Ne soyons pas paresseux !
J’entends beaucoup parler de Lazy Investing, ou de portefeuille permanent, et globalement, je salue cela comme une amélioration. Pendant des années, le monde de l’investissement a été punitif pour les petits épargnants, avec des banques vendant des produits maisons avec des frais exorbitants, inadaptés aux besoins des investisseurs, et pilotés par des gérants qui font des prédictions selon leurs humeurs. C’est à cette faune la que les adeptes de l’investissement ETF s’attaquent et c’est une bonne chose. Il est vrai que le fait de placer son argent sur des supports diversifiés et de contrer le fameux home country bias,et d’investir sur fonds indiciels à faible frais n’a rien de nouveau, Le premier fond indiciel proposé par Jack bogle date de 1976, et le conseil de diversifier ses actifs à travers le monde doit dater du 18eme siècle et de la Compagnie des Indes.Rien que des bonnes idées donc, mais aussi rien de nouveau sous le soleil. Le problème c’est que le monde change et que les stratégies qui fonctionnaient par le passé ne fonctionneront plus dans le futur. Depuis plusieurs années, des phénomènes de fond affectent des stratégies qui fonctionnaient par le passé, l’investissement value est en difficulté depuis plusieurs années, le long/short equity est moribond, et la prime de risque des actions sur les obligations, appelée equity Premium se résorbe depuis plusieurs années. Il faut donc aller chercher plus loin pour obtenir les rendements du passé, et n’investir que 1 min tous les mois pour maintenir son portefeuille est un mirage et un gimmick marketing.
En fait, les investisseurs veulent reproduire les rendements des Ivy portfolios, sans se douter de la quantité de recherche qui sous-tends cette démarche. Dans ces approches, tout est calibré, les rendements, les risques (variance), les corrélations entre actifs, les prévisions de rendement futurs basé sur les consensus d sentiment ou les modèles quantitatifs. Il est impossible pour un être humain de factoriser toutes ces données, il faut recourir à un algorithme. Par exemple, mon modèle ML utilise le dividend yield du S&P 500, le spread entre le la dette d’Etat et la dette interbancaire (TED spread), le taux de change EUR/USD, la pente de la courbe de taux, et les relevé de sentiment de l’AAII et bien d’autres indicateurs (momentum, volatilité, risque géopolitique). Comment faire autremment ? A model has to be as simple as possible, but not a bit simpler.
Par contraste, les chantres de l’investissement pour les nuls, qui vous proposent de construire un portefeuille en prenant juste une répartition de zone géographique au hasard ne prennent même pas en compte le risque porté par chaque support ou la diversification relative à chaque combinaison d’investissement. Ainsi on voit des investisseurs combiner des ETF S&P 500 avec des ETFS World pays développés, en ignorant que plus de 50% de l’ETF World est composé d’actions US, et que les marchés qui composent l’indice World sont tous fortement liés.
Je suis conscient que mon optimisme sur ma méthodologie relève de la gageure. Aucun backtest, aussi long ou rigoureux que possible, ne peut contrer le risque d’overfitting. Mais nous allons voir ensemble dans les mois à venir , quelle est la possibilité de surclasser un indice de référence comme le MSCI World. Je prends rendez-vous avec les lecteurs de ce blog dans 1 an pour voir quelle approche aura le mieux marché….
Météo des marchés
Dernier Variation Veille Variation 5j Variation 20j
ASI 141.48 -0.57% 1.59% -0.70%
BRE 52.85 0.84% 2.88% 2.22%
CAC 52.52 -0.74% -0.87% 0.63%
CE9 302.88 0.54% 0.37% -0.71%
DJE 208.78 -0.11% 0.80% 4.89%
GLDM 53.04 2.28% -0.38% -4.07%
INR 16.44 1.48% 0.80% 2.11%
LEM 10.37 -0.10% 0.78% -1.14%
MSE 34.62 -0.69% -1.40% -0.09%
MTF 218.64 0.14% -0.65% 1.72%
NRGW 269.09 0.01% 0.82% 3.17%
RIO 16.4 -3.76% -2.09% -3.07%
RUS 30.67 0.95% 2.71% 2.95%
SP5 23.01 -0.35% -0.13% 2.72%
TSX 62.67 -0.38% 0.08% 0.95%
UST 21.42 -0.05% 0.99% 1.42%
WLD 174.52 -0.31% -0.22% 1.93%
Allocation cible
Pour plus d'informations, merci de se reporter à notre méthodologie. Cet indicateur agrège les préférences des algorithmes Momentum, Machine Learning, MDP,CLA et HRP
Prédiction ML sur un horizon 20 jours
Les chiffres affichés pour l’exercice de Machine Learning sont à comprendre comme des prévisions de rendement à 20 jours.
Score Momentum
Les chiffres affichés pour l’exercice de Momentum sont à comprendre comme un score, qui ne correspond pas à des rendements prévisionnels ou des poids de portefeuilles. Ce score permet juste d’obtenir un ordre de préférence des investissement.
Portefeuille optimisé CLA
Pour cet exercice, les chiffres affichés sont à comprendre comme des poids d’un portefeuille hypothétique. La somme des poids individuelles est égale à 1. Les poids négatifs sont des shorts.
Portefeuille optimisé MDP
Pour cet exercice, les chiffres affichés sont à comprendre comme des poids d’un portefeuille hypothétique. La somme des poids individuelles est égale à 1. Les poids négatifs sont des shorts.
Portefeuille optimisé HRP
Pour cet exercice, les chiffres affichés sont à comprendre comme des poids d’un portefeuille hypothétique. La somme des poids individuelles est égale à 1. Les poids négatifs sont des shorts.
Il y a un mois...
En faisant tourner l'algorithme de ML dans le passé, il est possible de comparer les rendements prédits (uniquement pour le ML) il y a un mois avec les rendements réels réalisés par les marchés sur les 20 jours écoulés depuis.
Disclaimer : Ce message ne constitue pas un conseil d’investissement. J’invite chaque lecteur à construire des portefeuilles équilibrés correspondant à leur préférence de risque si possible avec l’aide d’un professionnel. En particulier, je n’offre aucune garantie que les prévisions construites se révèlent conforme à l’évolution des marchés.