Investissement quantitatif
Next-Generation Quant
À mesure que la technologie progresse, les opportunités pour les investisseurs quantitatifs se multiplient. L’exploitation de volumes plus importants de données et de techniques de modélisation avancées nous permet d’approfondir nos analyses et d’améliorer la prise de décision. C’est ainsi que nous cherchons à obtenir de meilleurs résultats en matière de rentabilité et de durabilité afin d’atteindre les objectifs de nos clients.
Vous aussi, participez à cette évolution.
L’investissement a toujours été dominé par la course aux informations les plus récentes et les plus pointues. Aujourd’hui encore, c’est une course qui exige de faire preuve d’innovation et de fonder chaque décision sur des recherches minutieuses. Mais ce qui a changé, c’est la façon dont on déniche les informations et dont on les interprète. C’est ainsi qu’on a vu apparaître l’investissement quantitatif, qui génère de meilleures performances à long terme ajustées du risque afin d’aider les clients à atteindre leurs objectifs financiers.
Puis, les objectifs financiers ont évolué pour prendre en compte le bien-être de notre planète et des générations futures, ce qui a permis l’éclosion de l’investissement durable. Aujourd'hui, l’investissement quantitatif évolue au rythme des bonds considérables de l’informatique (puissance de calcul et accessibilité), de l’explosion du big data et de la domination croissante des techniques de modélisation avancées. Ces développements ouvrent de nouvelles perspectives aux investisseurs quantitatifs en leur permettant d’aller dénicher dans des lieux inexplorés de nouvelles informations sur les risques, le rendement et la durabilité.
Une évolution, pas une révolution. Il est impératif d’innover.
Volume de données créées et répliquées dans le monde entier
Source: International Data Corporation (IDC), Global DataSphere Forecast, 2021-2025
Au cours des dernières décennies, Robeco a constamment exploité tout le potentiel des avancées technologiques afin de repousser les limites de l’investissement quantitatif. En 2010, par exemple, nous avons commencé à intégrer dans notre modèle de sélection de titres à court terme des données non conventionnelles et des signaux plus rapides. L’évolution de notre approche quantitative est donc parfaitement en prise avec celle des données non traditionnelles et des techniques de modélisation avancées.
Next Gen Quant : l’Investissement Quantitatif à l’ère de ChatGPT
Nos principales publications
La richesse de nos connaissances et de nos recherches s’étend sur un large éventail d’articles et d’études. Toutes ces publications ont en commun notre volonté d’assurer la meilleure compréhension possible de ce sujet.
Exploiter davantage de données et des outils d’analyse puissants
Autres types de données
Les bases de données non conventionnelles constituent un potentiel inexploité, car elles offrent des informations précieuses aux investisseurs qui cherchent à acquérir un avantage concurrentiel sur le marché. Il peut s’agir d’informations concernant des transactions par carte de crédit, des enregistrements audio d’appels téléphoniques au cours desquels les entreprises commentent les résultats qu’elles viennent de publier, de données de géolocalisation et de données textuelles provenant de communiqués de presse. Bref, une véritable mine d’informations pour les investisseurs quantitatifs, susceptible d’accroître l’efficacité des stratégies d’investissement quand on sait l’exploiter.
Machine learning
Le machine learning (ML) constitue pour les investisseurs quantitatifs une boîte à outils supplémentaire leur permettant d’analyser en profondeur les problèmes économiques et d’identifier des schémas récurrents dans les données. Grâce à sa puissance et à sa flexibilité, il peut découvrir des relations non linéaires entre des variables et lever le voile sur leurs interactions, autant d’informations extrêmement utiles pour les investisseurs quantitatifs qui cherchent à élaborer des signaux de rendement, des modèles de risque et des algorithmes de construction de portefeuilles, par exemple.
Le traitement du langage naturel
Le traitement du langage naturel (TLN ou NLP en anglais) révolutionne l’analyse des données, car il est capable de décoder ce que dit un texte ou une voix à un rythme et à une échelle sans précédent. Les analystes fondamentaux scrutent les notes de recherche des courtiers, analysent les rapports d’entreprise et rencontrent les équipes de direction afin de glaner des informations. Or, grâce au TLN, les investisseurs quantitatifs ont désormais la possibilité de faire de même, par exemple d’analyser le sentiment du marché. Dans cet environnement en constante évolution, des outils tels que ChatGPT fournissent une interprétation nuancée et approfondie du langage, comblant ainsi le fossé entre données brutes et informations pertinentes.
Viser de meilleurs résultats en matière d’investissement
La révolution du big data et la montée en puissance des techniques de modélisation avancées donnent à l’équipe quantitative de Robeco la possibilité d’obtenir de meilleurs résultats d’investissement pour nos clients. Nous pouvons ainsi nous appuyer sur nos dix années d’expérience dans l’utilisation de signaux innovants pour affiner nos stratégies quantitatives, développer des solutions de pointe et accroître le potentiel de personnalisation.
Une infrastructure de pointe
La recherche est l’élément fondateur de notre philosophie de gestion et elle est inscrite dans notre ADN depuis la création de notre entreprise à Rotterdam en 1929. Elle favorise la créativité et l’esprit novateur nécessaires pour développer des solutions de qualité supérieure. Mais on ne peut pas développer des solutions sans un fondement solide.
C’est pourquoi nous avons décidé d’incorporer, de façon minutieuse mais délibérée, à nos recherches et à nos stratégies d’investissement des données non conventionnelles et des techniques avancées. Notre priorité a été de commencer par développer une infrastructure de pointe basée sur le cloud de façon à pouvoir utiliser ces source de données et ces outils avec cohérence et efficacité. Maintenant que ce fondement est posé, nous pouvons facilement intégrer des modèles ML ou NLP dans nos stratégies existantes ou dans de nouvelles stratégies.
Découvrez notre équipe
Notre équipe diversifiée possède à la fois une connaissance approfondie du domaine et des compétences techniques pointues ancrées dans notre approche pionnière de l’investissement quantitatif et durable. Elle bénéficie également de notre culture unique en son genre qui promeut la communication, la transparence et une hiérarchie horizontale de manière à récompenser la recherche de qualité supérieure.
Cette culture crée un environnement où les esprits indépendants ont toute latitude pour remettre en question les courants de pensée traditionnels et proposer de nouvelles idées. Grâce à cet esprit de saine concurrence, nous sommes en mesure d’innover en permanence et de faire progresser notre programme de recherche, conformément à notre philosophie d’investissement fondée sur des justifications économiques pertinentes, des preuves empiriques solides et une approche prudente.
Découvrez toute notre équipe
Read
Mike Chen
En savoir plus
Read
Harald Lohre
En savoir plus
Read
Bart van der Grient
En savoir plus
Read
Matthias Hanauer
En savoir plus
Read
Iman Honarvar
En savoir plus
Read
Kristina Ūsaitė
En savoir plus
Read
Thom Marchesini
En savoir plus
Read
Rob Huisman
En savoir plus
Read
Sebastian Schneider
En savoir plus
Read
Maarten Jansen
En savoir plus
Read
Tobias Hoogteijling
En savoir plus