Ce site utilise des cookies

Pour vous offrir la meilleure expérience possible, ce site utilise des cookies. Vous pouvez retrouver toute l'information concernant notre utilisation des cookies ici. Votre vie privée est importante pour nous et nous vous encourageons à lire notre politique de confidentialité.

OK

Ne pas rester focalisé sur le rétroviseur

Ces dernières années, le marché a souvent dévié de ses comportements historiques. Le Dr. Daniele Lamponi, de GAM Systematic, expose les raisons pour lesquelles il est important que les professionnels de l’investissement quantitatif contrôlent et actualisent leurs modèles d’investissement en permanence, afin de les adapter à des conditions de marchés changeantes. Pour illustrer ce point, il s'appuie sur l’exemple des modèles de tendance sur le marché obligataire.

4 Juillet 2019

L’impact caché de l’évolution des conditions de marché sur les modèles systématiques de tendance obligataire

En tant que professionnels de l’investissement quantitatif, nos décisions d'investissement reposent sur des données, et nous dépendons d’elles pour générer de la performance ou gérer l’exposition au risque de nos clients. Il est donc normal d’analyser les données passées pour élaborer des modèles d’investissement. On appelle ce processus backtesting, ou « test à rebours ». Il nous permet de simuler une stratégie d’investissement à partir de données historiques et d’utiliser les résultats pour analyser les risques, les performances, les baisses, et le comportement de stratégies systématiques en fonction des évolutions des conditions de marché et des paramétrages. De plus, cela nous aide également à évaluer le bien-fondé d'une stratégie systématique. La confiance dans la raison d’être et dans le comportement de telles stratégies peut aboutir à des engagements de capitaux et à des investissements. Dans tout ce processus, qui commence à la génération d’idées et aboutit à l’engagement de capitaux, les données sont d’une importance capitale : elles nous permettent d’analyser et de comprendre comment une stratégie d’investissement réagit dans le monde réel. Cependant avec l’expérience nous avons compris que les données ne donnent qu’une vision limitée, car elles ne portent que sur le passé, et non sur l’avenir.


« Vous pouvez conduire une voiture en regardant dans le rétroviseur, tant que rien ne se présente devant vous ».

Bill Joy, ingénieur informaticien, co-fondateur de Sun Microsystems


Ce qui est important à nos yeux, c’est la compréhension d’une stratégie d’investissement : ses hypothèses, ses risques et ses facteurs de performances. C’est la raison pour laquelle chez GAM Systematic nous contrôlons en permanence nos modèles d’investissement, même lorsqu’ils fonctionnent, et que nous continuons à les passer en revue et à les adapter aux évolutions des conditions de marchés. Nous souhaitons évoquer ici la façon dont les évolutions des paradigmes de marché peuvent impacter profondément la manière dont les modèles sont construits. À travers l’exemple des modèles de tendance sur les marchés obligataires, nous proposons en particulier de voir comment une modification des conditions de marché, comme un changement de politique monétaire, peut avoir une incidence sur les méthodologies de construction de portefeuille et sur les dynamiques des modèles.

Les modèles de tendance sont un type de stratégies d’investissement qui consiste à acheter (ou « prendre des positions longues ») ou vendre (« prendre des positions courtes ») des actifs dont les prix sont sur une tendance récente respectivement positive ou négative. Ainsi elles cherchent à exploiter la persistance des rendements sur des marchés donnés. Ces stratégies sont également connues sous l’appellation time-series momentum (« dynamiques de séries chronologiques ») ou suivi de tendance, et ont été largement étudiées par les professionnels et les universitaires. 1Certains hedge funds tels que les fonds CTA (Commodities Trading Advisor), les fonds communs d'intervention sur les marchés à terme et les fonds global macro cherchent à exploiter des algorithmes basés sur les cours et sur le suivi de tendance pour négocier les contrats à terme. Comme le montre le document 1, les modèles de tendance sont généralement construits autour de quatre blocs fondamentaux : l’univers d’investissement, la génération de signal, la construction de portefeuille et la gestion du risque.

Document 1 : les quatre piliers d’une stratégie systématique de suivi de tendance

Source : GAM Investments. À titre d’illustration uniquement

Les modèles de tendance obligataires en particulier, tendent à répartir les contrats à terme sur différents marchés et différentes durations (maturités des obligations qui contribuent à la sensibilité aux taux d’intérêt). Les univers d’investissement classiques comprennent les contrats mentionnés dans le document 2. Pour identifier la tendance, les spécialistes s’appuient sur une multitude de signaux, qui vont des simples moyennes mobiles2aux bandes de Bollinger3et/ou aux régressions linéaires temporelles4. Plusieurs méthodologies utilisées par les spécialistes pour identifier des signaux de tendance ont été étudiées dans la littérature académique5. Une méthodologie répandue de construction de portefeuille repose sur une allocation à l’inverse de la volatilité (une mesure du degré de variation des rendements des actifs), c’est à dire que les contrats dont la volatilité est plus faible reçoivent des allocations plus importantes. La somme des pondérations est parfois aussi normalisée pour une exposition brute adéquate.

Document 2 : univers d’investissement classique des stratégies de suivi de tendance sur les obligations, sur différentes régions et maturités d’obligations

Source : GAM Investments. À titre d’illustration uniquement. Les allocations et les positions sont susceptibles d’être modifiées.

Dans ce contexte chaque position est dimensionnée de façon à viser la même volatilité absolue, à la fois pour diversifier le portefeuille, et pour limiter le risque lié à chacun des marchés. Mais d’autres approches peuvent aussi être adoptées : elles vont des pondérations uniformes à des schémas plus complexes dans lesquels les allocations sont basées sur des combinaisons de force de signal et de volatilité. Enfin, la gestion des risques s’assure que l’effet de levier, le dimensionnement global de la position et les risques ex-ante sont gérés conformément aux objectifs et aux lignes directrices de placement.

Le concept d’inverse de la volatilité est largement utilisé par les professionnels et s’est avéré être une méthodologie de construction de portefeuille très efficace : solide, simple et fiable. Le genre de méthodologie que nous aimons : elle accomplit parfaitement sa tâche, sans complexité superflue. Mais comme nous allons le voir, l'évolution des conditions de marché a nécessité sa révision. C’est là que les choix d’investissements rétrospectifs et prospectifs entrent en jeu : sans vouloir paraphraser les responsables de la conformité, il est bon de rappeler que les données passées ne sont pas toujours un bon indicateur des résultats présents et/ou futurs. Nous avons la ferme conviction qu’il est essentiel d’adopter une approche rétrospective et prospective pour comprendre les dynamiques et implications d’un modèle, et enfin prendre des décisions d'investissement.

Au cours de ces dernières années les banques centrales à travers le monde ont baissé les taux d’intérêt, dans le cadre de leurs mesures contre les scénarios déflationnistes. Les taux ont fini par atteindre des niveaux historiquement bas, négatifs dans certains cas. Les taux d’intérêt négatifs sont un outil de politique monétaire non conventionnel mais dans le monde actuel ils sont devenus la norme. Le gouvernement suisse a mené de facto une politique de taux d’intérêt négatifs au début des années 1970, en appliquant aux non-résidents une pénalité sur leurs nouveaux dépôts d’espèces en francs suisses. C’était la réponse à l’appréciation du franc suisse causée par l’afflux d’investisseurs fuyant l’inflation qui sévissait ailleurs. Mais après la crise financière de 2008, des taux d’intérêt très bas sont apparus dans toutes les économies développées, afin de stimuler la croissance et de lutter contre la pression déflationniste. En juillet 2009, la Banque centrale suédoise a déployé des taux d'intérêt négatifs, en abaissant le taux d'intérêt des dépôts au jour le jour à -0,25%. La Banque centrale européenne (BCE) en a fait autant en juin 2014 lorsqu’elle a abaissé son taux d’intérêt sur les dépôts à -0,1%. D’autres pays européens (comme la Suisse et le Danemark) et le Japon ont depuis choisi d’avoir des taux d'intérêt négatifs. Le taux cible de la Banque centrale américaine (Fed) n’est pas réellement entré en territoire négatif, mais il a stagné autour de zéro pendant des années.

Mais pourquoi et comment la politique monétaire influence-t-elle la méthodologie de construction de portefeuille ? Il y a au moins deux raisons/connexions. D’une part, les propriétés statistiques des séries chronologiques obligataires ont changé ces dernières années ; d’autre part, le comportement de la structure par terme des taux d’intérêt est également structurellement différent. Pour nous, cela signifie que la méthodologie de construction du portefeuille et la génération de signal devraient être remises en question et actualisées.

Les séries chronologiques obligataires ont changé, car lorsque les taux d’intérêt sont déjà très bas, des baisses significatives sont moins probables. Même si l’on invoque le fait qu’ils étaient à zéro quelques années plus tôt et qu’ils sont négatifs aujourd’hui, les attentes du marché ont fixé une limite inférieure aux niveaux des taux d’intérêt. Lorsque nous approchons de cette limite, la distribution de rendement devient asymétrique (document 3).

Document 3 : la distribution des mouvements de taux d’intérêt pourrait devenir fortement asymétrique lorsque l’on approche de la limite inférieure attendue. En même temps, la volatilité baisse lorsque la distribution culmine

Source : GAM Investments. À titre d’illustration uniquement.

Pour comprendre ce point, considérons que les taux d’intérêt sont à zéro et qu’ils ne peuvent descendre plus bas. Dans ce cas, ils ne pourraient qu’augmenter ou stagner, ce qui induit une asymétrie dans la distribution. La situation est très différente lorsque les taux d’intérêt sont à 3% et qu’ils peuvent soit augmenter, soit baisser. Dans une distribution aussi asymétrique, nous pensons que la volatilité n’est tout simplement plus un bon critère de mesure du risque. De plus, lorsque la distribution atteint un sommet, la volatilité réalisée diminue, ce qui peut créer une distorsion dans les pondérations du portefeuille. En substance, on tend à accorder de plus fortes pondérations aux contrats asymétriques, ce qui peut altérer le comportement de la stratégie. En fonction de la méthodologie de construction du portefeuille et de l’univers d’investissement, l’impact peut être important. Ces nouvelles conditions de marché nous obligent à remettre en question et à contrôler minutieusement l’utilisation de la volatilité dans le modèle, qu’elle soit utilisée pour la génération de signal ou dans la définition du système de pondération.

Document 4 : la courbe des taux des obligations souveraines américaines à la fin décembre 2016 montrant la structure typique à pente ascendante

Source : Bloomberg. À titre d’illustration uniquement

La structure par terme des taux d’intérêt montre la valeur des taux d’un même actif, à différentes échéances. Elle est représentée par ce que l’on appelle la courbe des taux, dont un exemple est donné dans le document 4. Bien qu’elle soit généralement sur une pente ascendante, la courbe des taux change et sa pente s’ajuste en réaction aux évolutions économiques. C’est aussi un indicateur des différentes phases que traverse l’économie, et historiquement elle a en effet été utilisée dans ce but, comme cela est indiqué dans de nombreuses recherches universitaires. En temps « normal », les banques centrales fixent les taux à court terme afin de contrôler la masse monétaire dans l’économie6. Au cours de la récente crise financière, une forme de politique monétaire a été mise en œuvre pour accroître encore la masse monétaire : l’assouplissement quantitatif. Lorsque les banques centrales fixent les taux à court terme, toutes les structures par terme se décalent : l’analyse quantitative de leur mouvement montre que ce déplacement parallèle explique la plupart des mouvements de la courbe des taux. Les deux autres principaux mouvements sont la pente et la courbure7. Le document 5 présente ces trois mouvements de la structure par terme des taux d’intérêt. Malheureusement dans une situation où les taux à court terme ont une liberté de mouvement limitée, la situation pourrait s’avérer radicalement différente8. Le document 6 montre la sensibilité aux mouvements des taux d‘intérêt en différents points de la courbe, à savoir deux, cinq et dix ans pour l’Europe et les Etats-Unis. Cela illustre clairement un changement de comportement catalysé par l’introduction de taux d’intérêt très bas. De nouveau, cela peut avoir un impact fort sur la stratégie d’investissement systématique exploitant les tendances obligataires, car un contrat à court terme pourrait avoir une réaction imprévue par toutes les séries chronologiques historiques.

Document 5 : Les principaux mouvements de la structure par terme des taux d'intérêt : décalage parallèle, pente, et courbure

Source : Bloomberg et GAM Investments. À titre d’illustration uniquement

Fait intéressant, les deux effets peuvent interagir. En fait, lorsque la volatilité de contrats à court terme diminue, leur allocation augmente, dans une méthodologie d’allocation pondérée à l’inverse de la volatilité. En même temps, comme nous l’avons indiqué, leur comportement change radicalement. L’exposition de la stratégie peut donc être altérée, et il faut être attentif pour comprendre si elle est toujours à même de remplir son rôle, qui est d’exploiter efficacement la prime de risque Momentum sur le marché obligataire.

Document 6 : sensibilité aux mouvements des taux d‘intérêt en différents points de la courbe, à savoir deux, cinq et dix ans pour l’Europe et les Etats-Unis

Source: Bloomberg and GAM Investments. For illustrative purposes only.

Comme le montre cette analyse, l’investissement quantitatif et en particulier l’exploitation des primes de risque ne consiste pas seulement à construire une stratégie générique « sur un échantillon » et à la laisser s‘exécuter : les données passées ne nous racontent qu’une partie de l’histoire. Une approche rétrospective et prospective, avec une connaissance approfondie de l’algorithme d’exploitation et de toutes ses implications, nous semble primordiale. Comme toujours dans la finance, le diable se cache dans les détails, et négliger ces derniers conduit à des modèles insuffisants et à des rendements médiocres.


1Fung, W. et D. A. Hsieh (2001), « The risk in hedge fund strategies: Theory and evidence from trend followers. » Review of Financial Studies 14(2), 313. Moskowitz, T., Y. H. Ooi, et L.H. Pedersen (2012). “Time series momentum” Journal of Financial Economics Vol. 104 (2), pp 228-250
2Une moyenne mobile simple est une moyenne mobile arithmétique calculée en additionnant les cours de clôture, et en les divisant par le nombre de périodes utilisées pour le calcul de la moyenne.
3Les bandes de Bollinger sont constituées d’une courbe centrale (moyenne mobile) et de deux canaux (bandes) au-dessus et au-dessous de cette ligne. Les bandes sont calculées en utilisant l’écart-type ou les rendements. Lorsque les cours dépassent la bande de Bollinger supérieure ou inférieure, l’opinion est respectivement positive ou négative, jusqu’à ce que les cours atteignent une moyenne mobile de long-terme MM2, lorsque la position est neutralisée.
4Les moyennes mobiles font ponctuellement l’objet d’une régression et une position est prise lorsque la valeur absolue de la statistique « t » du coefficient de temps dépasse une valeur seuil. Les positions sont neutralisées lorsque le coefficient de tendance change de signe.
5Guilleminot, B., J.-J. Ohana, et S. Ohana (2014). « Risk- versus Trend-Driven Global Tactical Asset Allocation » The Journal of Portfolio Management, 40 (3), pp. 21-33
6Modigliani, F., R. Rasche, et J. P. Cooper (1970). « Central Bank Policy, the Money Supply, and the Short-Term Rate of Interest » Journal of Money, Credit and Banking, Vol. 2 (2), pp. 166-218
7Steeley, J.M. (1990). « Modelling the dynamics of the term structure of interest rates. » Economic and Social Review, vol. 21 (4), pp. 337-361. Litterman, R. et Scheinkman, J. (1991) « Common Factors Affecting Bond Returns ». The Journal of Fixed Income, Vol. 1, pp. 54-61.
8Grisse, C. et S. Schumacher (2017). « The response of long-term yields to negative interest rates: evidence from Switzerland. » Working paper SNB 10/2017

Informations juridiques importantes
Les données figurant dans ce document ne sont fournies qu’à titre informatif et ne comportent pas de conseil en investissement. Les opinions et évaluations contenues dans ce document peuvent changer et reflètent le point de vue de GAM dans les conditions conjoncturelles actuelles. Aucune responsabilité n’est assumée quant à l'exactitude et l’exhaustivité des données. La performance passée ne constitue pas un indicateur de l’évolution courante ou future.

Dr Daniele Lamponi

Investment Manager

Articles Liés

L'évolution des ARP : une approche lamarckienne

Dr Daniele Lamponi

Alternative Risk Premia : Lars Jaeger

Dr Lars Jaeger

Institut Cantab Capital pour les mathématiques de l'information

Invalid MyFavouriteContentDialogViewModel detectedTitleText or MessageText is not populated