elles ont besoin pour prendre des décisions.
La manière typique de traiter le Big Data consiste à utiliser des bases de données. Cependant, ils ne sont pas doués pour traiter les données en temps réel ; les utilisateurs doivent attendre jusqu'à ce qu'un ensemble complet de données se soit accumulé. StreamBase, cependant, peut traiter un flux de données au fur et à mesure qu'il arrive, l'analyser, prendre des décisions à son sujet et prendre des mesures telles que la négociation d'une action ou le signalement d'une tendance. Il existe toute une classe de problèmes liés à l'analyse et au traitement des données en temps réel, explique Richard Tibbetts, fondateur et CTO de StreamBase Systems.
La société propose sa plate-forme aux clients, mais, tout aussi important, elle leur fournit des interfaces de programmation d'applications qui leur permettent de développer facilement leur propre logiciel. Cela permet à PhaseCapital (qui ne divulguera pas combien il paie pour la plate-forme de StreamBase) d'appliquer ses propres algorithmes pour nettoyer les données et effectuer des transactions.
En règle générale, PhaseCapital traite 30 000 à 40 000 ticks, ou données de marché, par seconde. Pendant le crash éclair, ce nombre a bondi à plus de 289 000 ticks par seconde, représentant en grande partie des actions qui oscillent énormément. Beaucoup de gommages ont commencé et ont réalisé que ces données n'avaient pas de sens, dit Yu. Par exemple, certaines grandes sociétés cotées en bourse, telles qu'Accenture, se sont négociées à moins de 1 $ lors du crash éclair. PhaseCapital a continué à négocier, mais a filtré les données qui semblaient suspectes. Parce qu'il n'a pas agi sur ces données, il a été épargné des transactions erronées.
Même si de nombreuses transactions ont été annulées par la suite, Eric Pritchett, PDG de PhaseCapital, déclare qu'il y a plusieurs raisons principales pour lesquelles il était important de les éviter de toute façon. D'une part, dit-il, on ne sait jamais quels critères les régulateurs utiliseront pour annuler les transactions, il ne voudrait donc pas avoir à s'appuyer sur ce mécanisme. Plus important encore, dit-il, les transactions erronées perturbent le comportement d'une entreprise pour le reste de la journée. Par exemple, si une transaction semble avoir été rentable, les algorithmes peuvent déterminer que l'entreprise peut se permettre de prendre des mesures plus risquées qu'elle ne le ferait autrement. Pritchett dit: Ne pas savoir où vous en êtes vraiment avec votre livre et votre risque est la chose la plus dangereuse qui puisse arriver à une société de négoce.
L'exemple montre que les anomalies sur les marchés présentent à la fois des risques et des opportunités, selon Adam Honoré , qui se concentre sur la technologie des services financiers en tant que directeur de recherche de la pratique des valeurs mobilières institutionnelles pour Groupe Aite . Et le volume de données impliquées dans le trading ne fera qu'augmenter, note-t-il.
Chaque fois qu'une entreprise souhaite analyser plus de données, il y a généralement un prix à payer : le traitement supplémentaire réduit la vitesse à laquelle une entreprise peut agir. StreamBase a été un outil puissant aux yeux de PhaseCapital car il est structuré de manière à ce que les nouvelles données puissent être filtrées sans causer de problèmes de performances significatifs, a déclaré Yu. L'astuce de ce jeu, dit-il, est d'être rapide et intelligent.