Un jeu en 4D

Sachant que la science des données a mis à la disposition des investisseurs de puissants outils d’optimisation des rendements, une intervention humaine est-elle toujours nécessaire ? Sonal Desai, CIO of Franklin Templeton Fixed Income, donne son point de vue sur le rôle de la science quantitative dans le cadre du débat sur l’investissement actif-passif.

En s’invitant dans la gestion des investissements, la science des données a suscité un débat manichéen—aussi acharné que celui concernant l’investissement passif ou actif, et, à mes yeux, bien plus intéressant et substantiel.

Avant d’entrer dans le vif du sujet, permettez moi toutefois d’apporter une précision sur le choix d’une approche active ou passive : s’agissant de l’univers obligataire, l’investissement actif devance haut la main la gestion passive d’un point de vue historique. Au cours des dix dernières années, le gérant obligataire actif moyen a surperformé la stratégie passive moyenne de 65 points de base¹ (pb) et la stratégie de fonds négocié en bourse (ETF) moyenne de 63 pb en termes annualisés (au 30 septembre 2019, les performances des gérants étant mesurées nettes de frais).

Ainsi, sur les marchés obligataires, l’investissement actif est historiquement la stratégie gagnante. Ce qu’il faut se demander, c’est quel type d’investissement actif donne les meilleurs résultats.

Science quantitative — contribution active aux décisions obligataires

Pour les adeptes de l’approche quantitative (ou « quant »), cette dernière permettrait de meilleures performances qu’un investissement traditionnel, axé sur les fondamentaux. Leurs algorithmes seraient en effet en mesure d’identifier les facteurs fondés sur des règles à l’origine de la génération d’alpha² de manière plus efficace et plus fiable. Les partisans d’une approche active plus classique rétorquent que des économistes et des analystes crédit chevronnés auront toujours un avantage sur des algorithmes qui se contentent d’exploiter des données hors de tout contexte.

Pour moi, le débat entre gestion active et gestion quantitative crée une opposition qui n’a pas lieu d’être.

Franklin Templeton Fixed Income Group combine en effet ces deux approches. Nous pensons que l’avenir de l’investissement obligataire réside dans un mariage entre les sciences quantitatives et une gestion active fondamentale.

Nous venons de publier un livre blanc dans lequel nous présentons notre méthodologie, et expliquons pourquoi cette stratégie nous semble être, de loin, la meilleure.

L’analyse fondamentale de type top-down joue un rôle crucial dans notre approche (je suis une économiste, après tout). Notre processus débute à partir des perspectives macroéconomiques établies par nos économistes, articulées dans une série de prévisions économiques. C’est là qu’entrent en jeu les équipes de l’analyse quantitative et de la science des données, en traduisant les scénarios des économistes en variables macro standardisées qui alimentent l’algorithme de l’arbre de régression. De cette façon les perspectives macroéconomiques deviennent des vues sectorielles, plus faciles à comparer et à défendre. Nous obtenons ainsi le socle de notre processus d’allocation sectorielle.

En parallèle, nos modèles factoriels génèrent des recommandations privilégiées d’achat et de vente dans l’univers des obligations d’entreprises, indépendamment du travail des analystes. Nous comparons ensuite les « meilleures idées » formulées par les modèles factoriels et par les analystes crédit en procédant secteur par secteur. Le processus est particulièrement utile lorsque les opinions fondamentales de nos analystes contrastent avec les recommandations des modèles car c’est ce cas de figure qui se révèle le plus instructif. Via des débats et des rapprochements, nous aboutissons aux scénarios d’investissement et aux positions qui nous inspirent la plus forte conviction.

La collaboration entre nos analystes et les modèles développés par nos équipes quantitatives crée une saine émulation, chaque partie s’efforçant de tirer l’autre vers le haut.

J’aime prendre l’exemple du développement de nos biais factoriels dynamiques : nos ingénieurs ont programmé un algorithme de montée de gradient pour y intégrer une série de variables macroéconomiques reflétant le cycle de crédit. L’algorithme peut prédire la performance relative de différents facteurs (dans les catégories valeur, qualité et dynamisme) en fonction de l’évolution des indicateurs du cycle de crédit. Il peut ensuite ajuster les pondérations factorielles, augmentant ainsi l’importance des facteurs susceptibles d’être les plus performants sur la base de l’évolution du cycle de crédit.

La science des données nous a apporté de formidables nouveaux outils pour dégager des rendements excédentaires. Mais les algorithmes ne suffisent pas ; les algorithmes ne peuvent pas naviguer de façon autonome dans des environnements financiers et économiques très agités : ils ont besoin d’un raisonnement et d’une expérience humaine.

Le futur de l’obligataire est déjà là : il réside dans un mariage entre les sciences quantitatives et une gestion active fondamentale. C’est ce que réalise aujourd’hui Franklin Templeton Fixed Income Group. Nos économistes, analystes, ingénieurs données et gérants de portefeuille travaillent main dans la main. Ils se stimulent et se défient mutuellement, et créent un cercle vertueux entre analyse quantitative et analyse fondamentale.

Cela n’est pas simple—mais c’est l’avenir.

Ce qui n’était qu’un simple processus à deux dimensions (top-down et bottom-up) devient une partie d’échecs en quatre dimensions dans la mesure où les facteurs fondamentaux et quantitatifs s’alimentent mutuellement. C’est de cette façon que nous obtenons la vision et l’avantage concurrentiel qui nous permettent de naviguer dans un environnement d’investissement particulièrement incertain et exigeant.

J’espère avoir suffisamment attisé votre curiosité pour vous inciter à lire le document « Science quantitative — contribution active aux décisions obligataires » et en apprendre davantage sur notre approche.