Informed Trading model with quantum walks

Dans le monde de la finance, le mouvement du prix d'une action est souvent traité comme un mystère, un brouillard d'incertitude où aucun trader ne peut prédire l'avenir avec certitude. Pourtant, certains traders possèdent un avantage : ils savent quelque chose de la valeur future de l'actif que les autres ignorent. C'est le domaine du trading informé, un concept que les économistes tentent depuis longtemps de modéliser pour comprendre comment l'information privée s'infiltre dans les prix publics. Le cadre standard pour cela est connu sous le nom de modèle de Kyle, une configuration théorique où un initié avisé, une foule de traders de bruit aléatoire et un teneur de marché qui fixe les prix interagissent tous. Dans ce scénario classique, le teneur de marché tente de deviner la valeur réelle d'un actif en observant le volume total des ordres, tandis que l'initié tente de cacher sa connaissance au sein de ce volume pour maximiser son profit. Pendant des décennies, ces modèles supposaient que la valeur future d'un actif dérivait comme une marche aléatoire, faisant des pas à gauche ou à droite avec une probabilité égale, un peu comme une personne errant sans but dans une rue.

Mais et si les règles de cette marche étaient différentes ? Et si l'incertitude sous-jacente du marché suivait les lois étranges et contre-intuitives de la mécanique quantique plutôt que les lois prévisibles de la physique classique ? C'est à cette question qu'une équipe de chercheurs du Centre for Quantum Technologies et de l'École d'informatique de l'Université nationale de Singapour a cherché à répondre. Ils ont pris le modèle de Kyle établi et ont remplacé la marche aléatoire standard par une marche quantique en temps continu. Dans une marche quantique, le « marcheur » ne choisit pas simplement une direction ; il existe dans une superposition de possibilités, explorant de nombreux chemins simultanément avant de se fixer sur une position. En appliquant ce comportement quantique à la valeur future d'un actif, les chercheurs ont simulé un marché où la nature même de l'incertitude est fondamentalement différente. Leur travail ne prétend pas que les marchés réels sont actuellement quantiques, mais explore plutôt comment un marché se comporterait si la valeur future de l'actif était régie par une dynamique quantique, révélant des différences surprenantes dans la formation des prix et dans la capacité de l'initié à réaliser des profits.

Les chercheurs ont commencé par mettre en place une simulation numérique de ce marché quantique. Ils ont imaginé un actif dont le prix futur pourrait être n'importe quel point sur une ligne, déterminé par la position d'un marcheur quantique après un certain laps de temps. Dans leur modèle, l'initié sait exactement où le marcheur finira, tandis que le teneur de marché ne voit que le volume total des transactions, qui est un mélange des ordres de l'initié et du bruit aléatoire des autres traders. L'objectif était de trouver un état stable, ou équilibre, où la stratégie de l'initié pour maximiser son profit et la stratégie du teneur de marché pour fixer un prix juste se compensent parfaitement. Dans la version classique de ce modèle, où la valeur de l'actif suit une marche aléatoire standard, les résultats étaient familiers. L'initié adoptait une stratégie simple, en ligne droite : si le prix futur est élevé, il achète une quantité proportionnelle ; s'il est bas, il vend. La règle de tarification du teneur de marché était similairement fluide, ressemblant à une courbe douce qui ajustait les prix en fonction du volume des ordres. Dans ce monde classique, le profit de l'initié augmentait avec le temps, mais il le faisait lentement, accusant un retard par rapport au passage du temps de manière sous-linéaire.

Lorsque les chercheurs ont basculé la simulation vers la marche quantique, les résultats sont devenus dramatiquement plus complexes et inattendus. Les stratégies fluides et linéaires du monde classique ont disparu. Au lieu de cela, la stratégie optimale de l'initié s'est fragmentée en groupes distincts. Plutôt que d'acheter ou de vendre un peu pour chaque prix futur possible, les ordres de l'initié se sont regroupés dans des régions spécifiques, laissant de grands écarts entre eux. Par conséquent, la règle de tarification du teneur de marché, qui était une courbe lisse, a développé des sauts brusques et soudains. Ces sauts s'alignaient parfaitement avec les écarts dans la stratégie de l'initié, créant un paysage de prix qui ressemblait à une série de marches plutôt qu'à une rampe. Cette non-linéarité était une conséquence directe de la nature quantique de la valeur future de l'actif, où la probabilité de trouver l'actif à un certain prix n'est pas une simple courbe en cloche, mais un motif complexe de pics et de vallées.

La découverte la plus frappante concernait la rentabilité de l'initié. Dans la simulation classique, le profit de l'initié augmentait de manière sous-linéaire, ce qui signifie qu'au fil du temps, le taux d'accumulation des profits ralentissait. Cependant, dans la simulation quantique, le profit de l'initié augmentait de manière linéaire avec le temps. Cela signifie que pour chaque unité de temps écoulée, l'initié gagnait un montant de profit constant et régulier, une accumulation beaucoup plus efficace que dans le cas classique. Les chercheurs ont constaté que la sensibilité du prix du marché au volume des ordres, une mesure connue sous le nom de lambda de Kyle, se comportait également différemment. Dans le cadre classique, cette sensibilité augmentait lentement, suivant une courbe qui s'aplatissait avec le temps. Dans le cadre quantique, elle augmentait beaucoup plus vite, augmentant en proportion directe avec le temps. Cela suggère que dans un marché régi par la dynamique quantique, l'impact des transactions sur les prix est nettement plus prononcé, et l'initié peut extraire de la valeur à un rythme beaucoup plus rapide.

L'étude s'est largement appuyée sur des méthodes numériques pour parvenir à ces conclusions. Parce que les équations décrivant l'équilibre quantique étaient trop complexes pour être résolues par une simple formule, les chercheurs ont utilisé un algorithme informatique pour ajuster de manière itérative les stratégies de l'initié et du teneur de marché jusqu'à ce qu'ils trouvent une solution stable. Ils ont fait fonctionner ces simulations pour des étapes de temps allant de un à vingt-trois, s'assurant que les résultats du modèle quantique puissent être directement comparés au modèle classique sur la même période. Les simulations ont montré que tandis que le marché classique restait relativement stable et prévisible, le marché quantique présentait un degré élevé de non-linéarité, avec la stratégie de l'initié formant plusieurs groupes distincts et le prix du teneur de marché sautant entre les niveaux. Les chercheurs ont noté qu'à mesure que l'étape de temps augmentait, l'équilibre quantique devenait de plus en plus difficile à calculer, nécessitant un réglage minutieux des paramètres de la simulation pour assurer la convergence des résultats.

Les implications de ces découvertes sont théoriques mais profondes. Elles démontrent que la nature fondamentale de l'incertitude — qu'elle suive la diffusion diffuse d'une marche aléatoire classique ou la propagation balistique et ondulatoire d'une marche quantique — modifie radicalement la dynamique du marché. Dans le scénario quantique, l'initié ne possède pas seulement un avantage ; la structure même du marché lui permet d'exploiter cet avantage plus efficacement, conduisant à une croissance linéaire des profits et à une règle de tarification qui réagit par des discontinuités nettes. Les chercheurs ont conclu que ce travail représente une première étape vers la compréhension de l'information privilégiée financière dans un contexte quantique. Bien que les marchés réels ne soient pas actuellement régis par la mécanique quantique, l'étude souligne comment l'introduction de concepts quantiques dans les modèles économiques peut produire des résultats impossibles dans les cadres classiques. Elle ouvre une nouvelle porte pour explorer comment les lois de la physique pourraient un jour s'entrecroiser avec les lois de l'économie, suggérant que l'avenir de la modélisation financière pourrait impliquer une intégration plus profonde de la théorie quantique.