Aller au contenu principal Activer le contraste adaptéDésactiver le contraste adapté
Plus de 40 000 produits accessibles à 0€ de frais de courtage
Découvrir Boursomarkets
Fermer

Comment sélectionner un fonds pour son PEA ou son assurance vie ?
information fournie par Le Cercle des analystes indépendants 04/07/2022 à 07:56

François d'Hautefeuille
François d'Hautefeuille

François d'Hautefeuille

Evariste Quant Research

Cofondateur & président

https://www.evariste-quant-research.com/

(Crédits photo : Adobe Stock -  )

(Crédits photo : Adobe Stock - )

Nous traversons une période particulièrement difficile pour les gestions actions actives. Le changement de structure du marché revalorise les actions « super growth », cœur de performance des meilleurs fonds. L'intelligence artificielle permet de sélectionner des fonds avec une grande robustesse et sans biais cognitif. Elle peut ainsi compléter une analyse traditionnelle pour en augmenter l'efficience et la robustesse dans la création d'un portefeuille.

Etape 1 : Création d'un univers d'investissement

Nous créons un univers d'investissement de 25 fonds à partir de la base de données des fonds référencés sur des contrats d'assurance vie. La plateforme Quantalys permet d'extraire ces fonds par classe d'actifs et de lancer des critères quantitatifs de présélection.

Il faut noter que le référencement d'un fonds sur une plateforme d'assurance vie est le résultat d'une due diligence approfondie de l'assureur. De fait, la compagnie d'assurance porte directement le fonds dans son bilan. Elle donne accès aux fonds via l'émission d'unités de compte dans ses contrats. L'assureur vérifie donc en profondeur le risque opérationnel (fraude) et aussi réputationnel (risque de gestion) des fond sélectionnés. Ces filtres au niveau de l'assureur garantissent la qualité de l'univers étudié.

Performance comparée de l'univers d'investissement depuis 12/2012. On voit que des gérants actifs prouvent leur capacité à battre l'indice CAC 40 (courbe rouge). Cette liste n'est bien entendue pas exhaustive et n'a pas vocation à identifier tous les meilleurs gérants mais simplement un portefeuille investissable de gérants complémentaires disponibles sur une plateforme d'assurance vie.

Source : Bloomberg LLP et Evariste Quant Research. Bloomberg LLP n'est pas responsable de cette analyse.

Source : Bloomberg LLP et Evariste Quant Research. Bloomberg LLP n'est pas responsable de cette analyse.

Etape 2 : estimation d'un sentiment haussier via l'intelligence artificielle

La clé pour acheter un fonds est non seulement de le voir performer dans les hausses, mais aussi de pouvoir en gérer le risque en limitant les pertes dans les baisses.

Evariste Quant Research a développé des algorithmes propriétaires d'intelligence artificielle qui permettent de définir si un fonds est dans une tendance haussière ou non.

Dans cette étape, nous retraitons tout d'abord la performance des différents fonds afin de normaliser leur risque. Ceci permet d'éliminer l'impact d'une stratégie de levier (120% de levier maximum sur les actions), de market timing (modification de l'exposition entre 60% et 120% en fonction du marché), et aussi de choix d'actions (actions super growth à forte volatilité ou actions value à faible risque mais souvent faible performance).

Nous calculons ensuite sur une base hebdomadaire si un fonds doit être investi ou non. Notre indicateur se base sur la performance cumulée de cette stratégie active sur le passé.

On peut ainsi sélectionner des fonds qui non seulement performent bien sur une base de risque ajusté, mais aussi permettent de bien gérer les risques de perte.

Indicateur intelligence artificielle de sentiment haussier sur les différentes fonds. Cet indicateur permet de voir la capacité d'un fonds non seulement à performer dans les hausses mais aussi à pouvoir être bien géré en risque pour limiter les pertes dans les baisses.

Source : Evariste Quant Research.

Source : Evariste Quant Research.

On remarque que nous sommes actuellement neutres sur les fonds vu la baisse du marché.

Prévoir a été retenu mais que le gérant vient d'annoncer son départ. On a là les limites de l'analyse algorithmique. Elle suppose une stabilité du processus de gestion. C'est le fameux disclaimer « les performances passées ne garantissent pas les performances futures ». Cependant, sur une classe d'actifs donnée, on peut affirmer qu'un bon gérant dans le passé le reste dans le futur. C'est le fameux adage : « once a winner, always a winner” (un gagnant le reste) que l'étude ci-dessus vient valider (comme de nombreuses études académiques sur la capacité des meilleurs gérants à battre le marché sur le long terme). La hiérarchie des meilleurs gérants est relativement stable. Cette stabilité ne veut pas dire uniformité des process et donc des performances.

Etape 3 : portefeuille fonds de fonds en exposition flex 0%/100%

Une dernière étape du processus consiste à sélectionner les fonds qui sont dans une phase haussière non pas sur le long terme mais à un moment donné (rebalancement hebdomadaire). Ceci permet de mieux capter les changements de la structure du marché sur l'émergence des meilleurs process dans un type de marché donné.

En accumulant les différents filtres ci-dessus, on arrive à une liste restreinte de fonds qui performent sur le très long terme (approche stratégique core) mais aussi sur le court terme (approche tactique satellite). On peut ainsi créer un portefeuille diversifié de processus de gestion complémentaire parmi les meilleurs gérants de la place.

Notre portefeuille intègre actuellement les fonds Indépendance Expansion France, Prévoir Gestion Actions, Varenne Sélection, Moneta Multicap et Groupama Avenir Euro. Il est actuellement en cash vu la baisse du marché. Ceci a permis de limiter les pertes.

Le graphe suivant récapitule la performance sur cinq ans d'une stratégie FLEX 0/100% (courbe orange) comparée à l'indice équipondéré des 5 fonds sélectionnés (courbe orange). La stratégie passive offre la création d'alpha via la performance active des fonds avec un risque de marché supérieur. La gestion du risque par une stratégie FLEX 0/100% limite les pertes en cas de baisse du marché.

Source: Evariste Quant Research, Bloomberg LLP. Bloomberg n'est pas responsable de cette analyse. Portefeuille simulé sans frais. Les performances passées ne garantissent pas les performances futures.

Source: Evariste Quant Research, Bloomberg LLP. Bloomberg n'est pas responsable de cette analyse. Portefeuille simulé sans frais. Les performances passées ne garantissent pas les performances futures.

Conclusion

En conclusion, on peut dire qu'il n'y a pas de meilleurs fonds sur une classe d'actifs, mais simplement des fonds plus performants dans un environnement de marché donné.
L'approche intelligence artificielle permet de lancer des analyses sur des univers larges de fonds sélectionnés à partir des plateformes d'assurance vie. Ceci limite le coût humain d'une analyse. Cela ne remplace pas une analyse humaine car la performance passée ne garantit jamais la performance future (risque d'un changement de gérant ou de stratégie). C'est donc la combinaison homme machine qui s'imposera certainement dans les processus de construction de portefeuille.


Méthodologie de cette recherche de sélection de fonds
Nous sélectionnons un fonds selon trois dimensions via un processus de filtrage « top down » adossé à une pré sélection des assureurs via une analyse fondamentale « bottom up ». Ces dimensions sont
1.    Notre univers de fonds repose sur l'identification d'un univers d'investissement de fonds éligibles sur des plateformes d'assurance vie via des filtres quantitatifs sélectionnant des valeurs au sein de l'univers investissable à partir de l'outil de sélection de fonds Quantalys.
2.    Le scoring intelligence artificielle identifie au sein de cet univers des fonds qui sont les plus attractifs en termes de performance ajustée par le risque. Le but est de comparer les fonds d'une classe d'actifs sur une base de risque ajusté. Ceci permet de créer une « short list » de fonds sélectionnés sur une base core et satellite.
3.    L'analyse fondamentale finale peut et doit valider l'ensemble du processus ci-dessus en focalisant l'effort de recherche humain et non pas machine sur des valeurs déjà pré sélectionnées via un empilement de filtres.
4.    Le portefeuille final est réajusté chaque semaine pour ajuster le risque via une stratégie flex.


Evariste Quant Research est un cabinet indépendant d'analyse et de recherche financière basée sur des solutions d'Intelligence Artificielle appliquées à la gestion d'actifs.

Disclaimer.
Cette analyse financière n'est pas un conseil en investissement. Evariste Quant Research et ses clients peuvent détenir des titres mentionnés dans cette analyse.

0 commentaire

Signaler le commentaire

Fermer

Mes listes

Cette liste ne contient aucune valeur.