Un négociant en bourse qui a rapporté 440 % en 2022 explique le logiciel qu’il a créé pour acheter et vendre automatiquement des penny stocks risqués pour des bénéfices optimaux

• Gemy Zhou a construit un programme qui négocie sur la base de 20 à 30 variables de données.
• Il a alimenté l’ordinateur 20 ans de données sur les stocks pour déterminer la relation entre les points de données.
• Son défi sera de maintenir sa performance en l’ajustant aux conditions du marché.

Gemy Zhou a terminé deuxième dans la division des actions pour le Concours d’investissement des États-Unis de 2022. Il faisait partie des 326 participants du monde entier qui mettaient leurs compétences commerciales à l’épreuve au cours de la pire année pour les actions depuis 2008.

Zhou avait un avantage majeur : sa connaissance de la science des données et du codage. Il a participé au concours pour mettre à l’essai un programme informatique de négociation d’actions qu’il avait passé quelques années à développer et à peaufiner. Le programme a ensuite passé cette année-là à exécuter automatiquement des transactions en son nom et lui a valu un gain monstrueux de 440,4 % pour l’année, selon ses relevés de courtage mensuels consultés par Insider. Il a largement dépassé le S&P 500, qui a chuté de 19,4 %.

Mais ne vous attendez pas à ce qu’il répète facilement cette performance, ou que vous puissiez le faire. Norman Zadeh, le fondateur du concours, a été impressionné lorsqu’il a appris que Zhou avait construit son propre programme et l’avait utilisé dans le cadre du concours. Mais en tant qu’ancien professeur de recherche opérationnelle dans une branche des mathématiques appliquées dans des universités telles que Stanford et Columbia, Zadeh pense qu’il y a une faible probabilité que Zhou puisse à nouveau afficher ces chiffres.

« Sa performance est probablement une combinaison d’habileté et de chance », a déclaré Zadeh à Insider après avoir entendu parler de l’approche de Zhou. « Et donc, plus probablement qu’improbable, il pourrait rapporter 30% l’année prochaine. Et je ne suggérerais certainement pas aux gens que vous pouvez facilement gagner 440% en bourse. Je pense que quiconque négocie en bourse devrait être heureux s’ils gagnent cinq ou 10%. »

Zadeh a ajouté que quiconque peut réaliser des rendements significatifs sur le marché devrait être particulièrement fier d’eux-mêmes car le marché boursier n’est pas un terrain de jeu complètement égal.

La précédente tentative de trading de Zhou n’avait pas été couronnée de succès. En 2004, il a essayé de négocier des actions chinoises à la Bourse de Shanghai. À l’époque, il a parcouru les données des entreprises et les rapports sur les bénéfices à la recherche de fondamentaux solides. C’était un processus long et coûteux, a-t-il dit. Il a dit à Insider qu’il avait à peine atteint le seuil de rentabilité avec cette méthode. Deux ans plus tard, il a conclu que le commerce n’était pas pour lui.

Peu de temps après, Zhou a déménagé au Canada et a laissé derrière lui son entreprise de matériel informatique en Chine. Lorsqu’il s’est installé dans sa nouvelle maison, il n’avait aucune perspective d’emploi et vivait de ses économies, a-t-il déclaré. Il n’avait que du temps devant lui. Il a donc décidé d’orienter ses efforts vers l’amélioration de ses compétences, notamment en étudiant la science des données et l’apprentissage automatique. L’une de ses principales ressources était Coursera, une plateforme éducative en ligne qui propose des cours sur tous types de sujets.

Zhou avait toujours été intéressé par tout ce qui avait le potentiel de gagner de l’argent. Et puisque la science des données étudie les relations entre différents points de données, la bourse semblait être un bon endroit pour tester ses compétences. Après tout, les commerçants utilisent de nombreux indicateurs pour essayer de prédire la direction des prix, a-t-il déclaré. En 2020, il expérimentait des programmes de données et de codage qui pourraient être échangés avec succès.

« J’ai pensé que la science des données était peut-être un moyen possible de faire du commerce », a déclaré Zhou. « Donc, j’ai juste testé et fait beaucoup d’expériences et de tests de retour. Bien que je n’aie pas échangé, mais j’ai fait beaucoup de recherches. »

Construire

Il a déclaré à Insider qu’au début, il avait collecté des données boursières en utilisant Python, un langage de programmation informatique à usage général, pour récupérer 20 ans d’informations historiques à partir d’endroits comme Yahoo Finance. Cela a abouti à environ 20 à 30 points de données, y compris des éléments tels que les moyennes des jours mobiles pour différentes durées. Les données sont utilisées pour déduire la relation entre leurs caractéristiques et les résultats. Zhou a noté que ce processus s’appelle la formation de modèles et qu’il permet au programme de reconnaître quelles combinaisons peuvent déterminer les résultats, dans ce cas, le prix d’une action. Aujourd’hui, il utilise le service de données d’Interactive Brokers pour fournir à son programme des informations boursières en temps réel et sans décalage.

Zadeh a noté que trouver quelles variables, que ce soit les taux d’intérêt ou les nouvelles, influencent le plus le marché est la grande question que chaque trader recherche. Et à en juger par les résultats de Zhou en compétition, il semble qu’il ait réussi plus que la plupart à tenter cela, a ajouté Zadeh.

Mais même après avoir construit le programme, Zhou dit qu’il ne sait toujours pas quelles variables ont plus de poids ou d’impact sur la décision de la machine de faire une transaction. Cependant, comme il avait été trader dans le passé, il pouvait faire des hypothèses éclairées sur les variables qui pourraient être moins ou plus importantes compte tenu des conditions du marché, a-t-il déclaré.

Lorsque Zhou a commencé à tester le modèle en 2020 et 2021, il était à l’équilibre jusqu’à ce qu’il fasse quelques ajustements, a-t-il déclaré. Le principal était de réduire le poids que le mouvement des prix à court terme avait sur la décision du programme d’exécuter une transaction. Il l’a fait en augmentant le seuil de temps pendant lequel le prix doit bouger avant que le programme ne réagisse pour éviter de déclencher une transaction prématurée. Cet ajustement était particulièrement important dans le marché très volatil de 2021. Mais lorsque le marché a ralenti l’an dernier, il a abaissé le seuil.

Le programme exécute des positions longues et courtes. Lorsque le premier ordre est placé pour entrer dans une position, le deuxième ordre (ordre de clôture) est également placé en même temps à un prix calculé. Les positions peuvent être maintenues pendant une heure ou jusqu’à la fermeture du marché si les bonnes conditions n’ont pas été remplies. À ce stade, Zhou a déclaré qu’il déterminait s’il souhaitait conserver l’action pendant la nuit ou s’il la vendrait manuellement.

Le programme négocie des actions allant de quelques centimes à moins de 1 $ par action à des actions à grande capitalisation et effectue environ 20 à 50 transactions par jour. Le nombre d’actions est déterminé par un montant prédéfini, généralement autour de 1 à 2 % du portefeuille de Zhou et de la disponibilité de l’offre du marché à ce moment-là, ou de la quantité offerte au cours acheteur du marché.

Par exemple, à 11 h 32 le 22 mai, le programme a reçu un changement de prix pour Armstrong Flooring Inc., symbole AFI qui a depuis été radié. Il a évalué la valeur de la fonction qui a déclenché un signal d’achat pour 7 500 actions. Le système a immédiatement passé un ordre d’achat au prix demandé du marché de 0,3004 $ et en même temps, il a également passé un ordre de vente de clôture opposé au prix de 0,3449 $, qui a été calculé par plusieurs facteurs tels que la volatilité du marché et les volatilités historiques du symbole. Environ 20 minutes plus tard, le prix du marché a augmenté et a atteint le prix de l’ordre de vente de 0,3449 $ et la position a été clôturée.

De plus, le 17 février 2022 à 9 h 31, le système a reçu un changement de prix pour Knowbe4 Inc. (KNBE). Le système a immédiatement passé un ordre de vente pour 49 actions à un cours acheteur de 24,57 $. Dans le même temps, il a placé un ordre d’achat de clôture opposé au prix de 21,79 $, qui a été calculé en fonction de plusieurs facteurs tels que la volatilité du marché et les volatilités historiques du symbole. Environ 17 minutes plus tard, le prix du marché a baissé et a atteint le prix de l’ordre d’achat, et la position a été clôturée.

En bref, Zadeh dit que Zhou a essentiellement écrit un programme informatique qui génère automatiquement des transactions. C’est similaire à ce que font les fonds spéculatifs quantitatifs comme Renaissance Capital à une échelle beaucoup plus grande. Le problème devient alors, parce que vous êtes dans un environnement en constante évolution, vous devez modifier le programme et cela devient la partie la plus délicate.

Matt Monaco, un négociant en bourse de 24 ans qui a gagné plus de 1,4 million de dollars en deux ans, dit avoir vu des vidéos YouTube de personnes essayant de créer des programmes de trading de base en utilisant l’intelligence artificielle. Il faisait partie de la vague de nouveaux investisseurs particuliers qui ont de plus en plus inondé le marché au cours des deux dernières années. Il pense que la combinaison des commerçants de détail et leur utilisation de machines pour le commerce augmentera probablement à mesure que des programmes comme ChatGPT rendront l’IA plus accessible.

Monaco, qui a obtenu un diplôme en génie logiciel, a tenté une approche similaire lorsqu’il a commencé à négocier. Mais l’un des plus gros problèmes qu’il avait était de construire un algorithme qui pourrait bien fonctionner dans toutes les conditions du marché.

Le programme est actuellement mis en place pour fonctionner sur des marchés moins volatils, et Zhou dit qu’il n’est pas sûr qu’il puisse continuer à obtenir ce genre de rendements. Cela dépend de l’évolution du marché boursier et de sa capacité à apporter les ajustements appropriés à son programme, a-t-il déclaré.

Zhou dit que la principale conclusion de son expérience est que, que vous utilisiez un programme ou que vous négociez manuellement, vous devez tester votre théorie. La deuxième chose qu’il a apprise, c’est que les conditions du marché sont extrêmement importantes. Au fur et à mesure que ces conditions changent, votre stratégie devrait en faire de même.