Les fonds quantitatifs sont depuis longtemps les plus grands utilisateurs de l’intelligence artificielle dans le monde de la gestion d’actifs. L’avènement de l’IA générative pourrait cependant favoriser les gestionnaires d’actifs traditionnels axés sur les fondamentaux par rapport aux quantitatifs.

C'est la préoccupation exprimée par plusieurs gestionnaires de fonds quantitatifs et fournisseurs de données en Asie pour CreusezFin.

 « Les applications de l’IA en finance sont encore rares », a déclaré un responsable quantitatif. « Les data scientists ne l'appliquent pas aux marchés des capitaux. Mais si ces outils sont utilisés pour négocier des actions, cela changera la donne. Il y aura de nouveaux gagnants et perdants.

Qu'est-ce qu'un quant ?

Les quants achètent et vendent des actions sur la base d'une énorme puissance de calcul et de logiciels personnalisés qui modélisent les stratégies d'investissement. La montée en puissance des quants a coïncidé avec la baisse des taux d’intérêt depuis des décennies et la montée des investissements passifs – deux tendances qui ont fait de la sélection active de titres par les humains une activité de moins en moins compétitive.

L'utilisation d'opérations algorithmiques ou systématiquement programmées a donné naissance à une industrie de « l'investissement systématique », avec des entreprises gérant des plateformes de gestionnaires à stratégie unique poursuivant une stratégie ou un « facteur » particulier (comme les taux d'intérêt ou la volatilité d'un marché).

Ces investisseurs ne sont pas intéressés à devenir actionnaires, mais seulement à acheter et vendre rapidement des actions pour piloter des stratégies : long/short, neutre par rapport au marché, arbitrage statistique, piloté par les événements. Il existe un chevauchement avec le monde du trading à haute fréquence, le point commun étant que les transactions sont conceptualisées et pilotées en termes purement numériques.

Les anciens de l'IA

Ces idées ne sont pas nouvelles, mais la disponibilité de la puissance de calcul et des grands ensembles de données a alimenté l’essor des quants au cours des deux dernières décennies. Au cours des dix dernières années, les quants ont été les premiers à adopter de nouvelles techniques d’IA telles que l’apprentissage automatique et l’utilisation de réseaux neuronaux. Ils sont devenus des consommateurs voraces de données alternatives, telles que l’analyse des sentiments provenant des flux de médias sociaux.

Le plus gros problème des investisseurs quantitatifs est « l’explicabilité », un terme plus récent pour désigner l’IA qui remonte à la « boîte noire » des quants. L’effondrement de Long-Term Capital Management en 1998 illustre parfaitement ce risque, d’autant plus que les quants sont généralement exploités à effet de levier.

Mais depuis lors, des sociétés quantitatives telles que Citadel, DE Shaw, Man AHL, Millennium Management, Renaissance Technologies et Two Sigma sont devenues les sociétés buy-side les plus importantes et les plus influentes de Wall Street. Leur succès a incité les sociétés de fonds traditionnelles telles que BlackRock ou Fidelity à lancer leurs propres stratégies quantitatives.

Ils opèrent également sur des marchés non américains où ils peuvent trouver des liquidités, une infrastructure de négociation à faible latence et des instruments de couverture (tels que des ETF ou des contrats à terme suivant les indices du marché local). Le Japon est le plus grand marché de la région Asie-Pacifique, mais l'Inde constitue désormais un terrain de jeu majeur. (L’un des problèmes en Asie est le caprice réglementaire, comme en témoignent la récente interdiction sud-coréenne des ventes à découvert et l’ingérence croissante du gouvernement en Chine.)

Les fonds quantitatifs ne sont donc pas seulement des prédateurs influents : ils sont également à l’avant-garde de l’adoption des nouvelles technologies numériques.

Entrez GenAI

Ce qui fait des nouveaux développements de l’IA un casse-tête pour les quants.

Ces entreprises utiliseront bien entendu dans toute leur mesure les modèles en langage large (LLM), rendus possibles par des transformateurs génératifs pré-entraînés.

Le Saint Graal pour les quants sera de transformer les LLM en outils prédictifs. Un humain interagira avec ses amis informatiques pour détecter des modèles dans des séries chronologiques et d’autres ensembles de données. En fait, les quants le font déjà, c'est juste que les LLM devraient rendre le processus plus intuitif, mieux intégrer les données non textuelles et permettre aux développeurs de créer des modèles beaucoup plus rapidement.

Les magasins Quant utiliseront également genAI à des fins plus banales, comme apprendre à rédiger des rapports réglementaires, à interpréter les rapports sur les bénéfices ou à passer au crible les pitch decks. L’intégration des clients et d’autres fonctions de back-office peuvent être davantage automatisées.

Mais il n’y a rien de mystérieux à ce qu’un magasin quantitatif fasse ces choses, car c’est la même chose pour laquelle tout le monde utilisera genAI.

Tout le monde le fait

La différence réside dans le développement de modèles d’investissement prédictifs et d’algorithmes d’exécution. C'est ce qui rend les quants spéciaux, mais les premiers signes suggèrent que genAI permettra aux gestionnaires d'actifs traditionnels de faire également ces choses. Idem pour les gestionnaires de fonds de capital-investissement – ​​une activité notoirement non automatisée, qui pourrait utiliser les LLM pour rendre les décisions d'investissement plus systémiques et fondées sur des données.

Les gestionnaires d'actifs seront tous confrontés à des questions concernant les LLM et leur tendance à inventer des choses. Des produits comme ChatGPT d'OpenAI sont la boîte noire ultime. Bien que les fonds quantitatifs s'appuient sur l'IA pour élaborer des stratégies, ils sont toujours gérés par des professionnels agréés qui comprennent les ramifications d'une idée commerciale. Ce n'est pas le cas des outils genAI.

L'ingénierie rapide peut ajouter de la valeur en fournissant une partie de cette transparence, en interrogeant les LLM pour avoir une idée de leurs processus et des facteurs et sources utilisés pour prendre une décision. Il est théoriquement possible qu'un jour, les LLM soient plus transparents et responsables qu'un humain.

Bien que l’idée de confier les investissements à la machine fasse la une des journaux, les quants sont susceptibles d’utiliser les LLM de manière plus spécifique.

Par exemple, ils voudront des outils pour identifier le véritable coût de friction d’une transaction, ce qui implique une étude approfondie des structures des micro-marchés. Une mesure typique pour évaluer les performances d'un trader est appelée « déficit de mise en œuvre », pour déterminer dans quelle mesure il respecte un budget pour une transaction donnée. De tels algorithmes deviennent déjà plus sophistiqués, car les entreprises recherchent les moments de la journée où la liquidité est mûre ou où elles peuvent négocier sans révéler leur main.

Il s'agit de trouver des signaux de marché, ce qui est au cœur de la mission d'un quant. Il est probable que les magasins quantitatifs utiliseront genAI pour développer de meilleurs moyens de prédire les meilleurs moments et lieux pour exécuter une transaction.

C'est toujours très utile, mais ce n'est pas comme si quelqu'un remettait les clés de voiture au Terminator. L’IA ne surmonte pas non plus les plus grands obstacles sur les marchés asiatiques, à savoir le manque d’instruments de couverture, suivi du coût élevé de la couverture lorsqu’un contrat est disponible.

Plus important encore, cela n’est pas spécifique aux quants. Les grands acheteurs traditionnels utilisent également ces algorithmes d'exécution, qu'ils soient conçus en interne ou par un courtier côté vente.

La question existentielle pour les quants est de savoir comment ils conservent leur avantage alors que les outils genAI peuvent rendre une grande partie de ce qu’ils font plus facilement accessible aux gestionnaires d’actifs fondamentaux. Les magasins quantitatifs évitent les feux de la rampe en partie parce qu’ils considèrent leurs modèles d’IA et leurs algorithmes d’exécution comme des sauces secrètes. genAI pourrait-elle les transformer en marchandises ? Dans quelle mesure votre ingénierie rapide est-elle différenciée ?

Comme l’a dit un quant : « L’IA fait partie de notre ensemble d’outils depuis des années. GenAI ne supprime pas les barrières, mais elle apportera davantage d'avantages aux gestionnaires actifs fondamentaux, en les rendant plus efficaces dans l'agrégation et l'analyse des données. Une fois que ces entreprises comprennent les facteurs de rendement, elles deviennent nos concurrents.

• Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
• PlatoData.Network Ai générative verticale. Autonomisez-vous. Accéder ici.
• PlatoAiStream. Intelligence Web3. Connaissance Amplifiée. Accéder ici.
• PlatonESG. Carbone, Technologie propre, Énergie, Environnement, Solaire, La gestion des déchets. Accéder ici.
• PlatoHealth. Veille biotechnologique et essais cliniques. Accéder ici.
• La source: https://www.digfingroup.com/genai-quants/