((Traduction automatisée par Reuters à l'aide de l'apprentissage automatique et de l'IA générative, veuillez vous référer à l'avertissement suivant: https://bit.ly/rtrsauto))
(Correction du pronom de Lauren Cohen au paragraphe 9) par Joachim Klement
Les investisseurs savent que l'intelligence artificielle va s'attaquer à leurs emplois. Les machines peuvent déjà effectuer des analyses complexes d'investissements et de portefeuilles, menaçant ainsi le gagne-pain des gestionnaires de fonds .
Mais de nouvelles études montrent les lacunes de l'intelligence artificielle - et c'est dans ces angles morts que les gestionnaires humains ont encore la capacité de générer de l'"alpha", c'est-à-dire des rendements excédentaires. Depuis des semaines, les actions sont classées en deux catégories: les gagnants et les perdants de l'IA . Les prix des actions des sociétés dont les modèles d'entreprise sont susceptibles d'être perturbés par l'IA se sont effondrés, tandis que les fabricants de matériel et de logiciels d'IA n'ont cessé de grimper. Ce n'est un secret pour personne que de nombreux universitaires et entreprises testent la capacité de l'IA à sélectionner des actions et à gérer des portefeuilles. Les gestionnaires de fonds doivent-ils craindre pour leur emploi? Ces dernières semaines, je suis tombé sur plusieurs études universitaires qui examinent à la fois les capacités et les limites de l'IA. La plus complète et la plus intéressante est un nouveau document de travail du NBER rédigé par Pietro Bini, professeur adjoint à l'université de Boston, et ses collègues.
Ils demandent à quatre modèles d'IA générative de premier plan (genAI) (GPT, Claude, Gemini et Llama) de répondre à une série de questions utilisées pour mesurer les biais comportementaux dans les domaines de la finance et de l'économie. Ils évaluent ensuite si ces modèles donnent une réponse rationnelle ou une réponse qui est biaisée de la même manière que la plupart des humains.
DES RÉPONSES RATIONNELLES À DES PROBLÈMES STATISTIQUES
Les données font apparaître un clivage intéressant. Lorsqu'il s'agit de biais cognitifs courants, comme l'erreur du joueur ou la négligence du taux de base, où la genAI peut s'appuyer sur des formules mathématiques bien établies, les réponses sont largement exemptes de biais. On peut donc s'attendre à ce que, dans les situations de prévision où les humains peuvent être sujets à de tels biais, la genAI soit plus performante que les investisseurs en chair et en os.
Mais lorsqu'il s'agit de problèmes présentant un degré élevé d'incertitude qualitative ou lorsque la réponse nécessite un jugement, la genAI est tout aussi biaisée que la plupart des humains. Lorsque le modèle ne peut pas s'appuyer sur une réponse mathématique, il doit déduire une solution à partir de ses données d'apprentissage. Et les données d'entraînement sont pour la plupart créées par l'homme et codifient donc les mêmes préjugés que les humains. Il s'agit d'un cas de "garbage-in", de "garbage-out".
GÉNÉRER DE L'ALPHA À PARTIR DE L'INCERTITUDE
Il est important de noter que ces résultats indiquent les domaines dans lesquels les investisseurs humains pourraient être en mesure de surpasser les machines à l'avenir. Dans une autre étude, Lauren Cohen de la Harvard Business School et ses collaborateurs ont formé l'IA à apprendre les processus de décision de milliers de gestionnaires de fonds d'actions américains. L'objectif était de prédire quelles actions un gestionnaire de fonds achèterait, vendrait ou conserverait au cours du prochain trimestre ou de l'année suivante.
Si l'IA est capable de faire cela de manière cohérente, les gestionnaires de fonds devraient vraiment s'inquiéter pour leur emploi.
La mauvaise nouvelle est que les chercheurs équipés d'une IA ont réussi à prédire correctement 71 % de toutes les transactions futures. La bonne nouvelle, c'est que l'alpha des gestionnaires de fonds provient essentiellement des 29 % restants.
Naturellement, les gestionnaires de fonds ont des processus différents, de sorte que la capacité de l'IA à anticiper leurs actions varie. Les fonds gérés selon un processus normatif et rigide (ou par un gestionnaire de fonds rigide ) sont, sans surprise, plus prévisibles. Ces fonds ont tendance à investir davantage dans des actions qui correspondent clairement à un style d'investissement spécifique.
Par exemple, les fonds "value" qui suivent un processus rigide et normatif ont tendance à n'investir que dans les valeurs "value" les plus évidentes et à ignorer celles qui constituent des cas ambigus.
Mais si tout le monde sait que l'entreprise A est une entreprise de valeur, les actions se trouvent déjà dans les portefeuilles de la plupart des gestionnaires de fonds qui suivent ce style d'investissement. Les nouveaux investisseurs - y compris les modèles d'IA - ont donc moins de chances d'obtenir un avantage en achetant ces actions.
L'entreprise B, quant à elle, peut être une action de valeur, mais elle peut être confrontée à un environnement concurrentiel difficile, à une gestion inefficace ou à d'autres facteurs difficilement quantifiables. Un gestionnaire de fonds devra faire preuve de discernement pour déterminer s'il s'agit vraiment d'un titre de valeur ou d'un titre "bon marché" pour une raison précise. C'est là que les gestionnaires de fonds deviennent imprévisibles pour l'IA.
Si un gestionnaire de fonds "voit quelque chose" dans l'entreprise B qui ne figure pas dans les données, un modèle d'IA aura du mal à prédire l'achat. Pourtant, si ce jugement s'avère correct, les actions de l'entreprise B augmenteront probablement beaucoup plus, car de nouveaux investisseurs se précipiteront pour acheter le titre.
Il en résulte que les gestionnaires de fonds dont les actions sont plus difficiles à prévoir pour l'IA, qui semblent plus aléatoires et qui gèrent mieux les facteurs qualitatifs, ont tendance à surperformer à la fois leurs pairs et le marché en général.
Bien entendu, ces avantages humains peuvent s'avérer éphémères. À mesure que les modèles d'IA tirent des enseignements d'ensembles de données de plus en plus riches et des gestionnaires mêmes qu'ils peinent aujourd'hui à prédire, les angles morts actuels pourraient se réduire, déplaçant une nouvelle fois la frontière de l'alpha véritablement humain.
La leçon à tirer pour les investisseurs est donc qu'à l'ère de l'IA, l'alpha d'un fonds viendra de plus en plus de sa capacité à prédire l'imprévisible.
(Les opinions exprimées ici sont celles de Joachim Klement , stratégiste en investissement chez Panmure Liberum)
Cette rubrique vous a plu? Consultez Reuters Open Interest (ROI), votre nouvelle source essentielle de commentaires financiers mondiaux. Suivez ROI sur LinkedIn et X . Et écoutez le podcast quotidien Morning Bid sur Apple , Spotify , ou l'application Reuters . Abonnez-vous pour écouter les journalistes de Reuters discuter des plus grandes nouvelles des marchés et de la finance sept jours sur sept.
0 commentaire
Vous devez être membre pour ajouter un commentaire.
Vous êtes déjà membre ? Connectez-vous
Pas encore membre ? Devenez membre gratuitement
Signaler le commentaire
Fermer