Northern Trust Asset Management a récemment renforcé considérablement son équipe quantitative, ce qui a également eu des répercussions sur son approche. « Grâce à l’IA, il est désormais possible d’explorer des idées qui étaient auparavant irréalisables sur le plan pratique », explique le « nouveau venu », Gijsbert de Lange. Cependant, la recherche aléatoire n’est pas une envisageable. « Nos recherches commencent toujours par une hypothèse économique. »
Pendant cinq ans, M. de Lange a dirigé l’équipe de gestion quantitative d’action d’APG Asset Management jusqu’à ce que son principal client, le fonds de pension ABP, décide que les investissements en actions seraient dorénavant largement passifs. L’équipe d’environ 25 chercheurs, gestionnaires de portefeuille et spécialistes informatiques, qui travaillaient jour et nuit pour perfectionner la gestion active des portefeuilles d’actions en utilisant des techniques avancées, était devenue obsolète ; APG n’a pas eu d’autre choix que de la dissoudre.
Northern Trust Asset Management (NTAM) a frappé fort en intégrant près de la moitié de l’équipe au début de l’année. Le gestionnaire d’actifs américain est un pionnier des stratégies quantitatives depuis 1994. En incluant les nouveaux venus, l’équipe basée à Chicago, Londres, Melbourne et Amsterdam compte désormais 63 équivalents temps plein. La plateforme quantitative gère plus de 40 milliards de dollars d’actifs.
Quelques mois après son changement de poste, Gijsbert de Lange (63 ans) explique volontiers comment s’est déroulée la transition et comment l’arrivée de son équipe a changé l’investissement quantitatif chez Northern Trust.
Northern Trust est un employeur différent d’APG. Est-ce que vous faites les choses tout autrement ?
« En termes de recherche, les différences ne sont pas très importantes, mais en termes d’organisation, vous remarquez dans tous les domaines qu’il s’agit d’une entreprise mondiale. Les opportunités commerciales sont plus importantes. Nous parlons à des clients européens, mais aussi à des clients d’Extrême-Orient, d’Australie, des États-Unis… Je suis maintenant beaucoup plus impliqué dans les différentes manières dont nous pouvons appliquer les résultats de la recherche. »
Quelles sont les grandes lignes de ces recherches ?
« Grâce à nos recherches, nous améliorons les stratégies d’actions et de titres à revenu fixe qui utilisent des facteurs. Il s’agit principalement des facteurs de valeur, de qualité et de momentum – ce dernier étant d’ailleurs appelé « sentiment » ici. La mise en œuvre des stratégies factorielles peut varier d’un gestionnaire d’actifs à l’autre : on parle de mise en œuvre interne. Outre l’approche spécifique de NTAM, les équipes quantitatives ont mis en place des critères innovants, avec lesquels nous visons très spécifiquement l’alpha, la surperformance. »
L’investissement quantitatif est-il la cerise sur le gâteau ?
« Si le gâteau est un facteur d’investissement, alors oui. Nous améliorons encore la mise en œuvre des stratégies factorielles. Avec la sélection des actions, mais aussi avec le timing. »
« Les entreprises qui ont de bonnes relations avec toutes les parties prenantes sont moins susceptibles de rencontrer des incidents à long terme. »
Sur la base de quels critères faites-vous cela ?
« Nous ajoutons deux caractéristiques des entreprises qui ont de la valeur. Premièrement, nous recherchons des entreprises innovantes ; deuxièmement, des entreprises qui prennent en compte toutes les parties prenantes. L’idée derrière l’innovation est sans doute claire, l’idée dans la deuxième dimension est que les entreprises qui ont de bonnes relations avec toutes les parties prenantes sont moins susceptibles de rencontrer des incidents à long terme. Cela ajoute donc de la valeur par rapport aux entreprises qui ont de moins bonnes relations. »
Comment trouve-t-on ces dimensions ? En explorant des données ?
« Justement, non. La spécificité de notre approche est que nous partons toujours d’une hypothèse économique, une notion théorique qui nous semble logique. Ensuite, l’on commence à tester cette hypothèse par rapport aux données et l’on vérifie si elle est correcte. Nous ne faisons pas l’inverse. La recherche hasardeuse de modèles est vouée à l’échec. Si une corrélation ou un modèle ne peut être prouvé, il peut disparaître du jour au lendemain. Vous pouvez le constater dans le déluge de littérature de recherche sur des facteurs et sous-facteurs toujours nouveaux. Nous appelons cela le « Factor Zoo ». Il y a quelques années, un article intéressant a été publié à ce sujet : Taming the Factor Zoo. »
Qu’est-ce que l’intelligence artificielle ajoute à cela ?
« Pour notre branche de recherche quantitative, outre les données traditionnelles et les séries numériques, nous utilisons principalement des données alternatives telles que des textes. Deux technologies sont essentielles pour les traiter : le traitement automatique des langues (TAL) et l’apprentissage automatique. Grâce à l’IA, nous pouvons utiliser ces techniques de manière plus efficace et à moindre coût. En effet, la composante matérielle est importante : le coût de la puissance de calcul et du stockage des données a considérablement baissé. Il nous est donc plus facile de tester nos idées, par exemple pour de nouveaux modèles de sélection. L’IA permet désormais d’explorer des idées qui étaient auparavant irréalisables sur le plan pratique , parce qu’elles demandaient trop de données ou trop de puissance de calcul. »
‹Lukraak zoeken naar patronen is volgens ons een heilloze weg.›
Une révolution ?
« Pour les investisseurs quantitatifs, je dirais plutôt que l’IA est une évolution. Nous avons commencé avec une feuille de calcul sur un PC, nous sommes passés à un serveur d’entreprise dédié et maintenant nous faisons tout dans le cloud, avec un accès à des centres de données gigantesques. Cependant, les principes de notre travail ne changent pas. L’on des modèles et des relations dans les nouvelles données, ce qui permet d’effectuer une sélection de plus en plus fine dans les portefeuilles. »
« Par ailleurs, ce secteur connaît bien sûr un essor considérable et, pour des aspects essentiels de notre travail, l’explosion actuelle des données et de la puissance de calcul est en effet d’une importance vitale. C’est important dans la construction de réseaux, par exemple. Nous cartographions ainsi les relations d’une entreprise avec d’autres entreprises. Avec leurs concurrents, leurs clients, leurs fournisseurs, ou d’autres partenaires de la chaîne. Mais il est également possible de mettre en réseau des entreprises utilisant le même logiciel ou les mêmes brevets. Ou des entreprises ayant un modèle économique similaire. Dans ce cas, il se peut qu’elles opèrent dans des secteurs d’activité complètement différents, tout en étant exposées aux mêmes facteurs de risque. Lorsque l’on compare ensuite la valorisation de ces entreprises, l’on peut avoir de bonnes surprises. Mais le fait est que pour construire ces réseaux, il faut traiter des quantités gigantesques de données. Nous utilisons désormais de plus en plus de techniques d’IA pour y parvenir. »
« Une grande partie de notre travail est en fait très ennuyeuse. »
Est-ce que cela facilite en définitive l’investissement quantitatif ?
« Je dirais que non. Car pour ce type de recherche, une grande partie de la valeur ajoutée réside encore dans la manière dont elle est menée. Est-ce que tout est fait correctement ? Est-ce que la recherche est menée de manière rigoureuse, sans rien oublier, sans faire d’impasse ? Une grande partie de notre travail est en fait très ennuyeuse. Il faut prêter attention à chaque détail. Si l’on veut, par exemple, éliminer du modèle tout risque pour lequel on n’est pas récompensé en tant qu’investisseur, il faut mener un travail très précis. De même si l’on veut faire un backtest avec un modèle. C’est un travail énorme quand on veut le faire correctement. Il s’agit là d’un aspect très important de notre recherche, mais pas très passionnant. Nous devons démontrer notre savoir-faire dans l’exécution. »