La hausse et la baisse du marché sont imprévisibles, est-ce un consensus en investissement quantitatif ?
« La hausse et la baisse du marché sont imprévisibles » **n'est pas un consensus absolu de « oui » ou « non » dans le domaine de l'investissement quantitatif, mais une « hypothèse de base » avec de fortes nuances.
En résumé, le consensus en investissement quantitatif est que : les hausses et baisses spécifiques et uniques du marché (Point Prediction) sont presque imprévisibles, mais grâce à la loi des grands nombres, les caractéristiques probabilistes de la distribution des prix du marché (Probabilistic Edge) peuvent être prédites et rentables.
Voici une analyse détaillée des divergences et consensus dans le monde de l'investissement quantitatif sur la « prédictibilité du marché » :
Les investisseurs quantitatifs acceptent généralement une version pratique de l'hypothèse de marché efficient faible (Weak EMH) :
Rapport signal/bruit extrêmement faible : Parmi les fluctuations des prix du marché, 99 % ou plus sont du « bruit » (random walk), seule une petite partie contient des informations valides (signal).
Pas de boule de cristal : Presque aucune institution quantitative sérieuse ne tente de faire des prédictions précises comme « quelle sera la position du S&P 500 le mois prochain ».
Rejet du « market timing » : La grande majorité des stratégies quantitatives fondamentales (comme AQR) ou d'arbitrage statistique ne dépendent pas de prédictions sur la hausse ou la baisse globale du marché pour gagner de l'argent, mais s'appuient sur le hedging long-short pour éliminer le risque de marché (Beta), et ne capturent que les rendements relatifs de force relative des actions individuelles (Alpha).
Citation célèbre : Le roi de la quantification, fondateur de Renaissance Technologies, Jim Simons, a dit : « One can predict the course of a comet more easily than one can predict the course of Citigroup's stock. » Cela illustre directement la très grande difficulté de prédire un actif individuel.
Bien qu'admettre « l'imprévisibilité » soit la norme, l'existence même de l'investissement quantitatif repose sur le préalable que « le marché n'est pas complètement aléatoire ». Leur « prédiction » diffère fondamentalement de celle comprise par les investisseurs particuliers :
| Dimension | Perspective « prédiction » des particuliers/traditionnelle | Perspective « prédiction » quantitative |
|---|---|---|
| Objectif | Deviner si la prochaine fois c'est hausse ou baisse | Estimer si la probabilité de hausse est de 51 % ou 49 % |
| Fréquence | Basse fréquence, positions lourdes sur quelques grandes opportunités | Haute fréquence, accumulation de micro-profits sur des milliers de transactions |
| Nature | Pensée déterministe (noir ou blanc) | Pensée probabiliste (distribution et espérance) |
| Métaphore | « Je peux peut-être deviner le pile ou face d'une pièce » | « J'ai une pièce avec 50,5 % de probabilité de pile, je vais la lancer 10 000 fois » |
Export to Sheets
Différentes stratégies quantitatives dépendent différemment du degré de « prédictibilité » :
Trading haute fréquence (HFT) : Ils ne prédisent presque pas les prix futurs, mais prédisent la microstructure et le flux d'ordres (Order Flow). Par exemple, ils exploitent les délais milliseconde entre échanges pour l'arbitrage. Pour eux, ce n'est pas « parier sur hausse/baisse », mais une « course de vitesse physique ».
Arbitrage statistique (Stat Arb) : Ils croient en la réversion à la moyenne. C'est-à-dire : je ne prédis pas si le prix de l'action montera demain, mais « si l'action A dévie trop de sa corrélation historique avec l'action B, elles convergeront finalement ». C'est une prédiction sur l'écart (Spread), pas sur la simple hausse/baisse.
Suivi de tendance (CTA) : Ils abandonnent complètement la prédiction. La logique centrale des stratégies CTA est : « Je ne prédis pas quand la tendance commence ou se termine, je la suis simplement quand elle apparaît, jusqu'à ce qu'elle s'inverse. » Ils gagnent sur la prospérité irrationnelle ou la panique du marché, pas sur la prédiction du futur.
Cliff Asness (fondateur d'AQR) : Il est partisan de la théorie du marché efficient, mais note que le marché peut devenir « moins efficient » à court terme en raison de comportements comme les regroupements de particuliers (Meme stocks), ce qui ne signifie pas plus facile à prédire, mais plus de bruit, plus de risque.
Man Group (groupe英仕曼) : Ils affirment clairement que, ne pouvant pas anticiper le futur, le cœur des stratégies quantitatives doit être le contrôle des risques (Risk Control) et la diversification (Diversification), pas miser sur une seule direction.
La vraie signification de « la hausse et la baisse du marché sont imprévisibles » dans le cercle quantitatif est :
Ne pas essayer de jouer à Dieu pour anticiper le futur, mais agir comme un croupier de casino, en utilisant des modèles mathématiques pour trouver ces petites opportunités avec un taux de victoire légèrement supérieur à 50 %, et contrôler strictement les risques pour que la probabilité soit de votre côté.
Pour les investisseurs individuels, c'est effectivement un avertissement consensuel : Si même les fonds quantitatifs avec les meilleurs mathématiciens et superordinateurs n'osent viser que 51 % de taux de victoire, pour un investisseur ordinaire, essayer de s'enrichir par « prédiction de hausse/baisse » est comme chercher du poisson dans un arbre.
Ce que je peux faire pour vous : Si vous êtes intéressé par cette façon de penser, je peux vous expliquer en détail comment la formule de Kelly (Kelly Criterion) est utilisée en investissement quantitatif pour décider « puisque la prédiction n'est pas précise, combien miser à chaque fois ».
Les différentes stratégies quantitatives peuvent-elles dépendre d'hypothèses contradictoires ?
C'est une question très profonde. La réponse est : oui, absolument, et c'est précisément la « Sainte Graal » poursuivie par les hedge funds multi-stratégies (Multi-Strategy Hedge Funds).
En investissement quantitatif, différentes stratégies peuvent non seulement dépendre d'hypothèses contradictoires, mais les excellents gestionnaires de portefeuille cherchent délibérément ces stratégies aux hypothèses mutuellement exclusives, car cela apporte une faible corrélation (Low Correlation) voire négative, améliorant ainsi considérablement le ratio de Sharpe (Sharpe Ratio) du portefeuille.
Voici quelques cas typiques d'« hypothèses mutuellement exclusives » et pourquoi elles peuvent coexister :
C'est la paire la plus classique d'« ennemis mortels », leurs logiques sous-jacentes sont totalement opposées :
Hypothèse de stratégie momentum : « Les forts restent forts, les faibles restent faibles ». Si un actif a monté sur une période passée, on assume qu'il continuera par inertie à monter.
Logique comportementale : Acheter en hausse, vendre en baisse.
Hypothèse de stratégie de réversion : « Les extrêmes se renversent ». Si un actif dévie de sa moyenne (monte trop ou descend trop), on assume qu'il retournera à la moyenne par gravité.
Logique comportementale : Vendre haut, acheter bas (bottom fishing, top selling).
Point de conflit : Quand une action monte rapidement, le modèle momentum émet un signal « acheter », tandis que le modèle de réversion pourrait émettre un signal « vendre à découvert ». Pourquoi coexistent-elles :
Différence de cycles temporels : La réversion à la moyenne est généralement efficace sur des cycles très courts (niveau minutes/heures) ou très longs (3-5 ans) ; le momentum est le plus fort sur des cycles moyens (3-12 mois). Les fonds quantitatifs peuvent faire de la réversion au niveau minute et du momentum au niveau mensuel, sans interférence.
Hedging des risques : Quand le marché a une forte tendance, la stratégie de réversion perd de l'argent, la stratégie momentum gagne gros ; quand le marché oscille, la stratégie momentum se fait « claquer dans tous les sens », la stratégie de réversion imprime de l'argent comme folle. Combinées, la courbe de capitaux devient très lisse.
Dans la quantification fondamentale (Fundamental Quant), cette contradiction est particulièrement évidente :
Hypothèse du facteur value : Le marché se trompe, sous-évalue les mauvaises actions. Donc acheter les bon marché (bas P/E, bas P/B), généralement celles qui ont mal performé récemment.
Hypothèse du facteur growth/momentum : Le marché est efficient, les actions chères le sont parce qu'elles sont bonnes. Donc acheter les bien performantes, généralement à valorisation élevée.
Point de conflit : Le facteur value vous fait acheter « l'or dans la poubelle », le facteur growth vous fait acheter « l'étoile adulée par tous ». Pourquoi coexistent-elles : C'est un complément parfait. Des géants comme AQR ont découvert que le facteur value et le facteur momentum présentent historiquement une faible corrélation négative. Les combiner permet de réduire fortement la volatilité sans baisser le rendement attendu.
Hypothèse short volatilité : Le marché est calme la plupart du temps, la panique est temporaire. Donc vendre des options (assurance) pour gagner la prime (Carry).
Mentalité : « Des jours tranquilles ».
Hypothèse suivi de tendance (CTA) : Le marché aura des événements black swan extrêmes, et la volatilité s'agglutine. Donc détenir des options ou suivre les tendances, en attendant l'explosion de forte volatilité.
Mentalité : « Peur que le monde ne soit pas assez chaotique ».
Point de conflit : L'un parie sur l'immobilité du marché, l'autre sur son chaos. Pourquoi coexistent-elles : Le short volatilité est comme « ramasser des pièces », haut taux de victoire mais petits gains unitaires (avec risque de blow-up) ; le CTA est comme « acheter un billet de loterie », petites pertes habituelles, mais gains massifs en cas de crise (comme 2008, pandémie 2020), compensant parfaitement les pertes des autres stratégies.
Si on compare le marché à un éléphant, les différentes stratégies quantitatives sont les aveugles qui le touchent :
Celui qui touche la patte dit : « Le marché est stable comme un pilier (réversion à la moyenne). »
Celui qui touche la trompe dit : « Le marché bouge souplement comme un serpent (momentum). »
Le vrai expert quantitatif (Portfolio Manager) ne débat pas de qui a raison, car il sait que tous sont partiels. Il emploie simultanément ces deux groupes, pour gagner de l'argent quel que soit la partie de l'éléphant touchée.
Conclusion : Les hypothèses conflictuelles ne sont pas seulement permises, elles sont une condition nécessaire pour construire un portefeuille à haut ratio de Sharpe. Si toutes les hypothèses des stratégies sont alignées, si une se trompe, tout le fonds fait faillite.
Alors ils ne peuvent pas tous être profitables
Votre intuition est très aiguisée ! Si deux stratégies font exactement l'inverse l'une de l'autre sur la même action au même moment, avec la même durée de détention, alors effectivement : l'une des deux perd de l'argent (en ignorant les frais, c'est même un jeu à somme nulle).
Mais dans la pratique des fonds quantitatifs, ils peuvent tous être profitables (ou du moins globalement profitables) grâce à trois mécanismes clés de « décalage » :
C'est la plus grande magie pour transformer les stratégies conflictuelles en amies. Les mouvements du marché ne sont pas une ligne droite, mais un chemin sinueux en montagne.
Scénario : Une action passe de 100 yuans à 110 yuans, avec un repli intermédiaire à 105 yuans.
Stratégie de tendance (long) : Regarde la grande direction. Achète à 100 yuans, vend à 110 yuans. (gagne 10 yuans)
Stratégie de réversion (short) : Regarde les fluctuations courtes. Quand l'action monte trop vite à 108 yuans, elle juge un repli, donc « short », et couvre à 105 yuans. (gagne 3 yuans)
Résultat : Dans la même tendance haussière, le long gagne sur la grande tendance, le short gagne sur le petit incident intermédiaire. Bien que directions opposées, grâce à la différence de période de détention (Holding Period), les deux profitent.
Si deux stratégies veulent vraiment au même instant, l'une acheter 100 actions Maotai, l'autre en vendre 100, que se passe-t-il ?
Perspective particulier : Compte A gagne, compte B perd, le gérant de fonds s'agite pour rien.
Perspective fonds : Le système de trading détecte et fait un « matching interne ». Le fonds n'a pas besoin d'acheter/vendre un seul lot sur le marché, juste un transfert comptable.
Résultat : Pas de « profit de trading » généré, mais économie massive de frais de transaction et de coût d'impact. En quantification, l'argent économisé est de l'argent gagné.
Seulement quand la stratégie A veut acheter 500 lots et B en vendre 100, le fonds achète vraiment 400 lots nets sur le marché (Net Exposure). Ce mécanisme assure que les conflits ne causent pas de double perte, mais réduisent le risque.
Le profit des stratégies se mesure non par transaction individuelle, mais par valeur espérée annuelle.
Premier semestre : Marché en forte hausse.
Stratégie momentum (chasse hausse) :gros gain.
Stratégie réversion (bottom fishing) :petite perte (vend les fusées ou short contre-tendance stoppé).
Résultat total : Profit.
Second semestre : Marché monkey (oscillations violentes, sans direction).
Stratégie momentum :retrait (achète et tombe aussitôt, vend et monte aussitôt, gifles aller-retour).
Stratégie réversion :gros gain (high sell low buy comme un poisson dans l'eau).
Résultat total : Profit.
Point clé : Puisque nous ne pouvons prédire si cette année ce sera « marché haussier » ou « marché oscillant », lançons les deux stratégies. Tant qu'elles gagnent beaucoup quand elles gagnent, perdent peu quand elles perdent (couper les pertes), combinées, la courbe annuelle sera magnifique.
Vous avez raison, à chaque instant de conflit spécifique, l'une a raison, l'autre tort.
Mais l'investissement quantitatif joue le jeu de portefeuille. Comme une équipe de football :
Attaquant (stratégies offensives) marque, défenseur (stratégies défensives) semble inutile.
Défenseur (stratégies défensives) sauve, attaquant (stratégies offensives) n'a pas marqué.
Mais tant qu'ils performent dans leurs « périodes de match spécialisées », l'équipe (fonds) gagne le match.
Donc, ce que craignent le plus les fonds quantitatifs n'est pas le « conflit de stratégies », mais la « synchronisation des stratégies » — toutes les stratégies émettent simultanément un signal d'achat ou de vente. Cela signifie que la diversification échoue, et le risque est amplifié à l'infini.
Expliquez en détail l'hypothèse de marché efficient faible
L'hypothèse de marché efficient faible (Weak Form Efficient Market Hypothesis, Weak EMH) est le niveau le plus fondamental — et le plus souvent mal compris — de l'hypothèse de marché efficient (EMH), pilier de la finance moderne.
Proposée formellement en 1970 par le lauréat Nobel Eugene Fama. Pour que vous la compreniez parfaitement, décomposons-la en définition, implications, impact sur le trading et paradoxes réels.
Définition : Dans un marché faiblement efficient, le prix actuel de l'actif reflète pleinement toutes les informations de transactions passées sur le marché.
Les « informations de transactions passées sur le marché » désignent spécifiquement :
Séquence historique des prix (Historical Prices)
Volume historique des transactions (Trading Volume)
Rendements historiques (Past Returns)
Explication simple : Tout le monde regarde les graphiques K passés, si les mouvements historiques cachaient vraiment une « règle infaillible pour gagner », les traders intelligents l'auraient déjà découverte. Ils l'arbitreraient instantanément, rendant le prix ajusté. Ainsi, tout historique visible est inutile pour prédire les prix futurs.
C'est le point le plus « offensant » de l'hypothèse faible. Si elle est vraie, alors :
Toutes les formes de K (trois corbeaux noirs, tête-épaules, golden cross/death cross).
Tous les indicateurs techniques (MACD, RSI, Bollinger Bands).
Conclusion : Trader sur graphiques est vain. Vous ne pouvez pas obtenir de surperformance à long terme (Alpha) par analyse de graphiques passés.
Le mouvement de prix d'aujourd'hui est indépendant de celui d'hier (pas de corrélation sérielle).
Comme lancer une pièce, après 10 piles consécutifs, la 11e est toujours 50 %. L'action a monté hier ne signifie pas qu'elle montera plus aujourd'hui (pas d'inertie) ni baissera (pas de callback).
Vos questions précédentes mentionnaient « stratégie momentum » et « stratégie de réversion », toutes deux basées sur données historiques de prix.
Momentum : Passé monte, futur montera.
Réversion : Passé monte trop, futur baissera.
Paradoxe majeur : Si l'hypothèse faible tient, le passé n'influence pas le futur, donc momentum et réversion ne devraient pas gagner d'argent. Mais en réalité, ce sont deux des sources de profit les plus rentables des fonds quantitatifs.
Explications académiques et pratiques : Cela prouve que le marché n'est pas parfaitement « faiblement efficient ». L'argent gagné par les quantitatifs vient de l'inefficience du marché (Market Inefficiency).
Dans le monde de l'investissement actuel, l'attitude envers l'efficience faible est très nuancée :
Pour l'investisseur individuel ordinaire, acheter sur golden cross MACD perd à long terme. Les règles graphiques simples ont été épuisées par des milliers d'algorithmes quantitatifs. Pour les particuliers, le marché est faiblement efficient, voire plus.
Le travail des institutions quantitatifs est de trouver des « faiblesses statistiques faibles ».
Ils ne regardent pas les simples « golden cross », mais utilisent l'apprentissage profond pour miner des patterns historiques non linéaires et ultra-complexes.
Ils découvrent que, bien que les simples K-lines soient inutiles, combinées à la microstructure (Order Flow), surface de volatilité etc., données historiques contiennent encore des signaux faibles.
L'hypothèse de marché efficient faible est comme « la plume et le boulet tombent ensemble dans le vide » en physique :
Théoriquement : C'est le modèle de base de la finance, nous disant de ne pas essayer de conduire en regardant le rétroviseur (ne pas croire à l'analyse technique).
Réalité : La résistance de l'air (irrationalité humaine, frictions de marché) existe.
Conclusion : Le marché approche l'efficience faible, mais n'est pas complètement faiblement efficient. Les traders quantitatifs sont ceux qui utilisent un microscope pour trouver la « résistance de l'air » et en profiter.
La hausse et la baisse d'une action individuelle sont-elles imprévisibles, n'y a-t-il pas de méthodes à haut taux de victoire ?
C'est une question qui touche droit à l'âme. Sans détour, réponse directe :
Pour une action individuelle, il existe des méthodes « à taux de victoire extrêmement élevé », mais elles s'accompagnent généralement de deux coûts fatals : soit « rendement extrêmement faible », soit « risque extrêmement élevé (perte totale en une fois)».
Si votre objectif est une méthode de prédiction d'action individuelle « taux de victoire élevé + rendement élevé + risque faible », la réponse est : n'existe pas. Si oui, c'est insider trading (illégal) ou Ponzi scheme.
Décomposons la « prédiction d'action individuelle » en réalités cruelles suivantes :
Vous pouvez parfaitement construire une stratégie à taux de victoire de 90 % voire 99 % sur une action individuelle, mais c'est un poison.
Méthode : Supposons action à 100 yuans. Vous prédisez « demain elle ne baissera pas de plus de 10 %».
Opération : Vendre des puts profonds (Put Selling), ou grid trading ultra-court terme.
Résultat : Sur 99 % des jours de trading, l'action ne chute pas de 10 %, vous gagnez un peu de « prime » ou « micro-profit » chaque jour. Taux de victoire proche de 100 %.
Coût : Les 1 % restants (explosion rapport, black swan réglementaire), l'action chute de 20 %. Vous perdez tout ce gagné en 3 ans en un jour, voire devez à votre broker.
Conclusion : Poursuivre haut taux de victoire sur une seule action est souvent échanger un taux de victoire faux contre portage de risque tail infini.
Les institutions quantitatifs évitent généralement de surpondérer une seule action, car le rapport signal/bruit (Signal-to-Noise Ratio) est trop faible.
Aléatoire individuel : Comme prédire précisément « combien de morts par accident de voiture dans le pays l'an prochain » (loi grands nombres) est possible, mais pas « si le voisin aura un accident demain ».
Black swans denses : Une action individuelle fait face à des risques idiosyncratiques uniques. CEO démissionne soudain, usine brûle, gros client annule... Ces événements sont discrets, non modélisables mathématiquement.
Jeu des fonds majeurs : Sur une seule action, si votre capital est petit, vous êtes victime du random walk ; si grand, proie des contreparties.
Bien que les ordinaires ne puissent prédire, dans certains ultra-courts ou ultra-spécifiques dimensions, les mouvements d'une action individuelle sont prédictibles :
Trading haute fréquence (HFT) : Ils ne prédisent pas « demain hausse ou pas », mais « dans 10 ms, plus d'achats ou ventes ?».
Logique : Si déséquilibre order book avec beaucoup d'achats, probabilité de hausse dans 1 s ~80 %.
Seuil : Besoin de milliards USD en équipement, serveurs co-localisés en salle d'échange, algos top.
Arbitrage M&A : Société A annonce acquisition de B à 50 yuans, B à 48 yuans.
Logique : Tant que pas d'échec, prix ira à 50 yuans. Haut taux de victoire.
Risque : Échec antitrust, prix replonge à 30 yuans.
Si vous insistez sur une seule action et voulez booster le taux de victoire, la pensée quantitative suggère « abandonner prédiction point, vers probabilité conditionnelle » :
Ne pas demander : « Maotai montera demain ? » (pièce, 50 %)
Demander : « Si Maotai casse ligne annuelle, volume x3, et tout secteur alcool baisse, quelle probabilité de continuation baisse sur 3 jours ? »
C'est l'essence de la quantification : chercher « biais conditionnels ». Même avec tant de conditions, taux de victoire ne monte qu'à 55 % ou 60 %. C'est déjà niveau top.
Hausse/baisse action individuelle : court terme mouvement brownien (aléatoire), long terme mapping fondamental.
Les soi-disant « méthodes haut taux de victoire » ne sont généralement que deux possibilités :
Vous êtes庄家/insider (voyez les cartes).
Vous faites « probable petit gain, improbable gros perte » (biais survivant, tant pas explosé, taux haut).
Pour investisseur individuel, approche la plus rationnelle n'est pas chercher « prédiction infaillible », mais admettre « je ne sais pas si prochain est hausse/baisse », donc utiliser gestion capitaux (stop loss, contrôle position) pour assurer que même faux, pas mort.
Ce que je peux faire pour vous : Puisque mention du lien taux victoire/odds, beaucoup perdent car « haut taux mais petit gain, bas taux mais gros perte ». Voulez-vous savoir comment calculer « ratio risque/rendement (Risk/Reward Ratio) », voir comment profiter même avec 40 % de taux de victoire ?
Dans quel contexte l'hypothèse de marché faible a-t-elle été proposée, pour expliquer quels problèmes ?
La proposition de l'hypothèse de marché efficient faible (Weak Form EMH) marque le passage de la finance de « mysticisme de charlatan » à « science sérieuse ».
Pour la comprendre, remontons à l'ère mi-20e siècle où l'ordinateur naissait, et Wall Street dessinait encore K-lines à la main.
Avant 1950-1960, la finance n'avait pas de système théorique solide, vues dominantes en deux camps :
Chartistes : Ancêtres de l'analyse technique actuelle. Ils pensaient que les prix comme marées ou météo, avec cycles fixes et vagues. Trouver la règle = prédire futur.
Fondamentalistes : Prix déterminés par valeur société, mais manquaient d'outils d'analyse data systématiques.
Points de bascule (événements contexte) :
« Échec » de Kendall et choc (1953) : Statisticien britannique Maurice Kendall analyse bourse britannique avec puissance calcatoire d'alors pour trouver « cycles de fluctuations prix ». Résultat : Choc total, aucun pattern ! Données comme ivrogne titubant (random walk). Il écrit : « Les données se comportent comme un ivrogne errant, sans direction. »
Introduction ordinateur en recherche finance (1960s) : Ordinateurs entrent universités, jeunes scholars comme Eugene Fama testent masses données actions. Découverte : quel que modèle stats complexe, impossible utiliser prix passés pour prédire prix futurs.
Synthèse Fama (1970) : Eugene Fama publie papier milestone « Efficient Capital Markets: A Review of Theory and Empirical Work », propose formellement « hypothèse marché efficient », définissant « faiblement efficient » comme état base.
L'hypothèse faible explique et résout trois phénomènes financiers déroutants :
Cible directe d'attaque de l'efficience faible.
Problème : Puisque K-lines, trend lines, double bottom connus de tous, pourquoi si peu s'enrichissent ?
Explication : Dans marché information fluide, « infos prix historiques » sont infos les moins chères/accessibles.
Si « trois baisses consécutives, 4e hausse sûre » vrai, tous achètent avant clôture jour 3.
Cet achat pousse prix, profit « 4e hausse » épuisé jour 3.
Conclusion : Toute règle basée prix passés, une fois découverte, invalidée instantanément par arbitrage.
À découverte random walk par Kendall, panique pensant bourse casino irrationnel. Hypothèse faible donne explication anti-intuitive brillante :
Problème : Pourquoi mouvements prix aléatoires ?
Explication : Précisément car marché trop intelligent (trop efficient).
Prix = réaction infos.
Nouvelles futures (bonnes/mauvaises) aléatoires, imprévisibles.
Marché réagit vite, infos hier reflétées prix hier, mouvement prix aujourd'hui dépend seulement nouvelles aujourd'hui.
**Conclusion