Skip navigation

Intelligence artificielle

L’intelligence artificielle (IA) fait son entrée dans la gestion de portefeuille d’ACATIS

L’intelligence artificielle (IA) fait son entree dans la gestion de portefeuille d’ACATIS

Nombreux sont ceux qui associent l’intelligence artificielle uniquement aux robots et aux voitures automotricess. La disponibilité de plusieurs millions de données de masse et la progression ultra rapide des capacités des calculateurs permettent cependant également une application au domaine de la gestion de portefeuilles. A travers l’auto apprentissage de la machine, des caractéristiques clés sont détectées au fil du temps, permettant au système de trouver des modèles que même l’analyste le plus expérimenté aurait des difficultés à détecter.

L’IA peut être utilisée dans le domaine de l’investissement entre autres pour :

  • Valoriser des entreprises ;
  • Faire des prévisions relatives aux futures « actions gagnantes » ;
  • Optimiser des portefeuilles ;
  • Recoonaitre des passages de textes déterminants ;
  • Identifier des sociétés présentant des caractéristiques similaires

Quand l’intelligence artificielle decide du stock-picking

L'émission du 12 octobre 2018, avec l'Interview de Marie Ballorain, Directrice du développement France, Belgique.


ACATIS et la recherche

ACATIS mène depuis plusieurs années des recherches en matière d’IA en vue d’une utilisation dans la gestion de portefeuilles. La première application concernait des logiciels d’analyses de textes pouvant analyser un rapport à partir de mots-clés définis.

Aujourd’hui ACATIS travaille essentiellement avec des modèles d’apprentissage profond (« deep learning »), un principe issu du domaine de l’apprentissage automatique. Cette forme d’intelligence artificielle peut être comparée à un bon analyste qui aurait à son actif de nombreuses années d’expérience. Au cours de sa carrière, il a appris à connaître de nombreuses entreprises au sujet desquelles il s’est fait une opinion. Au fil du temps, il a développé la faculté de déceler les schémas qui se trouvent dans les chiffres et bilans des entreprises et a appris à en comprendre les caractéristiques déterminants. Il s’appuie donc désormais sur son expérience pour répertorier et classer plus rapidement et plus efficacement les nouvelles situations.

Les modèles d’apprentissage profond travaillent de manière similaire. Ils apprennent par eux-mêmes à reconnaître, à partir des bilans d’entreprises, des schémas ensuite applicables à de nouvelles informations. Plus le système dispose de données et plus il s’améliore et gagne en « expérience ».

Les exigences relatives aux performances des ordinateurs augmentent également avec l’augmentation des volumes de données. Les deux grands avantages des modèles d’apprentissage profond par rapport aux analystes sont d’une part une plus grande capacité et d’autre part le détachement de toute émotion. Le système est également capable de reconnaître des schémas que l’humain ne reconnaît pas. En outre, le système prend des décisions strictmement en ligne avec les règles auto-générées, ce qui exclut tout facteur émotionnel.


Application pratique

ACATIS Global Value Total Return

L’IA a été appliquée la première fois par ACATIS en octobre 2016 lorsque le portefeuille déjà existant du fonds ACATIS Global Value Total Return a été investi dans des titres dont la présélection reposait sur l’intelligence artificielle. Le logiciel utilisé à cet effet est apelé Convolutional Neural Network (CNN) et avait avait pour tâche d’identifier des titres destinés à surperformer à court, à moyen et à long terme. La banque de données fondamentales d’ACATIS, élaborée depuis 15 ans et contenant des informations financières remontant jusqu’en 1989, a constitué le support d’apprentissage du CNN. Le CNN a fourni 1 300 propositions de titres à partir desquelles les filtres Value classiques élaborés par ACATIS ont ensuite été appliqués : valorisation, statistiques de « hits », filtre « trendnorm », programme de pronostics. Une vérification manuelle a clôturé le processus qui s’est traduit par la composition d’un portefeuille de 50 titres équipondérés. Le pilotage du taux d’investissement (0-110 %) reste indépendant de la sélection de titres. S’agissant du portefeuille du fonds ACATIS Global Value Total Return, ACATIS détermine le parcours et l’intelligence artificielle est le passager à côté du conducteur.


ACATIS AI BUZZ US Equities

En mai 2018, le fonds ACATIS AI BUZZ US Equities a été lancé, dont la composition est basée sur l'indice BUZZ NextGen AI US Sentiment Leaders. Des modèles exclusifs de traitement automatique du langage naturel relevant de l’intelligence artificielle permettent d’analyser les contributions en ligne relatives aux valeurs boursières américaines à partir de sources pertinentes, telles que les médias sociaux, les portails d’information, les blogues ou d’autres forums de discussion. Cette méthode originale d’analyse de l’humeur ambiante permet d’identifier les titres les plus plébiscités par les investisseurs à partir d’un volume d’opinions représentatif. Le fonds investit dans les 75 premières sociétés et la pondération individuelle est plafonnée à 3 %. La composition est revue sur une base mensuelle. 350 titres américains composent actuellement l’univers BUZZ et sont en permanence analysés sur la base du sentiment des investisseurs.

ACATIS AI Global Equities

En 2017, ACATIS a lancé deux fonds investis dans les actions internationales ainsi qu‘un mandat externe, dont la sélection de titres et la composition de portefeuille s’appuient uniquement sur l'intelligence artificielle. Le mandat externe FIM Tekoäly est une copie du fonds ACATIS AI Global Equities (mêmes titres et mêmes pondérations). Le fonds est distribué exclusivement en Europe du Nord à partir de la Finlande.
 
L'un d'eux est le fonds ACATIS AI Global Equities. Les spécifications et les données de la stratégie d'investissement sont fournies par ACATIS. La sélection, la pondération et les arbitrages de titres qui en découlent sont fondés sur des modèles d'apprentissage profond (deep-learning) inspirés du fonctionnement du cerveau humain.

Le modèle utilisé pour ACATIS AI Global Equities est basé sur les travaux du Prof. Jürgen Schmidhuber, co-inventeur du Long-Short-Thort-Memory-Neurons (LSTM) et un des pionniers dans le domaine du Deep Learning. Les modèles de deep-learning utilisés peuvent stocker des schémas et des événements du passé pour les remémoriser en temps voulu. Au fil du temps, ce modèle d'auto-apprentissage s'adapte à l'environnement du marché et à un horizon de long terme. Les modèles développés pour ACATIS par NNAISENSE, spécialiste an IA. Ils recherchent eux-mêmes les connexions, et les neurones des réseaux neuronaux se spécialisent dans la reconnaissance de certains détails. L'interaction de tous les neurones engendre le modèle global. Les modèles sont basés sur des données fondamentales telles que le chiffre d'affaires, l'EBIT et le bénéfice. Les données fondamentales proviennent également de la vaste base de données d'ACATIS. Au sein du modèle appliqué, plusieurs sous-modèles optimisés de bout en bout sont utilisés. S’agissant de la construction du portefeuille, le gérant an'assure plus que la mise en œuvre dans le fonds.


ACATIS teste actuellement d'autres types de modèles relevant de l'intelligence artificielle.

Si vous souhaitez tester le mode de fonctionnement d'une intelligence artificielle, ce site vous en donne la possibilité d’une manière ludique https://playground.tensorflow.org


Quantenstein

ACATIS et NNAISENSE ont créé la société Quantenstein GmbH dans le cadre d’une joint-venture 50/50. Cette coentreprise a pour objet de développer des modèles d’intelligence artificielle dans le domaine de l’investissement value de long terme. Ceci signifie que nous développons des stratégies d’investissement automatisées et en auto-apprentissage.
Depuis l’automne 2018, Quantenstein est une filiale à 100% d’ACATIS Investment.

Quantenstein permettra, pour un univers d’investissement précis et des restrictions prédéterminées (p. ex. : rendement sur dividendes, durée de maintien en portefeuille, drawdown), de construire des portefeuilles d’investissement « sur mesure » et optimisés en termes de performance. Quantenstein intègre en un seul et même processus la sélection d’actions et la construction de portefeuilles (architecture de bout en bout).
 
Quantenstein a recours à la banque de données fondamentales d’ACATIS pour trouver les meilleurs titres à moyen et long terme.