Détection de manipulation en haute fréquence dans les carnets d'ordre de cryptomonnaies

La première partie de cette thèse s'intéresse à l'étude de la microstructure des carnets d'ordre de cryptomonnaie ainsi que de leurs spécificités. Par l'analyse d'un problème d'exécution en haute fréquence, nous démontrons que la petite taille du tick et les frais de transaction importants des marchés de cryptomonnaies poussent les agents à coter leurs ordres de manière agressive. Puis, nous nous intéressons à l'impact du volume des ordres marché sur le taux d'arrivée des transactions, ainsi qu'aux relations de meneur-suiveur au sein des cryptomonnaies. Pour cela, nous développons une méthode d'estimation non-paramétrique des processus de Hawkes linéaires en haute dimension. Nous démontrons que l'impact global d'une exécution d'ordre marché sur le taux d'arrivée des transactions est une fonction concave du volume, puis nous étudions la structure de causalité d'un univers de 15 paires au moyen de nouvelles mesures de quantification des relations de meneur-suiveur. La deuxième partie est consacrée au développement de nouvelles méthodes non-supervisées de détection de manipulation en environnement haute fréquence. Dans un premier temps, nous nous intéressons au repérage de transactions potentiellement fausses, au sens où les deux contreparties de l'exécution sont une seule et même personne. Pour ce faire, nous introduisons une nouvelle classe de processus ponctuels auto-excitants à changement de régime et examinons sa capacité à inférer le régime suspect. Nous caractérisons ce régime en étudiant la réponse du marché ainsi que l'état de la liquidité. Dans un second temps, nous nous concentrons sur la détection d'ordres limites de grande taille qui sont insérés dans l'unique but de tromper le marché. Inspirés par les processus de Hawkes, nous construisons de nouvelles variables explicatives construites à partir du flux d'ordres, puis nous entraînons un réseau de neurones probabiliste à prédire la distribution de probabilité de la variation du prix. Ce modèle nous permet de calculer la fonction de coût d'un agent manipulateur, aboutissant à la construction d'un critère de détection d'ordre posté de mauvaise foi. Nous démontrons par des illustrations de cas détectés que notre méthodologie est capable de repérer des comportements anormaux qui peuvent être classifiés comme de la manipulation. Nous clôturons cette thèse par une discussion des résultats, ainsi que par une ouverture sur des questions qui peuvent faire l'objet de recherches futures.