{"id":6177,"date":"2023-05-16T13:15:09","date_gmt":"2023-05-16T11:15:09","guid":{"rendered":"https:\/\/wp.unil.ch\/hecoutreach\/?p=6177"},"modified":"2023-06-08T13:01:06","modified_gmt":"2023-06-08T11:01:06","slug":"ameliorer-le-rendement-des-portefeuilles-obligataires-en-alliant-machine-learning-et-theorie-economique","status":"publish","type":"post","link":"https:\/\/wp.unil.ch\/hecoutreach\/fr\/ameliorer-le-rendement-des-portefeuilles-obligataires-en-alliant-machine-learning-et-theorie-economique\/","title":{"rendered":"Am\u00e9liorer le rendement des portefeuilles obligataires en alliant machine learning et th\u00e9orie \u00e9conomique"},"content":{"rendered":"\n

De la sant\u00e9 au marketing, de l’informatique aux transports, l’intelligence artificielle (IA) et le machine learning bouleversent le monde des affaires. Les services financiers ne font pas exception.<\/em><\/strong><\/p>\n\n\n\n

Donner plus de sens \u00e0 l’investissement factoriel<\/strong><\/p>\n\n\n\n

Au cours des 30 derni\u00e8res ann\u00e9es, l’investissement en actions et en obligations s\u2019est transform\u00e9 avec l\u2019utilisation de strat\u00e9gies qui se concentrent sur des caract\u00e9ristiques sp\u00e9cifiques de l’actif \u00e0 investir, comme la valeur ou le momentum (investissement factoriel). Bien qu’il soit devenu extr\u00eamement populaire, l’investissement factoriel se heurte \u00e0 une difficult\u00e9 majeure: d\u00e9terminer les facteurs les plus importants pour pouvoir pr\u00e9dire les performances.<\/p>\n\n\n\n

C’est l\u00e0 que l’IA peut faire la diff\u00e9rence. Comme le r\u00e9v\u00e8lent de nouvelles recherches, il est possible de combiner l’IA et la th\u00e9orie \u00e9conomique pour am\u00e9liorer les d\u00e9cisions d’investissement factoriel prises par les gestionnaires d’actifs et les allocataires. \u00ab\u00a0Il existe des centaines de facteurs; en finance, nous appelons cela un zoo de facteurs<\/em>\u00ab\u00a0, explique Amit Goyal, professeur de finance \u00e0 HEC Lausanne (UNIL).  \u00a0\u00bb Le Machine Learning permet de donner plus de sens \u00e0 ce zoo de facteurs, de le structurer et de composer de meilleurs portefeuilles d’investissement.\u00a0\u00bb<\/p>\n\n\n\n

Allier machine learning et \u00e9conomie<\/strong><\/p>\n\n\n\n

Dans leur travail de recherche intitul\u00e9 \u00ab Predicting Corporate Bond Returns: Merton Meets Machine Learning<\/a> \u00bb, le Prof. Goyal et ses co-auteurs se concentrent sur les obligations d’entreprise, un march\u00e9 qui s\u2019\u00e9levait en 2020 \u00e0 plus de 49 000 milliards de dollars. Ils utilisent les donn\u00e9es de transactions, entre juillet 2002 et d\u00e9cembre 2017, de plus de 22\u2019000 obligations \u00e9mises par env. 6\u2019000 entreprises. Apr\u00e8s avoir saisi plus de 40 facteurs d\u2019obligations d’entreprise dans une s\u00e9rie de diff\u00e9rents mod\u00e8les de machine learning, ils reprennent, pour chacun des mod\u00e8les, les pr\u00e9visions des obligations d’entreprise les plus performantes et les moins performantes. Ils utilisent ensuite ces informations pour construire une s\u00e9rie de portefeuilles d’investissement simul\u00e9s d’obligations d’entreprise. Puis, avec ces donn\u00e9es de transaction, ils vont comparer les pr\u00e9dictions des mod\u00e8les de machine learning avec la performance r\u00e9elle des obligations.<\/p>\n\n\n\n

Les chercheurs ne se limitent pas \u00e0 utiliser le machine learning pour comprendre les facteurs obligataires. Ils ajoutent \u00e9galement la th\u00e9orie \u00e9conomique \u00e0 leur exp\u00e9rience de machine learning, en prenant en compte la structure du capital des entreprises. \u00ab\u00a0Les obligations sont une partie de la structure du capital de l’entreprise, l’autre \u00e9tant les actions\u00a0\u00bb, explique A. Goyal. \u00ab\u00a0Quoi qu’il arrive \u00e0 la sant\u00e9 financi\u00e8re de l’entreprise, cela aura un effet \u00e0 la fois sur les actions et sur les obligations, et il y a donc naturellement une relation entre les deux.<\/p>\n\n\n\n

\u00ab\u00a0Imaginez deux machines<\/em>\u00ab\u00a0, explique A. Goyal. \u00ab\u00a0L’une est aliment\u00e9e par des donn\u00e9es sur les facteurs boursiers et utilise le machine learning pour pr\u00e9dire le rendement des actions, l’autre est aliment\u00e9e par des donn\u00e9es sur les facteurs des obligations d’entreprise et utilise le machine learning pour pr\u00e9dire le rendement des obligations. Pour inclure l’\u00e9l\u00e9ment \u00e9conomique, nous faisons en sorte que ces deux mod\u00e8les communiquent entre eux.\u00a0\u00bb<\/p>\n\n\n\n

IA + th\u00e9orie \u00e9conomique = de meilleurs r\u00e9sultats<\/strong><\/p>\n\n\n\n

Comme le fait remarquer A. Goyal, les meilleurs r\u00e9sultats sont obtenus lorsque les \u00ab\u00a0machines\u00a0\u00bb des obligations d’entreprise et des actions interagissent entre elles. \u00ab\u00a0Si je laisse le machine learning autonome pr\u00e9dire les rendements obligataires, je m’en sors bien, je gagne de l’argent. Mais lorsque je fais dialoguer ces deux machines, ma machine de pr\u00e9diction des obligations fait encore mieux. Nous apportons une certaine structure \u00e0 la machine, en la guidant sur des voies dict\u00e9es par la th\u00e9orie \u00e9conomique. Cela permet \u00e0 la machine de donner de meilleures pr\u00e9visions pour les rendements obligataires. Tout ce que le mod\u00e8le boursier nous dit en termes de pr\u00e9visions de rendement des actions peut \u00eatre utilis\u00e9 pour am\u00e9liorer les pr\u00e9visions de rendement des obligations. Cette id\u00e9e est le point fort de notre article\u00a0\u00bb.<\/p>\n\n\n\n

Il s’agit d’une approche rigoureuse qui applique le machine learning \u00e0 l’investissement dans les titres \u00e0 revenu fixe, en particulier les obligations d’entreprise. Une approche qui, en principe, devrait fonctionner dans tous les syst\u00e8mes pour construire un meilleur portefeuille de titres \u00e0 revenu fixe.<\/p>\n\n\n\n

\n\n\n\n

<\/a><\/p>\n\n\n\n

Cr\u00e9dits photos: \u00a9 Pop Nukoonra0t | Dreamstime.com<\/p>\n","protected":false},"excerpt":{"rendered":"

De la sant\u00e9 au marketing, de l’informatique aux transports, l’intelligence artificielle (IA) et le machine learning bouleversent le monde des affaires. Les services financiers ne font pas exception.…<\/p>\n","protected":false},"author":1001243,"featured_media":6188,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_seopress_robots_primary_cat":"","_seopress_titles_title":"","_seopress_titles_desc":"","_seopress_robots_index":"","footnotes":""},"categories":[940,942,937],"tags":[],"class_list":{"0":"post-6177","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-digitalisation-et-technologie","8":"category-finance-et-assurances","9":"category-recherche"},"_links":{"self":[{"href":"https:\/\/wp.unil.ch\/hecoutreach\/fr\/wp-json\/wp\/v2\/posts\/6177","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/wp.unil.ch\/hecoutreach\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/wp.unil.ch\/hecoutreach\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/wp.unil.ch\/hecoutreach\/fr\/wp-json\/wp\/v2\/users\/1001243"}],"replies":[{"embeddable":true,"href":"https:\/\/wp.unil.ch\/hecoutreach\/fr\/wp-json\/wp\/v2\/comments?post=6177"}],"version-history":[{"count":0,"href":"https:\/\/wp.unil.ch\/hecoutreach\/fr\/wp-json\/wp\/v2\/posts\/6177\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/wp.unil.ch\/hecoutreach\/fr\/wp-json\/wp\/v2\/media\/6188"}],"wp:attachment":[{"href":"https:\/\/wp.unil.ch\/hecoutreach\/fr\/wp-json\/wp\/v2\/media?parent=6177"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/wp.unil.ch\/hecoutreach\/fr\/wp-json\/wp\/v2\/categories?post=6177"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/wp.unil.ch\/hecoutreach\/fr\/wp-json\/wp\/v2\/tags?post=6177"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}