Réfléchir à voix haute, avec soin.

La plupart des investisseurs regardent le prix. Les teneurs de marché regardent leurs livres. Quand ils portent un gamma positif important ils vendent les hausses et achètent les baisses pour rester couverts. Cela amortit la volatilité. Quand le gamma devient négatif leur couverture fait l'inverse et les mouvements s'amplifient.

L'exposition gamma, ou GEX, tente d'estimer cette position agrégée à partir de l'intérêt en cours. C'est une approximation avec de vraies hypothèses. Il faut deviner qui est acheteur et qui est vendeur à chaque prix d'exercice. Malgré tout, suivre le signe et la concentration de l'exposition autour des prix d'exercice clés en dit long sur le comportement probable d'une séance.

Sur ma plateforme je calcule le GEX sur une centaine de titres tout au long de la journée. Le signal le plus utile est rarement le niveau lui-même. C'est le changement. Quand l'exposition migre d'une grappe de prix d'exercice à une autre le caractère du marché change souvent avec elle.

Delta et gamma attirent toute l'attention. Pourtant deux grecques de second ordre pilotent discrètement beaucoup de flux de couverture. Vanna mesure la variation du delta quand la volatilité implicite bouge. Charm mesure l'érosion du delta avec le passage du temps.

Pourquoi s'y intéresser? Parce que les couvertures des teneurs de marché répondent aux deux. Une baisse de volatilité implicite modifie leurs deltas par le vanna et force un rééquilibrage même quand le sous-jacent n'a pas bougé. Le charm fait la même chose au rythme de l'horloge. C'est une des raisons pour lesquelles les flux se concentrent autour des dates d'échéance.

Calculer tout cela sur un univers complet de titres m'a aussi appris une leçon pratique. Les dérivées analytiques de Black-Scholes ne coûtent presque rien à évaluer. C'est le pipeline de données autour qui est difficile. Des chaînes propres, des volatilités implicites cohérentes et un traitement sain des dividendes comptent plus que le calcul différentiel.

Vendre des strangles paraît simple sur papier. On encaisse la prime des deux côtés et on ramène la position au delta neutre quand le marché dérive. Le plus dur est de décider quels strangles méritent d'être vendus et quand s'abstenir.

J'ai fini par construire des ratios d'efficience à partir des grecques elles-mêmes. Thêta sur gamma indique combien de décroissance on gagne par unité de risque de couverture. Véga sur thêta indique à quel point ce revenu est exposé à un sursaut de volatilité. Classer les candidats selon ces ratios en temps réel a transformé un processus discrétionnaire en processus systématique.

La plus grande leçon n'avait rien à voir avec les mathématiques. Une stratégie automatisée vaut ce que valent ses modes de défaillance. Les délais d'attente, les données périmées et les ordres partiellement exécutés finissent toujours par arriver. Il faut les prévoir dès le premier jour.

L'analyse d'options en temps réel semble exiger une infrastructure coûteuse. Ce n'est pas le cas si on sépare ce qui doit vraiment être rapide de ce qui ne l'est pas. Ma plateforme tourne sur deux boucles. Une boucle lente rafraîchit les chaînes d'options complètes selon un horaire. Une boucle rapide recalcule le gamma et l'exposition en séance à partir des chaînes en cache et des prix au comptant frais.

La pile technologique est volontairement banale. Flask sert le tableau de bord. APScheduler pilote les boucles. SQLite en mode WAL gère les lectures simultanées pendant que les écritures arrivent. Un bassin de fils d'exécution répartit le calcul par titre et Cython accélère le moteur d'évaluation là où le profilage l'a justifié.

Le résultat tourne toute la journée de bourse sur une seule petite instance EC2. Une technologie banale, choisie avec soin, est une qualité.

Les marchés et la marchandise ont plus en commun qu'on le pense. Les deux punissent l'excès de confiance. Une prévision de demande est une position et le stock est le coût de l'erreur. Acheter massivement un article saisonnier ressemble beaucoup à vendre une option à découvert. Le gain est plafonné et la perte se retrouve au rabais en fin de saison.

La négociation m'a appris à penser en distributions plutôt qu'en estimations ponctuelles. En planification cela veut dire acheter selon un intervalle de confiance, protéger le pire scénario sur les styles volatils et laisser courir les valeurs sûres. Elle m'a aussi appris à respecter le taux de base. L'écoulement de la saison passée est un meilleur point de départ que l'enthousiasme de la saison qui commence.

Les outils diffèrent. La discipline est la même. Doser ses paris, mesurer ses erreurs et ne jamais tomber amoureux de sa prévision.

La plupart des tableaux de bord meurent en silence. On les construit, on les présente une fois et on ne les rouvre jamais. Ceux qui survivent partagent un trait. Ils répondent à une question que quelqu'un pose déjà chaque semaine, plus vite que l'ancienne façon d'y répondre.

Ma règle quand je construis des rapports de direction est de partir de la réunion et non du modèle de données. Quel chiffre est demandé en premier? Quelle comparaison tranche le débat? Je construis cette vue d'abord et je la fais charger vite. La profondeur vient ensuite pour les rares personnes qui la veulent.

La seconde règle est d'automatiser complètement le rafraîchissement. Un tableau de bord qui exige un entretien manuel devient périmé dès la première semaine occupée. Périmé une fois, discrédité pour toujours.