ViperQ : donner à un agent RL une lecture de l'ordre flow

Sortir des seules barres OHLCV

Beaucoup de systèmes de reinforcement learning appliqués au trading résument le marché par des prix agrégés ou par des instantanés de carnet. ViperQ propose une autre représentation : des variables issues de l'Auction Market Theory et de la microstructure. Le but est de décrire si le marché est en équilibre autour d'une zone de valeur ou s'il bascule vers une phase de déséquilibre.

La représentation comporte 20 variables normalisées. Elle inclut notamment le Volume Point of Control, la position dans la Value Area, les Low Volume Nodes, la divergence de Cumulative Volume Delta, la vitesse du tape et des mesures d'imbalance. Neuf rendements retardés apportent une mémoire courte ; deux variables dépendent de la position détenue par l'agent.

Une politique avec un filtre de risque

Les auteurs formulent la décision comme un processus de décision markovien et entraînent deux agents PPO dans un environnement Gymnasium. Les exécutions utilisent l'ouverture de la barre suivante pour réduire le risque de regard vers le futur. La taille idéale dépend de l'equity, de l'ATR et d'un niveau de risque lié à la conviction ; une contrainte de trésorerie empêche le levier.

Trois coupe-circuits complètent la politique : arrêt après une perte quotidienne de 2 % du capital initial de la séance, sortie forcée au-delà d'une perte latente de 200 dollars par position et liquidation avant la clôture. Ces règles encadrent l'agent, mais elles ne rendent pas la stratégie sûre : elles déplacent simplement une partie du risque vers des sorties parfois coûteuses.

Protocole et résultats rapportés

L'évaluation porte sur des ticks institutionnels NVDA et TSLA fournis par Databento, agrégés en barres d'une seconde. Les données couvrent janvier 2020 à février 2026 ; les douze derniers mois sont réservés au test et ne servent ni à l'entraînement ni au réglage principal.

Sur cette partition, le papier rapporte un ROI de +163,6 % pour TSLA, avec un drawdown maximal de −27,5 % et 27 019 transactions. Pour NVDA, il rapporte +116,5 %, un drawdown maximal de −47,8 % et 12 892 transactions. Les frais réglementaires annoncés sont inclus et le levier est nul. Ces valeurs sont des résultats du protocole et ne constituent pas une projection : un drawdown de 47,8 % reste incompatible avec une logique de préservation du capital.

Lecture critique

La contribution la plus réutilisable est peut-être la représentation structurée plutôt que les rendements publiés. Des variables nommées peuvent faciliter les diagnostics : l'agent entre-t-il lors d'une transition de déséquilibre, conserve-t-il une position lorsque l'inventaire devient dominant, et ses décisions dépendent-elles d'une seule mesure de flux ? Cette lisibilité aide à formuler des tests ciblés.

Il faut néanmoins éviter de confondre une longue partition test et une preuve de robustesse générale. Le nombre de titres est très faible, le protocole est centré sur deux actions américaines volatiles et une seule séparation temporelle. Les marchés moins volatils, les actifs étrangers et les changements de liquidité restent non testés.

Limites et prudence

Les auteurs signalent l'absence d'une analyse formelle de sensibilité de chaque composant de récompense et de chaque hyperparamètre. Le drawdown NVDA est aussi nettement supérieur aux fourchettes typiques de plusieurs systèmes de portefeuille à horizon quotidien citées dans le papier. Les rendements élevés compensent ce risque dans l'étude, mais pas nécessairement dans un mandat réel.

ViperQ est un preprint. Il ne fournit ni signal d'achat ou de vente, ni garantie de résultat, ni conseil de courtage. Toute reproduction devrait intégrer les règles de marché, la latence, le slippage, les contraintes de capacité et une validation indépendante.

Sources

Asser Moustafa, Rares-Mihail Neagu et Jugal Kalita, « ViperQ: Order Flow Pattern Recognition via Auction Market Theory for Reinforcement Learning Trading », ArXiv 2609.13825v1 : résumé et preprint, PDF.