Sur les marchés financiers, le pouvoir prédictif est rare mais ardemment convoité. Presque tous les participants aux marchés financiers sont à sa quête, car sans lui tout rendement supérieur à la moyenne n’est que chimère. Ceci vaut aussi pour les algorithmes de l’intelligence artificielle (IA), qui sont soumis aux mêmes conditions de marché et qui, pour dégager des excédents de rendement, doivent eux aussi posséder la capacité de prédire avec un grand degré de précision l’évolution des facteurs d’influence des prix des actifs.

Ceci est toutefois loin d’être simple, car plus l’intervalle de temps est court, plus il est difficile de faire un pronostic. Un espoir existe néanmoins. Bien que les rendements puissent être très volatils à court terme, le pouvoir prédictif augmente de pair avec l’horizon temporel. Selon les études empiriques, même les intervalles hebdomadaires sont déjà un peu plus prometteurs. Si l’on porte le regard encore plus loin dans l’avenir, le pouvoir prédictif s’accroît certes encore, mais perd de la précision en ce sens que les pronostiqueurs doivent se satisfaire de la constatation que les marchés haussiers sont suivis de marchés baissiers, et vice-versa. Ce savoir est toutefois trop peu différencié pour pouvoir gagner de l’argent sur le marché.

Que l’intervalle de temps soit court ou long, le marché de l’or se distingue par son caractère imprévisible. Ce métal précieux est un actif particulier se soustrayant aux méthodes d’évaluation et de prévision éprouvées de longue date, telles qu’elles sont appliquées traditionnellement dans maintes classes d’actifs. Ceci s’explique par le fait que l’or, contrairement à d’autres valeurs mobilières comme les actions et les obligations, ne génère aucun cash-flow régulier dont la valeur escomptée peut être utilisée pour calculer le juste prix. Il en devient ainsi une pierre de touche du savoir-faire prévisionnel.

Compliquant encore les choses, le cours de l’or est fortement influencé par l’humeur des investisseurs mondiaux. Capricieuse et difficile à appréhender, elle représente toutefois le seul élément sur lequel on peut fonder la valorisation du métal jaune. Il s’agit donc de la cerner, de la quantifier et de la transformer en conclusions utiles pour les investisseurs. Alors qu’il est presque impossible pour les analystes humains de saisir un concept aussi fugace de manière exacte et complète, l’IA est mieux en mesure de s'attaquer à cette tâche. Grâce à des méthodes et vitesses de traitement de données supérieures, les algorithmes d’IA parviennent à s’avancer dans un domaine jusqu’alors inaccessible aux modes d’évaluation traditionnels.

L’intérêt manifesté envers l’or par les participants au marché tout autour du globe constitue le baromètre du moral des investisseurs, qui est largement reflété dans les sources publiques de textes. Nous mesurons cet intérêt par le biais d’une analyse quantitative des termes qui possèdent une pertinence élevée pour l’or en tant que placement financier. Pour garantir la signification statistique de ces termes pour les marchés financiers, la base de données Wikipedia entière est systématiquement passée en revue et analysée. Dans un premier temps, on retient tous les mots figurant dans l’article Wikipedia sur l’or. Ensuite, l’indicateur TF-IDF (Term Frequency-Inverse Document Frequency) est utilisé pour comparer leur fréquence à celle constatée dans toute la collection de documents de Wikipedia. Plus la valeur est élevée, plus le terme en question est pertinent pour l’or en tant que placement financier. Les mots sans pertinence ne présentant pas de lien étroit avec l’or peuvent ainsi être exclus de l’analyse.

Une fois que les termes déterminants ont été définis, ils sont inclus dans un algorithme qui examine des sources Internet pour capter et analyser la dynamique de l’intérêt suscité par l’or au plan mondial. Si cet intérêt est élevé, il en résulte généralement une volatilité accrue du cours du métal jaune, ce qui incite l’algorithme à suspendre les achats, voire à effectuer une réduction de l’allocation correspondante. Dans le cas contraire d’un désintérêt mondial pour l’or, nous étoffons nos positions sur la base de la faible volatilité attendue. Un tel processus constituerait une tâche gargantuesque pour un analyste humain. En effet, il s’agirait de passer au crible un volume de données gigantesque, de générer des conclusions précises, de les assembler en un tout cohérent et d’en dériver des décisions de placement, ce en l’espace d’un rien de temps.

Générer des conclusions pour les investisseurs est une chose. Les appliquer en est une autre. Ceci vaut pour les placements en or comme pour toutes les autres décisions d’investissement. Si le marché n’offre aucune marge pour glaner des informations, aucune stratégie de placement rentable ne peut être appliquée.

De la marge existe lorsque les informations nouvellement publiées ne sont pas reflétées instantanément dans les prix des actifs. Il en résulte ainsi passagèrement des évaluations erronées, et donc des opportunités pour les investisseurs. L’efficacité de l’information est donc inversement proportionnelle au potentiel en termes de prévisions: plus un marché est efficace dans le traitement des informations, moins on peut tirer profit de ces dernières. En présence d’une efficacité élevée, telle que définie par l’hypothèse d’efficience des marchés, ceux-ci fonctionnent sans heurts et reflètent sans délai toute nouvelle information, qu’elle soit publique ou privée. Dans un tel contexte, ni l’être humain ni l’IA ne peut utiliser cette information pour dégager un avantage. En revanche, toute forme de marché qui n’atteint pas ce degré de perfection présente une marge de manœuvre, et donc des possibilités d’action pour l’IA.

En résumé, l’IA est en mesure, grâce aux nouvelles méthodes de collecte et de traitement de données, d’exploiter les sources d’information publiques, de reconnaître de nouvelles configurations d’informations et de les transformer en connaissances précieuses pour les investisseurs. Cette capacité d’utiliser les données représente l’élément central pour la création par l’IA de valeur ajoutée dans les placements. L’or en représente un exemple parfait, avec ses caractéristiques compliquant l’évaluation. Dans chaque segment de marché qui présente les conditions structurelles requises, on peut recourir à l’IA pour mettre à portée de main la clé pour le succès dans l’investissement: le pouvoir prédictif.

Les courbes de performance sont fournies à titre d’illustration seulement. Elles ne reflètent pas l’évolution historique et ne représentent pas un indicateur fiable de la performance actuelle ou future. Le graphique représente l’évolution simulée du cours de la stratégie sur l’or basée sur l’IA de Vescore ainsi que l’évolution historique du prix de l’or (ticker Bloomberg: GOLDLNPM Index). Les données de performance reposent sur des calculs effectués a postériori pour la période du 01.01.2006 au 03.07.2018. Les résultats ex post ont été calculés par application rétroactive d’un modèle aux données historiques. Il s’agit de résultats bruts qui ne reflètent pas l’impact calculé ex post des éventuels frais de transaction, commissions de gestion, commissions de performance ou autres coûts.

Remarque juridique importante:

Cet article reflète l’opinion personnelle de l’auteur, qui ne concorde pas forcément avec celle de Vontobel Asset Management.