Les générateurs de carnet d'ordres reproduisent l'impact de marché avec un exposant à peine supérieur à 0,5

Une équipe du laboratoire BOLD d'Oxford (Department of Engineering Science et Department of Computer Science, avec notamment Stefan Zohren parmi les auteurs) a publié le benchmark LOB-Impact. Il teste ce que les métriques de qualité habituelles des modèles génératifs de carnet d'ordres ne voient pas : la façon dont un simulateur réagit aux ordres de l'agent de trading lui-même. Le résultat : dans les générateurs neuronaux, l'impact de marché apparaît spontanément, alors qu'ils ont uniquement été entraînés à prédire le message suivant.

L'exposant de la loi d'impact est à peine supérieur à 0,5, soit au-dessus de la valeur classique de la loi de la racine carrée. Les travaux seront présentés à la 7e conférence ACM sur l'IA en finance (ICAIF ’26) à Milan, du 14 au 17 novembre 2026.

Pourquoi tester la réaction aux ordres de l'agent

Les modèles génératifs de carnet d'ordres — GAN, générateurs récurrents et state-space, transformeurs, modèles de diffusion — sont aujourd'hui évalués sur la similarité entre leur flux de messages et le flux historique. Des benchmarks comme LOB-Bench comparent les distributions du spread, des volumes, des intervalles entre événements et du déséquilibre. Or ces simulateurs sont censés servir de « modèles du monde » pour l'apprentissage par renforcement. Si un simulateur évalue mal le prix des propres transactions de l'agent, celui-ci apprendra une stratégie optimale dans le simulateur, mais erronée sur le marché réel. Les métriques distributionnelles ne détectent pas ce biais.

La référence retenue pour le test est la loi de la racine carrée : la variation de prix attendue après un gros ordre est proportionnelle à la volatilité journalière et à la racine du rapport entre la taille de l'ordre et le volume journalier. Cette loi est confirmée sur les actions, les contrats à terme et le marché des changes. Selon l'article, elle repose sur deux forces : le flux d'ordres est persistant (le signe de la transaction suivante est prévisible à partir de la précédente), mais le prix reste malgré tout diffusif, car le marché reconstitue sa liquidité et « résorbe » le choc.

Trois phases et un contrôle aveugle

Le benchmark prend en entrée un modèle, une action, une calibration sur les données de cette action et un budget de runs. Il se déroule ensuite en trois phases. Dans la première, le modèle génère librement le flux : on mesure la décroissance de l'autocorrélation des signes de transactions, l'exposant de Hurst du prix moyen et la dérive libre.

Dans la seconde, un métaordre est inséré dans le flux généré : après une fenêtre de contexte tirée du flux réel, des ordres « enfants » agressifs de taille médiane alternent avec les messages du modèle. Un run dure de 12 à 73 mille messages selon l'action, soit bien plus que la fenêtre de 4000 messages sur laquelle les modèles neuronaux ont été entraînés. Dans la troisième phase, les injections cessent et l'on mesure la relaxation.

Les achats et les ventes sont symétriques et regroupés, ce qui réduit la dérive indépendante de la direction.

Le procédé central est le run « aveugle », exécuté sur les mêmes fenêtres et les mêmes seeds. Les ordres y sont exécutés dans le simulateur, mais ni les messages ni l'état du carnet que voit le modèle n'en gardent trace. Le rapport entre la réponse « visible » et la réponse « aveugle » indique quelle part de l'impact vient du modèle lui-même, et quelle part de la mécanique du carnet. C'est important : même des baselines de rejeu, sans aucun modèle à l'intérieur, font parfois apparaître une loi identifiable. L'exposant seul ne suffit donc pas à attribuer l'effet.

Avant toute interprétation, les auteurs ont validé l'estimateur : des lois d'exposant connu, injectées dans un nuage de points réel, sont retrouvées avec un léger biais à la baisse, si bien que les exposants rapportés sont conservateurs. Lors des tests nuls, le test n'a détecté aucune fausse loi. Les modèles de base comme le noyau d'Obizhaeva-Wang (le modèle standard de carnet d'ordres, à reconstitution exponentielle de la liquidité) retrouvent correctement la persistance qui y est codée, sur les cinq actions.

Ce qui fonctionne, et ce qui ne fonctionne pas

Les modèles ont été entraînés sur les données de janvier 2022 à décembre 2025 ; janvier 2026 a été réservé à l'évaluation. Parmi les modèles testés figurent S5-120M et un modèle basé sur Mamba-3, tous deux avec une fenêtre de 4000 messages ; un run tient sur un H100. Au total, cinq générateurs neuronaux et cinq actions du NASDAQ (dont AMD). Le rejeu historique passe parfaitement la première phase, mais ne montre aucun impact : c'est précisément pourquoi une intervention est nécessaire pour le détecter.

Dans toutes les cellules où la loi est identifiée, les modèles neuronaux produisent un impact avec un exposant à peine supérieur à 0,5. Le point faible est la relaxation : dans la réalité, l'impact retombe à environ deux tiers de son pic en une à deux durées d'exécution, et à la moitié à la dixième. Le noyau de décroissance neuronal des modèles s'est révélé constant selon deux méthodes indépendantes. Les auteurs relient prudemment ce constat aux fenêtres de contexte courtes.

Les limites sont évidentes : l'article démontre la présence de l'effet dans le cadre du protocole, mais ne prouve pas qu'un agent entraîné dans un tel simulateur serait rentable sur une bourse réelle. La conclusion pratique pour les développeurs de simulateurs de trading : aux métriques de vraisemblance du flux, il vaut la peine d'ajouter des tests contrefactuels de l'impact. Les auteurs publient le code du benchmark en open source.