Apeas
[ad_1]
Pour un investisseur quantitatif, l’investissement discrétionnaire est ridiculement subjectif: il s’agit de biais de confirmation, de disponibilité, d’ignorance du taux de base, etc. En revanche, pour l’investisseur discrétionnaire, l’investissement quantitatif est désespérément naïf. Une entreprise est plus que son prix à réserver et son retour sur les capitaux employés.
Les mondes de ces deux investisseurs sont comme l’est et l’ouest. On pourrait penser qu'ils ne viendront jamais ensemble.
Mais la promesse d'une intelligence artificielle (IA) en investissant est précisément cela: une rencontre des deux mondes.
Les développements récents en apprentissage automatique ont créé des possibilités intéressantes de combiner les deux philosophies d'investissement. Désormais, les investisseurs quantitatifs peuvent trouver des relations beaucoup plus complexes et non linéaires parmi les facteurs fondamentaux qui déterminent les rendements des investissements. Il est de plus en plus possible de traiter des états financiers complexes pour identifier des facteurs plus élaborés que les variétés classiques telles que la valeur, la dynamique et la croissance. Par exemple, un système d'intelligence artificielle pourrait révéler une relation complexe mais prévisible entre le levier financier, les taux d'intérêt, les marges d'exploitation et la probabilité de faillite.
D'autre part, grâce à l'IA, les investisseurs discrétionnaires peuvent identifier et quantifier des facteurs qui faisaient auparavant l'objet d'évaluations extrêmement subjectives. Grâce à la surveillance des médias sociaux, ils peuvent évaluer la perception du public d'une marque. Ils peuvent mesurer le nombre réel de clients se rendant dans un point de vente au moyen de photos aériennes quotidiennes de terrains de stationnement. Ils peuvent également avoir une idée du moral des employés en consultant des sites Web tels que Glassdoor. L'intégration de ces facteurs dans leur processus d'investissement peut ajouter un alpha important à leurs rendements.
Et pourtant, il y a une dimension entièrement négligée qui peut être encore plus excitante. Il est maintenant raisonnablement possible de créer une réplique artificielle d'un véritable gestionnaire de portefeuille, une machine qui apprend par l'exemple et développe son propre style de gestion: poursuite du mouvement, respect des notions conventionnelles de valeur ou achat de croissance à un prix raisonnable.
Comment pourrions-nous construire un tel système?
La plupart des stratégies d'investissement systématiques reposent sur une estimation de la variance moyenne. Au lieu de cela, nous voulons un système qui prédit ce que ferait un gestionnaire de placements en fonction d'un ensemble de données spécifique, informations presque toujours insuffisantes pour permettre une prévision précise des rendements. C'est une différence subtile mais cruciale. Un effet secondaire important est qu’un tel système est autorisé à dire: «Je ne sais pas quoi faire ici.» Une fois que nous arrêtons d’essayer de prédire les rendements et de prédire les décisions d’investissement, nous pouvons travailler avec des informations arbitrairement limitées.
Deux grands ensembles de facteurs affectent une décision d’investissement. Le premier est composé de facteurs quantitatifs dérivés d’états financiers, de données de marché, etc. Le second comprend des jugements subjectifs sur le gouvernement d’entreprise, la taille potentielle du marché, la perturbabilité dans le cas de la sélection de titres, par exemple, etc. En fonction du style, un investissement manager peut inclure une myriade de facteurs dans les deux catégories et attribuer des poids très différents à chacune. Le gestionnaire peut même ne pas être au courant des poids qu'il leur attribue inconsciemment. En effet, ces poids peuvent même ne pas être du tout linéaires, mais une hiérarchie de points de décision oui / non.
Dans les limites des systèmes d'IA modernes, il est maintenant possible d'inclure tous ces facteurs dans le processus de décision. Nous pouvons commencer à articuler l’architecture du système comme suit.
Il y a deux observations cruciales. La première est que nous essayons de modéliser les décisions d'investissement, pas le risque ou le rendement. La seconde est que nous traitons les entrées subjectives comme distinctes des entrées quantitatives. Cependant, ces informations subjectives sont toujours de nature quantitative. Par exemple, nous pourrions inclure une évaluation de la gouvernance d'entreprise sur une échelle de 1 à 5. Le jugement humain continuera à déterminer ces critères.
Cette architecture permet à une organisation de commencer à construire un système beaucoup plus rapidement que d'essayer de modéliser les retours, une architecture qui utilise également des entrées quantitatives. Plus important encore, un système construit comme celui-ci commencera, au fil du temps, à refléter le style du gestionnaire de placements.
Dans cette architecture, il existe un nombre infini de méta-paramètres, ou les facteurs inclus dans les entrées utilisées par le modèle sous-jacent. La capacité de l’équipe d’investissement à fournir des évaluations subjectives solides serait également très importante.
Il n'y a pas deux gestionnaires de portefeuille identiques. Il n'y a aucune raison pour que deux systèmes basés sur l'IA soient l'un ou l'autre. En prévoyant les décisions d’investissement plutôt que les rendements, et en incluant les évaluations subjectives de l’équipe dans le processus de décision, nous sommes assurés d’obtenir une grande variété de machines d’investissement uniques, condition préalable à la vitalité et à la solidité des marchés financiers.
Avez-vous commencé à intégrer l'IA dans votre processus d'investissement? Comment l'avez-vous abordé?
Si vous avez aimé cet article, n'oubliez pas de vous abonner à la Investisseur entreprenant.
Tous les messages sont l'opinion de l'auteur. En tant que tels, ils ne doivent pas être interprétés comme un conseil en investissement, et les opinions exprimées ne reflètent pas nécessairement les vues du CFA Institute ou de l’employeur de l’auteur.
Crédit image: © Getty Images / Pobytov
