https:\/\/en.wikipedia.org\/wiki\/Turing_test<\/a>.<\/span><\/span><\/p>\nLa recherche quantitative traditionnelle ne remplit pas le test de Turing. Certes, elle est capable d\u2019identifier un groupe d\u2019actions correspondant \u00e0 une structure financi\u00e8re donn\u00e9e. Par contre, elle a souvent du mal \u00e0 s\u2019adapter aux changements de la structure \u00e9conomique et financi\u00e8re (changement de paradigme de march\u00e9).<\/p>\n
Par opposition, les algorithmes d\u2019intelligence artificielle sont con\u00e7us pour s\u2019adapter aux changements de la structure du march\u00e9 (cycle \u00e9conomique, disruptions technologiques, mondialisation, \u2026). L\u2019intelligence artificielle repose sur le d\u00e9veloppement d\u2019algorithmes qui vont \u00ab\u00a0traduire\u00a0\u00bb en math\u00e9matiques les processus d\u2019analyse des analystes traditionnels. Cette approche est particuli\u00e8rement efficiente pour deux dimensions fondamentales de la gestion d\u2019actifs\u00a0:<\/p>\n
– identifier les valeurs \u00ab GARP \u00bb (Growth at Reasonable Price<\/em> ou valeur de croissance \u00e0 prix raisonnable) suivant les principes de Warren Buffet, parfois surnomm\u00e9 \u00ab\u00a0le Sage d\u2019Omaha\u00a0\u00bb,<\/p>\n– construire des portefeuilles d\u2019allocation d\u2019actifs.<\/p>\n
En gestion actions, l<\/strong>\u2019Intelligence Artificielle apporte une capacit\u00e9 de \u00ab\u00a0radar screening<\/em>\u00a0\u00bb importante (s\u00e9lection d\u2019un portefeuille de titres dans un univers d\u2019investissement important)<\/strong><\/h3>\nLe but de l\u2019analyse financi\u00e8re actions est \u00e0 la fois extr\u00eamement simple \u00e0 exprimer et complexe\u00a0\u00e0 r\u00e9aliser: comment s\u00e9lectionner des titres parmi un univers investissable de centaines, voire de milliers de titres. Le but est de converger vers la performance du march\u00e9 (la fronti\u00e8re efficiente), voire la d\u00e9passer.<\/p>\n
Pour les investisseurs particuliers, la m\u00e9thode traditionnelle est avant tout \u00ab\u00a0bottom up\u00a0<\/em>\u00bb (du bas vers le haut). Elle consiste \u00e0 identifier des titres via les m\u00e9dias, les r\u00e9seaux sociaux, le bouche \u00e0 oreille. Cette approche \u00e9tait justifi\u00e9e quand la complexit\u00e9 du march\u00e9 \u00e9tait relativement limit\u00e9e. Une approche \u00ab\u00a0p\u00e8re de famille\u00a0\u00bb consistait alors \u00e0 suivre un nombre relativement limit\u00e9 de titres reconnus et porteurs. La cr\u00e9ation de l\u2019euro et la mondialisation ont consid\u00e9rablement \u00e9largi et donc complexifi\u00e9 l\u2019univers investissable. Il est maintenant possible d\u2019investir un PEA dans toute l\u2019Union Europ\u00e9enne, soit des centaines, voire des milliers de titres.<\/p>\nL\u2019intelligence artificielle en gestion actions permet de compl\u00e9ter l\u2019approche traditionnelle en analysant l\u2019ensemble des titres investissables et non pas une pr\u00e9-s\u00e9lection forc\u00e9ment moins efficiente.<\/p>\n
En allocation d<\/strong>\u2019actifs, l<\/strong>\u2019IA permet de \u00ab\u00a0lire\u00a0\u00bb le langage cach\u00e9 du march\u00e9<\/strong><\/h3>\nEn allocation d\u2019actifs, l\u2019intelligence artificielle est aussi particuli\u00e8rement puissante. Elle permet de capter des changements de la structure haussi\u00e8re d\u2019un actif (capacit\u00e9 de cet actif \u00e0 performer sur le moyen terme) avant m\u00eame de conna\u00eetre les nouvelles fondamentales permettant d\u2019expliquer a posteriori ces changements. Ainsi, durant la crise COVID, le consensus des m\u00e9dias, des scientifiques de l\u2019OMS, et des politiciens \u00e9tait que le risque d\u2019explosion de la crise \u00e9tait limit\u00e9. Or, d\u00e8s la fin f\u00e9vrier 2020, nos mod\u00e8les ont donn\u00e9 des signaux clairs d\u2019un retournement du march\u00e9, en se mettant m\u00eame \u00e0 100 % en liquidit\u00e9s d\u00e9but mars. Ceci \u00e9tait particuli\u00e8rement \u00e9tonnant car normalement, une baisse du march\u00e9 actions se traduit par un retour vers les obligations. Or, en 2020, pour la premi\u00e8re fois depuis tr\u00e8s longtemps, on a assist\u00e9 \u00e0 une corr\u00e9lation entre obligations et actions qui ont baiss\u00e9 ensemble. Il a fallu que la FED intervienne pour la premi\u00e8re fois sur les ETFs (fonds indiciels cot\u00e9s) obligataires pour \u00e9viter une dislocation du march\u00e9 et le stabiliser.<\/p>\n
La robustesse de cette approche est prouv\u00e9e avant tout par la capacit\u00e9 \u00e0 limiter les pertes dans les sc\u00e9narios de crise. La performance de long terme peut rester assez proche d\u2019une gestion d\u2019actifs passive. Par contre, le ratio de Sharpe augmente fortement. Mais encore plus, c\u2019est la volatilit\u00e9 du ratio de Sharpe qui est minimis\u00e9e.<\/p>\n
Cette stabilit\u00e9 des performances permet de \u00ab\u00a0leverager\u00a0\u00bb (effet de levier via l\u2019emprunt pour augmenter la volatilit\u00e9) fortement les positions d\u2019allocation d\u2019actifs. Un portefeuille d\u2019ETFs peut ainsi \u00eatre leverag\u00e9 autour de 3 fois. Ceci permet d\u2019augmenter la volatilit\u00e9 du portefeuille d\u2019environ 7 \u00e0 10 % en termes annuels (volatilit\u00e9 d\u2019un fonds d\u2019allocation d\u2019actifs 60 % Actions \/ 40 % Obligations) \u00e0 20 % (volatilit\u00e9 actions). Ceci permet de viser un rendement annuel moyen de 20 % avec des baisses maximales de 20 %, en ligne avec une allocation d\u2019actifs passive de type 60 % obligations \/ 40 % actions.<\/p>\n
Comment fonctionne la valorisation des actions via l<\/strong>\u2019intelligence artificielle\u00a0<\/strong>?<\/strong><\/h3>\nL\u2019intelligence artificielle repose sur l\u2019accumulation de filtres quantitatifs.<\/p>\n
On peut distinguer quatre grandes \u00e9tapes\u00a0:<\/p>\n
– Construction de l\u2019univers investissable<\/p>\n
– Valorisation fondamentale<\/p>\n
– Valorisation technique<\/p>\n
– Construction du portefeuille final<\/p>\n
\u00a0<\/strong>Exemple des \u00e9tapes de construction d\u2019un portefeuille actions investi en valeurs de croissance<\/u><\/strong><\/p>\n1. La construction des univers d\u2019investissement est fondamentale.<\/strong> Elle consiste \u00e0 \u00e9liminer les actions qui ne sont pas assez liquides, qui ne r\u00e9pondent pas \u00e0 des crit\u00e8res de finance responsable, et surtout qui ne cr\u00e9ent pas de valeur sur le moyen terme pour les actionnaires. C\u2019est une phase \u00e9galement pr\u00e9sente dans l\u2019analyse traditionnelle.<\/p>\n2. L\u2019approche fondamentale de valorisation<\/strong> des valeurs GARP est une \u00e9tape d\u00e9licate. Tout investisseur sait qu\u2019une action de croissance comme Nokia peut se transformer en \u00ab\u00a0fallen angel\u00a0\u00bb (ange d\u00e9chu) \u00e0 partir du moment o\u00f9 elle rate un virage technologique comme la programmation Android.<\/p>\nL\u2019intelligence artificielle permet de d\u00e9finir des indicateurs techniques de valorisation de ces valeurs GARP (cf. graphe ci-dessous). Elle permet de conserver des valeurs gagnantes m\u00eame quand leur valorisation semble stratosph\u00e9rique ou d\u2019acheter des valeurs de croissance d\u00e9laiss\u00e9es car elles ne sont pas au go\u00fbt du jour.<\/p>\n
3. Une seconde famille d\u2019indicateurs repose sur l\u2019analyse comportementale et non pas fondamentale<\/strong>. Ces indicateurs techniques se focalisent non pas sur la rationalit\u00e9 de la valorisation mais sur le comportement psychologique des acteurs. Tout investisseur sait que les cours de bourse refl\u00e8tent continuellement le c\u00f4t\u00e9 \u00e0 la fois rationnel et \u00e9motionnel des acteurs financiers. Cette dialectique permanente entre le cerveau droit et le cerveau gauche, entre le \u00ab\u00a0greed and fear\u00a0\u00bb (avidit\u00e9 au gain et crainte des pertes), se refl\u00e8te dans les structures d\u2019analyse chartistes mais peut aussi \u00eatre math\u00e9matis\u00e9e.<\/p>\nLa question fondamentale est alors de distinguer une baisse du prix entre une consolidation et un retournement de tendance. Dans un retournement de tendance, une action peut monter mais en fait sa structure de prix est devenue baissi\u00e8re. De m\u00eame, dans une consolidation de tendance, le cours d\u2019une action peut baisser alors que sa structure de prix reste haussi\u00e8re. C\u2019est toute la diff\u00e9rence entre une consolidation et un retournement de march\u00e9.<\/p>\n
4. Enfin, les outils de construction du portefeuille<\/strong> permettent de calibrer le portefeuille final. Beaucoup d\u2019investisseurs ont une approche action par action pour construire leur portefeuille. C\u2019est une approche parfois dangereuse car elle n\u2019\u00e9quilibre pas bien les risques. De m\u00eame, le risque final du portefeuille est li\u00e9 non seulement au risque individuel mais aussi \u00e0 la corr\u00e9lation entre les diff\u00e9rentes actions, permettant ainsi d\u2019\u00e9quilibrer la performance du portefeuille. Seuls des outils math\u00e9matiques sont \u00e0 m\u00eame de quantifier ces ph\u00e9nom\u00e8nes complexes et de b\u00e9n\u00e9ficier ainsi de ce que Friedmann appelait le \u00ab\u00a0free lunch of decorrelation\u00a0\u00bb<\/em> ( ou \u00ab\u00a0gain gratuit de la d\u00e9corr\u00e9lation\u00a0\u00bb).<\/p>\nComment utiliser les portefeuilles mod\u00e8les d<\/strong>\u2019intelligence artificielle\u00a0<\/strong>?<\/strong><\/h3>\nUn investisseur peut choisir de r\u00e9pliquer int\u00e9gralement un portefeuille mod\u00e8le calcul\u00e9 par l\u2019intelligence artificielle. C\u2019est le cas de certains ETFs quantitatifs aux USA.<\/p>\n
Un investisseur peut et doit aussi valider chaque choix de titre en \u00e9tudiant les fondamentaux de l\u2019action propos\u00e9e et aussi son analyse chartiste. Il peut ainsi am\u00e9liorer, via son travail, le portefeuille mod\u00e8le g\u00e9n\u00e9r\u00e9 par la machine.<\/p>\n
Quels sont les avantages de l<\/strong>\u2019intelligence artificielle\u00a0<\/strong>?<\/strong><\/h3>\nLa puissance de l\u2019intelligence artificielle appliqu\u00e9e \u00e0 la s\u00e9lection de titres est qu\u2019elle repose sur des proc\u00e9dures math\u00e9matiques et non pas humaines\u00a0:<\/p>\n
– Elle n\u2019est donc pas soumise \u00e0 des biais \u00e9motionnels.<\/p>\n
– Elle est capable de surmonter la difficult\u00e9 majeure de valorisation d\u2019une valeur de croissance, c\u2019est-\u00e0-dire le caract\u00e8re al\u00e9atoire des anticipations de croissance du b\u00e9n\u00e9fice. (dimension stochastique de valorisation d\u2019une action).<\/p>\n
– Elle peut s\u2019adapter et rep\u00e9rer des changements de la structure du march\u00e9 avant m\u00eame la rationalisation de ces changements de paradigme.<\/p>\n
– Elle est tr\u00e8s bon march\u00e9 une fois que les algorithmes ont \u00e9t\u00e9 d\u00e9velopp\u00e9s avec un co\u00fbt marginal quasi nul.<\/p>\n
Quels sont les limites d<\/strong>\u2019une gestion par l<\/strong>\u2019intelligence artificielle\u00a0<\/strong>?<\/strong><\/h3>\nComme tout processus de gestion, l\u2019intelligence artificielle est soumise \u00e0 des limites li\u00e9es \u00e0 son approche m\u00eame\u00a0:<\/p>\n
– La dimension \u00ab\u00a0bo\u00eete noire\u00a0\u00bb<\/strong>. L\u2019intelligence artificielle repose sur des mod\u00e8les math\u00e9matiques non brevetables. Ils doivent donc \u00eatre prot\u00e9g\u00e9s comme un \u00ab\u00a0trading secret\u00a0\u00bb et deviennent de facto des \u00ab\u00a0boites noires\u00a0\u00bb.<\/p>\n– Le risque de \u00ab\u00a0data mining\u00a0\u00bb<\/em><\/strong>, soit la capacit\u00e9 des analystes quantitatifs \u00e0 suroptimiser leur portefeuille en identifiant des crit\u00e8res de choix qui ont tr\u00e8s bien fonctionn\u00e9 dans le pass\u00e9 mais qui s\u2019av\u00e8rent faux dans le futur. C\u2019est pourquoi on doit valider un processus d\u2019intelligence artificielle \u00e0 partir de performances r\u00e9elles et non pas seulement de portefeuilles mod\u00e8les simul\u00e9s.<\/p>\n– La p\u00e9rennit\u00e9 des mod\u00e8les<\/strong>. Rien ne prouve qu\u2019un historique de performances positif sera tout aussi bon dans le futur. Il repose sur le fameux disclaimer<\/em> selon lequel \u00ab\u00a0les performances pass\u00e9es ne garantissent pas les performances futures\u00a0\u00bb. Ce biais existe aussi pour les g\u00e9rants traditionnels.<\/p>\n– La difficult\u00e9 \u00e0 commercialiser<\/strong> par des soci\u00e9t\u00e9s de gestion existantes. L\u2019aspect \u00ab\u00a0boite noire\u00a0\u00bb rebute beaucoup de g\u00e9rants. Certains d\u2019entre eux se sentent menac\u00e9s par l\u2019arriv\u00e9e des machines. Ils redoutent une disruption technologique de l\u2019industrie de la gestion avec l\u2019entr\u00e9e de nouveaux entrants disposant d\u2019un avantage concurrentiel majeur aussi bien en termes de performance que de structure de co\u00fbts.<\/p>\n– Les probl\u00e8mes de propri\u00e9t\u00e9 intellectuelle<\/strong>. Beaucoup de soci\u00e9t\u00e9s de gestion demandent \u00ab\u00a0d\u2019ouvrir le capot\u00a0\u00bb. Le risque est alors un retro-engineering des algorithmes. Aux USA, il est possible de cr\u00e9er des structures \u00ab\u00a0H\u00f4tel California<\/em>\u00bb qui permettent de prot\u00e9ger une \u00e9quipe de chercheurs en emp\u00eachant toute fuite de la propri\u00e9t\u00e9 intellectuelle. Ceci repose sur une p\u00e9nalisation du vol de propri\u00e9t\u00e9 intellectuelle via le droit du travail, qui est actuellement impossible en France. Ainsi, Goldman Sachs a pu faire mettre en prison un de ses anciens employ\u00e9s qui avait vol\u00e9 des \u00ab\u00a0trading secrets\u00a0\u00bb. De m\u00eame, Renaissance Technologies (le plus grand hedge fund<\/em> math\u00e9matique du monde) n\u2019a vu aucun de ses chercheurs quitter cette entreprise. En contrepartie, elle a partag\u00e9 ses profits fabuleux entre tous ses math\u00e9maticiens.<\/p>\nConclusion<\/strong><\/h3>\nL\u2019intelligence artificielle a d\u00e9j\u00e0 r\u00e9volutionn\u00e9 la finance dans les pays anglo-saxons. Paradoxalement, la France, pays de tant de grands math\u00e9maticiens, a pris un retard certain dans la mise en place de ces techniques.<\/p>\n
La question n\u2019est pas de savoir si l\u2019intelligence artificielle marche. Les track-records<\/em> r\u00e9els (ou historiques de performance) prouvent la p\u00e9rennit\u00e9 des process aussi bien en gestion actions qu\u2019en allocation d\u2019actifs.<\/p>\nCe sont avant tout les probl\u00e8mes de propri\u00e9t\u00e9 intellectuelle qui bloquent son d\u00e9veloppement en France. Les math\u00e9maticiens y sont certainement parmi les actifs d\u2019entreprises les moins bien valoris\u00e9s par le capitalisme. La recherche en intelligence artificielle appliqu\u00e9e \u00e0 la gestion n\u2019est pas valoris\u00e9e ni valorisable car non brevetable. Les grandes institutions sont alors peu capables de d\u00e9velopper les meilleurs process face \u00e0 la concurrence anglo-saxonne qui capte les meilleurs chercheurs.<\/p>\n
Cette dichotomie croissante entre technologie et industrie est typique des r\u00e9volutions schumpet\u00e9riennes. On ne peut qu\u2019anticiper une future r\u00e9volution financi\u00e8re quand les co\u00fbts d\u2019entr\u00e9e en gestion financi\u00e8re atteindront des niveaux moins \u00e9lev\u00e9s.<\/p>\n
Cet article est adress\u00e9 \u00e0 titre d’information uniquement et ne constitue ni une offre de produits ou de services, ni une offre, une recommandation ou une sollicitation d’offre de fourniture de conseil ou de service d’investissement pour acheter\/vendre des instruments financiers.<\/em><\/p>\n <\/p>\n
Mots-cl\u00e9s : Allocation d<\/span>\u2019actifs – S\u00e9lection de titres – Intelligence Artificielle – Gestion d<\/span>\u2019Actifs – Assurance Vie<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"1. L\u2019intelligence artificielle permet de pr\u00e9s\u00e9lectionner des titres avec un co\u00fbt marginal faible et une grande robustesse. Elle repose sur la math\u00e9matisation des processus de construction de portefeuille: analyse fondamentale et analyse technique. 2. Elle est compl\u00e9mentaire des approches traditionnelles via une gestion Homme + Machine. 3. Elle est difficile \u00e0 impl\u00e9menter et \u00e0 commercialiser […]<\/p>\n","protected":false},"author":381,"featured_media":6236,"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":[5,164],"tags":[],"class_list":["post-6234","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-gestion-dactifs","category-intelligence-artificielle","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\/6234","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\/381"}],"replies":[{"embeddable":true,"href":"https:\/\/variances.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=6234"}],"version-history":[{"count":0,"href":"https:\/\/variances.eu\/index.php?rest_route=\/wp\/v2\/posts\/6234\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/variances.eu\/index.php?rest_route=\/wp\/v2\/media\/6236"}],"wp:attachment":[{"href":"https:\/\/variances.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=6234"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/variances.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=6234"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/variances.eu\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=6234"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}