Quels sont les comportements à surveiller ?
L’utilisation d’outils nouvelle génération comme celui d’AfterData est devenue incontournable pour répondre à toutes les exigences du régulateur. Notre logiciel de détection d’abus de marché utilise des algorithmes pour identifier des schémas d’activités qui pourraient indiquer une fraude. Notre système se configure pour déclencher des alertes lorsqu’il détecte des transactions ou des modèles de comportement qui correspondent à des scénarios prédéfinis de fraude potentielle.
Voici quelques-uns des types de comportement que nous utilisons pour détecter la manipulation des cours de bourse :
1. Volumes inhabituels de transactions :
Il faut aller au-delà de l’observation simple des volumes de transactions. Nous utilisons des techniques d’analyse statistique avancées pour modéliser le comportement normal du volume de transactions et identifier les déviations significatives. Par exemple, nous proposons des algorithmes d’apprentissage automatique pour prendre en compte les facteurs qui influencent généralement le volume des transactions, tels que les nouvelles de l’entreprise, les conditions du marché et les tendances saisonnières. Les volumes de transactions qui sont significativement différents de ce qui est prédit par nos modèles seront considérés comme suspects.
2. Mouvements de prix rapides :
Ici aussi, nous utilisons des techniques d’analyse statistique avancées pour modéliser la volatilité normale des prix et identifier les déviations significatives. De plus, nous examinons les nouvelles de l’entreprise et les conditions du marché pour déterminer si les mouvements de prix correspondent à ce qui serait attendu compte tenu de ces facteurs.
3. Activité concentrée dans un petit nombre de comptes :
Pour détecter cela, nous utilisons des techniques de clustering ou de détection d’anomalies pour identifier les comptes qui ont des comportements de trading inhabituellement similaires. Par exemple, si un petit nombre de comptes achète et vend la même action à peu près au même moment, cela pourrait être suspect. Des analyses de réseau peuvent également être utilisées pour identifier les comptes qui sont liés entre eux de manière inhabituelle, par exemple par des transactions fréquentes entre eux.
4. Transactions à fort volume juste avant la clôture du marché :
L’analyse de forts volumes peut être réalisée en examinant les transactions qui ont lieu dans les minutes précédant la clôture du marché. Les transactions qui sont significativement plus grandes que la taille moyenne des transactions pour cette action et ce moment de la journée pourraient être considérées comme suspectes. De plus, si ces transactions entraînent une augmentation ou une diminution significative du prix de l’action, cela pourrait renforcer les soupçons de manipulation.
5. Transactions fréquentes entre les mêmes parties :
Pour détecter les « wash trades », nous analysons les paires de comptes qui effectuent des transactions entre eux plus fréquemment que ce qui serait normalement attendu. Des techniques de modélisation statistique ou d’apprentissage automatique peuvent être utilisées pour estimer la fréquence attendue des transactions entre deux comptes donnés, compte tenu de leur activité de trading globale. Les paires de comptes qui dépassent cette fréquence attendue pourraient être suspectes.
