Pendant des décennies, l’image du hedge fund a été inextricablement liée à la brillance singulière du gérant de portefeuille discrétionnaire. Cet individu possédait une compréhension intuitive inégalée des marchés, une capacité remarquable à analyser et démêler des informations complexes de type macro ou micro et de prendre des positions à forte conviction. Mais ce paradigme est aujourd’hui confronté à une transformation profonde. Le paysage financier évolue rapidement avec l’avènement de l’investissement systématique, une approche axée sur les données qui exploite la puissance de calcul avancée, les algorithmes et de vastes ensembles de données. De plus en plus, ces stratégies dites «quantitatives» non seulement défient, mais, bien souvent, surpassent leurs homologues discrétionnaires, signalant un changement significatif dans la définition même de la génération d’alpha dans la finance moderne.
Le renouveau des stratégies systématiques
Les stratégies d’arbitrage factoriel et statistique sur actions ont prospéré. Après une longue période de faible dispersion, l’augmentation soudaine de la volatilité ainsi que des taux a entraîné une augmentation de la dispersion. Cet environnement a fourni de nombreuses opportunités pour les stratégies qui exploitent les erreurs de valorisation et les divergences entre les titres. Que ce soit en exploitant les divergences dans les facteurs fondamentaux, les biais comportementaux ou les relations statistiques, ces modèles ont retrouvé un terrain propice riche en opportunités rentables, largement absentes durant la période précédente de taux d’intérêt ultra-bas et de dynamiques de marché compressées. En effet, la plupart des stratégies systématiques ont traversé un «hiver quantitatif» durant la période 2015-2019, caractérisée par des taux bas et une volatilité contenue.
Les avancées technologiques: carburant de la révolution quantitative
Les avancées technologiques sont en train de remodeler en profondeur la recherche et le trading. L’évolution rapide de domaines comme l’intelligence artificielle, le machine learning et l’analyse des mégadonnées transforme la manière dont les professionnels de la finance recueillent, analysent et agissent sur l’information. En 2023, neuf des dix plux grands hedge funds déployaient ces nouveaux outils pour générer des signaux, exécuter des ordres ou gérer les risques. Selon un rapport de 2023 publié par Barclays, la part des actifs de hedge funds gérés par des programmes quantitatifs a grimpé à 35%, contre 10% en 2010. Une myriade de données différentes alimente désormais d’énormes quantités de données à la recherche de signaux, permettant aux modèles de se rafraîchir plusieurs fois par jour, là où les gérants discrétionnaires pensent encore en trimestres. Néanmoins, les modèles ne se construisent pas (encore) seuls, et les gérants doivent embaucher des dizaines d’analystes, d’ingénieurs et de mathématiciens hautement rémunérés pour concevoir les modèles complexes. Cette évolution représente donc un investissement massif pour les gérants, englobant à la fois un développement d’infrastructure et des efforts de recrutement substantiels.
La performance et l’attrait des quants dans un monde volatil
Les quants, avec un bêta actions faible et une convexité positive lors des baisses, sont devenus le diversificateur de choix pour les investisseurs institutionnels. Grâce à leur capacité à neutraliser plusieurs facteurs de risque, les modèles quantitatifs sont généralement exécutés avec un effet de levier plus élevé – allant jusqu’à 20x – offrant de meilleurs rendements. Par conséquent, les fonds actions quantitatifs ont délivré de solides performances, générant des rendements à deux chiffres au cours des cinq dernières années avec une volatilité bien plus faible. Cependant, cette augmentation de la demande a rapidement entraîné un défi: les gérants de premier plan ont rapidement atteint leur capacité en raison des afflux et des rendements exceptionnels.
L’expansion quantitative au sein des plateformes multi-PM
Les plateformes multi-gérants ont été à la pointe de cette expansion, illustrées par des titans de l’industrie comme Millennium, DE Shaw ou Point72. Leur vaste base de capital leur permet d’investir massivement dans une infrastructure à faible latence de pointe, leur offrant une vitesse inégalée dans l’exécution des transactions et le traitement des données – un avantage critique sur les marchés rapides d’aujourd’hui. En outre, cette échelle leur permet de payer le prix fort pour attirer les meilleurs talents et retenir le capital intellectuel essentiel à la génération d’alpha. Aujourd’hui, les fonds multi-PM ont considérablement augmenté leur allocation quantitative, la portant entre 20% et 30%.
Les défis et risques des gérants quantitatifs
Bien que performants, les fonds quantitatifs font face à plusieurs risques majeurs pouvant freiner leurs résultats futurs:
- Sur-apprentissage: les modèles trop ajustés aux données passées captent le bruit plutôt que les signaux, ce qui peut être préjudiciable en cas de changement des conditions de marché.
- Saturation des données: l’usage massif de données similaires réduit l’alpha, car les stratégies deviennent surpeuplées et prévisibles.
- Opacité: les algorithmes complexes, notamment en machine learning, manquent de transparence, rendant difficile la compréhension des décisions prises.
- Pression réglementaire: l’attention croissante des régulateurs sur les risques systémiques ou les avantages perçus du trading algorithmique pourrait limiter l’agilité de ces stratégies.
Ensemble, ces risques soulignent l’importance d’équilibrer un portefeuille entre les stratégies de hedge funds discrétionnaires «traditionnels» et les programmes systématiques innovants.