Chez T. Rowe Price, nous sommes convaincus qu’il existe des facteurs déterminants dans le succès d’une entreprise qui ne peuvent être décelés uniquement par des chiffres ou des feuilles de calcul. C’est pourquoi nos analystes et gérants se déplacent dans le monde entier pour rencontrer les dirigeants et obtenir une vue d’ensemble des activités et des clients d’une entreprise. L’humain, non les ordinateurs et les algorithmes, est au cœur de notre processus d’investissement. Cela nous distingue de certains de nos concurrents qui se tournent de plus en plus vers les ordinateurs pour prendre des décisions d’investissement.

Cela dit, nous avons toujours cru au pouvoir de la technologie pour faire progresser les marchés et les industries - y compris la nôtre. Depuis de nombreuses années, nous avons intégré la technologie pour nous aider à améliorer les résultats de nos investissements. Nous sommes particulièrement intéressés par la façon dont notre équipe de gestion peut utiliser la technologie pour approfondir et étendre sa compréhension de la dynamique du marché et des tendances de l’industrie.

Dans cet optique, nous avons ouvert un Centre de développement technologique propre à New York il y a deux ans. Le Centre est conçu pour être un accélérateur de technologie, avec un accent sur le développement de capacités spécialisées en science des données. Nous avons installé le Centre à New York en raison notamment de l’écosystème unique de la ville en «fintech», qui offre à la fois un accès aux talents et une plus grande proximité avec nos partenaires.

Le Centre est cependant bien plus qu’une simple ressource fintech pour T. Rowe Price. Les membres de notre équipe de New York travaillent en étroite collaboration avec notre équipe d’investissement, cherchant à exploiter la puissance de la technologie pour les aider dans leur recherche et leur processus de prise de décision. Les scientifiques, les développeurs d’applications et les analystes de données de notre bureau de New York collaborent pour apporter des solutions intégrées à notre entreprise.

Les ingénieurs et professionnels de l’investissement ont des compétences distinctes et semblent parfois parler des langues différentes. C’est pourquoi nous avons mis sur pied une équipe spéciale d’Equity Data Insights (EDI) qui possède des compétences dans les deux domaines. Située à Baltimore au sein même de l’équipe d’investissement, l’EDI aide à analyser les besoins manquant de nos analystes et gestionnaires et les traduit en projets concrets pour notre équipe de New York.

L’objectif des équipes combinées est d’aider nos gérants à intégrer plus d’information et à en tirer de meilleures indications. Comme le souligne Jordan Vinarub, responsable du Centre, le but est «l’intelligence augmentée» au lieu de l’intelligence artificielle - «IA « au lieu de AI». Selon Jordan, son équipe «vise à appliquer l’automatisation et la génération d’informations pour aider nos collaborateurs à se concentrer sur des aspects plus importants du processus d’investissement».

Les récents progrès de l’informatique en «cloud», ainsi que la disponibilité de nouveaux ensembles importants de données, ont permis d’appliquer le «machine learning» à l’investissement. Voici quelques exemples de la façon dont notre équipe d’investissement, l’équipe EDI et le Centre se sont réunis pour mettre l’IA en action:

1. Il est clair que la performance d’une entreprise a une incidence sur la valeur que le marché attribue à ses actions, mais le lien précis n’est souvent pas clair. Les gérants voulaient avoir une meilleure idée de la façon dont les divers éléments fondamentaux d’une société - comme le taux de croissance des bénéfices et les marges bénéficiaires - se répercutent sur les multiples d’évaluation du titre (comme le ratio cours/bénéfice).
   En utilisant le «machine learning» pour analyser des décennies d’information sur le rendement et des millions de points de données, l’équipe EDI et le Centre ont développé un modèle qui fournit une évaluation théorique pour chaque titre de l’indice Russell 1000. Les analystes peuvent utiliser l’outil pour voir comment l’indice Russell 1000 peut réagir à un changement donné des fondamentaux, comme une accélération du taux de croissance de l’entreprise.
2. L’informatique du cloud, la chute des prix de la mémoire et d’autres innovations ont rendu la collecte de quantités massives de données peu coûteuse et de manière facile. Les organismes gouvernementaux, les entreprises et d’autres institutions ont mis en ligne de précieuses bases de données sur les habitudes de consommation et d’autres informations qui peuvent être exploitées pour obtenir des informations sur les investissements. Le défi est de savoir comment trier ces énormes ensembles de données - en particulier pour les analystes formés à Excel mais peu familiers avec les logiciels de base de données.
   Vincent De Augustino, analyste des services financiers de T. Rowe Price, savait qu’il y avait de l’information précieuse enfouie dans les millions de plaintes de consommateurs déposées auprès du Bureau de la protection des consommateurs en matière financière. Les équipes de l’EDI et du Centre ont aidé à dresser un « tableau de bord « qui fournit rapidement et facilement des renseignements sur l’évolution du volume des plaintes au fil du temps. M. Vincent et son équipe peuvent maintenant déterminer rapidement dans quelle mesure les banques et les autres institutions règlent les problèmes.
3. Des données importantes ont également ouvert la possibilité d’analyser les tendances des consommateurs au niveau de l’acheteur individuel. En utilisant des données anonymes sur les cartes de crédit, l’équipe EDI et le Centre ont développé un pipeline pour nos analystes du commerce de détail afin d’évaluer quelles marques, dans une catégorie donnée, font le meilleur travail pour retenir les clients. Nos analystes peuvent maintenant savoir non seulement à quel point les consommateurs sont susceptibles de continuer à dépenser chez un détaillant, mais aussi à quel point leurs dépenses changent au fil du temps. Cela permet à nos analystes de faire des prévisions plus nuancées sur la croissance des revenus d’une entreprise qu’en examinant simplement les tendances des chiffres du chiffre d’affaires.

Les analystes examinent des quantités de données pour suivre les «indicateurs clés de performance» ou KPI d’une entreprise. Certains indicateurs s’appliquent de façon générale, comme la croissance des revenus ou la marge bénéficiaire nette. D’autres sont plus adaptés à un secteur donné, comme les utilisateurs quotidiens moyens d’une plateforme de médias sociaux. La publication de ces informations peut avoir un impact immédiat et important sur le cours des actions d’une entreprise.

Ainsi, trouver de nouveaux indicateurs cachés donnant un aperçu de la performance d’une entreprise pourrait fournir un avantage considérable en matière d’investissement. Pour les rechercher, l’équipe EDI coopère avec le Centre pour déployer le «machine learning», qui utilise des algorithmes et des statistiques pour trouver des modèles dans les données, plutôt que de s’appuyer sur des instructions explicites d’un programmeur. Pour cette raison, le «machine learning» a le potentiel d’aider nos analystes à trouver des KPI que nous n’avons même jamais envisagé.

Selon The Economist, les fonds gérés par ordinateur représentent aujourd’hui 35% du marché boursier américain et 60% de son activité de négoce. Cela ne sera jamais notre stratégie, car nous croyons que les connaissances de nos gérants sont la seule façon de produire des rendements supérieurs à ceux de l’indice. Je suis toutefois enthousiaste à l’idée de voir la technologie étendre et approfondir nos perspectives, et j’ai hâte de voir quels nouveaux avantages nous apporteront les efforts de nos équipes EDI et de New York au cours des prochaines années.