Giulio Occhionero explique pourquoi les cryptomonnaies bouleversent les modèles de risque conçus pour les actions

Ce que deux décennies de travailmatic sur l'équité transposent, et ne transposent pas, aux actifs numériques

La plupart des outils quantitatifs utilisés pour le trading d'actions reposent sur des hypothèses que les actifs numériques contredisent. Les rendements sont globalement normaux et rarement extrêmes. Les marchés ferment, ce qui confère au risque une temporalité naturelle. Les corrélations sont suffisamment stables pour servir de base à la construction d'un portefeuille. Aucun de ces principes ne se vérifie clairement dans le monde des cryptomonnaies, et les investisseurs qui y perdent de l'argent sont généralement ceux qui s'y attendaient.

Je pratique le tradingmatic sur les actions américaines, les options et les cryptomonnaies, et mon expérience des actifs numériques me rend méfiant envers quiconque prétend que les mêmes modèles s'appliquent tels quels. Ce n'est pas le cas. Seule la discipline est conservée. Presque tout ce qui se trouve en aval de la distribution doit être reconstruit.

1. Les queues épaisses constituent le cas de base, et non l'exception

Sur les marchés actions, une journée à cinq sigmas est un événement qui se produit quelques fois seulement dans une carrière, et les systèmes de gestion des risques sont conçus pour le considérer comme rare. Dans le monde des cryptomonnaies, des mouvements qui seraient des événements extrêmes pour le S&P 500 surviennent lors de week-ends ordinaires. La distribution n'est pas lognormale avec des chocs occasionnels. Elle présente une distribution à queue épaisse au repos, et les queues sont asymétriques, de manière à évoluer en fonction du contexte de financement.

En pratique, tout modèle de risque calibré sur une distribution gaussienne sous-estimera systématiquement la probabilité de ruine. La valeur à risque (VaR) calculée de manière classique est alors quasiment inutile. Seuls les modèles qui ajustent les positions en fonction du comportement empirique des queues de distribution plutôt que d'une variance ajustée, et qui considèrent que la perte maximale observée constitue un plancher et non un plafond, restent pertinents.

Si votre modèle de risque n'a jamais anticipé le mouvement qui mettra fin à votre fonds, il évaluera ce mouvement à zéro jusqu'à ce qu'il se produise.

2. Un marché qui ne ferme jamais n'a pas d'horloge naturelle

La gestion des risques sur actions s'organise discrètement autour de la clôture des marchés. Les positions sont marquées, les expositions rééquilibrées, et l'écart de liquidité pendant la nuit constitue une inconnue connue que l'on peut couvrir ou provisionner. Le marché des cryptomonnaies, lui, n'a pas de clôture. La liquidité diminue le week-end et entre les principales sessions régionales, et c'est précisément à ce moment-là que se produisent les plus fortes fluctuations.

Une stratégie qui présuppose une sortie systématique à un prix équitable repose sur une hypothèse de fonds propres sur un marché qui ne la respecte pas. Les modèles performants considèrent l'heure et le jour de la semaine comme des variables de risque majeures, prévoient des capacités de négociation pour les heures creuses et n'affirment jamais que la capacité à négocier à midi un mardi présage de la capacité à négocier à trois heures du matin en période de forte volatilité.

3. Une corrélation qui vous trahit au pire moment

La diversification dans le secteur des cryptomonnaies est moins convaincante que ne le laisse entendre le marketing. En période de calme, la dispersion des tokens est suffisante pour rendretracun portefeuille neutre par rapport au marché. En cas de crise, cette dispersion s'effondre. Presque tout est lié à un facteur macroéconomique : l'appétit général pour le risque, qui se manifeste à travers les principaux actifs. Ainsi, un portefeuille neutre, pourtant soigneusement constitué, se révèle être un pari directionnel concentré précisément au moment où l'on s'en attendait le moins.

Il s'agit du même échec qui a fait s'effondrer les implémentations simplistes de la parité des risques sur les marchés traditionnels, mais plus rapidement et plus brutalement. Modéliser la corrélation comme une constante est une erreur. La modéliser comme une variabledent du régime et tendant vers 1 en situation de tension constitue le point de départ d'un cadre utilisable.

4. Une liquidité profonde jusqu'à ce qu'elle ne le soit plus

Les carnets d'ordres des actifs numériques sont fragmentés sur des dizaines de plateformes, et leur profondeur globale est trompeuse. Le carnet d'ordres paraît épais car on additionne une liquidité à laquelle on ne peut accéder simultanément qu'en désavantageant tous les intervenants. De plus, la profondeur diminue de façon non linéaire. La première tranche se négocie près du cours, mais la suivante se négocie beaucoup moins bien, car les teneurs de marché élargissent ou réduisent leurs positions dès qu'ils détectent un gros participant.

Les simulations rétrospectives qui supposent la possibilité de réaliser des transactions importantes au prix moyen ne modélisent pas la cryptomonnaie. Elles modélisent unetracsans friction qui n'a jamais existé. Des courbes d'impact réalistes, plateforme par plateforme, ne constituent pas un simple perfectionnement. Elles font la différence entre une stratégie et une simple explication.

5. Réflexivité et absence d'ancrage

Les actions ont des fondamentaux sur lesquels s'appuyer. Les flux Cash , les multiples et les bilans offrent un point d'ancrage au prix, aussi ténu soit-il. La plupart des cryptomonnaies n'ont pas d'ancrage comparable, ce qui signifie que leur prix est davantage déterminé par le positionnement, le discours et l'effet de levier. Le marché est réflexif : les prix augmentent lorsquetracflux justifient des prix plus élevés, jusqu'à ce que l'effet de levier qui a alimenté le mouvement devienne le mécanisme de son retournement.

Pour un tradermatic , cela plaide en faveur d'une plus grande importance accordée aux données de positionnement et de flux, particulièrement observables sur ce marché grâce aux taux de financement, aux positions ouvertes et aux mouvements sur la blockchain, et d'une moindre importance accordée à toute notion de juste valeur. L'avantage réside dans la capacité à analyser la densité du marché et l'effet de levier, et non dans l'estimation d'un prix intrinsèque qui pourrait ne pas exister.

6. Dimensionnement lorsque la volatilité est la seule variable d'entrée stable

Si la distribution est instable, les corrélationsdentdu régime de marché et la liquidité est fragmentée, la volatilité réalisée est la seule variable mesurable avec une confiance raisonnable. Dès lors, le dimensionnement ciblé sur la volatilité devient non seulement une préférence, mais quasiment une nécessité. Fixer la taille notionnelle d'un actif dont la volatilité peut quadrupler en une journée permet de suivre la bonne direction tout en étant liquidé en cours de route.

Les stratégies que j'ai observées sur ce marché adoptent une approche prudente : elles limitent la taille des positions par rapport aux résultats des tests rétrospectifs, coupent plus rapidement qu'on ne le souhaiterait et considèrent l'effet de levier comme le principal facteur de perte plutôt que comme un levier de rendement. L'asymétrie est impitoyable. On peut être parmi les premiers à avoir raison et quand même perdre.

En résumé,

Le monde des cryptomonnaies valorise l'approche quantitative et pénalise la transposition d'hypothèses quantitatives. La rigueur, le scepticisme envers les backtests trop simplistes et le respect des contraintes de capacité demeurent essentiels. En revanche, les mécanismes spécifiques, les noyaux gaussiens, les corrélations constantes, les exécutions sans friction et la gestion des risques en fin de séance ne le sont plus. Les professionnels qui réussissent sont ceux qui ont su maintenir cette discipline et adapter leur modèle. Ceux qui rencontrent des difficultés sont ceux qui ont supposé qu'un marché aussi différent pouvait être négocié avec des outils conçus pour un marché aussi stable.

À propos de l'auteur

Giulio M. Occhionero est directeur de la recherche et du développement quantitatifs chez IRH Global Trading à Abou Dhabi, où il pilote le déploiement de stratégies systématiquesmatic la recherche quantitative sur les actions, les options et les actifs numériques américains. Ingénieur nucléaire de formation, il possède plus de vingt ans d'expérience en finance quantitative, acquise au cours de différentes fonctions en Italie, aux États-Unis et aux Émirats arabes unis. Il publie régulièrement des articles sur le trading systématiquematic la microstructure des marchés et les aspects techniques de la gestion d'actifs.