Séance de cours

Flash Crash: analyse de trading à haute fréquence

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Description

Cette séance de cours plonge dans le crash flash de 2010, analysant l'impact du trading à haute fréquence sur l'événement. Le conférencier discute du comportement des traders à haute fréquence, de la dynamique du krach et du rôle des différents types de traders sur le marché. Grâce à des données empiriques et à une analyse de régression, la séance de cours explore comment les traders à haute fréquence ont interagi avec le marché pendant le krach, mettant en lumière leurs stratégies de trading et l'impact de leurs actions sur le marché.

Source officielle

Concepts associés (17)

Transactions à haute fréquence

Les transactions à haute fréquence, ou trading haute fréquence (THF ou en, de l'anglais high-frequency trading ou encore nano trading), sont l'exécution à grande vitesse de transactions financières faites par des algorithmes informatiques. C'est une des catégories du « trading automatique » (basé sur la décision statistique), qui gère de plus en plus les données boursières à la manière d'un big data devenu inaccessible aux analyses humaine et bancaire traditionnelles.

Trading algorithmique

Le trading algorithmique, aussi appelé trading automatisé ou trading automatique, boîte noire de négociation (en anglais : black-box trading), effectué par des robots de trading ou robots traders, est une forme de trading avec utilisation de plates-formes électroniques pour la saisie des ordres de bourse en laissant un algorithme décider des différents aspects de l'ordre, tel que l'instant d'ouverture ou de clôture (le timing), le prix ou le volume de l'ordre et ceci, dans de nombreux cas, sans la moindre in

Régression (statistiques)

En mathématiques, la régression recouvre plusieurs méthodes d’analyse statistique permettant d’approcher une variable à partir d’autres qui lui sont corrélées. Par extension, le terme est aussi utilisé pour certaines méthodes d’ajustement de courbe. En apprentissage automatique, on distingue les problèmes de régression des problèmes de classification. Ainsi, on considère que les problèmes de prédiction d'une variable quantitative sont des problèmes de régression tandis que les problèmes de prédiction d'une variable qualitative sont des problèmes de classification.

Trading strategy

In finance, a trading strategy is a fixed plan that is designed to achieve a profitable return by going long or short in markets. The main reasons that a properly researched trading strategy helps are its verifiability, quantifiability, consistency, and objectivity. For every trading strategy one needs to define assets to trade, entry/exit points and money management rules. Bad money management can make a potentially profitable strategy unprofitable. Trading strategies are based on fundamental or technical analysis, or both.

Spéculation sur séance

La spéculation sur séance ou spéculation à court terme (en anglais : day trading) est la pratique consistant à faire des allers-retours (achats puis ventes) spéculatifs durant la même séance. On parle également d’opérations en journée ou en séance. Les horaires d'ouverture et de fermeture des marchés ainsi que les annonces publiques augmentent fortement les variations du cours et ainsi augmentent les possibilités. Grâce aux nouvelles technologies, la spéculation sur séance a eu tendance ces dernières années à se populariser.

Afficher plus

Séances de cours associées (64)

Apprentissage automatique: Techniques d'apprentissage supervisé et non supervisé

Couvre les techniques d'apprentissage supervisées et non supervisées dans l'apprentissage automatique, en mettant en évidence leurs applications dans la finance et l'analyse environnementale.

Introduction aux dérivés

Introduit des produits dérivés, de la couverture, de la spéculation et des gains d'ingénierie par le biais du trading et de la tarification.

Analyse de régression : Désengagement des données

Couvre l'analyse de régression pour les données de désassemblage à l'aide de la modélisation de régression linéaire, des transformations, des interprétations des coefficients et des modèles linéaires généralisés.

Régression linéaire

Introduit la régression linéaire, l'ajustement de la ligne de couverture, l'entraînement, les gradients et les fonctions multivariées, avec des exemples pratiques tels que l'achèvement du visage et la prédiction de l'âge.

Régression linéaire : Inférence statistique et régularisation

Couvre le modèle probabiliste de régression linéaire et l'importance des techniques de régularisation.

Afficher plus

Concepts associés (17)

Transactions à haute fréquence

Trading algorithmique

Régression (statistiques)

Trading strategy

Spéculation sur séance

Afficher plus