Hermann Noubissie Noussa

Tendances technologiques dans le secteur de la gestion de portefeuille

L’un des plus grands défis en investissement est d’obtenir le rendement maximal sur un investissement pour un niveau de risque donné. Il existe plusieurs alternatives pour tenter de résoudre la question, entre faire des placements en banques, investir dans un fonds ou encore investir en bourse. Autrement dit, le problème revient intrinsèquement sur le choix de la classe d’actifs (actions, obligations, les produits de taux, …) où l’on devrait investir. L’approche de gestion de portefeuille explore cette question en orientant la question différemment : au lieu d’isoler chaque actif ou classe d’actifs, l’idée est d’évaluer la coexistence d’un ensemble d’actifs ou de classes d’actifs dans un portefeuille. La gestion de portefeuille repose alors sur la sélection et la diversification des actifs pour rencontrer les objectifs financiers et la tolérance au risque d’un individu ou d’une institution. Le processus de gestion de portefeuille se dissocie en trois étapes :

  • L’étape de planification : qui consiste à comprendre les besoins du client (objectifs et contraintes) et de les traduire par l’émission d’une politique d’investissement (IPS) ;
  • L’étape d’exécution : elle comprend l’allocation des actifs, l’analyse des titres et la construction du portfolio. Cette étape permet de construire un portefeuille basé sur le IPS du client.
  • L’étape de Feedback : cette dernière étape consiste à suivre la performance du portefeuille et de rebalancer les contributions des titres si des changements se présentent (les conditions du marché ou les circonstances avec le client).

Les technologies dans le secteur de la gestion de portefeuille interviennent principalement dans l’étape d’exécution qui constitue le cœur du processus de création de valeur.

La croissance exponentielle et la digitalisation des données dans la scène mondiale entraînent la création des données additionnelles à explorer dans le secteur de la gestion de portefeuille. En 2013, IBM estimait que 90% de données ont été créées dans les deux années précédentes. Les gestionnaires de portefeuille ont désormais pour tâche de déterminer les données significatives et les technologies efficaces de traitement desdites données :

  • Big Data : Le terme “Big Data” renvoie à l’usage de données massives (structurées ou non structurées) à travers différentes technologies pour générer de la valeur. Les données peuvent être issues de sources traditionnelles (bourses, compagnies ou gouvernements) ou des sources non traditionnelles telles que les réseaux médias (Twitter, Facebook, …), les données images ou autres : ces données sont dites alternatives. L’analyse des données issues des réseaux sociaux sert de base pour obtenir les indicateurs clés de sentiment de marché et les tendances relatives à certains produits et services. Les données images telles que celles issues des satellites permettent de visualiser les conditions économiques. Les données alternatives se transigent pour la plupart à temps réel, par conséquent, les gestionnaires de portefeuille doivent utiliser les techniques avancées statistiques pour les analyser.
  • Outils avancés et analytiques: Intelligence Artificielle et apprentissage automatique. Avec l’avènement des données massives, les technologies utilisées sont celles autour de l’intelligence artificielle, c’est-à-dire des techniques développant des techniques capables de simuler des tâches traditionnellement rattachées à l’intelligence humaine (raisonnement, apprentissage, aptitude de prise de décision, …). Ces technologies sont désormais primordiales. L’apprentissage machine ou le « Machine Learning » regroupe l’ensemble des techniques qui extraient de la connaissance à partir des données massives sans faire d’hypothèses sur la distribution de probabilité des données. Plusieurs algorithmes sont utilisés tels que les réseaux de neurones, les arbres de décision, la régression logistique, la méthode des k plus proches voisins. Par exemple, les arbres de décision peuvent permettre de choisir automatiquement la stratégie d’investissement selon les directives de l’IPS.

PolyFinances a réalisé plusieurs applications des technologies dans le secteur de la gestion de portefeuille :

  • Algorithme d’apprentissage automatique basé sur la technique d’arbres de décision: l’algorithme permet de bâtir un portefeuille de titres susceptibles de battre l’indice S&P 500 à partir de la régression « random forest » sur une base mensuelle. Le portefeuille est reconstruit entièrement chaque mois. Les coûts de transaction et les dividendes n’ont pas été comptabilisés. L’algorithme prend en entrée les ratios financiers de tous les constituants du S&P 500. En construisant chaque mois, un portefeuille avec les 10 meilleures actions avec les meilleures chances de battre l’indice, le rendement arithmétique moyen en décembre 2018 des titres avaient un rendement excédentaire de + 1.48%, tandis que le rendement composé sur 15 ans avec un rendement excédentaire de +1160%. Les données sont celles de décembre 2003 à décembre 2018 importées sur Bloomberg.
  • Automatisation d’une analyse fondamentale : un outil de visualisation des données statistiques nécessaire à l’analyse fondamentale.
  • Filtre TSX – analyse de sentiments du marché à partir de Twitter: Un logiciel permettant de déterminer les titres boursiers du TSX dont les sentiments de marché sont les plus hauts à travers la plateforme Twitter. Sur la seule base des résultats du logiciel, un portefeuille a été bâti avec les 10 meilleurs titres et renouvelé trimestriellement. Aucun coût de transaction n’a été pris en compte. Sur un horizon de 10 ans (juillet 2010 – Mars 2020), la valeur du portefeuille a doublé et le rendement moyen du portefeuille était quatre fois celui du TSX.

Aujourd’hui avec l’essor des de données massives, les gestionnaires de portefeuille se tournent vers les différentes technologies dans le seul souci de fournir un meilleur rendement au client. Ces technologies telles qu’explorées par PolyFinances semblent fournir des résultats confortables.

 

Références 

CFA Institute. (2020). Alternative investments and portfolio management. Charlottesville: Wiley Global Finance.

Investopedia. (2020, Aout 01). Portfolio Management. Récupéré sur Investopedia: https://www.investopedia.com/terms/p/portfoliomanagement.asp