À propos | Nova Group

L’idée

Nova Group étudie les marchés financiers depuis 2020. Notre idée centrale tient en une phrase : le prix résulte du flux des transactions et des ordres du marché — il n’en est pas la cause. Si on l’accepte, le travail devient clair : on ne peut pas comprendre le prix avant d’avoir compris les ordres qui le précèdent.

Une grande partie de notre travail a consisté à collecter et à nettoyer les données de transactions et de carnet d’ordres de niveaux 1, 2 et 3, sur les marchés du CME, les plateformes centralisées et décentralisées de cryptomonnaies et la Bourse de Téhéran. À partir de ces données, nous développons des modèles d’apprentissage automatique, d’apprentissage profond et d’apprentissage par renforcement pour comprendre les mécanismes causaux du flux d’ordres et prévoir l’évolution des prix.

Notre méthode

Chaque projet que nous construisons repose sur ces trois mêmes couches, de bas en haut. La couche du bas ne mène nulle part sans celle du dessus — et la couche du haut n’existe pas sans celle du dessous.

1

Une plateforme indépendante, développée pour chaque projet

Pour chaque projet, nous construisons de bout en bout sa propre plateforme de données et d’exécution, indépendante de tout outil prêt à l’emploi.
2

Un simulateur détaillé d’exécution des ordres

Le pilier de notre travail. Un backtest ordinaire suppose que chaque ordre est exécuté instantanément au prix affiché — une hypothèse qui flatte les chiffres. Nous reconstituons le moteur d’exécution de la place de marché : les ordres prennent place dans la file d’attente, attendent leur tour, sont exécutés partiellement ou restent en fin de file. C’est la règle dans chacun de nos projets, et sa forme change selon le marché : sur un marché dirigé par les ordres, reconstituer la file d’attente et l’exécution des ordres ; dans un pool de liquidité, placer du capital dans le pool reconstitué et calculer ses frais et ses pertes.
3

Analyses, graphiques et modèles prédictifs

Nous partons des données brutes : flux de transactions, ordres et variations de prix. Le travail statistique et analytique décompose ce flux et en tire des caractéristiques qui peuvent expliquer le mouvement suivant du marché. Sur ces caractéristiques, nous entraînons des modèles d’apprentissage automatique, d’apprentissage profond et d’apprentissage par renforcement ; ce qui sort de ce chemin est un algorithme de prévision.

Flux de transactions et d’ordres Analyse statistique Entraînement des modèles ML · DL · RL Algorithme de prévision

Les graphiques et les outils d’analyse se construisent aussi dans cette couche, pour que chaque étape du chemin puisse être vue et vérifiée. C’est la dernière couche, et non la première — sans les deux du dessous, aucun chiffre ne veut dire quoi que ce soit.

Deux axes

Nos recherches suivent deux axes parallèles. Tous deux reposent sur la même analyse du flux d’ordres, mais chacun donne lieu à des projets distincts.

Maker

L’approche du teneur de marché

Fournir de la liquidité par la tenue de marché : nos ordres se placent dans les files d’attente à l’achat et à la vente, où ils sont exécutés par les ordres des autres intervenants.

Taker

L’approche du preneur de liquidité

Consommer de la liquidité pour entrer en position : notre ordre franchit la fourchette acheteur-vendeur et s’exécute contre les ordres en attente en tête de file.