{"id":3081,"date":"2018-04-23T08:00:13","date_gmt":"2018-04-23T06:00:13","guid":{"rendered":"http:\/\/variances.eu\/?p=3081"},"modified":"2018-04-23T14:20:26","modified_gmt":"2018-04-23T12:20:26","slug":"entretien-florian-ielpo-chafic-merhy-guillaume-simon-a-loccasion-de-sortie-de-ouvrage-engineering-investment-process-making-value-creation-repeatable","status":"publish","type":"post","link":"https:\/\/variances.eu\/?p=3081","title":{"rendered":"Entretien avec Florian Ielpo, Chafic Merhy et Guillaume Simon, \u00e0 l\u2019occasion de la sortie de leur ouvrage \u00ab Engineering Investment Process: Making Value Creation Repeatable \u00bb"},"content":{"rendered":"

Florian IELPO est <\/em>Head of Macro Research pour Unigestion \u00e0 Gen\u00e8ve (Suisse). Chafic MERHY <\/em>est Head of Credit Quantitative Research pour Ostrum Asset Management<\/em>. <\/em>Guillaume SIMON est <\/em>Research Manager en arbitrage statistique pour CFM \u00e0 Paris. Florian, Chafic et Guillaume sont tous dipl\u00f4m\u00e9s de l\u2019ENSAE, promotion 2005 et ont publi\u00e9 il y a quelques mois l\u2019ouvrage \u00ab\u00a0Engineering Investment Process\u00a0\u2013 Making Value Creation Repeatable\u00bb (ISTE \/ Elsevier).<\/em><\/p>\n

Guillaume, Florian, Chafic, vous avez publi\u00e9 r\u00e9cemment l\u2019ouvrage \u00ab\u00a0Engineering Investment Process\u00a0\u00bb. Pouvez-vous nous en dire un peu plus sur vous\u00a0? Et pourquoi avoir voulu \u00e9crire ce livre ?<\/strong><\/p>\n

A vrai dire, c’est le livre dont nous aurions aim\u00e9 disposer en tant qu\u2019\u00e9tudiants\u00a0! Il manquait dans la litt\u00e9rature financi\u00e8re un ouvrage empirique avec un spectre \u00e9tendu, qui ne d\u00e9laisse pas pour autant la th\u00e9orie. Il est difficile pour un jeune d\u00e9sireux de travailler dans l’industrie financi\u00e8re d’avoir une vue r\u00e9aliste de ce que peut \u00eatre notre m\u00e9tier. Ce mot, industrie, est important et c’est aussi un des th\u00e8mes du livre\u00a0: la finance constitue une industrie et la rigueur doit \u00eatre pr\u00e9sente \u00e0 chaque moment du processus de d\u00e9cision. Privil\u00e9gier la robustesse, l\u2019exigence et la prise de recul, y compris th\u00e9orique, c\u2019est le message que nous souhaitions faire passer, au-del\u00e0 des \u00e9quations.<\/p>\n

Notre livre peut aussi \u00eatre utile \u00e0 des professionnels soucieux de se replonger dans la th\u00e9orie et d\u2019unifier leurs connaissances. C’\u00e9tait du reste aussi un de nos objectifs personnels lors de la r\u00e9daction : approfondir certains sujets, et parfaire notre compr\u00e9hension et notre culture g\u00e9n\u00e9rale sur certains th\u00e8mes.<\/p>\n

Vous avez \u00e9tudi\u00e9 \u00e0 l\u2019ENSAE et vous \u00eates sp\u00e9cialis\u00e9s dans les m\u00e9thodes quantitatives appliqu\u00e9es \u00e0 la finance. Quels en sont aujourd\u2019hui les d\u00e9bouch\u00e9s ? Sont-ils restreints par l\u2019opprobre qui frappe les m\u00e9tiers financiers, et de trading en particulier ?<\/strong><\/p>\n

Nous pensons au contraire qu\u2019il n\u2019y a jamais eu besoin d\u2019autant de mati\u00e8re grise dans le domaine. On voit certes un int\u00e9r\u00eat \u00e9norme des jeunes dipl\u00f4m\u00e9s pour les sciences de la donn\u00e9e, non restreintes \u00e0 la finance. Mais la finance a toujours besoin de ces profils. Du reste, apr\u00e8s le vote sur le Brexit, la place financi\u00e8re fran\u00e7aise a une \u00e9norme carte \u00e0 jouer pour mettre en valeur ses profils techniques.<\/p>\n

Et la statistique reste pr\u00e9pond\u00e9rante en finance car en un mot, la construction de portefeuille est avant tout un probl\u00e8me d\u2019estimation statistique. Un probl\u00e8me statistique o\u00f9 les param\u00e8tres du mod\u00e8le d\u2019allocation sont inconnus et doivent \u00eatre estim\u00e9s. Les rendements attendus sont al\u00e9atoires, les risques associ\u00e9s imparfaitement mesur\u00e9s. Or, la th\u00e9orie statistique fournit des outils pour appr\u00e9hender l\u2019incertitude. On retrouve alors les arbitrages classiques entre biais et efficacit\u00e9, robustesse et pr\u00e9cision\u2026 Nous avons ainsi segment\u00e9 le processus d\u2019investissement en plusieurs \u00e9tapes en t\u00e2chant d\u2019identifier la valeur ajout\u00e9e et la sp\u00e9cificit\u00e9 de chaque transformation, et surtout les pi\u00e8ges \u00e0 \u00e9viter lors de la confrontation de la th\u00e9orie \u00e0 la pratique.<\/p>\n

Vous \u00e9voquez dans votre ouvrage les processus d\u2019investissement \u00e0 base de m\u00e9thodes quantitatives. Consid\u00e9rez-vous celles-ci comme suffisantes pour construire un processus complet, ou doivent-elles \u00eatre compl\u00e9t\u00e9es par une approche bas\u00e9e sur le jugement et l\u2019exp\u00e9rience ?<\/strong><\/p>\n

C\u2019est une excellente question, assez fondamentale. Ce que nous soulignons tout au long du livre est justement la n\u00e9cessit\u00e9 de prendre du recul par rapport \u00e0 ce processus d\u2019investissement, sur chacune de ses \u00e9tapes. Il est essentiel de construire une critique et une exp\u00e9rience sur chaque action et sur chaque d\u00e9cision. Nous ne pr\u00e9conisons donc pas d\u2019utiliser ces techniques \u00e0 l\u2019aveugle, mais bien d\u2019accumuler une exp\u00e9rience autour de celles-ci. C\u2019est la raison pour laquelle nous ne traitons pas de strat\u00e9gies d\u2019investissement. Nous expliquons comment prendre du recul sur tout le reste, sauf sur cet aspect car il reste souvent le c\u0153ur de l\u2019expertise de ces m\u00e9tiers. Quelle que soit la strat\u00e9gie envisag\u00e9e, l\u2019essentiel de notre message reste valide, que le processus d\u2019investissement soit quantitatif ou qualitatif\u00a0: il est n\u00e9cessaire de syst\u00e9matiser les diff\u00e9rentes \u00e9tapes de construction de celui-ci et notre ouvrage fournit un certain nombre de clefs en ce sens. Ce qui est s\u00fbr c\u2019est que dans un portefeuille d\u2019arbitrage statistique o\u00f9 5000 valeurs sont trait\u00e9es en temps r\u00e9el, la machine sera toujours plus efficace que l\u2019\u0153il humain. Mais reste \u00e0 lui dire ce qu\u2019il faut faire\u00a0!<\/p>\n

Le CAPM demeure la base de nombreux raisonnements en gestion d\u2019actifs. Comment les m\u00e9thodes que vous recommandez traitent-elles des asym\u00e9tries de rendement et des non-lin\u00e9arit\u00e9s ?<\/strong><\/p>\n

Selon le CAPM, il est impossible de battre le march\u00e9, du moins syst\u00e9matiquement. Triste conclusion pour notre industrie\u00a0! Heureusement d\u2019autres approches justifient la capacit\u00e9 de la gestion \u00e0 cr\u00e9er de la valeur, de l\u2019alpha<\/em> comme on dit dans notre jargon. L\u2019asym\u00e9trie fait partie int\u00e9grante du fonctionnement de nos march\u00e9s. Acheter une obligation, m\u00eame vanille, revient \u00e0 s\u2019exposer \u00e0 un risque de d\u00e9faut. Les rendements attendus sont donc asym\u00e9triques par construction. Et m\u00eame, sans risque de d\u00e9faut, dans un environnement de taux bas voire n\u00e9gatifs, les \u00e9cartements de taux sont plus probables \u00e0 terme que les resserrements. Cette asym\u00e9trie entraine une sous-estimation du risque tel que mesur\u00e9 par des indicateurs classiques, \u00e0 l\u2019image de la volatilit\u00e9. Nous proposons des ajustements par palier \u00e0 cette asym\u00e9trie. On retrouve \u00e9galement dans cette bo\u00eete \u00e0 outils des filtres non lin\u00e9aires, avec des applications sur donn\u00e9es r\u00e9elles.<\/p>\n

Nous avons \u00e9voqu\u00e9 l\u2019an dernier dans variances.eu l\u2019engouement croissant des investisseurs pour les facteurs dans la construction de portefeuilles[1]<\/a>. Pouvez-vous nous en dire plus sur l\u2019int\u00e9r\u00eat d\u2019une telle approche ?<\/strong><\/p>\n

La volont\u00e9 d\u2019expliquer le rendement d\u2019un grand nombre d\u2019actifs \u00e0 l\u2019aide d\u2019un nombre r\u00e9duit de facteurs ne date pas d\u2019hier. Les applications s\u2019\u00e9tendent sur des domaines vari\u00e9s en finance\u00a0: des mod\u00e8les de risque \u00e0 l\u2019attribution de performance en passant par la g\u00e9n\u00e9ration de signaux et l\u2019investissement factoriel. La crise de 2008 a donn\u00e9 un coup d\u2019acc\u00e9l\u00e9rateur \u00e0 ce courant suite \u00e0 la chute simultan\u00e9e de plusieurs classes d\u2019actifs, en apparence d\u00e9corr\u00e9l\u00e9es. L\u2019exemple du fonds souverain norv\u00e9gien sert d\u00e9sormais de cas d\u2019\u00e9cole. L\u00e0 aussi, si ces mod\u00e8les paraissent simples, ils reposent sur des hypoth\u00e8ses souvent n\u00e9glig\u00e9es en pratique. Ainsi la d\u00e9composition syst\u00e9matique \u2013 idiosyncrasique n\u2019est pas atteignable en r\u00e9alit\u00e9. Largement r\u00e9pandue en Risk Management<\/em>, cette d\u00e9composition pourrait conduire \u00e0 une sous-estimation du risque pour des portefeuilles long\/short o\u00f9 la composante sp\u00e9cifique du risque est pr\u00e9pond\u00e9rante\u00a0: \u00e9tendre le nombre et l\u2019analyse de ces facteurs \u00e0 l\u2019aide des m\u00e9thodes pr\u00e9sent\u00e9es dans le livre nous apparait \u00eatre une \u00e9tape n\u00e9cessaire de l\u2019\u00e9volution de notre industrie.<\/p>\n

La finance a attir\u00e9 un certain nombre de scientifiques issus des math\u00e9matiques, de la physique, de l\u2019informatique\u2026 Partagez-vous l\u2019id\u00e9e que la recherche financi\u00e8re b\u00e9n\u00e9ficie des avanc\u00e9es dans ces diff\u00e9rentes disciplines, et pouvez-vous l\u2019illustrer par des exemples ?<\/strong><\/p>\n

En g\u00e9n\u00e9ral cette affirmation est vraie depuis longtemps pour la valorisation des produits d\u00e9riv\u00e9s o\u00f9 de nombreux math\u00e9maticiens ont eu des contributions d\u00e9cisives. Y compris pour l\u2019informatique puisque d\u00e9sormais la programmation sur carte graphique est monnaie courante pour le calcul intensif. Quant \u00e0 la physique, c\u2019est surtout via l\u2019\u00e9conophysique et la physique statistique (pour faire court) que les apports se sont faits. Une fois face \u00e0 des donn\u00e9es r\u00e9elles, la diff\u00e9rence entre la physique statistique et les statistiques classiques est t\u00e9nue. Les probl\u00e9matiques de pricing<\/em> ont \u00e9t\u00e9 pendant des ann\u00e9es un merveilleux terrain de jeu pour les math\u00e9maticiens. Les physiciens, eux, ont probablement plus d\u2019intuition et une absence de dogme lorsque confront\u00e9s \u00e0 des donn\u00e9es r\u00e9elles.<\/p>\n

Nous entendons souvent des mots comme \u00ab\u00a0Big Data\u00a0\u00bb, ou \u00ab\u00a0Machine Learning\u00a0\u00bb. Ces concepts vont-ils r\u00e9volutionner la finance\u00a0?<\/strong><\/p>\n

Il faut revenir \u00e0 ce que sont ces concepts. Les banques, Hegde Funds<\/em> ou Asset Managers<\/em> sont d\u00e9j\u00e0 utilisateurs de (tr\u00e8s) grandes quantit\u00e9s de donn\u00e9es : prix, donn\u00e9es haute fr\u00e9quence, bilans d’entreprises, etc. Par nature le m\u00e9tier qui consiste \u00e0 \u00ab\u00a0investir\u00a0\u00bb ou \u00ab\u00a0g\u00e9rer\u00a0\u00bb a toujours exig\u00e9 de brasser \u00e0 l’aide d’outils informatiques des quantit\u00e9s de donn\u00e9es gigantesques. En soi, le terme de \u00ab\u00a0Big Data\u00a0\u00bb ne doit pas faire peur en finance. Ce qui est nouveau c’est que pour des activit\u00e9s a priori \u00e9loign\u00e9es des probl\u00e9matiques financi\u00e8res (r\u00e9seaux sociaux, vid\u00e9o) les volumes de donn\u00e9es sont encore plus grands et ces concepts vont jusqu’\u00e0 envahir le d\u00e9bat public. Le vrai enjeu est que pour ces activit\u00e9s, l’entreprise dominante est celle qui poss\u00e8de la donn\u00e9e, la collecte ou l’exploite.<\/p>\n

On pourrait voir le \u00ab\u00a0Machine Learning\u00a0\u00bb comme une extension, une branche ou un cas particulier des statistiques non param\u00e9triques, ce qui serait une bonne premi\u00e8re approximation. Cependant la disruption se fait dans l’utilisation et la nature de la donn\u00e9e. Prenons l’exemple de la classification pour un site de vid\u00e9o. Une vid\u00e9o d’un match de tennis restera un match de tennis : l’issue est non seulement d\u00e9terministe mais aussi \u00ab\u00a0supervisable\u00a0\u00bb. Plus le mod\u00e8le sera entra\u00een\u00e9, plus la r\u00e9ponse sera s\u00fbre et digne de confiance.<\/p>\n

En finance c’est diff\u00e9rent. Il n’y a pas de certitude sur l\u2019\u00e9volution future du rendement d\u2019un actif lorsqu\u2019on l\u2019ach\u00e8te. Mais outre ce non-d\u00e9terminisme, un autre aspect tranche : la nature et la versatilit\u00e9 des donn\u00e9es. En finance, la nature des donn\u00e9es change peu : s\u00e9ries temporelles, bilans d’entreprise. On voit certes arriver des choses beaucoup plus originales (footage, images, vues satellite, etc) mais ce qu’il y a \u00e0 pr\u00e9dire reste assez simple \u00e0 d\u00e9crire : quels seront mes rendements ? mon risque ? mon exposition ? C’est la r\u00e9ponse \u00e0 cette question qui ne l’est pas. Cependant la nature des donn\u00e9es n’est pas amen\u00e9e, en g\u00e9n\u00e9ral \u00e0 changer au cours du temps. En cela les r\u00e9flexes classiques de statistique restent fond\u00e9s : parcimonie, robustesse, capacit\u00e9 \u00e0 g\u00e9n\u00e9raliser. Pour entra\u00eener un algorithme \u00e0 classer une vid\u00e9o, c’est diff\u00e9rent. Comme la \u00ab\u00a0vraie\u00a0\u00bb r\u00e9ponse du lendemain sera toujours la m\u00eame, on peut recommencer le processus chaque jour. Mais entretemps, les donn\u00e9es auront chang\u00e9, en quantit\u00e9 mais aussi en nature\u00a0: nouvelles vid\u00e9os, commentaires des utilisateurs, push sur les r\u00e9seaux sociaux. Quand les donn\u00e9es elles-m\u00eames \u00e9voluent et interagissent en milieu ouvert, cela cr\u00e9e de nouvelles probl\u00e9matiques et de nouvelles mani\u00e8res de voir les choses.<\/p>\n

Le \u00ab\u00a0Machine Learning\u00a0\u00bb pourrait donc n\u2019\u00eatre d’aucune utilit\u00e9 en finance\u00a0?<\/strong><\/p>\n

Si, bien au contraire. \u00a0S\u2019il est difficile de vendre \u00e0 un client un investissement totalement \u00ab\u00a0black box\u00a0\u00bb, des algorithmes d\u2019apprentissage sophistiqu\u00e9s et n\u00e9cessitant des recalibrages fr\u00e9quents peuvent avoir une utilit\u00e9. Mais plut\u00f4t que pr\u00e9dire des rendements, il faut peut-\u00eatre plus les concevoir comme du nowcasting<\/em> ou de la pr\u00e9vision de s\u00e9ries temporelles \u00ab\u00a0d\u00e9terministes\u00a0\u00bb. Par exemple, si l\u2019on veut pr\u00e9dire la production de bl\u00e9 aux Etats-Unis, un algorithme de pr\u00e9vision tr\u00e8s lourd des cultures sur des images satellites aura son utilit\u00e9. Que faire de cette pr\u00e9vision\u00a0? C\u2019est ensuite \u00e0 l\u2019investisseur de prendre sa d\u00e9cision \u00e0 l\u2019aide de cet outil et de ces nouvelles donn\u00e9es. On peut donc imaginer des liens non pas indirects mais plut\u00f4t en amont et tr\u00e8s r\u00e9els entre finance et machine learning<\/em>. La donn\u00e9e est muette. La transformer en information est une action distincte de l\u2019utilisation de cette information en mati\u00e8re de strat\u00e9gie d\u2019investissement.<\/p>\n

\n

[1]<\/a> NDLR: \u201cRecourir aux facteurs pour allouer les actifs d\u2019un portefeuille\u00a0\u00bb, publi\u00e9 par Eric Taz\u00e9-Bernard en janvier 2017<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"

Florian IELPO est Head of Macro Research pour Unigestion \u00e0 Gen\u00e8ve (Suisse). Chafic MERHY est Head of Credit Quantitative Research pour Ostrum Asset Management. Guillaume SIMON est Research Manager en arbitrage statistique pour CFM \u00e0 Paris. Florian, Chafic et Guillaume sont tous dipl\u00f4m\u00e9s de l\u2019ENSAE, promotion 2005 et ont publi\u00e9 il y a quelques mois […]<\/p>\n","protected":false},"author":146,"featured_media":3082,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_et_pb_use_builder":"","_et_pb_old_content":"","_et_gb_content_width":"","_exactmetrics_skip_tracking":false,"_exactmetrics_sitenote_active":false,"_exactmetrics_sitenote_note":"","_exactmetrics_sitenote_category":0,"footnotes":""},"categories":[31,8,12],"tags":[],"class_list":["post-3081","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-dans-les-rayons","category-finance","category-alumni","et-has-post-format-content","et_post_format-et-post-format-standard"],"_links":{"self":[{"href":"https:\/\/variances.eu\/index.php?rest_route=\/wp\/v2\/posts\/3081","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/variances.eu\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/variances.eu\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/variances.eu\/index.php?rest_route=\/wp\/v2\/users\/146"}],"replies":[{"embeddable":true,"href":"https:\/\/variances.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=3081"}],"version-history":[{"count":0,"href":"https:\/\/variances.eu\/index.php?rest_route=\/wp\/v2\/posts\/3081\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/variances.eu\/index.php?rest_route=\/wp\/v2\/media\/3082"}],"wp:attachment":[{"href":"https:\/\/variances.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=3081"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/variances.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=3081"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/variances.eu\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=3081"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}