Market making sous régimes : pourquoi la robustesse compte plus que le rendement simulé

Le point de départ

Les modèles analytiques de market making donnent des règles élégantes, mais ils supposent souvent un flux d'ordres stationnaire et relativement symétrique. Dans un carnet où la pression acheteuse ou vendeuse persiste, un teneur de marché peut accumuler un inventaire dans le mauvais sens. Le preprint de Felipe Moret et Fabrizio Lillo étudie précisément cette fragilité.

Les auteurs comparent un contrôleur Rainbow DQN à GLFT, une extension classique d'Avellaneda–Stoikov, dans un carnet d'ordres simulé. L'expérience distingue un marché stationnaire, où le modèle apprend à capter le spread, et des régimes où la probabilité d'ordres acheteurs varie pendant des séquences de longueur différente.

Du contrôle stationnaire au régime caché

Dans la première étape, le DQN et GLFT sont évalués sur des réalisations appariées du flux. Le modèle d'apprentissage renforce la gestion de l'inventaire par une pénalité quadratique et des bornes de position. Dans la seconde, le flux devient non stationnaire : la probabilité d'un ordre acheteur est tirée dans un intervalle et reste persistante pendant un nombre aléatoire d'ordres de marché.

Le régime latent n'est pas donné directement à l'agent. Une première amélioration ajoute un filtre bayésien de changement de point sur le biais directionnel et un signal d'exposition ajusté par la file d'attente. Une étape de bandit de scénarios rééchantillonne ensuite plus souvent les scénarios qui ont récemment produit les pertes les plus élevées.

Résultats rapportés

Dans le cadre stationnaire, le papier rapporte une frontière rendement–risque du Rainbow DQN au-dessus de celle de GLFT dans la plage testée. Cette avance disparaît cependant lorsqu'un contrôleur entraîné sur un flux stationnaire rencontre des régimes directionnels persistants. Le contrôleur de référence passe d'environ +30 % à −91 % lorsque la durée moyenne du régime augmente de 15 à 240 ordres de marché.

Le contrôleur réentraîné avec l'information de régime reste profitable dans le stress sweep présenté, avec un résultat qui passe environ de +46 % à +23 % sur la même gamme de persistance. Ces nombres sont des PnL terminaux moyens d'expériences simulées, pas des rendements de marché. Le bandit de scénarios améliore ensuite la distribution en ciblant la queue défavorable, sans ajouter une nouvelle information au vecteur d'état.

La leçon méthodologique

L'étude rappelle qu'un agent peut apprendre la bonne politique pour le monde qui l'entraîne et échouer dès que la dynamique change. Ajouter des couches ou augmenter la durée d'entraînement ne traite pas nécessairement ce problème. La robustesse doit être testée par des changements explicites : persistance, asymétrie, corrélation des directions et scénarios hors distribution.

Pour une application réelle, les métriques devraient inclure l'inventaire, le taux de remplissage, le coût de liquidation, la profondeur disponible et la distribution des pertes, pas seulement le PnL moyen. Une politique qui conserve une moyenne positive mais présente une queue de pertes très large peut être impropre à un capital limité.

Limites et prudence

Les auteurs précisent que l'évaluation utilise un simulateur de flux zéro-intelligence calibré, sans contreparties stratégiques complètes. Le teneur de marché traite des lots unitaires, sans taille d'ordre ni cotation multi-niveaux ; le modèle de régime fixe aussi une largeur et des durées exponentielles. Ces hypothèses sont utiles pour isoler un mécanisme, mais limitent le transfert vers un carnet réel.

Le preprint ne constitue pas une stratégie de market making, une recommandation de levier ou une promesse de rendement. Les résultats doivent être reproduits avec des coûts, files d'attente et règles d'exécution propres au marché visé.

Sources

Felipe Moret et Fabrizio Lillo, « Deep Learning of Robust Market Making under Regime-Switching Order Flow », ArXiv 2609.11614v1 : résumé et preprint, PDF.