L’IA signale les risques cachés dans le trading de futures crypto

Un Bitcoin (BTC ) Le graphique peut montrer un mouvement de prix modeste tandis que le marché sous-jacent devient de plus en plus difficile à négocier. Les acheteurs peuvent consommer les ordres de vente disponibles, les fournisseurs de liquidité peuvent retirer leurs cotations, et les positions à effet de levier peuvent s’accumuler. Aucune de ces conditions n’est pleinement expliquée par l’ampleur du mouvement du prix.

Une nouvelle étude de Suresh Rajendran et Divya Singaravelu, acceptée pour publication dans l’International Review of Economics and Finance, examine cet écart.¹ En utilisant des données de contrats à terme perpétuels Bitcoin et Ether, les chercheurs étudient si l’apprentissage automatique peut identifier la toxicité à court terme du flux d’ordres sans se baser directement sur la volatilité récente.

Les résultats suggèrent que les signaux de flux d’ordres peuvent aider à classer le risque de sélection adverse. Leur portée plus large est que l’identification des mouvements de prix importants et l’identification des conditions de trading coûteuses sont des tâches différentes. Pour les investisseurs, les traders et les opérateurs de plateformes d’échange, comprendre cette différence offre une meilleure façon d’évaluer à la fois la qualité du marché et l’IA financière.

Ce que signifie la toxicité du flux d’ordres dans le trading crypto

Les teneurs de marché fournissent de la liquidité en proposant d’acheter et de vendre. Ils cherchent à gagner l’écart entre ces prix tout en gérant leurs stocks et le risque que les prix évoluent à leur défaveur après une transaction.

Considérons un exemple simplifié. Un fournisseur de liquidité vend du Bitcoin à un prix affiché, mais la pression d’achat fait monter le marché immédiatement après. Le fournisseur a vendu juste avant que l’actif ne devienne plus cher. Répété sur de nombreuses transactions, ces exécutions défavorables peuvent submerger les revenus générés par les écarts.

La toxicité du flux d’ordres décrit les conditions de trading associées à ce risque de sélection adverse. Le terme ne signifie pas que les transactions sont frauduleuses ou que les traders responsables possèdent des informations confidentielles. Les actualités publiques, le trading agressif, les liquidations et d’autres pressions peuvent générer des flux dommageables.

Les futures perpétuels rendent cette problématique particulièrement pertinente. Ces dérivés n’ont généralement pas de date d’expiration prévue et utilisent des paiements de financement pour aider à aligner leurs prix avec l’actif sous-jacent. L’effet de levier ajoute une autre source de pression lorsque des clôtures de position forcées envoient des ordres sur le marché.

Comment l’IA a analysé le flux d’ordres Bitcoin et Ether

Les chercheurs ont étudié les futures perpétuels BTC/USDT et ETH/USDT sur Bybit en utilisant des données couvrant du 1 février 2025 au 16 février 2026. Après avoir réservé les 21 premiers jours pour l’entraînement initial, ils ont évalué les modèles sur 360 jours hors-échantillon.

Le modèle principal utilisait le gradient boosting, une méthode d’apprentissage automatique qui combine plusieurs arbres de décision. Ses 19 variables d’entrée décrivaient des conditions telles que les spreads, le déséquilibre du carnet d’ordres, l’activité de trading et le retrait d’ordres passifs. Les entrées directes de volatilité réalisée ont été exclues afin de tester si le modèle capturait quelque chose au‑delà de la turbulence récente des prix.

Les prédicteurs utilisaient les informations disponibles jusqu’à la seconde précédente. L’évaluation en marche avant a été entraînée sur les observations antérieures avant d’évaluer les suivantes, réduisant le risque de fournir au modèle des informations futures.

Le modèle a généré un signal de classement de risque appelé TailScore. La comparaison principale a sélectionné le 1 % des secondes évaluées avec le score le plus élevé, décrit comme une porte de 1 %. Il s’agissait d’un seuil d’évaluation rétrospectif, plutôt que d’une règle de trading en direct entièrement spécifiée.

Les estimations monétaires ci‑dessus s’appliquent au modèle principal à la porte de 1 %, en utilisant un taux de remplissage supposé de 25 %. Elles représentent les pertes évitées modélisées après prise en compte du revenu de spread perdu, et non les rendements d’investissement ou les profits de trading réalisés.

Pourquoi une meilleure détection de la volatilité peut générer moins de valeur

La découverte la plus utile porte sur le désaccord entre les mesures de performance. Les modèles plus simples basés sur les rendements, les flux ou la volatilité concentraient généralement les mouvements de prix extrêmes de manière plus efficace dans les portes de 1 % à 5 % suffisamment soutenues. Pourtant, le modèle principal sans entrées de volatilité directes a produit les estimations ponctuelles de perte évitée les plus élevées pour les deux actifs.

Cela ne prouve pas qu’il a surpassé de façon décisive toutes les alternatives. À la porte principale Bitcoin, son intervalle de confiance se chevauchait avec ceux du modèle linéaire et du modèle incluant la volatilité. Cela montre pourquoi choisir un modèle financier en se basant sur une métrique impressionnante peut être trompeur.

Un système qui reconnaît les périodes turbulentes peut aider à réduire l’exposition globale. Un système destiné à protéger les cotations passives doit répondre à une question plus précise : quels remplissages potentiels risquent de devenir coûteux, et éviter ces remplissages vaut‑il le revenu sacrifié ?

Cette distinction s’étend au-delà des cryptomonnaies. L’IA financière doit être évaluée à l’aune de la décision économique qu’elle soutient. La précision de classification, la détection de mouvements extrêmes, les coûts d’exécution et la rentabilité mesurent des choses différentes. Améliorer l’un ne garantit pas automatiquement l’amélioration des autres.

Pourquoi un marché crypto calme peut encore comporter des risques

Des observations récentes du marché illustrent pourquoi le comportement des prix doit être lu en parallèle du positionnement. Le rapport de positionnement du marché d’août 2026 de Coinbase Institutional décrivait une hausse de l’intérêt ouvert sur les dérivés parallèlement à une baisse des volumes de trading spot et perpétuels en juillet. Il signalait également une liquidité du carnet d’offres plus faible du côté des offres d’achat.

Ces observations ne valident pas le modèle de cette étude. Elles illustrent un point distinct : l’exposition, l’activité de trading et la liquidité disponible peuvent évoluer dans des directions différentes. Un marché plus calme ne contient pas nécessairement moins de risques.

La liquidité revêt également des sens différents. L’analyse de Securities.io sur la liquidité mondiale et les rendements des cryptomonnaies porte sur la disponibilité du capital dans l’ensemble du système financier. La liquidité du carnet d’offres concerne les ordres disponibles pour absorber les transactions à des prix donnés. Un capital plus important dans le système ne garantit pas une liquidité exécutable profonde sur chaque plateforme.

Ce que cela signifie pour les traders ordinaires

L’étude ne fournit pas d’indicateur prêt à l’emploi pour le détail. Sa contribution pratique consiste à encourager une vision plus large de la qualité d’exécution :

• Évaluer la profondeur de marché disponible en parallèle du spread affiché.
• Faire la distinction entre la hausse de l’intérêt ouvert et la hausse du volume de trading.
• Évaluer les coûts d’exécution en parallèle de la précision des prévisions de tout modèle.

Il existe également une tension potentielle pour les bourses. Si la détection des risques aide les fournisseurs de liquidité à identifier les périodes dangereuses, ils peuvent réduire la taille des cotations ou retirer des ordres. Cela peut protéger leurs bilans tout en laissant les autres participants avec moins de liquidité disponible. Une meilleure gestion du risque individuel ne crée pas automatiquement un marché plus résilient dans son ensemble.

Ce que l’étude ne prouve pas

Les preuves portent sur deux actifs d’une même bourse sur environ un an. Elles ne permettent pas d’affirmer que les mêmes relations s’appliquent à d’autres plateformes, à des tokens plus petits ou à des régimes de marché différents.

L’étiquette de toxicité de l’étude combine le flux d’ordres avec l’impact prix sur cinq secondes. Il s’agit d’un proxy construit, et non d’une preuve d’information privée. Après avoir apparié les événements selon les conditions de marché pertinentes, les chercheurs n’ont trouvé aucun avantage de persistance statistiquement distinct pour les événements sélectionnés par le modèle aux horizons testés.

Les estimations économiques excluent les frais, le glissement, les paiements de financement, les coûts de couverture, la position dans la file d’attente et les positions qui se chevauchent ou sont corrélées. Un déploiement en direct exigerait également des seuils calibrés uniquement à partir des informations disponibles à ce moment‑là. Ces omissions empêchent d’interpréter les résultats comme une stratégie rentable démontrée.

Les deux auteurs déclarent être co‑fondateurs d’Alphashots.AI, une société de recherche quantitative et de technologie de trading. Cette affiliation constitue un contexte pertinent lors de l’évaluation d’éventuelles applications commerciales.

CME Group et l’expansion de la gestion du risque crypto

L’opportunité plus large concerne l’infrastructure qui permet aux participants de trader et de gérer l’exposition aux actifs numériques. La couverture de Securities.io sur les perpétuels d’actifs du monde réel explore comment les ambitions dérivatives s’étendent au‑delà des marchés crypto traditionnels. À mesure que les produits se développent, la qualité d’exécution devient de plus en plus déterminante.

Pour les investisseurs intéressés par une exposition actions à cette infrastructure, CME Group propose une connexion pertinente via son marché de dérivés. En juin 2026, la société a annoncé le lancement du trading de contrats à terme et d’options sur cryptomonnaies 24 h/24 et 7 j/7. Elle a également introduit les futures Nasdaq CME Crypto Index, élargissant sa gamme de produits à une exposition crypto diversifiée.

CME offre un moyen d’examiner le secteur de l’infrastructure de trading plutôt que de simplement choisir une cryptomonnaie. Les considérations pertinentes incluent la participation continue des clients, l’adoption des produits, la concurrence et les coûts de soutien des marchés continus. Son activité plus large couvre également plusieurs classes d’actifs.

Les conclusions de Bybit n’établissent pas que CME utilise ce modèle ni que les résultats se transfèrent à ses contrats. Le lien réside dans l’importance croissante d’une gestion du risque sophistiquée. Le développement du marché crypto dépend de plus que l’attraction de capitaux : les participants ont également besoin de moyens fiables pour exécuter des transactions, couvrir leurs expositions et évaluer ce que leurs outils de risque accomplissent réellement.

Références :

¹ Rajendran, S., & Singaravelu, D. (2026). Toxicité des flux d’ordres sur les contrats à terme perpétuels de cryptomonnaies : signaux des flux d’ordres, persistance de l’impact sur les prix et limites des mesures fondées sur la volatilité. International Review of Economics and Finance. Publication en ligne anticipée. https://doi.org/10.1016/j.iref.2026.105876