Depuis la crise financière mondiale de 2008, les fonctions de trading ont connu plus qu’une évolution, j’appellerais plutôt cela une R-évolution ! Cette révolution s’est accélérée au cours des trois dernières années, et surtout aujourd’hui, alors que nous approchons du onzième anniversaire de cette crise.

Tout d’abord, d’un point de vue prudentiel, les activités de trading sont de plus en plus réglementées, ce qui permet aux acteurs financiers, à commencer par les banques, d’identifier et d’appréhender plus tôt, et donc avec des conséquences moins dramatiques, les activités de trading potentiellement risquées.

En particulier, le Comité de Bâle a mis en œuvre une révision de la Revue Fondamentale du Portefeuille de Trading (FRTB), qui est entrée pleinement en vigueur il y a six mois, en janvier 2019.

Par ailleurs, les règlementations publiées en 2016 sous le titre “Minimum Capital Requirements for Market Risk” ont déjà modifié la manière dont les traders opèrent dans leurs activités de gestion des risques.

Sans entrer dans les détails techniques, un trader sur les marchés financiers doit désormais calculer les indicateurs de risque (Delta, Vega et Courbure dans le jargon) selon des méthodologies désormais standardisées. Auparavant, les traders n’étaient pas obligés de calculer leur “Expected Shortfall” (ES), mais il leur faut désormais le calculer quotidiennement en plus de la Value-at-Risk (VaR) classique.

Non seulement il s’agit désormais d’une mesure du risque mathématiquement cohérente, mais en outre, les effets de la diversification d’un portefeuille peuvent enfin y être modélisés.

La deuxième révolution des fonctions de trading ces dernières années est qu’un trader doit maintenant avoir des compétences techniques très avancées. D’une part, cela est devenu nécessaire pour calculer les indicateurs de risque susmentionnés – avec des méthodes mathématiques sophistiquées telles que les simulations de Monte Carlo ou “Peaks Over Threshold” qui nécessitent des compétences avancées en modélisation mathématique et en ingénierie financière.

D’autre part, l’accès aux marchés électroniques en temps quasi réel (avec une latence bien inférieure à un dixième de seconde) a conduit à l’émergence de nouvelles techniques de “trading haute fréquence” qui nécessitent des compétences informatiques avancées. Les transactions financières sont maintenant traitées un million de fois plus vite qu’en 2008, il y a onze ans. La capacité de concevoir et d’implémenter des algorithmes complexes, et de programmer en langage Python, est ainsi devenue essentielle pour les fonctions de trading.