L’investissement quantitatif peut suivre une logique de «smart beta» ou, comme dans l’approche de Goldman Sachs, une recherche systématique d’alpha fondée sur l’exploitation de très grands volumes de données, y compris textuelles. Grâce aux progrès récents du traitement du langage naturel et à l’accès à une infrastructure de calcul performante, l’équipe de Frederik Templiner analyse aujourd’hui environ 15’000 entreprises au niveau international, en combinant un large spectre de données pour en extraire des signaux pertinents. L’apprentissage automatique et le traitement du langage naturel jouent un rôle clé dans l’interprétation des comportements de marché, tout en exigeant une adaptation continue face aux évolutions des acteurs et des conditions financières. La sélection des titres repose sur une analyse quantitative systématique complétée par un jugement humain et une gestion rigoureuse des risques. Quelques explications.

Comment définissez-vous l’investissement quantitatif? En quoi vous différenciez-vous d’autres gestionnaires quantitatifs?

Le paysage de l’investissement quantitatif se distingue en deux grandes approches. La première, le smart beta, vise à obtenir une exposition stratégique à différents styles comme la value, la qualité ou le momentum, selon des définitions proches de la littérature académique traditionnelle. La seconde approche, que nous utilisons, consiste en une recherche systématique d’alpha par l’exploitation de très grands volumes de données. Même si ces deux approches peuvent sembler similaires de l’extérieur, leurs résultats peuvent être très différents. Cette seconde approche tire notamment parti de l’explosion des données disponibles, y compris des données textuelles, et peut inclure des indicateurs de nowcasting sur les comportements de consommation. Cela peut par exemple impliquer l’analyse de tendances de consommation à partir du trafic web ou de données de dépenses. De manière générale, la gestion systématique de stratégies d’alpha implique l’analyse de grandes quantités de données non structurées, qu’il est nécessaire de transformer et combiner pour les rendre quantifiables, avant d’appliquer des méthodes d’apprentissage automatique afin d’analyser et d’interpréter le comportement des acteurs du marché. Dans ce contexte, l’accès à une infrastructure de calcul de haute performance est devenu de plus en plus essentiel.

«Aujourd’hui, nous disposons d’un volume important de données textuelles entourant une entreprise.»

Quel est votre univers d’investissement?

Au départ, notre univers se compose d’environ 15’000 entreprises dans le monde, ce qui implique de travailler à grande échelle. Aujourd’hui, nous disposons d’un volume important de données textuelles entourant une entreprise: rapports réglementaires, articles de presse, informations juridiques, transcriptions d’appels de résultats, etc., et l’enjeu est d’identifier les ensembles de données les plus pertinents.

Certaines de ces informations existent depuis longtemps, mais il y a dix ans, il était très difficile, voire impossible, d’en faire une synthèse suffisamment exploitable. A l’époque, l’analyse de texte se limitait souvent à compter l’occurrence de certains mots à connotation positive ou négative.

Aujourd’hui, des modèles appropriés, combinés à l’infrastructure de calcul adéquate, permettent de comprendre le sens d’un texte en tenant compte du contexte, une capacité qui s’est développée ces trois à quatre dernières années. Les idées d’investissement peuvent être similaires à celles d’il y a dix ans, mais l’interprétation de l’information exige une innovation continue, car l’avantage compétitif sur les marchés financiers doit constamment être regagné.

Comment définissez-vous l’intelligence artificielle?

Il n’existe pas de définition claire de l’IA. Nous privilégions les techniques d’apprentissage automatique et le traitement du langage naturel, qui jouent un rôle essentiel dans notre processus d’investissement. Elles doivent évoluer en permanence, car les marchés changent rapidement.

Après la pandémie, de nouveaux paramètres sont apparus, notamment la montée du volume de transactions des investisseurs particuliers, qui a profondément modifié le paysage. Comprendre comment différents types d’investisseurs influencent, par exemple, le profil de liquidité d’une action est une information importante lorsque nous investissons de manière fiduciaire pour nos clients.

Par ailleurs, l’IA utilisée pour prédire la météo est différente de celle utilisée pour prédire les comportements financiers: prédire la météo n’a aucun impact sur le phénomène lui-même, tandis que prédire le marché et agir en conséquence peut en modifier les dynamiques. Les investisseurs institutionnels et particuliers ont des comportements et des motivations distincts, ce qui crée de nombreuses opportunités pour les gestionnaires actifs. L’objectif est de capitaliser sur un avantage informationnel et, si cela est fait avec prudence, d’avoir raison plus souvent qu’à son tour.

Comment opérez-vous les sélections?

Nous analysons systématiquement environ 15’000 actions liquides au quotidien. Lors du rééquilibrage des portefeuilles, nous ne considérons pas uniquement le potentiel d’alpha d’un titre, mais également son profil de risque et ses coûts de transaction associés.

Les décisions d’investissement finales reposent sur le jugement humain et la gestion du risque du portefeuille. Dans le cadre de notre gestion des risques, nous cherchons à identifier de manière systématique les risques cachés du portefeuille, notamment au moyen d’analyses de scénarios, de techniques quantitatives et de nos modèles de risque propriétaires.

Quels types de titres gérez-vous?

Nous gérons plusieurs sous-univers au sein de nos stratégies, notamment les actions européennes, américaines, des marchés développés et des marchés émergents. Nous proposons également des solutions sur mesure pour nos clients.

La même philosophie d’investissement s’applique à chaque marché, mais chacun présente ses spécificités. L’Europe, par exemple, est composée de marchés très variés en matière de réglementation, de langues et de cultures, ce qui ralentit la circulation de l’information et crée des opportunités pour les investisseurs systématiques. Le Japon, à l’inverse, est un marché plus contrariant, nécessitant l’utilisation de jeux de données adaptés.

Comment est composée votre équipe?

Notre équipe compte environ 70 personnes dans le monde et est organisée en trois pôles: recherche d’alpha, construction de portefeuille et gestion de portefeuilles clients. Nous recrutons des profils issus d’un large éventail de formations, notamment l’informatique, les mathématiques et l’ingénierie.

Si nous effectuons des recrutements seniors ciblés, nous accordons également une grande importance au recrutement de jeunes talents, notamment via un programme d’analystes d’été destinés aux jeunes diplômés. Ce programme, qui dure plusieurs semaines, permet aux participants de se familiariser avec l’équipe et ses activités.

Comment évaluez-vous vos performances par rapport au marché?

Au-delà de l’objectif de surperformer le benchmark conformément aux objectifs du portefeuille client, nous évaluons également notre performance en fonction de la nature différenciée des rendements générés. Autrement dit, nous cherchons intentionnellement à produire de l’alpha sans prendre des expositions excessives aux facteurs de style classiques tels que la value, la qualité ou le momentum.