Richard Falk-Wallace, cofondateur et PDG d'ARCANA, lors de la conférence « AI for Financial Services NYC – Modélisation des risques et performance à l'ère de l'IA et du ML »

Les principaux fonds s'attachent de plus en plus à cerner les perspectives spécifiques et les rendements idiosyncratiques, indépendamment des facteurs macroéconomiques. Cette approche s'applique aussi bien aux fonds multi-gestionnaires « long-short » en actions qu'aux investisseurs « long-only ». L'accent est mis sur la décomposition des composantes systématiques du rendement par rapport au rendement résiduel, en accordant une attention particulière à la concentration des investissements parmi les différents types d'investisseurs.

Les fonds avancés mettent au point des méthodes sophistiquées pour appréhender les risques liés aux actions cotées en bourse, en s'appuyant sur les expositions aux facteurs et les signaux de surconcentration provenant de divers marchés. Cela implique notamment une analyse détaillée de la surconcentration à un niveau très précis, en examinant les expositions à des types d'investisseurs spécifiques, tels que les fonds spéculatifs et les gestionnaires multi-gestionnaires. Cette attention portée à la surconcentration permet d'affiner les décisions d'investissement et d'atténuer les risques.

L'intelligence artificielle (IA) et l'apprentissage automatique (ML) offrent un potentiel considérable pour affiner la sélection des titres. L'IA est capable de traiter de vastes quantités de data non structurées, telles que des notes d'investissement, des rapports d'analyse et des comptes-rendus de réunions, pour les transformer en data structurées. Cela permet d'approfondir la compréhension systématique et de réduire la marge de manœuvre des décisions discrétionnaires, améliorant ainsi l'ensemble du processus d'investissement.

L'avenir de la sélection des titres réside dans une distinction plus efficace entre les risques systématiques et les risques idiosyncratiques. L'intelligence artificielle peut aider à identifier et à modéliser ces risques, en intégrant les informations issues data non structurées data des processus fondamentaux. Cette approche systématique peut améliorer les performances de sélection des titres en permettant une meilleure compréhension des risques encourus.

L'intégration data non structurées data le processus d'investissement implique la collecte data fondamentales sur les processus data la compréhension des changements de régime et des facteurs thématiques. L'intelligence artificielle peut aider à traduire des informations chaotiques en un cadre systématique, facilitant ainsi la sélection des titres et la gestion des risques. Cette intégration renforce la capacité à identifier les éléments systématiques et à synthétiser les informations pour une meilleure prise de décision.

Le développement d'outils et de systèmes conviviaux est essentiel pour intégrer les analyses issues de l'IA dans le processus d'investissement. Ces outils doivent permettre aux directeurs des investissements, aux gestionnaires de portefeuille, aux responsables de la gestion des risques et aux analystes d'accéder facilement à ces analyses. Une approche mixte, alliant les analyses issues de l'IA aux méthodes traditionnelles de sélection des titres, peut considérablement améliorer la gestion des actions sur les marchés publics.

À l'heure actuelle, rares sont les fonds qui recourent de manière systématique à l'intelligence artificielle pour la sélection des titres. L'IA est principalement utilisée pour optimiser la recherche et l'analyse documentaire. L'objectif est toutefois de développer des cadres permettant d'intégrer de vastes quantités de data d'investissement data des systèmes cohérents, en distinguant les informations relatives à l'alpha de celles concernant le bêta. Cela nécessite une infrastructure solide pour séparer et exploiter efficacement les analyses d'investissement.