white papers

Utiliser l’apprentissage automatique au sein des stratégies d’investissement

Comment utiliser l’apprentissage automatique au sein des stratégies d’investissement ?
Serge Tabachnik - Head of Research, Multi-Asset

Serge Tabachnik

Head of Research, Multi-Asset
François Chareyron - Portfolio Manager

François Chareyron

Portfolio Manager

 

Les points à retenir

  • Le partenariat de recherche entre LOIM, le fournisseur de données Reuters/Refinitiv et la start-up française spécialiste de l’apprentissage automatique Ai for Alpha a abouti à des résultats majeurs, dont deux publications à venir dans des revues de renom et l’obtention du Best Paper Award lors de l’édition 2021 de la conférence MIDAS/ECML-PKDD.
  • Pour trouver des applications en matière d’investissements, nous avons synthétisé les conclusions concernant l’utilisation de l’apprentissage automatique pour les portefeuilles qui ciblent la volatilité.
  • Cette synthèse s’intéresse à la mise en œuvre de deux méthodes basées sur l’apprentissage automatique, dont la première repose sur l’apprentissage par renforcement profond et la seconde sur la régression d’arbres de décision optimisés.
  • Toutes deux s’appuient sur des méthodes d’apprentissage automatique adaptatives afin de tenir compte des changements de régime de volatilité types, mais selon des approches différentes.

 

Partenariat fructueux

La recherche en investissements permanente est la marque de fabrique de l’approche multi-actifs de LOIM. Elle a amélioré nos stratégies axées sur le risque, ce qui nous a récemment permis d’exploiter le surcroît de rendement des obligations et de mieux intégrer les données liées à la durabilité à notre processus d’investissement.

Depuis septembre 2020, LOIM collabore avec le fournisseur de données Reuters/Refinitiv et la start-up française spécialiste de l’apprentissage automatique Ai for Alpha dans le cadre d’un partenariat de recherche rendu possible par une subvention de l’Institut européen d’innovation et de technologie, qui fait partie intégrante d’Horizon Europe.

 

Réalisations et récompenses

L’initiative a donné naissance à plusieurs projets conjoints qui ont généré des résultats significatifs, notamment deux publications à venir, lors de l’atelier ALA 2021, Machine Learning Group du AAMAS (Springer Neural Computing and Applications Journal) et Mining Data for Financial Applications: 6th ECML PKDD Workshop, MIDAS 2021 (Springer).

Nous nous félicitons que cette seconde publication ait remporté le Best Paper Award lors de l’édition 2021 de la conférence MIDAS/ECML-PKDD, et qu’elle se soit hissée, ces derniers mois, parmi les 10 articles les plus téléchargés sur SSRN concernant les thématiques abordées.

 

Applications en matière d’investissements

Pour trouver des applications en matière d’investissements aux deux articles retenus, nous avons synthétisé les conclusions concernant l’utilisation de l’apprentissage automatique pour les portefeuilles ciblant la volatilité dans un whitepaper. Celui-ci met l’accent sur la mise en œuvre de deux méthodes basées sur le machine learning afin de déterminer l’allocation optimale entre les modèles ciblant la volatilité. La première repose sur l’apprentissage par renforcement profond et la seconde sur la régression d’arbres de décision optimisés.

 

Une approche différenciée

Nous estimons que ces méthodes innovantes diffèrent profondément par leur approche de l’apprentissage : la régression d’arbres de décision optimisés a recours à un apprentissage supervisé, tandis que l’apprentissage par renforcement profond ne l’est pas1. Toutes deux s’appuient sur des méthodes d’apprentissage automatique adaptatives afin de tenir compte des changements de régime de volatilité types, mais selon des approches différentes, qui les distinguent nettement.

Pour lire le whitepaper, cliquez sur le bouton de téléchargement.

Pour en savoir plus sur notre expertise multi-actifs, cliquez ici.

 
 

Sources

1 Dans le cadre de l’apprentissage automatique, il faut distinguer l’apprentissage supervisé, qui utilise des données d’entrée et de sortie étiquetées, de l’apprentissage non supervisé, qui travaille isolément pour découvrir la structure intrinsèque de données non étiquetées.

informations importantes.

Le présent document a été publié par Lombard Odier Asset Management (Europe) Limited, agréée et réglementée par l’autorité de surveillance des services financiers (Financial Conduct Authority ou FCA) et enregistrée sous le numéro 515393 dans le registre de la FCA.
Lombard Odier Investment Managers (« LOIM ») est un nom commercial.
Ce document est fourni à titre d’information uniquement et ne constitue pas une offre ou une recommandation d’acquérir ou de vendre un titre ou un service quelconque. Il n’est pas destiné à être distribué, publié ou utilisé dans une juridiction où une telle distribution, publication ou utilisation serait interdite. Ce document ne contient pas de recommandations ou de conseils personnalisés et n’est pas destiné à remplacer un quelconque conseil professionnel sur l’investissement dans des produits financiers. Avant d’effectuer une quelconque transaction, il est conseillé à l’investisseur de vérifier minutieusement si elle est adaptée à sa situation personnelle et, si nécessaire, d’obtenir un avis professionnel indépendant quant aux risques et aux conséquences juridiques, réglementaires, fiscales, comptables ainsi qu’en matière de crédit. Ce document est la propriété de LOIM et est adressé à son destinataire pour son usage personnel exclusivement. Il ne peut être reproduit (en totalité ou en partie), transmis, modifié ou utilisé à des fins publiques ou commerciales sans l’autorisation écrite et préalable de LOIM. Ce document contient les opinions de LOIM, à la date de publication.
Ni ce document ni aucune copie de ce dernier ne peuvent être envoyés, emmenés ou distribués aux Etats-Unis, dans l’un de leurs territoires, possessions ou zones soumises à leur juridiction, ni à une personne américaine ou dans l’intérêt d’une telle personne. A cet effet, l’expression « Personne américaine » désigne tout citoyen, ressortissant ou résident des Etats-Unis d’Amérique, toute association organisée ou existant dans tout Etat, territoire ou possession des Etats-Unis d’Amérique, toute société organisée en vertu des lois des Etats-Unis ou d’un Etat, d’un territoire ou d’une possession des Etats-Unis, ou toute succession ou trust soumis dont le revenu est imposable aux Etats-Unis, quel qu’en soit l’origine.
Source des chiffres : sauf indication contraire, les chiffres mentionnés ont été préparés par LOIM.
Bien que certaines informations aient été obtenues de sources publiques réputées fiables, sans vérification indépendante, nous ne pouvons garantir leur exactitude et exhaustivité.
Les points de vue et opinions exprimés le sont uniquement à titre d’information et ne constituent pas une recommandation de LOIM d’acheter, de vendre ou de détenir un titre quelconque. Les avis et opinions sont donnés en date de cette présentation et sont susceptibles de changer. Ils ne doivent pas être interprétés comme des conseils en investissement.
Aucune partie de ce document ne saurait être (i) copiée, photocopiée ou reproduite sous quelque forme et par quelque moyen que ce soit, ou (ii) distribuée à toute personne autre qu’un employé, cadre, administrateur ou agent autorisé du destinataire sans l’accord préalable de Lombard Odier Asset Management (Europe) Limited. Au Royaume-Uni, ce document constitue une promotion financière et a été approuvé par Lombard Odier Asset Management (Europe) Limited, qui est autorisée et réglementée par la FCA. ©2022 Lombard Odier IM. Tous droits réservés.