Le développement de modèles boursiers, un art difficile
Dans les premiers âges de la civilisation, ceux qui prétendaient être capables de prédire l’avenir étaient assurés d'une grande réputation. Pendant des millénaires, les prophètes, oracles, pythies et autres mages ont joui d’un respect incontesté. Leurs descendants dans les sociétés modernes, qu’ils soient astrologues, météorologues, pronostiqueurs, économistes ou analystes boursiers, restent écoutés mais doivent faire face à une incrédulité généralisée.
Le développement de modèles boursiers
En qualité de développeurs de modèles boursiers, nous nous sentons membres de cette communauté. Et nous comprenons la demande d’une approche scientifique de même que la nécessité de mesurer la validité de nos résultats. Il faudra cependant au départ admettre que ce domaine n’est pas celui d’une science exacte. Le succès ne peut s’y évaluer qu’en termes de taux de réussite qui n’atteindront pratiquement jamais les 100%. Cependant, comme dans d’autres domaines tels la médecine ou la météorologie, des résultats imparfaits sont souvent très appréciables.
Une analyse statistique du passé
Le point de départ est l’analyse statistique de tableaux de données historiques afin de mettre à jour des corrélations récurrentes entre certaines variables et paramètres. Les progrès extraordinaires du numérique ont ici ouvert des possibilités de calcul et d’itérations inconcevables il y a seulement 30 ans. Cela ne dispensera toutefois pas de respecter les règles statistiques établies notamment en matière de méthodes d’échantillonnage, de calculs de probabilités ou de conditions d’application de la loi des grands nombres …
D’autres embûches
D’autres dangers plus spécifiques planent autour du développement de modèles à base de données historiques.
La littérature académique dans ce domaine a adopté certains termes pour nommer plusieurs de ces écueils bien identifiés et des précautions devront être respectées pour en atténuer les effets indésirables :
1) « The Benefit of Hindsight », c'est à dire l’avantage de pouvoir regarder en arrière. Il est fait référence ici au fait qu’il peut sembler facile de formuler des "lois" s’appliquant au passé dès lors que l’on sait ce qui s’est passé. Ce danger pourra être partiellement surmonté en suivant le processus du "walk forward" : les formules candidates sont d’abord testées sur la portion la plus ancienne de la base de données, puis appliquées successivement aux périodes suivantes pour en vérifier la validité.
2) « The curve fitting » ou l’ajustement des formules aux courbes. Cela consiste à assortir une règle générale d’exceptions établies sur mesure pour améliorer les résultats dans des périodes où la simulation montrerait autrement des pertes. Pour éviter ce piège, l’analyste devra s’en tenir à des formules simples, visant idéalement à la simplicité des grandes lois de la physique… S’il émet des règles d’exceptions, celles-ci devront au minimum être appuyées sur un solide fondement logique.
3)« Over-optimisation », la sur-optimisation. Ce défaut s’observe quand les formules et paramètres sont poussés au plus haut niveau de précision compatible avec la base de données. Pour l’éviter, l’analyste testera successivement un jeu de paramètres couvrant une bande autour de la valeur qui semble optimum. Si les résultats du test varient alors considérablement, il lui faudra en conclure que le modèle n’est pas robuste et doit être remis en question.
Une longue expérience
L’expérience est indispensable pour reconnaitre ces écueils et les éviter. L’équipe de développement de LesMeilleursFonds.com bénéficie d’une expérience de plus de 30 ans dans ce domaine. Le modèle retenu aujourd’hui peut ainsi avoir l’ambition d’égaler les résultats des meilleures NewsLetters publiées aux Etats Unis sur le même sujet et distinguées dans le "Hulbert Financial Digest".
Un exemple exceptionnel
Et pourtant, nous ne pourrons malheureusement pas prétendre approcher le succès extraordinaire atteint par James Harris Simmons, l’homme qui a dirigé pendant 30 ans le Hedge Fund Renaissance Technologies. Ce savant et mathématicien de génie a été dernièrement élu à l’Academy of Sciences. Il s’est retiré des affaires en 2011 avec une fortune estimée à 12,5 milliards de dollars pour se consacrer à la fondation philanthropique qu’il finance.
Au-delà du grand respect qu’il nous inspire, nous lui vouons une reconnaissance particulière pour avoir démontré aux incrédules qu’il existe des modèles boursiers qui marchent.