💰 quantitative finance

From Means to Medians: Optimal Benchmark Design

Cet article rationalise la division empirique entre les indices basés sur la moyenne dans la finance traditionnelle et les indices basés sur la médiane dans la finance décentralisée en démontrant que la conception optimale dépend des magnitudes relatives des coûts de manipulation fixes et variables, allant des moyennes aux médianes ou aux moyennes tronquées pondérées en conséquence.

Auteurs originaux : Ángel Hernando-Veciana

Publié 2026-06-09

📖 7 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Ángel Hernando-Veciana

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayez de déterminer le prix « réel » d'un objet rare, comme une montre vintage. Vous demandez à 100 personnes différentes ce qu'elles pensent que cela vaut, et vous avez besoin d'un seul chiffre pour représenter l'opinion du groupe. Ce chiffre unique est appelé un indice de référence (ou benchmark).

Cependant, il y a un problème : certaines personnes mentent. Elles peuvent essayer de mentir sur le prix pour gagner de l'argent. Si vous êtes un emprunteur, vous voulez mentir en disant que la montre vaut plus cher afin de pouvoir emprunter plus d'argent en la mettant en gage. Si vous êtes un prêteur, vous pouvez vouloir mentir en disant qu'elle vaut moins cher afin de pouvoir saisir la montre de quelqu'un d'autre.

Cet article pose une question simple mais cruciale : quelle est la meilleure façon de calculer ce chiffre unique pour que mentir soit aussi coûteux et difficile que possible ?

L'auteur, Ángel Hernando-Veciana, découvre que la réponse dépend entièrement de combien coûte le mensonge. Il identifie deux types de « coûts » pour mentir :

Le coût du « Frais de transaction » (Coût Fixe) : C'est le coût pour simplement commencer le mensonge. Dans le monde de la finance numérique (DeFi), cela revient à payer des frais de transaction à une blockchain juste pour soumettre un mensonge, peu importe sa taille ou son importance. C'est comme payer un droit d'entrée pour un jeu.
Le coût de « l'Effort » (Coût Variable) : C'est le coût qui augmente à mesure que le mensonge devient plus grand. Si vous voulez mentir en disant que la montre vaut 1 000 $ au lieu de 100 $, cela demande plus d'efforts (et d'argent) que de mentir en disant qu'elle vaut 110 $.

Voici comment l'article explique les meilleures formules de « détecteur de mensonges » en fonction de ces coûts, en utilisant des analogies créatives :

1. La « Moyenne » (La Moyenne Arithmétique)

Quand l'utiliser : Lorsque le « Frais d'entrée » est nul, mais que le coût de « l'Effort » devient plus difficile à mesure que le mensonge s'amplifie.

L'analogie : Imaginez une salle de classe où l'enseignant demande la taille moyenne. Si mentir sur votre taille ne coûte rien pour commencer, mais que devenir plus grand vous coûte de plus en plus d'énergie (comme étirer un élastique qui devient de plus en plus tendu), un menteur essaierait de tricher en faisant en sorte que tout le monde dans la pièce soit légèrement plus grand de la même petite quantité.
Pourquoi cela fonctionne : Si vous calculez la Moyenne, et que tout le monde est décalé vers le haut de la même petite quantité, la moyenne augmente exactement de cette quantité. Le menteur ne peut pas tricher en changeant seulement quelques personnes ; il doit changer tout le monde. Comme le coût de « l'Effort » devient très raide rapidement (convexe), il devient trop coûteux de décaler tout le monde.
Monde réel : C'est pourquoi la finance traditionnelle (comme les marchés boursiers) utilise souvent la Moyenne. Elle suppose que manipuler un prix nécessite un gros volume de transactions, ce qui devient très coûteux très rapidement.

2. Le « Milieu » (La Médiane)

Quand l'utiliser : Lorsque le coût de « l'Effort » est nul, mais que le « Frais d'entrée » est élevé.

L'analogie : Imaginez une file de personnes. La Médiane est simplement la personne debout exactement au milieu. Si mentir sur votre taille ne coûte rien, mais que vous devez payer un lourd « Frais d'entrée » juste pour entrer dans la file pour mentir, un menteur essaiera d'être efficace. Il ne cherchera pas à déplacer tout le monde. Au lieu de cela, il tentera de corrompre juste assez de personnes pour pousser la personne du milieu vers une nouvelle position.
Pourquoi cela fonctionne : Pour déplacer la Médiane, vous n'avez besoin de déplacer que la moitié des gens. Si le « Frais d'entrée » est élevé, le menteur essaiera de déplacer le nombre minimum de personnes possible (juste plus de 50 %) pour faire basculer le résultat. La Médiane est la plus résistante à cela car elle ignore les valeurs aberrantes extrêmes (les personnes très grandes ou très petites) et ne s'intéresse qu'au milieu.
Monde réel : C'est pourquoi la finance décentralisée (DeFi) utilise souvent la Médiane. Dans la crypto, vous pouvez utiliser des « prêts flash » (flash loans) pour emprunter d'énormes sommes instantanément, rendant le coût de « l'Effort » pour déplacer un prix presque nul. Cependant, vous devez toujours payer les frais de transaction de la blockchain (le gaz) pour chaque opération. Ainsi, il est moins cher de corrompre quelques personnes pour déplacer le milieu que d'essayer de déplacer tout le monde.

3. La « Moyenne Tronquée » (Le Compromis)

Quand l'utiliser : Lorsque vous avez à la fois un Frais d'entrée et un Coût d'Effort.

L'analogie : Imaginez un concours où vous devez payer des frais d'entrée pour participer, et que vous payez ensuite pour chaque pas que vous faites. Si les deux coûts existent, la meilleure stratégie n'est pas de regarder tout le monde (Moyenne) ou seulement la personne du milieu (Médiane). Au lieu de cela, vous coupez les 10 % du haut et les 10 % du bas de la foule (les menteurs les plus extrêmes) et vous prenez la moyenne du reste.
Pourquoi cela fonctionne : C'est ce qu'on appelle une Moyenne Tronquée. Si le Frais d'entrée est élevé, le menteur ne voudra pas corrompre trop de personnes. S'il essaie de corrompre quelques personnes pour déplacer la moyenne, la « Moyenne Tronquée » ignorera ces menteurs extrêmes. S'il essaie de corrompre tout le monde, le coût de « l'Effort » deviendra trop élevé. La Moyenne Tronquée trouve le point d'équilibre.
Le rebondissement : L'article montre que si le Frais d'entrée est très élevé, vous devriez tronquer davantage (vous rapprocher de la Médiane). Si le Frais d'entrée est faible, vous devriez tronquer moins (vous rapprocher de la Moyenne).

La vue d'ensemble : Pourquoi la finance traditionnelle et la crypto sont différentes

L'article résout un mystère : Pourquoi le vieux monde financier utilise-t-il des Moyennes, tandis que le nouveau monde de la crypto utilise des Médianes ?

Finance Traditionnelle : Pour manipuler un prix ici, vous devez acheter et vendre beaucoup d'actions. Plus vous achetez, plus cela devient cher (Coût d'Effort élevé). Puisque le « Frais d'entrée » est bas, la Moyenne est la meilleure défense.
Crypto (DeFi) : Vous pouvez emprunter de l'argent instantanément pour déplacer les prix, donc le coût de « l'Effort » est presque nul. Mais, chaque fois que vous effectuez un mouvement, vous devez payer un frais de transaction blockchain (Frais d'entrée élevé). Puisqu'il est facile de déplacer un prix mais coûteux de le faire de nombreuses fois, la Médiane est la meilleure défense.

Résumé

L'article soutient qu'il n'existe pas de formule unique « parfaite » pour calculer les prix. La meilleure formule dépend de la structure de coût du mensonge :

Si mentir est difficile à grande échelle, utilisez la Moyenne.
Si mentir est facile à grande échelle mais coûteux pour commencer, utilisez la Médiane.
Si les deux coûts existent, utilisez une Moyenne Tronquée (en coupant les extrêmes).

En comprenant ces coûts, nous pouvons concevoir des systèmes financiers beaucoup plus difficiles à truper.

Résumé technique : De la moyenne à la médiane : Conception de références optimales

1. Énoncé du problème

Le document traite de la conception critique des indices de référence (benchmarks) de prix sur les marchés financiers, en se concentrant spécifiquement sur leur résistance à la manipulation. Les indices, qui synthétisent les prix du marché en vigueur, sous-tendent les dérivés, les prêts et les valorisations de portefeuilles. La valeur notionnelle de ces contrats crée des incitations pour que les agents faussent les prix à leur avantage. Alors que la manipulation dans la finance traditionnelle a entraîné des pertes de centaines de millions de dollars, l'avènement de la finance décentralisée (DeFi) a amplifié ces préoccupations en raison de l'exécution automatisée, de la valeur élevée des contrats et d'une applicabilité juridique limitée.

Un schéma empirique déroutant motive cette recherche : les indices de la finance traditionnelle (ex. : LIBOR, EURIBOR, le Fix de 16h) utilisent généralement la moyenne, tandis que les indices de la DeFi (ex. : MakerDAO, oracles Tellor) utilisent prédominamment la médiane. Le document cherche à déterminer la formule de référence optimale qui maximise le coût de la manipulation, expliquant ainsi cette divergence et fournissant une règle de conception pour des indices robustes.

2. Méthodologie et modèle

L'auteur emploie un cadre de théorie des jeux modélisé comme un problème de contrat optimal avec aléa moral multi-tâches. Le manipulateur agit comme un agent qui choisit comment fausser une distribution de prix pour induire un biais spécifique ( $\Delta$ ) dans l'indice, sous réserve d'une fonction de coût.

Composantes clés du modèle :

Distribution des prix : Les prix non manipulés sont tirés d'une distribution $F$ , supposée symétrique et strictement unimodale autour d'un point $P$ . Dans certains résultats, la distribution est supposée sans dispersion (dégénérée en $P$ ).
Stratégie de manipulation : Le manipulateur déplace les prix d'une distribution initiale $F$ vers une distribution manipulée $G$ . La stratégie est définie par des fonctions de distribution conditionnelles $G_c(\cdot|p)$ .
Structure de coût : Le coût de la manipulation est la somme de deux composantes :
1. Coûts variables ( $c(\cdot)$ ) : Une fonction de l'ampleur de la distorsion du prix ( $q$ ). Le document considère des formes tant convexes que concaves. Notamment, l'Appendice B démontre que pour les teneurs de marché à produit constant (CPMM), les coûts variables sont concaves.
2. Coûts fixes ( $k$ ) : Un coût encouru par prix manipulé, indépendant de la taille de la distorsion. Ceci est particulièrement pertinent dans les environnements blockchain où la sécurisation de l'ordonnancement des transactions (ex. : enchères MEV ou frais de gaz) engendre un coût par transaction.
Définition de l'indice : Un indice est une fonctionnelle de localisation. Le document se concentre sur les indices symétriques (ceux qui sont égaux au point de symétrie pour les distributions symétriques), incluant la moyenne, la médiane et les moyennes tronquées à $\tau$ .
Critère d'optimalité : Un indice est optimal s'il maximise le coût minimum requis pour qu'un manipulateur induise un biais donné $\Delta$ . L'analyse repose sur la Proposition 1, qui stipule que si une stratégie de manipulation symétrique et minimisant les coûts existe pour un indice, cet indice est optimal.

3. Contributions clés et résultats

A. Les cas polaires (Marché homogène)

Le document établit une correspondance entre la structure de coût et l'indice optimal :

Coûts fixes négligeables ( $k=0$ ) avec Coûts variables convexes : La Moyenne est optimale. Lorsque les coûts variables sont convexes, la stratégie de manipulation la moins coûteuse consiste à répartir le biais uniformément sur tous les prix. La moyenne est maximalement robuste à de tels décalages uniformes, tandis que la médiane est très sensible à ceux-ci.
Coûts variables négligeables ( $c(\cdot)=0$ ) : La Médiane est optimale. Lorsque seuls les coûts fixes comptent, le manipulateur minimise le coût en manipulant la plus petite masse de prix possible pour déplacer la médiane. La médiane nécessite de manipuler exactement la moitié de la masse, alors que la moyenne nécessiterait de manipuler tous les prix. Ainsi, la médiane maximise le coût de la manipulation dans ce régime.

B. Le cas général (Coûts fixes et variables)

Lorsque les deux composantes de coût sont présentes, l'indice optimal est une Moyenne tronquée.

Coûts variables convexes : Si les coûts fixes sont élevés par rapport au biais cible ( $\delta_{min} > 2\Delta$ ), la manipulation optimale de la moyenne se concentrerait sur moins de la moitié des prix, brisant la symétrie. Une moyenne tronquée à $\tau$ contrecarre cela en écartant les prix extrêmes, forçant le manipulateur à arbitrer entre concentration et coûts moyens plus élevés. Le paramètre de troncature optimal $\tau^*$ augmente à mesure que les coûts fixes augmentent.
Coûts variables concaves : Ce cas est empiriquement pertinent pour les CPMM de la DeFi. Même sans coûts fixes, la concavité implique que la manipulation optimale concentre la masse aux extrémités. L'indice optimal reste une moyenne tronquée, avec un degré de troncature augmentant avec l'importance des coûts fixes.
Statique comparative : Le degré optimal de troncature diminue avec la liquidité du marché. Dans les pools plus profonds (où les coûts marginaux de manipulation sont plus élevés), l'indice se rapproche de la moyenne ; dans les pools plus peu profonds, il se rapproche de la médiane.

C. Marchés hétérogènes

Le document étend l'analyse aux marchés où les prix proviennent de sous-populations ayant des coûts de manipulation différents (ex. : liquidité variable ou frais de gaz au fil du temps).

Coûts purement variables : L'indice optimal est une Moyenne pondérée, où les poids sont proportionnels aux coûts de manipulation marginaux ( $c'_i(\Delta)$ ). Les prix qui sont moins coûteux à manipuler à la marge sont sous-pondérés.
Coûts purement fixes : L'indice optimal est une Médiane pondérée (dans l'esprit d'Edgeworth), où les poids sont proportionnels aux coûts fixes de manipulation ( $k_i$ ).
Coûts proportionnels : Si les coûts fixes et variables sont proportionnels entre les sous-populations, l'indice optimal est une Moyenne tronquée pondérée, avec des poids et des paramètres de troncature reflétant la structure de coût combinée.

4. Signification et affirmations

Le document affirme fournir une rationalisation théorique pour la divergence observée entre les conceptions d'indices de la finance traditionnelle et de la DeFi :

Finance traditionnelle : Caractérisée par des échanges soutenus et des coûts variables convexes (avec des coûts fixes négligeables par observation de prix), menant à l'optimalité de la moyenne.
Finance décentralisée (DeFi) : Caractérisée par la disponibilité d'outils comme les prêts flash (rendant les coûts variables négligeables) mais des coûts fixes élevés pour l'ordonnancement des transactions (MEV/gas), menant à l'optimalité de la médiane.

L'auteur souligne que les résultats sont dérivés sous des hypothèses spécifiques (distributions symétriques, structures de coûts spécifiques) et que l'extension de l'analyse aux distributions asymétriques ou aux structures de coûts hétérogènes générales reste un défi. Le document positionne son critère de résistance à la manipulation comme complémentaire, plutôt que concurrent, aux critères d'efficacité statistique trouvés dans la statistique robuste (estimateurs L). En identifiant les moyennes, les médianes et les moyennes tronquées comme étant optimales pour la manipulation, le document suggère que ces estimateurs standards peuvent être disciplinés selon les dimensions de l'efficacité et de la robustesse.

Le travail ne propose pas de nouveaux protocoles expérimentaux ou de détails spécifiques d'implémentation pour les contrats intelligents au-delà des règles d'agrégation théoriques. Il se concentre sur le compromis fondamental entre les structures de coût et les formules d'agrégation pour déterminer l'indice le plus résistant à la manipulation.