L’analyse quantitative (AQ) en finance est une approche qui met l’accent sur l’analyse mathématique et statistique pour aider à déterminer la valeur d’un actif financier, tel qu’une action ou une option. Les analystes de négociation quantitative (également appelés « quants ») utilisent une variété de données, y compris des données historiques sur les investissements et les marchés boursiers, pour développer des algorithmes de négociation et des modèles informatiques.
Les informations générées par ces modèles informatiques aident les investisseurs à analyser les opportunités d’investissement et à développer ce qu’ils croient être une stratégie commerciale réussie. En général, cette stratégie commerciale comprendra des informations très précises sur les points d’entrée et de sortie, le risque attendu de la transaction et le rendement escompté.
L’objectif ultime de l’analyse financière quantitative est d’utiliser des statistiques et des mesures quantifiables pour aider les investisseurs à prendre des décisions d’investissement rentables. Dans cet article, nous passons en revue l’histoire de l’investissement quantitatif, nous le comparons à l’analyse qualitative et nous donnons un exemple de stratégie basée sur le quant en action.
Points clés à retenir
- L’analyse quantitative est née avec l’avènement de l’ère informatique, qui a rendu plus facile que jamais l’analyse d’énormes quantités de données en peu de temps.
- Les analystes de négociation quantitative (quants) identifient les modèles de négociation, construisent des modèles pour évaluer ces modèles et utilisent les informations pour faire des prévisions sur le prix et la direction des titres.
- Une fois les modèles construits et les informations recueillies, les quants utilisent les données pour mettre en place des transactions automatisées sur les titres.
- L’analyse quantitative est différente de l’analyse qualitative, qui examine des facteurs tels que la structure des entreprises, la composition de leurs équipes de direction et leurs forces et faiblesses.
Entrez les « quants ».
On attribue généralement à l’économiste Harry Markowitz, lauréat du prix Nobel, le début du mouvement d’investissement quantitatif lorsqu’il a publié « Portfolio Selection » dans le Journal of Finance
en mars 1952. Markowitz a introduit la théorie moderne du portefeuille (MPT), qui a montré aux investisseurs comment construire un portefeuille diversifié d’actifs capable de maximiser les rendements pour différents niveaux de risque. Markowitz a utilisé les mathématiques pour quantifier la diversification et est cité comme l’un des premiers à avoir adopté le concept selon lequel les modèles mathématiques pouvaient être appliqués aux investissements.
Robert Merton, un pionnier de la théorie financière moderne, a reçu le prix Nobel pour ses recherches sur les méthodes mathématiques d’évaluation des produits dérivés. Les travaux de Markowitz et Merton ont jeté les bases de l’approche quantitative (quantique) de l’investissement.
Analyse quantitative et qualitative
Contrairement aux analystes d’investissement qualitatifs traditionnels, les quants ne visitent pas les entreprises, ne rencontrent pas les équipes de direction et ne font pas de recherches sur les produits que les entreprises vendent pour identifier un avantage concurrentiel. Souvent, ils ne connaissent pas ou ne se soucient pas des aspects qualitatifs des entreprises dans lesquelles ils investissent ou des produits ou services que ces entreprises fournissent. Au lieu de cela, ils se fient uniquement aux mathématiques pour prendre des décisions d’investissement.
Les quants – qui ont souvent une formation scientifique et un diplôme en statistiques ou en mathématiques – utiliseront leur connaissance des ordinateurs et des langages de programmation pour construire des systèmes d’échange personnalisés qui automatisent le processus d’échange. Les données utilisées dans leurs programmes peuvent aller des principaux ratios financiers (tels que le ratio prix/bénéfices) à des calculs plus complexes, tels que les évaluations de flux de trésorerie actualisés (DCF).
2:11
Les gestionnaires de fonds spéculatifs ont adopté la méthodologie. Les progrès de la technologie informatique ont encore fait progresser le domaine, car des algorithmes complexes pouvaient être calculés en un clin d’œil, créant ainsi des stratégies de négociation automatisées. Le domaine a prospéré pendant le boom et l’effondrement des dotcoms.
Les stratégies quantiques ont trébuché pendant la Grande Récession car elles ne tenaient pas compte de l’impact des titres adossés à des créances hypothécaires sur le marché et l’économie dans son ensemble. Toutefois, les stratégies quantiques sont toujours utilisées aujourd’hui et ont suscité une attention particulière en raison de leur rôle dans le trading à haute fréquence (HFT) qui repose sur les mathématiques pour prendre des décisions de trading. L’investissement quantitatif est également largement pratiqué, à la fois comme discipline autonome et en conjonction avec l’analyse qualitative traditionnelle pour l’amélioration du rendement et l’atténuation des risques.
Les quants sont très différents des analystes qualitatifs, dans la mesure où ils prennent des décisions basées principalement sur des équations et des modèles mathématiques.
Des données, des données partout
L’avènement de l’ère informatique a permis de traiter d’énormes volumes de données dans des délais extraordinairement courts. Cela a conduit à des stratégies de négociation quantitative de plus en plus complexes, les opérateurs cherchant à identifier des modèles cohérents, à les modéliser et à les utiliser pour prévoir les mouvements de prix des titres.
Les quants mettent en œuvre leurs stratégies en utilisant des données accessibles au public. L’identification des modèles leur permet de mettre en place des déclencheurs automatiques pour acheter ou vendre des titres.
Par exemple, une stratégie de négociation basée sur la structure du volume des échanges peut avoir identifié une corrélation entre le volume des échanges et les prix. Ainsi, si le volume des échanges sur une action donnée augmente lorsque le prix de l’action atteint 25 dollars par action et diminue lorsque le prix atteint 30 dollars, un quant peut mettre en place un achat automatique à 25,50 dollars et une vente automatique à 29,50 dollars.
Des stratégies similaires peuvent être basées sur les revenus, les prévisions de revenus, les surprises de revenus et une foule d’autres facteurs. Dans tous les cas, les négociants de quant purs ne se soucient pas des perspectives de vente de l’entreprise, de l’équipe de direction, de la qualité des produits ou de tout autre aspect de son activité. Ils passent leurs ordres d’achat et de vente en se basant strictement sur les chiffres comptabilisés dans les schémas qu’ils ont identifiés.
L’analyse quantitative peut être utilisée pour atténuer le risque en créant des modèles informatiques qui identifient l’investissement qui offre le meilleur niveau de rendement par rapport au niveau de risque préféré.
Identifier des modèles pour réduire les risques
L’analyse quantitative peut être utilisée pour identifier des modèles qui peuvent se prêter à des échanges de titres rentables, mais ce n’est pas sa seule valeur. Si gagner de l’argent est un objectif que tout investisseur peut comprendre, l’analyse quantitative peut également être utilisée pour réduire les risques.
La recherche de ce que l’on appelle les « rendements corrigés du risque » implique de comparer des mesures de risque telles que l’alpha, le bêta, le r au carré, l’écart type et le ratio de Sharpe afin d’identifier l’investissement qui offrira le plus haut niveau de rendement pour un niveau de risque donné. L’idée est que les investisseurs ne doivent pas prendre plus de risques que nécessaire pour atteindre le niveau de rendement visé.
Ainsi, si les données révèlent que deux investissements sont susceptibles de générer des rendements similaires, mais que l’un d’entre eux sera nettement plus volatil en termes de variations de prix à la hausse et à la baisse, les quants (et le bon sens) recommanderaient l’investissement le moins risqué. Là encore, les quants ne se soucient pas de savoir qui gère l’investissement, à quoi ressemble son bilan, quel produit l’aide à gagner de l’argent, ou tout autre facteur qualitatif. Ils se concentrent entièrement sur les chiffres et choisissent l’investissement qui (mathématiquement parlant) offre le niveau de risque le plus faible.
Les portefeuilles à risques partagés sont un exemple de stratégies basées sur les quants en action. Le concept de base consiste à prendre des décisions d’allocation d’actifs en fonction de la volatilité du marché. Lorsque la volatilité diminue, le niveau de prise de risque dans le portefeuille augmente. Lorsque la volatilité augmente, le niveau de prise de risque dans le portefeuille diminue.
Exemple d’analyse quantitative
Pour rendre l’exemple un peu plus réaliste, considérons un portefeuille qui répartit ses actifs entre des liquidités et un fonds indiciel S&P 500. En utilisant le Chicago Board Options Exchange Volatility Index (VIX) comme indicateur de la volatilité du marché boursier, lorsque la volatilité augmente, notre portefeuille hypothétique déplacerait ses actifs vers les liquidités.
Lorsque la volatilité diminue, notre portefeuille se tourne vers le fonds indiciel S&P 500. Les modèles peuvent être beaucoup plus complexes que celui auquel nous faisons référence ici, comprenant peut-être des actions, des obligations, des matières premières, des devises et d’autres investissements, mais le concept reste le même.
Les avantages de l’échange de quotas d’émission
L’échange de quotas est un processus de décision impartial. Ce qui compte, ce sont les modèles et les chiffres. Il s’agit d’une discipline d’achat/vente efficace, qui peut être exécutée de manière cohérente, sans être entravée par l’émotion qui est souvent associée aux décisions financières.
C’est également une stratégie rentable. Comme les ordinateurs font le travail, les entreprises qui s’appuient sur des stratégies quantiques n’ont pas besoin d’engager de grandes équipes coûteuses d’analystes et de gestionnaires de portefeuille. Elles n’ont pas non plus besoin de se déplacer à travers le pays ou le monde pour inspecter les entreprises et rencontrer la direction afin d’évaluer les investissements potentiels. Elles utilisent des ordinateurs pour analyser les données et exécuter les transactions.
Quels sont les risques ?
« Mensonges, maudits mensonges et statistiques » est une citation souvent utilisée pour décrire la myriade de façons dont les données peuvent être manipulées. Si les analystes quantitatifs cherchent à identifier des modèles, le processus n’est en aucun cas infaillible. L’analyse implique l’élimination d’une grande quantité de données. Choisir les bonnes données n’est en aucun cas une garantie, tout comme les modèles commerciaux qui semblent suggérer certains résultats peuvent fonctionner parfaitement jusqu’à ce qu’ils ne le fassent plus. Même lorsqu’un modèle semble fonctionner, sa validation peut s’avérer difficile. Comme tout investisseur le sait, il n’y a pas de paris sûrs.
Les points d’inflexion, tels que la chute des marchés boursiers en 2008-2009, peuvent être difficiles pour ces stratégies, car les tendances peuvent changer soudainement. Il est également important de se rappeler que les données ne disent pas toujours tout. Les humains peuvent voir un scandale ou un changement de direction au fur et à mesure de son évolution, alors qu’une approche purement mathématique ne peut pas nécessairement le faire. En outre, une stratégie devient moins efficace à mesure qu’un nombre croissant d’investisseurs tentent de l’employer. Les modèles qui fonctionnent deviendront moins efficaces à mesure que de plus en plus d’investisseurs tenteront d’en tirer profit.
De nombreuses stratégies d’investissement utilisent un mélange de stratégies quantitatives et qualitatives. Elles utilisent des stratégies quantiques pour identifier les investissements potentiels et utilisent ensuite une analyse qualitative pour faire passer leurs efforts de recherche à un niveau supérieur dans l’identification de l’investissement final.
Ils peuvent également utiliser des informations qualitatives pour sélectionner les investissements et des données quantitatives pour la gestion des risques. Si les stratégies d’investissement quantitatives et qualitatives ont leurs partisans et leurs détracteurs, elles n’ont pas besoin de s’exclure mutuellement.