Humain contre machine : la prochaine frontière de la gestion de patrimoine

Les commerçants robotiques gèrent environ 1 $ sur 3 $. Ils sont omniprésents. Vous possédez probablement quelques fonds indiciels considérés comme des fonds robotiques ou quantitatifs. Ils sont bon marché et ils donnent accès au marché boursier apparemment imparable ces derniers temps. Mais finalement, la bulle peut éclater (au moins pour les fonds quantitatifs). Partout, les fonds quantitatifs ferment leurs portes (par exemple, Columbia Threadneedle, Neuberger Berman). Les fonds quantitatifs qui suivent les tendances ont enregistré certaines des pires sorties de fonds en 13 ans. Alors, quels sont exactement ces fonds quantitatifs ? Pourquoi sont-ils apparus ? Et cette baisse est-elle le signal d'un problème endémique avec les quants ou simplement une réinitialisation temporaire ?

Influence croissante des logiciels sur les décisions d'investissement

Le vaste domaine de la finance, en raison de son accès au capital, a longtemps été le secteur qui tend à adopter les innovations technologiques avant les autres industries. Ainsi, lorsque la technologie logicielle est arrivée au XXe siècle et que les programmes algorithmiques ont émergé, il était inévitable que le secteur financier soit le premier à en exploiter le potentiel. John Bogle, le fondateur de Vanguard, a lancé les premiers fonds indiciels au monde dans les années 1970, déployant un logiciel pour suivre des paniers d'actions et, ainsi, permettre à un fonds de déployer des réallocations automatiques en fonction de toute modification de son indice de référence sous-jacent.

L'avantage d'utiliser un logiciel pour automatiser le trading était profond, principalement dans son effet sur la réduction des coûts opérationnels. Les fonds indiciels n'avaient pas à payer les ressources humaines qui auraient autrement été mobilisées pour prendre des décisions de sélection et d'allocation. L'avènement du fonds indiciel a été un événement important dans l'ouverture du monde de la gestion financière personnelle à un marché de masse qui aurait autrement été hors de prix pour un tel service.

Avance rapide jusqu'à aujourd'hui, et les fonds automatisés (quantitatifs) ont, au cours de la dernière décennie, augmenté régulièrement pour détenir la part la plus élevée du volume des transactions institutionnelles sur les bourses américaines.

FNB : les fonds indiciels deviennent sélectifs

D'autres développements technologiques ont conduit à l'introduction des Exchange Traded Funds (ETF) quantitatifs vers la fin des années 1980. Ces instruments ont déployé des programmes logiciels pour prendre des décisions dynamiques de sélection de titres en fonction de certains facteurs. Par exemple, un algorithme pourrait être programmé pour acheter une action lorsque son ratio marché/valeur comptable tombe en dessous de 1,0, puis pour vendre la même action lorsque le ratio dépasse 1,5. Comme le montre cet exemple brut, le logiciel a été programmé pour prendre des décisions d'investissement systématiques basées sur une analyse fondamentale qui seraient autrement effectuées par des gestionnaires humains.

Au cours des 30 années écoulées depuis le premier ETF, la sophistication du trading automatisé a atteint des stades toujours plus avancés en raison des innovations rapides dans le domaine de l'intelligence artificielle. Dans le contexte des logiciels algorithmiques, l'utilisation de l'intelligence artificielle implique que les programmes de trading peuvent apprendre et améliorer leur efficacité de leur propre gré. Supposons donc que le logiciel utilisé dans notre exemple ETF ci-dessus ait été déployé avec un module d'intelligence artificielle. Désormais, il peut être en mesure d'analyser en permanence les données sur la performance des actions, ce qui lui permet de comprendre par la suite qu'une stratégie plus rentable serait d'acheter des actions uniquement lorsque leur ratio marché/valeur comptable tombe en dessous de 1,25 et de les vendre lorsque le ratio atteint 1,8. Le logiciel commencera alors à prendre des décisions basées sur cet apprentissage, sans intervention humaine.

Depuis 2019, les ETF et les fonds indiciels gèrent ensemble plus d'actions américaines que les gestionnaires d'actifs gérés par des humains. Sur les 31 000 milliards de dollars de valeur boursière américaine, les fonds quantitatifs détiennent désormais 35,1 % de la capitalisation boursière, contre 24,3 % des fonds gérés par des humains. Il s'agit d'un changement important, mais pourquoi est-ce important ?

Quants contre humains dans la gestion des investissements

Avantages quantitatifs

En quoi les fonds quantitatifs sont-ils un choix de gestionnaire d'actifs supérieur à leurs homologues humains ? Le moyen le plus tangible passe par les faibles frais de gestion offerts par les fonds quantitatifs, qui ne peuvent être égalés par des fonds actifs gérés par des humains. L'efficacité sur les coûts est l'une des raisons pour lesquelles nous voyons Vanguard, l'inventeur du fonds indiciel, gravir les échelons au fil des décennies pour devenir le plus grand gestionnaire d'actifs au monde. Les frais sont essentiels dans les fonds car, au fil du temps, ils s'accumulent pour devenir un fardeau financier important pour l'investisseur et parce que, dans le contexte de la mesure de la performance, plus les frais sont élevés, plus la performance doit dépasser l'indice de référence pour les justifier. Les fonds spéculatifs, en particulier, peuvent imposer aux investisseurs des frais allant jusqu'à 20 %, mais ils ont sous-performé au cours de la dernière décennie.

Un autre avantage des fonds quantitatifs réside dans leur capacité à tirer des enseignements en analysant de grandes quantités de données en temps réel. Cela pourrait ne pas nécessairement être un avantage pour les événements futurs, comme l'a noté le célèbre gestionnaire de fonds Ray Dalio :

« Si quelqu'un découvre ce que vous avez découvert, non seulement cela ne vaut rien, mais cela devient surestimé et cela entraînera des pertes. Il n'y a aucune garantie que les stratégies qui ont fonctionné auparavant fonctionneront à nouveau », dit-il. Une stratégie d'apprentissage automatique qui n'emploie pas la logique humaine est "voulue à terme si elle n'est pas accompagnée d'une compréhension approfondie".

Les fonds quantitatifs peuvent également prendre des décisions d'investissement plus rapidement que les gestionnaires humains. Ainsi, ils peuvent passer des commandes plus rapidement et exploiter plus efficacement les gains provenant d'écarts de prix étroits. Ils peuvent être beaucoup plus efficaces dans la mise en œuvre de stratégies de trading que les managers humains en raison de leur biais neutre et du risque réduit d'erreurs de gros doigts.

Quant contre

Et quels sont les inconvénients des fonds quantitatifs ? Un point négatif est qu'avec l'utilisation accrue de l'intelligence artificielle, différents fonds quantitatifs peuvent inévitablement commencer à prendre les mêmes décisions à l'unisson, ce qui pourrait entraîner des problèmes de contagion pour les marchés financiers. L'un des principaux avantages de la gestion de fonds axée sur l'homme est la capacité de détecter les caractéristiques idiosyncratiques d'un marché et de prendre des décisions basées sur des données qualitatives. Les fonds quantitatifs ne peuvent pas sucer leurs pouces et, en tant que tels, peuvent contribuer à une volatilité accrue pendant les périodes de tension sur les marchés.

Comment les fonds Quant sont-ils mesurés par rapport à eux-mêmes ?

L'objectivité systématique du trading quantitatif soulève la question de savoir comment les fonds quantitatifs créent une différenciation les uns des autres. Comment un fonds quantitatif obtient-il un avantage concurrentiel sur un concurrent ? Les managers humains gagnent leurs galons en démontrant une meilleure compréhension des fondamentaux, ou grâce à une intuition supérieure, deux facteurs développés au cours d'années d'apprentissage et prouvés objectivement par l'alpha du résultat net.

Les fonds basés sur l'intelligence artificielle reposent sur l'analyse de grandes quantités de données en temps réel, puis sur l'obtention d'informations et les décisions d'investissement ultérieures. Cela introduit de nouvelles variables dans les critères de classement, tels que le fonds qui a la puissance de calcul la plus rapide ou les pétaoctets d'accès aux données. Le codeur en étoile peut remplacer le trader en étoile à mesure que les fonds obtiennent un avantage concurrentiel grâce à une règle d'apprentissage automatique supérieure écrite par des scientifiques des données en arrière-plan.

Le besoin de vitesse

La quête des fonds algorithmiques de trading haute fréquence (HFT) pour obtenir un avantage concurrentiel grâce à un trading plus rapide a conduit certains d'entre eux à créer leurs propres réseaux privés de fibre optique ou de micro-ondes pour se connecter aux bourses. La théorie étant que la pose de la ligne droite de câble la plus parfaite se traduira par l'efficacité latente la plus ultime pour l'envoi des commandes à la bourse, plaçant le propriétaire dans une position avantageuse par rapport aux concurrents utilisant les services publics.

Quelques millisecondes suffisent pour mesurer l'avantage procuré par la possession d'un réseau fibre optique privé. Mais ces quelques millisecondes peuvent entraîner des différences de millions ou de milliards de dollars de bénéfices pour les entreprises HFT qui exécutent des milliers d'ordres au cours d'une séance de négociation. Dans son livre Flash Boys , l'auteur Michael Lewis a détaillé dans quelle mesure certains commerçants sont allés réaliser les gains marginaux d'une ligne de fibre optique privée construite entre les bourses de Chicago et de New York. La bourse NASDAQ à New York a le temps d'exécution le plus rapide parmi les principales bourses du monde, ce qui démontre les enjeux élevés proposés aux traders judicieux qui cherchent à tirer le meilleur parti possible en étant les premiers en ligne.

Pourtant, les réseaux de fibre privés sont coûteux à construire. Ils nécessitent un investissement initial important et peuvent être entravés par des barrières physiques telles que les montagnes. Les réseaux à micro-ondes, cependant, ont le même objectif, mais avec l'avantage de vitesses plus élevées et de moins d'obstacles géographiques en raison de leur transmission aérienne. Sur certains marchés, les HFT ont déjà tracé des lignes de bataille dans les offres pour posséder les réseaux micro-ondes les plus optimaux.

Certains HFT ont même essayé la colocalisation, qui consiste à placer leur logiciel de trading dans des systèmes situés à l'intérieur des bourses sur lesquelles ils négocient. C'est, à certains égards, la fin de la bataille du timing pour obtenir des commandes à un échange. De nombreuses bourses offrent désormais des services de colocalisation, facturant des frais pour fournir un espace aux commerçants afin de rapprocher leurs systèmes du système de la bourse. Mais à long terme, la légalité de ces services de colocation risque d'être remise en cause, soulevant des questions éthiques à l'instar du débat sur la neutralité du net. Les marchés boursiers sont, par essence, des teneurs de marché ou des places de marché qui réunissent acheteurs et vendeurs sans préjugés. Un système à plusieurs niveaux d'accès bénéfique rompt cette relation, ce qui est une situation préoccupante.

Même si un HFT a tenté de s'armer de tous les avantages possibles, rien ne garantit qu'il fonctionnera toujours. L'affaire Knight Capital servira toujours à le rappeler. Knight a été l'un des premiers HFT à arriver sur le marché, mais en 2012, son logiciel algorithmique a mal fonctionné et de mauvaises transactions à hauteur de 7 milliards de dollars ont été effectuées sur une période d'une heure seulement. La correction de ces transactions erronées a coûté à l'entreprise près d'un demi-milliard de dollars et a finalement entraîné la liquidation et la fermeture du fonds.

Les robots-conseillers seront-ils l'application révolutionnaire de l'IA en finance ?

Cela nous amène également à la question de la gestion du patrimoine personnel. Sur le plan sociétal, cela pourrait être le domaine le plus important à examiner, car une grande partie des investissements qui vont dans les fonds d'actions sont des investissements en capital mis en commun par des citoyens individuels (par exemple, les pensions).

Les robots-conseillers sont des conseillers en placement pilotés par logiciel qui dirigent les clients en fonction d'algorithmes. Ils ont progressivement pris de l'importance au cours de la dernière décennie. Il y a à la fois des promesses et des dangers à retirer la prise de décision humaine des conseils financiers. D'une part, il y a la possibilité d'initier de vastes pans de la population aux concepts institutionnels de planification financière et de construction de portefeuille d'investissement. Pourtant, d'un autre côté, certains des piliers décisionnels du robo-advisory sont assez arbitraires (c'est-à-dire, détenez plus d'obligations à mesure que vous vieillissez) et - bien qu'ils soient vraisemblablement "corrects" au sens des manuels - peuvent ne pas prendre en compte la situation personnelle de l'investisseur. L'utilisation de l'intelligence artificielle renforcera les capacités des robots-conseillers lorsqu'ils commenceront à affiner leurs décisions d'allocation en fonction de leurs propres apprentissages.

Est-ce une sonnette d'alarme pour le gestionnaire de patrimoine humain ? Cela changera-t-il considérablement la façon dont la gestion de patrimoine est effectuée dans les banques et autres institutions financières fournissant des services de gestion de patrimoine ? En matière d'argent et d'investissements, tout laisser aux logiciels et à la technologie est un risque que très peu de gens prendront. En fin de compte, les logiciels, même s'ils comportent des composants d'IA, nécessitent des règles pour fonctionner ; et ces règles ne peuvent être faites que par des humains. Les robots-conseillers peuvent rendre le processus de gestion de patrimoine plus rapide et plus efficace. Pourtant, peut-être que le véritable vainqueur de cette bataille sera l'institution qui parviendra à exploiter les avantages de la collaboration entre les humains et les machines.