5 questions sur notre nouvelle stratégie alternative DataEdge

 

1. Comment la stratégie DataEdge de LOIM utilise-t-elle les données alternatives pour améliorer les prévisions concernant les indicateurs clés des entreprises ?

La stratégie repose sur l’acquisition, l’utilisation et l’analyse de points de données alternatives provenant de plusieurs zones géographiques, secteurs et sources. Par exemple :

• transactions par carte de crédit
• reçus digitaux
• trafic web
• activité sur les applications
• services de géolocalisation

Grâce aux progrès de la science des données, il est désormais possible de structurer et de filtrer ces données afin de dégager les tendances de comportement des consommateurs en temps réel. Des méthodes d’analyse systématiques et quantitatives sont ensuite utilisées pour prédire l’impact que les tendances pourraient avoir sur les indicateurs clés de performance (KPI) des entreprises cotées, tels que le chiffre d’affaires, les bénéfices, les utilisateurs, les nouveaux clients et les modèles d’engagement.

Afin de générer un potentiel d’alpha, la stratégie vise à identifier les surprises en matière de bénéfices, ainsi qu’à détecter les points d’inflexion dans les tendances des KPI sur plusieurs trimestres.

 

2. Quel est l’univers d’investissement de la stratégie ?

Cette stratégie alternative a une orientation mondiale et reste neutre sur le plan sectoriel. L’univers d’investissement est actuellement centré sur les Etats-Unis et met l’accent sur les entreprises des secteurs de la consommation, de la technologie, de l’industrie et de la santé. Concernant la capitalisation boursière, la stratégie est principalement exposée aux petites et moyennes capitalisations.

Cet univers est déterminé par la disponibilité et la qualité des données alternatives que nous recherchons, et il est appelé à évoluer et à se développer au fil du temps. L’univers éligible actuel¹ couvre 640 sociétés côtées sur les marchés américains, et la stratégie suit quotidiennement 200 à 250 sociétés. Les graphiques 1 et 2 présentent une ventilation de l’univers par secteur et par capitalisation boursière.

 

GRAPHIQUE 1. Secteurs composant l’univers DataEdge

Source : LOIM. Uniquement à titre indicatif. Mars 2024. L’allocation est susceptible de changer.

 

GRAPHIQUE 2. Ventilation par capitalisation boursière de l’univers DataEdge

Source : LOIM. Uniquement à titre indicatif. Mars 2024.

 

3. Quel rôle jouent les surprises en matière de bénéfices ? Quel est leur lien avec les rendements des actions dans l’univers DataEdge ?

Nos recherches² montrent qu’au sein de l’univers DataEdge, les surprises en matière de bénéfices sont étroitement liées aux rendements des actions, tant à la hausse qu’à la baisse. A partir de cet univers, nous avons évalué la relation entre les surprises en matière de bénéfices et les rendements des actions en tenant compte de trois facteurs.

• Pertinence. Nous avons utilisé des mesures telles que la corrélation et la distribution de probabilité des gains³, ainsi que l’analyse de régression⁴. En s’appuyant sur une régression des surprises en matière de bénéfices par rapport aux rendements des actions sur les bénéfices publiés au cours des 20 dernières années ainsi que des cinq dernières années, notre modèle a mis en évidence une relation probante et valide au sein de l’univers de DataEdge. Cela montre que les surprises en matière de bénéfices peuvent expliquer une part importante des fluctuations des cours⁵.
  
  Notre étude a également mis en évidence des indicateurs pour les cinq dernières années dont la pertinence est potentiellement intéressante. La corrélation est stable, voire légèrement supérieure, de même que la probabilité moyenne de gain, qui reste proche des niveaux historiques.
   
• Récompense sur le marché. Il s’agit du rendement moyen des actions en cas de surprises positives ou négatives en matière de bénéfices. Sur cette période de 20 ans, nous avons constaté que la récompense moyenne du marché pour les surprises positives en matière de bénéfices était +1,9% contre un recul moyen de -3,6% lors de surprises négatives. En outre, 86% de l’univers a enregistré un rendement moyen positif pour les observations de surprises positives en matière de bénéfices et 80% de l’univers a enregistré un rendement moyen négatif pour les observations de surprises négatives. Au cours des cinq dernières années, les résultats ont été les suivants : les surprises positives en matière de bénéfices ont généré un rendement de +1,7% en moyenne et les surprises négatives un rendement de -4,1% en moyenne.

 

GRAPHIQUE 3. Rendement du marché par rapport aux surprises positives et négatives en matière de bénéfices

Source : LOIM. Uniquement à titre indicatif. La performance passée ne saurait présager des résultats futurs. La période de 20 ans couvre la période de janvier 2004 à janvier 2024 et la période de 5 ans couvre la période de 2019 à 2024.

 

• Le biais de surprise. Cette analyse a permis de mesurer les proportions déséquilibrées de titres qui dépassent ou n’atteignent pas les prévisions du consensus. L’erreur du consensus par rapport à la valeur publiée a été mesurée à l’aide du pourcentage d’erreur absolue moyenne (MAPE – mean absolute percentage error). Sur la période de 20 ans, le pourcentage moyen de surprises positives en matière de bénéfices était de 72%, contre 28% pour les surprises négatives. En outre, 88% de l’univers a connu des surprises positives en matière de bénéfices plus de 50% du temps. Le MAPE moyen sur l’ensemble de l’univers était de 4,14%.
  
  Nous n’avons noté aucun changement significatif dans le biais de surprise au cours des cinq dernières années par rapport à la période de 20 ans. Les résultats suggèrent que les attentes du consensus tendent à sous-estimer systématiquement les bénéfices des entreprises aux Etats-Unis. D’autre part, nous avons constaté une augmentation significative de l’erreur du consensus au cours des dernières années, qui semble s’expliquer par la pandémie de Covid-19.

 

GRAPHIQUE 4. Biais de surprise

Source : LOIM. Uniquement à titre indicatif. La performance passée ne saurait présager des résultats futurs. La période de 20 ans couvre la période 2004-2024 et celle de 5 ans couvre la période 2019-2024.

 

4. La relation étroite entre les surprises en matière de bénéfices et la performance des actions génère-t-elle des opportunités d’alpha ? 

Depuis plus de 50 ans, des études universitaires⁶ analysent la relation entre les surprises en matière de bénéfices et la performance des actions, et nos recherches confirment que cette relation se vérifie dans l’univers de la stratégie DataEdge. L’accélération des flux d’informations, leur plus grande disponibilité et l’utilisation croissante de données alternatives soulèvent des questions quant au potentiel d’alpha qui peut être extrait des surprises en matière de bénéfices.

Nous avons formulé une stratégie théorique⁷ visant à évaluer le potentiel d’alpha des surprises en matière de bénéfices au sein de l’univers de DataEdge. En bref, la stratégie adopte une position longue sur les surprises positives en matière de bénéfices et courte sur les surprises négatives, en se basant sur l’évolution historique des cours. Nous qualifions cette stratégie de « prévision parfaite », car il est impossible de la mettre en œuvre à partir des informations qui étaient publiques au moment de la construction du portefeuille. Cependant, même si la stratégie théorique ne peut être négociée, elle nous permet de comprendre le potentiel d’alpha, son comportement dans le temps, ainsi que l’ampleur des variations de cours en cas de nouvelles informations sur la situation comptable.

Les résultats de notre analyse ont montré qu’il existe un potentiel d’alpha significatif pour les stratégies capables de prédire les révisions de bénéfices. Le ratio d’information⁸ déduction faite des coûts de transaction varie de 3,5 à plus de 4 selon la période, et reste stable sur des périodes plus ou moins longues.

Sur la base de ces résultats et du taux de réussite moyen de nos prévisions en matière de révisions des bénéfices⁹, qui est proche de 70%, nous estimons que la stratégie devrait atteindre un ratio d’information de 1,6 selon les paramètres définis par l’étude de Grinold et Kahn¹⁰.

Cela confirme que les surprises en matière de bénéfices peuvent entraîner des mouvements de cours importants et offrir de nombreuses opportunités d’alpha, de notre point de vue.

 

5. Quelle est l’expertise de LOIM en matière de stratégies alternatives systématiques et quel cadre adoptez-vous ?

Dans le cadre de la stratégie DataEdge, nous combinons une recherche avancée sur les données alternatives avec une expertise en matière d’investissement systématique. En tant que gérants principaux du Fonds, nous disposons d’une expérience cumulée de 36 ans dans le domaine des stratégies alternatives systématiques. Nous travaillons avec l’équipe d’investissement quantitatif de LOIM, qui est composée de 21 professionnels de l’investissement et gère plus de 10 milliards de dollars¹¹. Nous coopérons également avec un agrégateur de données pionnier qui entretient des liens étroits avec notre franchise 1798 Alternatives.

Notre cadre d’investissement différencié ne se contente pas de combiner des approches fondamentales et quantitatives Nous cherchons plutôt à isoler un alpha idiosyncratique pur en appliquant notre avantage informationnel à la sélection des titres. En définitive, nous créons un portefeuille à contre-courant et diversifié qui investit dans des titres pour lesquels nos modèles prévoient un écart potentiel importante par rapport aux attentes du consensus pour le marché.