Gérer et investir des actifs par l’intelligence artificielle

L’intelligence artificielle, ou IA, est l’une des principales innovations technologiques de notre époque. L’importance croissante de cette technologie a un impact significatif sur le domaine de la gestion des actifs et une influence sur les investisseurs.

Depuis près de 50 ans maintenant, le secteur de la gestion d’actifs se caractérise par une acceptation croissante de la théorie de la marche aléatoire et, par conséquent, par une diffusion sans cesse croissante de produits d’investissement rentables, en particulier les fonds négociés en bourse (ETF).

L’énoncé de base de la théorie de la marche aléatoire peut être facilement résumé en une phrase : les marchés des capitaux ne peuvent être prédits. En raison de leur grande pertinence pratique, les modèles de prévision pour les données relatives aux marchés des capitaux ont néanmoins fait l’objet de nombreux débats dans la science et la pratique par le passé. L’une des méthodes les plus récentes de prévision des données sur les marchés des capitaux est l’apprentissage machine (ML), comme les réseaux de neurones, un sous-domaine de l’intelligence artificielle.

L’essor de l’intelligence artificielle

Dans la gestion des actifs, les domaines de l’apprentissage machine (ML) et de l’apprentissage profond (DL) sont particulièrement pertinents du point de vue de l’intelligence artificielle (IA). L’apprentissage profond est un sous-domaine de l’apprentissage automatique et l’apprentissage automatique est un sous-domaine de l’intelligence artificielle.

L’IA n’est en aucun cas une nouvelle technologie, mais elle a été utilisée depuis les années 1950 pour divers problèmes. Comment expliquer que l’intelligence artificielle n’apparaisse aussi présente que dans un passé récent ? Cette évolution est principalement due à l’augmentation de la quantité de données (“Big Data”) et, d’autre part, aux progrès technologiques en matière de puissance de calcul des ordinateurs. C’est précisément la disponibilité historiquement élevée des informations sur les prix et les taux qui rend le domaine de la gestion des actifs particulièrement intéressant pour l’application de l’apprentissage machine.

Comment utiliser “l’IA” dans la pratique de la gestion des actifs ?

En principe, les modèles d’apprentissage machine peuvent être utilisés comme un instrument de prévision. Des modèles de prévision pour prévoir, par exemple, l’évolution des prix ou de la volatilité sont utilisés dans ce contexte depuis des décennies, mais avec une différence significative par rapport aux modèles d’apprentissage machine. Alors que les modèles de prévision classiques prescrivent des règles qui sont ensuite utilisées pour prévoir les données du marché des capitaux, un modèle d’apprentissage machine est alimenté exclusivement par des données et des résultats et renvoie des règles basées sur ces données, qui peuvent à leur tour être appliquées à des données inconnues (données futures).

Ainsi, aucune hypothèse n’est faite sur le modèle de prévision, mais le modèle “apprend” de manière indépendante grâce aux données qui lui sont fournies. Dans un passé récent, les modèles de prévision des marchés des capitaux dits “réseaux neuronaux récurrents” (RNN) et, en particulier, les modèles de mémoire à long terme et à court terme (LSTM) semblent s’être imposés.

Quel est l’impact sur le secteur de la gestion d’actifs ?

Aujourd’hui, la gestion des actifs peut être divisée en deux camps. Les gestionnaires d’actifs actifs tentent d’obtenir un rendement supérieur à un indice de référence approprié par le biais de stratégies de négociation spéciales. Les gestionnaires d’actifs passifs tentent d’optimiser la sélection des bonnes classes d’actifs et de participer à la croissance économique mondiale à faible coût avec un degré élevé de diversification. Il est particulièrement important de noter ici que les modèles de prévision ne sont en aucun cas exclusivement pertinents pour la gestion active des actifs, car les gestionnaires passifs sont également confrontés au problème de savoir quelles classes d’actifs doivent être sélectionnées et quels indices doivent être choisis pour ces classes d’actifs. Par conséquent, à l’avenir, la règle suivante s’appliquera aux deux camps : “Les données sont le nouvel or”. Pour les gestionnaires de fortune actifs, la règle suivante s’applique : si vous voulez vendre de manière crédible à l’avenir afin de pouvoir battre le marché, vous avez besoin d’ensembles de données auxquels personne d’autre n’a accès et à partir desquels des stratégies de négociation pertinentes peuvent être dérivées (sauf pour les informations d’initiés).

Des changements importants sont également attendus dans le domaine des stratégies d’investissement passif. Une grande partie des indices les plus populaires qui sont actuellement représentés par les ETF sont pondérés par la capitalisation boursière. Si l’on considère combien des 20 entreprises les plus précieuses d’aujourd’hui existaient déjà il y a 50 ans, la capitalisation boursière passée ne semble pas être une règle optimale pour identifier les entreprises ayant des bénéfices futurs élevés. L’apprentissage machine permettra à l’avenir de mieux identifier les facteurs de succès moyens des actions et donc de construire de meilleurs indices dans lesquels les investisseurs pourront ensuite investir de manière rentable avec les ETF. Une étape préliminaire de ce développement peut déjà être observée aujourd’hui avec la diffusion croissante des ETF dits “smart beta”. Les ETF Smart-Beta sélectionnent les actions selon des règles spéciales qui ont conduit à des rendements plus élevés dans le passé. Les petites entreprises (small caps) ou les actions de valeur en sont un exemple.

Conclusion : l’IA modifie l’investissement

L’intelligence artificielle va fondamentalement changer la façon dont nous investissons l’argent. Par rapport à d’autres domaines, tels que la reconnaissance d’images ou de textes, le domaine de l’intelligence artificielle en est encore à ses débuts dans l’environnement du marché des capitaux.

Toutefois, ces dernières années, des progrès significatifs ont été réalisés en particulier avec les modèles RNN et LSTM. Les investisseurs bénéficieront en particulier de meilleurs indices et de meilleurs ETF. Comme toujours, les investisseurs devront examiner de manière critique si ces potentiels de rendement améliorés ne sont pas compensés par des coûts plus élevés.