Compte-rendu de conférence: Quandl

Lors de sa deuxième journée à Toronto, PolyFinances a rencontré monsieur Michael Cornacchia, Marketing Manager et madame Pegah Salbi, Director of Market Data chez Quandl. Lors de cette rencontre, les données alternatives et leur impact sur la finance ont été abordés. 

Quandl

La compagnie Quandl est une jeune compagnie canadienne qui a été fondée en 2011 et a commencé ses opérations en 2013. Celle-ci se spécialise dans la distribution de bases de données financières de toutes sortes pour ses clients. Les fondateurs de Quandl ont créé la compagnie pour permettre aux analystes d’avoir accès à des bases de données rapidement, en s’assurant que celles-ci soient à jour et surtout dans un format leur permettant de les utiliser telles quelles. À leurs débuts, la compagnie offrait des bases de données gratuites comportant des données financières de base. C’est à partir de la fin de 2014 que Quandl a commencé à offrir des bases de données payantes (leur option Premium) permettant d’obtenir des informations beaucoup plus détaillées. La compagnie offre aujourd’hui deux catégories de bases de données qui sont les données financières fondamentales et les données alternatives (Quandl, s.d.). Étant un marché de vente et d’achat de base de données, Quandl a la chance d’être le propriétaire exclusif de quelques bases de données qui ne sont donc pas disponibles nulle part ailleurs que par leur plateforme.

Les données alternatives

L’émergence des données alternatives est la nouvelle tendance dans le domaine de la finance. Cette mode est récente et ces données étaient pour la plupart inconnues il y a à peine 10 ans de cela. Cependant, avec l’émergence des données massives (Big Data) et la quantité de données produites de nos jours (si on regarde tous les données créées dans l’existence de l’homme de sa création jusqu’en 2013, 90% de ces données ont été créées en 2012-2013 [Science Daily. 22 mai 2013]), nous avons à notre disposition une collection sans fin de données. Ces données peuvent être utilisées par des gestionnaires de portefeuille ou des hedge funds afin d’obtenir un avantage, d’où l’intérêt des données alternatives en finance.

Première génération (2010-2015)

La première génération de données alternatives a d’abord beaucoup porté sur les sentiments. Cela se traduit notamment par des algorithmes qui analysent les tweets publiés sur Twitter par rapport à certaines compagnies. Avec ces algorithmes, il est possible de déterminer si l’opinion du public par rapport à une compagnie est plutôt positive ou plutôt négative.

Aux sentiments se rajoute les transactions de clients. En effet, en ayant des informations sur les habitudes de consommations de personnes, il est possible de faire des décisions plus éclairées. Finalement, les images par satellite sont la dernière des catégories majeures de données alternatives. Des images provenant de ports de livraison ou bien de stationnement de centres commerciaux permettent aux analystes d’avancer des conclusions non possibles avec les données traditionnelles.

Deuxième génération (2015-Aujourd’hui)

La deuxième génération se pose sur les fondations posées par la première génération en rajoutant diverses catégories. Voici les plus notables :

  • Transactions B2B (Business to Business)
  • Géolocalisation
  • Chaîne d’approvisionnement et logistique
  • Sorties des compagnies
  • Revendeurs de valeur ajoutée

L’exemple de sorties des compagnies est très intéressant. Un exemple de sorties serait les déchets produits par une compagnie. En effet, si une entreprise produit beaucoup plus de déchets qu’à l’habitude, cela peut notamment être causé par un accroissement de la production donc des bénéfices. Sachant cela, un investisseur peut investir dans la compagnie avant même que celle-ci annonce lors des prochains résultats sectoriels qu’elle a augmenté son chiffre d’affaires.

Troisième génération (À venir)

La troisième génération n’est pas encore à nos portes. Cependant, connaissant le nombre sans cesse croissant d’objets connectés (Internet of Things), c’est une avenue qui sera très intéressante à exploiter dans le futur. Une autre avenue de données serait l’utilisation de drones qui pourraient donner une panoplie d’informations à leurs propriétaires (imagerie, géolocalisation, etc.).

L’avantage des données massives

Suite à cette conférence, une chose est donc claire : l’utilisation des données massives jouera un rôle primordial dans l’économie et la finance des prochaines années et les gestionnaires de portefeuilles et les hedge funds ont intérêt à ne pas manquer le virage pour garder leur avantage compétitif. Cependant, ces données alternatives possèdent plusieurs inconvénients :

Viabilité non garantie

Ce ne sont pas toutes les bases de données alternatives qui fournissent des informations qui sont réellement utiles pour analyser une compagnie. Considérant le volume sans cesse croissant de données produites, la plupart de ces données risquent d’être inutiles pour identifier les bonnes compagnies. Il faudra donc faire attention à savoir quelles données utiliser et s’assurer de leur efficacité.

Changement très rapide

Les données alternatives comme il a été vu, changent très rapidement. Ce rythme de changement n’est pas approprié pour établir une stratégie long-terme, notamment pour des investisseurs avec un horizon de placement plus long.

Accessibilité

Le désavantage des données alternatives est que lorsque les données utilisées sont disponibles facilement pour le public, les utilisateurs perdent l’avantage compétitif de leur utilisation, car il faut considérer que tout le monde possède la même information. Ainsi, il est beaucoup plus difficile d’obtenir un rendement seulement basé sur cette information.

Laisser un commentaire