Flexible Information Acquisition in the Kyle Model

Résumé Technique : Acquisition Flexible d'Information dans le Modèle de Kyle

1. Problématique et Contexte

L'article étudie le problème d'acquisition d'information dans le cadre du modèle de Kyle (1985), où un trader informé acquiert un signal coûteux sur le paiement d'un actif avant de trader. Contrairement à la littérature traditionnelle qui restreint souvent l'analyse à des signaux normaux et des priors normaux (ex: Kyle 1984, Admati & Pfleiderer 1988), les auteurs généralisent le cadre pour permettre :

• Des distributions a priori arbitraires sur le paiement de l'actif (discrètes, continues, non-normales).
• Des structures de signaux flexibles (marges et jointures arbitraires).
• Un coût d'acquisition modélisé par l'information mutuelle (approche de Rational Inattention de Sims, 1998, 2003), où le coût est proportionnel à la réduction de l'entropie.

L'objectif est de caractériser la structure de signal optimale qui maximise le profit espéré net du coût d'acquisition, en tenant compte de l'inférence des market makers et du bruit des trades (noise trades).

2. Méthodologie et Cadre Théorique

A. Reformulation du problème d'équilibre
Les auteurs s'appuient sur une reformulation de l'équilibre de Kyle via la théorie du transport optimal (Back et al., 2021).

• Le profit espéré du trader informé est décomposé en deux composantes :
  1. Le potentiel de profit, lié à la variance de l'espérance conditionnelle du paiement $E[\tilde{v}|\tilde{s}]$.
  2. Le coût de fuite d'information, mesuré par la distance de Wasserstein-2 ($W_2^2$) entre la distribution de l'espérance conditionnelle et la distribution des trades de bruit (généralement normale).
• L'objectif du trader devient :
  $$\max_{p, q} \left( \frac{1}{2} \text{Var}(E[\tilde{v}|\tilde{s}]) - \frac{1}{2} W_2^2(F_s, G) \right) - \lambda I(\tilde{s}; \tilde{v})$$
  où $I(\tilde{s}; \tilde{v})$ est l'information mutuelle (coût d'acquisition) et $\lambda$ le paramètre de coût marginal.

B. Outils Mathématiques

• Transport Optimal et Plan de Sinkhorn : La résolution du problème d'optimisation sous contrainte de plausibilité bayésienne (consistance entre prior, posterior et marginal) est traitée comme un problème de Sinkhorn (transport optimal régularisé par l'entropie).
• Dualité et Multiplicateurs de Lagrange : L'optimisation sur les probabilités a posteriori conduit à des solutions de type Logit (ou Softmax).
• Inégalités de Gelbrich : Utilisées pour établir les bornes inférieures de la distance de Wasserstein, démontrant que la distribution normale minimise cette distance par rapport à une distribution normale de bruit.

3. Résultats Principaux

A. Optimalité des Signaux Continus (Résultat Central)

• Théorème : Peu importe que la distribution a priori de l'actif soit discrète ou continue, le trader informé choisit toujours un signal continu.
• Conséquence : Même si l'actif a une distribution discrète (ex: binaire), l'espérance conditionnelle du paiement $E[\tilde{v}|\tilde{s}]$ aura une distribution continue sur un intervalle fermé.
• Explication : Contrairement à la littérature sur le choix discret (Matějka & McKay, 2015) où les signaux sont discrets, ici l'espace d'action (la stratégie de trading) est continu car les trades de bruit sont continus. La fonction de valeur est convexe par rapport à la partition de l'espace des signaux, incitant le trader à utiliser un continuum de signaux pour affiner sa stratégie.

B. Indétermination de la Structure du Signal (Invariance)

• Résultat Surprenant : Toute distribution de signal continue (qui préserve l'ordre monotone entre le signal et l'espérance conditionnelle) conduit au même :
  1. Valeur ex-ante pour le trader.
  2. Distribution de l'espérance conditionnelle du paiement.
  3. Distribution de la stratégie de trading.
• Implication : Sans perte de généralité, on peut supposer que le signal est normalement distribué. Cela justifie a posteriori les hypothèses de normalité dans les modèles classiques (Kyle 1984, Back & Pedersen 1998), même lorsque le prior n'est pas normal.

C. Forme de la Distribution Postérieure

• La distribution a posteriori des probabilités d'états suit une forme Logit :
  $$P(v_n | s) = \frac{\exp\left(\frac{1}{\lambda} (v_n G^{-1}(Q(s)) + \mu_n)\right)}{\sum_k \exp\left(\frac{1}{\lambda} (v_k G^{-1}(Q(s)) + \mu_k)\right)}$$
  où $G^{-1}$ est la fonction quantile du bruit, $Q$ la CDF du signal, et $\mu_n$ des multiplicateurs de Lagrange assurant la plausibilité bayésienne.
• La distribution de l'espérance conditionnelle est obtenue par composition de la fonction quantile du paiement et de la CDF du bruit, via une application de transport optimal monotone unique.

D. Statiques Comparatives

• Coût d'information ($\lambda$) :
  • Si $\lambda$ augmente (coût élevé) : Le signal devient moins précis, la variance de l'espérance conditionnelle diminue, et la distribution postérieure se rapproche d'une distribution normale (kurtosis $\to$ 3). Le trader réduit l'agressivité pour minimiser la fuite d'information.
  • Si $\lambda \to 0$ : Le signal est parfait, la distribution postérieure reflète le prior (avec des queues lourdes si le prior est non-normal).
• Volatilité du bruit ($\sigma_Z$) :
  • Si $\sigma_Z$ augmente : Le trader peut mieux cacher ses ordres. Il acquiert un signal plus précis, augmentant la variance de l'espérance conditionnelle et la probabilité de distributions à queues lourdes.
  • Le rapport $\lambda / \sigma_Z$ agit comme une statistique suffisante pour la forme de la distribution postérieure dans le cas symétrique.

4. Contributions et Signification

1. Généralisation du Modèle de Kyle : L'article brise la restriction de la normalité des signaux et des priors, offrant une caractérisation complète de l'acquisition d'information flexible.
2. Lien entre Rational Inattention et Microstructure : Il intègre le coût d'entropie de Sims dans un modèle de marché financier dynamique, montrant comment le compromis entre profit potentiel et fuite d'information façonne la structure de l'information.
3. Justification Théorique de la Normalité : Il démontre que l'hypothèse de signal normal n'est pas une restriction restrictive mais une conséquence de l'optimalité dans un cadre flexible, car toute structure continue est équivalente en termes de valeur.
4. Apport à la Théorie du Transport Optimal : L'article applique de manière novatrice les problèmes de Sinkhorn et le transport optimal régularisé par l'entropie à l'économie financière, reliant la structure des prix à la géométrie des distributions de probabilité.

5. Conclusion

Les auteurs concluent que la flexibilité dans l'acquisition d'information conduit inévitablement à des signaux continus et à des distributions d'espérance conditionnelle qui s'ajustent pour équilibrer le profit et le coût de fuite. L'indétermination de la forme exacte du signal (tant qu'il est continu) permet de simplifier l'analyse sans perdre de généralité, validant ainsi les modèles standards tout en fournissant une base micro-fondée plus robuste pour les distributions non-normales.