Nourris par la Science-Fiction, nous avons souvent opposé l’homme et la machine. Pourtant en finance, c’est ensemble qu’ils donnent le meilleur.
Après sa défaite en 1997 face à Deep Blue, le champion d’échecs Gary Kasparov lançait un nouveau concept, Advanced Chess, où l’homme et la machine ne s’affrontaient plus, mais au contraire, collaboraient pour créer le joueur homme-machine. Appliquée à la finance, cette conception prend vie dans des outils quantitatifs conçus comme sparring partners du gestionnaire de fortune pour tirer le meilleur des convictions humaines et de l’intelligence artificielle.
D’abord, la technologie s’applique naturellement au traitement de l’information. Une data toujours plus volumineuse et instantanée peut désormais être traitée et permettre la prise de décisions complexes en temps réel. Le cloud, la miniaturisation, et peut-être bientôt les processeurs quantiques permettent une croissance continue des capacités de stockage et de calcul. Nous pouvons utiliser ces capacités pour stocker et analyser les données de marché, les données financières, les articles de presse et désormais – grâce aux réseaux sociaux – la psychologie des investisseurs en temps réel.
Ceci nécessite cependant la maitrise de technologies toujours plus avancées : traitement distribué sur des grilles de calcul, algorithmes de machine learning, ou analyse sémantique grâce aux outils de natural language processing. Ces outils sont traditionnellement l’apanage de sociétés de la Tech car ils nécessitent une expertise pointue, qui n’est pas nécessairement celle que l’on trouve dans les sociétés financières. Certaines sociétés arrivent pourtant à intégrer cette expertise en interne, ou dans une filiale dédiée, organisée comme une entreprise de la Silicon Valley avec des équipes d’ingénieurs – quants, data scientists, développeurs – équipés d’une infrastructure moderne et collaborant avec le métier en mode agile. Chez SILEX par exemple, 20% des effectifs sont rattachés à la filiale Technologies.
L’analyse de la data apporte à plusieurs étapes une aide dans l’investissement et l’allocation de portefeuille.
- Mesurer le risque n’est pas intuitif car les rendements financiers ne suivent pas des lois de distributions normales. Les corrélations entre actifs changent en fonction des régimes de marché. S’engager à respecter un mandat de risque nécessite des outils spécifiques.
- Expliquer rapidement une performance implique des calculs de contributions, d’attributions avancés pour interpréter des résultats et des chiffres.
- Sélectionner des véhicules d’investissement ne peut se faire qu’en manipulant un grand nombre de données. Il existe aujourd’hui 50'887 fonds domiciliés en Europe, comment les analyser… Passer par la construction de bases de données parait indispensable.
- Partager l’information à nos partenaires et eux-mêmes à leurs clients. La tech se met au service du reporting et d’outils de mise à disposition à la demande.
- Alerter sur les événements passés et à venir d’un portefeuille : ce sont les outils de cycle de vie des produits structurés.
La technologie n’est ainsi pas une alternative à l’homme, le robo advisor restera vraisemblablement limité dans notre industrie à des offres très standardisées. Le rôle de l’humain, de ses convictions, de son expérience, est primordial. La data, dans la mesure où elle est analysée, décuple la capacité à prendre les bonnes décisions, comme un co-pilote dans l’avion.
