1. Point de départ : quel type d’« apprentissage » Meruem utilise-t-il contre Netero ?
S’il fallait choisir un terme de machine learning, la méthode de Meruem se rapproche le plus de la modélisation en ligne de l’adversaire. Pendant le combat, il observe Netero et met continuellement à jour son estimation de l’action que celui-ci choisira probablement dans chaque situation.[1]
Parler seulement d’apprentissage par renforcement serait trop vague. Meruem combine :
- L’observation de la distance, de la direction, du rythme, du timing et de l’action précédente.
- L’estimation des biais inconscients dans les choix de Netero.
- La prédiction de l’action suivante.
- La modification de sa propre attaque pour provoquer une réponse particulière.
- La recherche, plusieurs coups à l’avance, d’un chemin à travers la défense.
La description la plus juste est modélisation de l’adversaire＋apprentissage en ligne＋prédiction séquentielle＋planification. Il transfère au combat la compétence acquise au Gungi : lire les préférences et comparer les branches futures.
2. Même un duel comporte trop de possibilités. Pourquoi reste-t-il lisible ?
Supposons que chaque combattant n’ait que cinq choix : attaquer, défendre, esquiver, se déplacer et feinter. Un seul tour simultané offre déjà 25 combinaisons. Dix tours donnent 25^10, environ 95 000 milliards de séquences. Un combat réel ajoute des variations continues d’angle, de vitesse, de distance, de force et de timing ; l’espace réel est donc presque infini.
Meruem ne mémorise pas tout. Le point clé est que les humains n’utilisent pas toutes leurs options avec la même probabilité.
Même si Netero possède 100 défenses, s’il choisit A dans 50% des cas à une certaine distance, B dans 30% et C dans 15%, le problème utile se compresse surtout en A, B et C. Si Meruem attaque de manière à rendre A encore plus probable, l’espace se réduit davantage.
L’idée n’est donc pas de tout tester, mais de :
Limiter la situation, détecter le biais comportemental et utiliser sa propre action pour réduire les réponses possibles de l’adversaire.
3. Sur un marché, le « participant fort » est généralement invisible
Dans un duel, l’adversaire est identifiable. Sur un marché, institutions, courtiers, teneurs de marché, HFT, professionnels discrétionnaires et particuliers agissent simultanément. Le carnet public ne révèle généralement pas qui a envoyé chaque ordre.
« Copier le meilleur scalper » est donc une mauvaise formulation. Ce que l’on observe n’est pas la personne, mais la trace laissée dans les données publiques :
- Le nombre de ticks déplacés après des achats agressifs.
- L’incapacité de ventes agressives à faire baisser le prix.
- La vitesse de reconstitution des offres vendeuses consommées.
- La remontée des bids vers des niveaux supérieurs.
- La poursuite des transactions après un nouveau sommet.
- Le maintien d’un spread étroit ou son élargissement soudain.
La bonne question n’est pas « qui achète ? », mais :
Quel camp déplace réellement le prix dans cet état observable ?
4. Pourquoi une stratégie de type rémora peut exister
L’idée de ne pas disputer le premier mouvement, mais de chercher une partie résiduelle d’un flux persistant, repose sur plusieurs résultats.
Premièrement, les gros ordres sont souvent fractionnés. Les exécuter en une fois dégrade le prix du donneur d’ordre ; un ordre parent peut donc être divisé en nombreux ordres enfants. Une étude utilisant plus de neuf années de données par compte à Tokyo soutient quantitativement l’idée que ce fractionnement contribue à la persistance : les achats tendent à être suivis d’achats et les ventes de ventes.[2]
Deuxièmement, les schémas prévisibles peuvent être anticipés. Plus l’exécution d’un gros ordre est reconnaissable, plus l’anticipation, les coûts d’exécution et l’impact retardé peuvent être importants lorsque d’autres participants l’apprennent progressivement.[6][7] C’est proche du back-running : inférer l’activité future d’un gros investisseur à partir du flux passé et négocier après lui.
Troisièmement, la première course est trop rapide pour un humain. Une étude des messages de marché britanniques trouve des courses d’arbitrage de latence typiques de 5 à 10 microsecondes, avec plus de 20% du volume impliqué dans une forme de course.[9]
Un particulier ne peut étudier que des effets plus lents : fractionnement, ordres suiveurs et manque temporaire de liquidité durant quelques secondes ou minutes.
Cela ne prouve pas que toute « deuxième vague » soit rentable. Quand un gros ordre se termine, une partie de son impact peut se renverser, et l’acheteur initial peut vendre aux suiveurs tardifs. La condition importante n’est pas que le prix ait déjà monté, mais que le flux ne soit pas terminé.
5. Quatre traces observables
5-1. Order Flow Imbalance (OFI)
L’OFI combine les transactions agressives, les nouveaux ordres à cours limité et les annulations au meilleur bid et ask pour mesurer la différence de pression acheteuse et vendeuse. Sur 50 actions américaines, les variations de prix à court intervalle étaient plus solidement liées à l’OFI qu’au volume brut ; une même pression déplaçait davantage le prix quand la profondeur était faible.[3]
Dans une comparaison avec un tir à la corde, l’OFI ne compte pas seulement les participants. Il regarde dans quel sens la corde se déplace réellement et qui rejoint ou quitte chaque côté.
5-2. Déséquilibre des files
Si B est la quantité au meilleur bid et A celle au meilleur ask :
QI = (B - A) / (B + A)
QI est proche de 1 quand le bid visible est relativement grand et proche de -1 quand l’ask domine. Une étude de dix actions du Nasdaq trouve une relation statistiquement significative entre QI et la direction du prochain mouvement du prix médian, surtout pour les actions à grand tick.[4]
Mais la profondeur visible peut être annulée. Il faut observer ajouts, annulations et exécutions, pas seulement une photographie du carnet.
5-3. Réaction du prix aux ordres
Le signal le plus intuitif n’est pas seulement la taille des ordres, mais la réaction du prix.
- Beaucoup d’achats agressifs sans hausse peuvent signaler un vendeur fort qui absorbe la demande.
- Beaucoup de ventes agressives sans baisse peuvent signaler une demande acheteuse qui absorbe l’offre.
Pour suivre une hausse, « il y a beaucoup d’achats » est moins informatif que le marché subit une contre-attaque vendeuse sans casser.
5-4. Résilience du carnet
La résilience est la vitesse à laquelle le carnet se reconstruit après avoir été consommé. Une étude d’une action à Londres a constaté que le carnet ne se reconstituait pas toujours ; lorsqu’il le faisait, sa demi-vie estimée était d’environ 20 secondes, avec aussi des signes d’ordres de marché imitateurs.[5]
Ce n’est pas une règle universelle de 20 secondes. La leçon est de mesurer si la liquidité opposée revient pendant la courte période suivant le choc initial.
6. Hypothèse d’entrée : prendre la réaccélération après résistance, pas la première explosion
Une hypothèse acheteuse simple comporte cinq étapes :
- Choc : prix, fréquence des échanges et OFI positif augmentent anormalement.
- Attente : ne pas poursuivre immédiatement ; laisser apparaître la pression vendeuse.
- Test de résistance : repli peu profond, bids reconstitués et origine du mouvement intacte.
- Réaccélération : retour de l’OFI positif, consommation des asks et franchissement du sommet récent.
- Entrée : ne participer qu’à la brève continuation suivant la réaccélération.
Exemple : le prix passe de 1 000 à 1 010, revient à 1 007, ne casse pas 1 007 malgré les ventes, puis repasse au-dessus de 1 010. Le participant rapide prend les dix premiers points ; la rémora tente seulement une partie de ce qui reste après confirmation.
Cette séquence n’est pas une règle universelle démontrée. La littérature soutient la persistance, l’information contenue dans l’OFI et les files, ainsi que l’anticipation des ordres. Les combiner ainsi constitue une hypothèse de stratégie à tester.
7. La prise de bénéfices doit suivre la durée de vie de la raison d’entrée
La raison d’entrée est :
« Un flux acheteur de courte durée existe encore, et des achats suiveurs peuvent arriver rapidement. »
La sortie ne doit donc pas dépendre uniquement du bénéfice latent, mais de la survie de cette hypothèse.
7-1. Sortir quand la prémisse échoue
- Le prix repasse immédiatement sous la cassure.
- Le creux du repli est cassé.
- L’OFI se retourne vers la vente.
- Les achats agressifs continuent, mais le prix ne monte plus.
- L’ask se reconstitue rapidement et à répétition.
- Les bids disparaissent et le spread s’élargit.
Si la prémisse échoue, il faut sortir même sans atteindre l’objectif. Si le coureur rapide suivi s’arrête, il n’y a aucune raison de continuer seul pour respecter une distance arbitraire.
7-2. Sortie temporelle
La stratégie attend une continuation rapide. Si aucun nouveau sommet ou réaccélération n’apparaît dans l’horizon prévu, l’absence de progrès est elle-même une information.
Il n’existe pas « 20 secondes pour tout ». Les signaux se dégradent à des vitesses différentes ; les modèles dynamiques avec coûts montrent que l’ajustement optimal dépend de leur persistance et de leur vitesse de retour à la moyenne.[12] Le délai doit être estimé à partir des propres données : combien de temps mettent habituellement les trades gagnants à fonctionner ?
7-3. Objectif fixe
Un objectif fixe peut être utile, mais « trois ticks » ou un ratio 1:2 universel sans données est arbitraire. Il faut collecter la maximum favorable excursion (MFE) et comparer les objectifs après spread, frais et slippage.
Espérance = taux de réussite × gain moyen − taux d’échec × perte moyenne − coûts
Un objectif éloigné paie davantage quand il est atteint, mais il est atteint moins souvent. Les deux dimensions comptent.
7-4. Trailing et sorties partielles
Un trailing remonte le niveau de sortie quand le prix progresse et conserve une exposition aux rares grands mouvements. Dans un modèle de diffusion précis, la recherche mathématique montre qu’un ordre limite de vente combiné à un trailing stop peut être optimal.[11] Cela ne signifie pas que deux ticks conviennent partout.
Les sorties partielles peuvent réduire la variabilité et la pression psychologique, mais elles vendent aussi trop tôt une partie des meilleurs trades et augmentent les coûts. Rien ne prouve de manière générale que vendre systématiquement la moitié soit supérieur.
8. Un stop plus serré n’est pas automatiquement meilleur
La recherche sur les stop-loss montre que, si les prix suivent une marche aléatoire, les stops mécaniques réduisent le rendement attendu ; ils peuvent ajouter de la valeur lorsque les rendements présentent une continuité positive ou du momentum.[10]
Comme cette stratégie parie sur une continuation très courte, un stop lié à l’échec de la prémisse est logique. Mais un stop plus étroit que le bruit normal sera déclenché à répétition et ne laissera que les coûts.
Il est utile de séparer :
- Stop initial : prix ou flux qui invalide le setup.
- Stop temporel : la continuation n’est pas arrivée à temps.
- Stop après bénéfice : suivi du dernier repli ou du retournement du flux.
9. La prise de bénéfices humaine est biaisée
Une étude classique d’environ 10 000 comptes a montré que les investisseurs vendaient leurs gagnants trop tôt et conservaient leurs perdants trop longtemps : l’effet de disposition.[13]
En scalping, le trader peut encaisser immédiatement deux ticks de gain par peur de les perdre, mais attendre qu’une perte de deux ticks revienne. Les gains deviennent petits et les pertes grandes.
La sortie doit être liée à des raisons définies :
- La prémisse a échoué.
- Le signal a expiré.
- Un objectif choisi statistiquement a été atteint.
- Une condition de trailing a été touchée.
10. Ce que la recherche soutient — et ce qu’elle ne soutient pas
Résultats relativement solides
- Modéliser l’adversaire et adapter sa politique est un domaine de recherche établi.[1]
- Le fractionnement contribue à la persistance du flux dans la même direction.[2]
- L’OFI est fortement lié aux variations de prix à court terme.[3]
- Le déséquilibre des files peut contenir de l’information sur le prochain mouvement.[4]
- D’autres participants peuvent anticiper des exécutions importantes et prévisibles.[6][7]
- Les courses les plus rapides sont inaccessibles à la réaction humaine.[9]
- La valeur des stops et du trailing dépend du processus de prix, de la persistance et des coûts.[10][11][12]
Non démontré de manière générale
- Qu’un petit repli et une seconde cassure donnent des profits nets stables aux particuliers.
- Que le carnet public identifie un scalper expert précis.
- Que 20 secondes, trois ticks ou une sortie de 50% soient optimaux partout.
- Qu’une forte précision prédictive devienne automatiquement un bénéfice net.
- Qu’une règle survive aux changements de régime, de participants ou de structure de marché.
11. Dispositif minimal de test
Enregistrer 100 à 300 cas d’un seul setup strictement défini.
Données de contexte
- Instrument, heure, spread et taille du tick.
- Amplitude et durée du mouvement initial.
- Fréquence des transactions et OFI ou pression simplifiée.
- Amplitude du repli et réaction aux ordres opposés.
- Ajouts, annulations et vitesse de reconstitution.
- Réaccélération et nouveau sommet.
Données après entrée
- P&L après 1, 5, 10, 20 et 30 secondes.
- MFE et MAE.
- Temps jusqu’au sommet et jusqu’au retournement de l’OFI.
- Exécution réelle, slippage, spread et frais.
Comparer les sorties
- Objectif fixe＋stop fixe.
- Échec de la prémisse＋sortie temporelle.
- Objectif partiel＋trailing du reste.
- Sortie totale au retournement du flux.
Créer les règles sur des dates anciennes et les tester sur des dates plus récentes, sans fuite du futur. Répéter les tests walk-forward, car les régimes changent.
Toujours évaluer après coûts. Un avantage prédictif d’un tick n’est pas une stratégie si le spread et le slippage consomment ce tick.
Conclusion
La leçon principale de Netero contre Meruem n’est pas de mémoriser toutes les combinaisons.
Apprendre les biais à partir des comportements visibles, resserrer la situation, confirmer la réaction adverse et n’entrer que dans le court chemin encore disponible.
Sur le marché, il ne s’agit pas de trouver un « supertrader » nommé. Il faut lire les traces publiques d’un flux puissant. Laisser le premier segment aux participants rapides, attendre que le marché résiste à la contre-attaque et ne suivre que si la pression réaccélère.
La sortie doit répondre à trois questions :
La raison de suivre existe-t-elle encore ? La continuation est-elle arrivée dans sa durée de vie attendue ? Reste-t-il assez de mouvement après tous les coûts ?
En une phrase :
Ne cherchez pas à battre le leader. Vérifiez que le flux qu’il a créé est encore vivant, suivez-le brièvement et sortez dès qu’il s’arrête, sans respecter une distance arbitraire.
C’est l’ossature la plus défendable, au regard de la recherche, d’une stratégie de scalping de type rémora.
