Category
🗞
NewsTranscription
00:00 Bonjour à tous et bienvenue pour parler aujourd'hui d'automatisation de sa stratégie d'investissement,
00:16 d'automatisation de son trading parce que c'est vrai que très vite quand on commence à avoir un
00:21 petit peu de maturité dans le domaine de l'investissement, on commence à avoir une
00:23 stratégie. Alors c'est pas forcément une stratégie gravée dans le marbre etc où on
00:26 peut citer des critères clairs mais on a quand même malgré tout des critères d'achat, des
00:31 critères de vente, des critères pour les tailles de position etc et je sais pas si ça vous est
00:36 arrivé mais je pense que c'est arrivé à la plupart d'entre vous. Quand on a comme ça une
00:39 stratégie qui est claire et qui est définie, au bout d'un moment on se dit "mais pourquoi pas
00:43 l'automatiser". C'est vrai, je sais que j'achète une action quand elle respecte tel et tel critère,
00:49 je sais que je la vends quand il y a tel et tel critère qui sont remplis, mes tailles de position
00:54 sont toujours x y etc donc on peut dire finalement pourquoi ne pas automatiser ça. Et puis quand on
00:59 creuse un petit peu le sujet on se dit "ah mais d'ailleurs je pourrais rajouter tel et tel critère,
01:03 je pourrais faire ci, faire ça, ce serait beaucoup plus dynamique etc" et puis évidemment face à la
01:06 complexité on laisse tomber. Dans le monde financier, ces stratégies quantitatives, en fait
01:11 ces stratégies automatisées, systématiques, appelez les comme vous voulez mais moi je vais
01:15 appeler ça stratégie quantitative donc basée sur des données chiffrées, il y en a énormément,
01:20 il y en a énormément dans les hedge funds notamment, c'est vraiment très classique et la
01:24 grande grande majorité de ces stratégies de trading quantitative sont basées sur les prix et les
01:31 volumes et font en général du très court terme, elles ne sont pas basées sur les données
01:36 fondamentales, si vous voulez, elles ne font pas de long terme et on peut se dire, vous voyez,
01:39 moi qui sommes des investisseurs long terme, on peut se dire "tiens il y a peut-être un truc là,
01:43 pourquoi est-ce que nous on pourrait pas appliquer des stratégies quantitatives basées sur des
01:47 données fondamentales pour faire de l'investissement long terme, pourquoi est-ce que plus c'est
01:52 quantitatif, plus c'est court terme, plus c'est tourné voire même vers du haute fréquence,
01:56 donc vraiment des transactions extrêmement rapides, est-ce qu'il n'y aurait pas quelque
01:59 chose à faire du côté des données fondamentales ? Dans ma carrière financière, notamment quand
02:04 j'ai démarré en tant que trader professionnel, j'ai toujours été attiré par l'approche fondamentale,
02:08 j'avais une approche ce qu'on appelle "even driven", j'étais sur les situations spéciales,
02:11 les fusions acquisitions etc. donc vraiment basé sur du fondamental, sur l'étude des entreprises,
02:16 mais j'étais entouré de traders qui ne faisaient que du trading quantitatif,
02:20 basé sur des algorithmes et comme je le disais souvent à très court terme. Et ce genre de
02:24 modèle encore plus quand c'est appliqué à d'énormes portefeuilles comme ce que j'ai vu à
02:27 l'époque, c'est toujours impressionnant. Tout est automatisé, on laisse tourner les machines qui
02:31 s'occupent de tout, la prise de décision, le trading, l'exécution etc. et finalement on n'a
02:36 qu'à regarder les compteurs en fin de journée. C'est vrai que quand on passe son temps à étudier
02:41 des dossiers comme moi, c'est toujours épatant de voir ce type de système en marche. Donc plus
02:46 tard quand j'ai basculé de trader professionnel à investisseur particulier, puisque j'ai arrêté le
02:52 trading pour le compte propre pour une banque, je me suis posé la question de trouver des modèles
02:57 d'investissement, donc à plus long terme, basé sur des algorithmes. Et comme je m'intéresse à
03:01 l'analyse fondamentale, donc j'ai pensé à des modèles quantitatifs basés sur des données
03:05 fondamentales, donc bilan, compte de résultats etc. Et puis j'ai vite compris qu'il y avait un
03:09 problème. Et ce problème c'est le nombre de données. Et les données c'est souvent un problème
03:14 dans beaucoup de domaines en fait. Enfin un problème pas forcément, mais en tout cas c'est un souci,
03:18 c'est une problématique dans beaucoup de domaines. Dans le monde de la recherche, on procède souvent
03:22 de manière expérimentale. Là je vous apprends rien, que ce soit en biologie, en chimie, en physique
03:26 etc. Donc je sais pas si vous voulez vérifier qu'une plante a bien besoin de lumière pour croître,
03:32 vous pouvez faire des expérimentations. Vous prenez plusieurs plantes etc. Vous allez faire
03:35 des tests avec plus ou moins de lumière etc. C'est réplicable. Vous pouvez faire la même
03:39 chose des milliers de fois pour tester votre hypothèse. Donc ça prend du temps, mais c'est
03:44 possible de tester ça pas mal de fois. L'accélérateur de particules du CERN par exemple, je sais pas si
03:49 vous connaissez, il est situé vers Genève à la frontière franco-suisse. C'est un énorme anneau
03:53 qui permet de tester des collisions de faisceaux de particules. Fin 2023, ils ont testé pendant cinq
03:59 semaines des collisions entre atomes de plomb. Ils ont enregistré 12 milliards de collisions,
04:04 c'est à dire 4000 collisions par seconde. Ça, ça en fait des données. Là on a vraiment de quoi
04:09 travailler. Et à l'opposé du CERN, on va avoir des choses qui ne sont pas forcément testables en
04:15 laboratoire par exemple. Je sais pas, les éclipses, peu importe. Donc on va plus se baser sur des
04:19 observations. Et comme on se base sur des observations, on peut pas choisir le nombre
04:22 d'observations qu'on a. Certaines fois c'est très fréquent, d'autres fois c'est très rare. Et donc
04:27 ça va être compliqué. On va lutter un peu contre le manque de données. Donc on le voit, les données,
04:31 c'est fondamental. C'est fondamental en finance, c'est fondamental dans toutes les sciences etc.
04:36 Et dans certains domaines, en finance mais aussi dans certaines sciences humaines comme la
04:40 psychologie, on fait face à un autre défi qui fait que les résultats des expérimentations vont
04:45 varier. Donc en psychologie, si vous faites une expérience plusieurs fois avec des individus
04:49 différents, vous n'aurez pas le même résultat en fonction des individus. Il faudra faire beaucoup
04:53 d'expériences pour en tirer un résultat intéressant. Alors qu'en chimie, si vous mélangez
04:58 deux produits chimiques dans les mêmes conditions de température etc, vous aurez toujours le même
05:03 résultat. Et vous pourrez tester ça une fois, deux fois, dix fois, vous aurez toujours le même
05:06 résultat. Alors qu'en psychologie, c'est pas le cas. Et en finance, en investissement, c'est pas
05:09 le cas. Si vous prenez une entreprise qui respecte tel et tel critère et vous regardez si ça gagne
05:13 ou si ça perd, vous n'allez pas toujours avoir une bonne réponse. Il faut tester ces critères-là un
05:18 grand nombre de fois pour savoir si c'est plutôt un trade gagnant ou plutôt un trade perdant. Et
05:23 c'est là où c'est injuste parce qu'un trader haute fréquence ou bien un investisseur long terme vont
05:29 jouer, jouer c'est pas le bon terme, mais vont investir sur le même actif, par exemple une
05:34 action ou un indice. Et pourtant il y en aura un, donc le trader haute fréquence, qui aura beaucoup
05:38 beaucoup plus de données exploitables que celui qui va être investisseur long terme. Je vais vous
05:43 prendre un exemple simple avec Microsoft. Je suis allé chercher ce qu'on appelle les données tick
05:47 par tick, c'est à dire toutes les transactions pour une journée donnée. Et puis j'ai obtenu
05:52 aussi toutes les meilleures limites achat-vente pour une journée donnée. Alors c'est une journée
05:55 au hasard en mai 2023. Donc sur cette journée sur Microsoft, j'ai trouvé 280 000 transactions et
06:02 environ 500 000 changements de meilleure limite achat-vente. Donc la bourse de New York étant
06:06 ouverte de 9h30 à 16h, c'est à dire 6h30, alors il se trouve qu'il y a aussi les trades en dehors
06:12 des heures d'ouverture, mais allez je vais simplifier la tâche. Donc on va dire qu'il y a
06:16 23 400 secondes de trading. Donc avec un calcul tout bête, on voit que ce jour là il y a eu 12
06:22 transactions par seconde en moyenne et 20 changements de limite par seconde. Il y a
06:26 tellement de données en intraday, c'est à dire dans la journée, que pour tester un système comme
06:31 ça, un système qui traite dans la journée, qui achète et qui revend, puis qui n'a plus rien en
06:36 cours de journée, vous avez énormément de données à utiliser. Ce qui est intéressant avec le nombre
06:42 de données, c'est que plus on a de données à utiliser, plus on peut avoir un nombre de paramètres
06:47 importants. C'est pas juste je veux deux critères, on peut augmenter le nombre de critères parce
06:52 qu'on a plus de données pour tester. Mais on a beaucoup d'autres avantages. Par exemple le fait
06:56 que pour tester, on n'est pas obligé de remonter 10 ans ou 50 ans en arrière. Si vous faites du
07:01 trading intraday sur Microsoft, vous avez 200 000, 280 000 trades pour une journée donnée, donc vous
07:09 pouvez tester sur quelques jours, idéalement quelques semaines ou quelques mois en arrière,
07:13 mais vous n'avez pas à remonter pendant 30 ans en arrière. Et de la même manière, après avoir des
07:18 tests qui vous disent que vous avez une stratégie qui paraît être intéressante, vous allez mettre
07:22 ce système en production. Et là, même chose, vous n'avez pas besoin d'attendre des mois et des années
07:28 pour voir si le système marche. Si vous faites, je sais pas, 100 trades dans la journée sur
07:33 Microsoft, très rapidement, au bout de quelques semaines, vous aurez assez de données exploitables
07:37 pour dire si le système marche ou pas. Donc on voit qu'on a énormément d'avantages à avoir beaucoup
07:42 de données et à traiter sur du très court terme. Si maintenant on veut faire un trading automatisé,
07:47 basé sur un algorithme ou sur des algorithmes, mais qui utilise des données fondamentales,
07:51 comme je sais pas, le return on equity, la situation financière de l'entreprise, les résultats,
07:55 les marges, peu importe, vous n'avez des chiffres que quatre mois par an. Donc Microsoft a été
08:00 introduite en bourse en mars 86, c'est-à-dire il y a 37 ans, on a donc 148 résultats trimestriels.
08:06 C'est très faible pour faire des tests. Donc si on met une stratégie en place, il faudra déjà la
08:13 tester sur tout l'historique, donc sur 37 ans, avec le problème de se dire "oui mais finalement,
08:18 les années 80, les années 90, est-ce que c'est pas trop différent d'aujourd'hui ? Est-ce que
08:22 c'est valide de faire des tests de stratégie sur les années 80, 90, 2000 pour les appliquer en 2024 ?"
08:28 Donc là on voit le problème du passé. Et ensuite quand on va mettre cette stratégie en production,
08:33 les données, alors les prix vont changer tous les jours, mais les données fondamentales,
08:38 le return on equity, le leverage, peu importe, toutes ces données là, les résultats,
08:43 tout ça, ça va être disponible, ça va être renouvelé si vous voulez qu'une fois par trimestre.
08:48 Donc vous allez faire des trades probablement beaucoup moins fréquemment que dans le système
08:53 qu'on a vu de haute fréquence précédemment. Donc on va se retrouver à devoir attendre des mois,
08:58 mais probablement des années, avant d'être sûr que le système marche ou non. Et comme je vous
09:02 le disais, comme on aura testé sur 37 ans, on ne saura pas si le système ne marche pas temporairement,
09:08 si c'est parce que les données qu'on a utilisées sont trop vieilles, etc. Donc on ne peut pas,
09:11 comme en haute fréquence, traiter sans comprendre pourquoi on gagne de l'argent. C'est ça la magie
09:16 du trading très court terme, c'est qu'on n'a pas besoin de comprendre pourquoi. On n'a pas besoin
09:19 de comprendre pourquoi parce que chaque jour on sait si le modèle est valide ou non. Alors que
09:24 si vous avez, si vous utilisez des données fondamentales pour investir sur plusieurs
09:27 années, c'est pas parce que vous avez perdu de l'argent pendant dix jours ou même un mois,
09:31 deux mois, que le modèle n'est pas bon. Pas du tout, vous pouvez pas en délire ça. Alors que
09:34 si vous traitez 100 transactions sur Microsoft chaque jour et que dans le passé vous aviez
09:39 une certaine courbe de profit, si au bout de dix jours vous n'avez plus le même type de courbe de
09:46 profit, disons deux semaines, trois semaines, quatre semaines, alors vous pouvez en tirer une
09:49 conclusion. Donc on voit que c'est beaucoup plus facile de traiter du court terme de manière
09:53 quantitative pour énormément de raisons et notamment parce qu'on sait très rapidement si
09:58 on a tort. Et puis il y a des stratégies intermédiaires par exemple, si vous testez
10:01 uniquement sur les cours de clôture et non pas sur les 280 000 transactions qui ont lieu sur
10:07 Microsoft multipliées par le nombre d'actions qu'il y a dans le monde, donc si vous utilisez
10:11 uniquement les cours de clôture, ça vous fait à environ 250 données par an, ce qui est pas mal,
10:17 vous vous retrouvez un petit peu, selon moi, avec le pire des deux mondes. Quand vous commencez à
10:21 faire des tests sur ce type de données, vous n'avez pas tous les avantages du trading haute
10:26 fréquence et vous n'avez pas tous les avantages de l'investissement à long terme. Pour moi c'est
10:31 un petit peu le pire de faire les données les plus faciles à obtenir, auxquelles tout le monde
10:36 pense instinctivement etc. Donc si vous utilisez uniquement les données intraday, oui vous allez
10:40 avoir plus de données disponibles mais c'est pas pour autant que ça va marcher. Et l'autre
10:45 inconvénient donc d'utiliser un algorithme fondamental à long terme, c'est qu'il faut,
10:51 comme je le disais, vraiment savoir pourquoi la stratégie marche. Il faut une stratégie qui
10:56 marche déjà en amont de manière théorique si vous voulez, du type il est logique que les
11:01 entreprises avec un return on equity supérieur à je sais pas 15% performent mieux que le reste
11:06 du marché. Il y a une logique derrière, ce sont les entreprises les plus rentables donc voilà,
11:11 et puis les moins endettées etc. Avec ces critères là, il faut déjà croire en ces critères là avant
11:16 que ça marche. Vous pouvez pas, comme je le disais sur du trading haute fréquence, tester un peu
11:20 tout et n'importe quoi puis dès qu'il y a un truc qui marche vous le mettez en production, vous
11:23 pourrez pas. Pourquoi ? Parce que vous n'aurez le vrai résultat qu'au bout de plusieurs années.
11:27 Voilà, je trouve ça très intéressant. On comprend maintenant pourquoi il y a aussi peu,
11:32 voire quasi pas d'investisseurs long terme basés sur des données fondamentales qui utilisent du
11:37 trading quantitatif. Si vous en connaissez, bien sûr il y en a un qui existe, j'en connais certains,
11:41 mettez le moi en commentaire. Dites moi si vous avez testé, si vous avez essayé d'utiliser comme
11:48 ça un trading quantitatif sur du long terme ou sur des données fondamentales, ça m'intéresse.
11:51 En tout cas, comme d'habitude, je vous remercie beaucoup pour votre fidélité. Merci encore à
11:55 ceux qui m'ont mis des cinq étoiles sur le podcast, j'en ai vu plusieurs arriver, là c'est
11:58 super sympa. Même chose pour les likes et les commentaires sur les vidéos, bien sûr c'est
12:01 toujours hyper motivant et puis moi je vous dis à bientôt.