La débâcle de la finance intelligente

Le bug de la finance automate

La crise financière du Covid-19 a été d’une violence rare, rapide et brutale. Elle fut particulièrement sévère pour les actifs financiers vulnérables à une chute de l’activité économique : les marchés d’actions, du crédit, et des matières premières. Pour ceux – là, on imaginait bien que le choc allait être violent, il le fut au-delà des espérances. Par contre, pour d’autres ce fut la douche froide, une véritable désillusion. Ces autres actifs sont ces stratégies d’investissement qui promettaient d’avancer contre vents et marée, de ne pas trembler malgré les secousses, d’être vacciné plutôt que confiné. Ces stratégies étaient souvent reconnaissables par la formule suivante : « des stratégies diversifiantes et innovantes, proposant un couple rendement – risque attractif, dans un monde où les rendements traditionnels sont faibles et la croissance économique anémique ».

Mais, ces stratégies alternatives n’ont pas délivré ce qui était espéré, loin de là : le mois de février fut terrible, le mois de mars catastrophique. Ces stratégies ont été emportées comme le reste, voire davantage, et ce quelle que soit leur renommée ou degré de technicité. Ainsi, les Hedge Funds les plus prestigieux ont enregistré les performances parmi les pires de leur existence, notamment le plus gros d’entre eux : Bridgewater. Si l’on considère l’univers entier des Hedge Funds, 3 fonds sur 4 ont ployé le genou. Plus symbolique encore, parmi les Hedge Funds n’ayant pas su négocié la vague, certains des plus célèbres avaient fait leur réputation sur l’utilisation des techniques les plus avant-gardistes à l’aube d’une ère où l’intelligence artificielle promettait une gestion 2.0. Ils ont bu la tasse comme les autres. En fait, la grande majorité des fonds reposant sur ce que l’automate peut faire de mieux et plus vite que n’importe quel être humain, n’a finalement pas fait mieux que lui.

Hélas, l’univers des Hedge Funds n’est pas le seul touché par cet acte manqué de la stratégie diversifiante et innovante. Ainsi, la finance sophistiquée mais formatée pour le grand public n’a pas été épargnée. Nous parlons de fonds ouverts à l’épargnant lambda, et promettant également des alternatives aux rendements traditionnels, avec un risque limité en toute circonstance, sur le papier. Eux aussi, ont connu des mois de février – mars très loin des attentes, ne réalisant pas du tout les espoirs de diversification promis. Pourtant, l’idée de départ de ces fonds était séduisante puisqu’elle était fondée sur certaines trouvailles de la recherche académique qui ne datent d’ailleurs pas d’hier. Mais les diamants bruts ne sont pas ceux qu’on présente en vitrine. Il faut les polir afin qu’ils motivent le regard. On aboutit alors à des stratégies vendues avec le label académique, mais revisitées à l’aide de la trousse à outil quantitative locale afin de rendre le bijou plus sexy ; un genre de photoshop financier, qui vous montre sous votre meilleur jour à la lumière, mais trahit bien des défauts lorsque l’averse fait couler le rimmel : « vous pleurez madame ? Prenez garde à votre peinture ! » Jules Renard.

D’une manière générale, cette crise révèle une dérive que l’on observe depuis près de 10 ans maintenant. Le nombre de publications annonçant la découverte de nouvelles stratégies gagnantes en finance a connu une croissance exponentielle. Et l’on apprend que toutes ces nouvelles stratégies ont enfin pu voir le jour grâce à la montée en puissance des techniques de Machine Learning, Deep Learning, et autres, déjà très efficaces dans d’autres domaines que la finance : détection de mélanomes, reconnaissance faciale, voiture sans chauffeur… Mais la finance est un El Dorado très particulier où les chercheurs d’or n’hésitent pas à utiliser des tamis trop larges pour en retenir le plus de pépites potentielles. La recherche académique dite sérieuse avait pourtant prévenu tout le monde, et ce depuis un bon moment. La prolifération de stratégies gagnantes dans toutes ces publications, chez les Hedge funds systématiques, ou autres fonds alternatifs distribués au grand public, cachait probablement quelques vices de fabrication. Il suffisait d’attendre la prochaine crise.

Tunique de Nessus et chouette de Minerve

Dès le départ donc, un certain pan de la recherche plutôt orientée vers la quête du savoir avait déjà fait l’inventaire des critiques adressées à un autre pan de la recherche qui elle était plutôt orientée vers la quête du client. Ainsi, on ne pourra pas accuser la recherche du camps des « lanceurs d’alertes », de passer pour une chouette de Minerve dont l’envol définirait ce moment où l’on comprend trop tard ce qui est en train d’arriver. (Hegel). Au contraire, ce camps de la recherche avait bien compris qu’une grande partie de l’industrie de la finance avait probablement abusé des nouvelles techniques d’optimisation et du Big Data. Or, cette utilisation excessive finirait par devenir toxique, comme si l’industrie de la finance avait enfilé bien naïvement la tunique de Nessus : « Quand Déjanire découvre l'infidélité d’Hercule, elle lui offre une tunique couverte du sang empoisonné. Hercule croit alors que cette tunique va le protéger, mais elle finira par le tuer ». Il existe 3 types de critiques qui furent adressées :

• Le trop bon réglage : une course de formule 1 se prépare bien à l’avance, à l’aide de nombreux essais afin de déterminer le meilleur réglage possible pour la voiture. Sauf que chaque piste est différente, et qu’il est illusoire d’obtenir les mêmes performances en utilisant le même réglage pour une autre piste. Curieusement, un certain pan de la recherche en finance semble ignorer le problème et propose d’utiliser le même réglage qui expliquait très bien hier, pour expliquer aussi demain. C’est un peu comme si le chercheur avait enfin trouvé les bons numéros du loto, et pensait qu’en utilisant la même combinaison les fois suivantes il gagnerait de nouveau. En langage techniques, on appelle cela de la suroptimisation (p-hacking). Il se trouve qu’en finance, c’est un problème récurrent. Alors on tente de ruser, et l’on imagine un automate qui apprend de ses erreurs ; mais à partir de quand décrète-t-on qu’il s’agit de l’erreur de trop ? Celle qui motive de changer de paramètres ? On cherche encore : en termes scientifiques, on appelle cela la quête de l’analyse non supervisée.


• Les données trop bavardes : puisque la théorie a échoué, faisons parler les données. Mais jusqu’où faut-il les croire ? En effet, sans théorie on court alors le risque de faire dire aux données des choses qu’elles ne savent pas. Quand on torture les données, elles finissent souvent par avouer quelque chose, comme pour mieux se débarrasser de leur bourreau. En termes de Machine Learning, cela signifie que l’on finira toujours par trouver des relations entre certains faits, alors que probablement il n’y en a pas. On parle alors déluge de corrélations ; on remarque au passage qu’il s’agit de la principale matière première des complotistes en tout genre : trouver une corrélation boiteuse qui fait trembler tout l’édifice.


• Le fantasme de la finance est un fantôme de la transparence : ce n’est pas la première des critiques qui est généralement mise en avant, et pourtant elle seule suffirait presque à réserver un accueil frileux à toute nouvelle annonce de pépite de la finance. Le fantôme de la transparence est cette illusion que nous nous rapprochons tous les jours un peu plus d’une connaissance parfaite des choses, comme si « le monde était un rébus dont il suffirait de trouver la clef » Jean Yves Girard, le fantôme de la transparence. Or, depuis plus d’un siècle, nous savons qu’une connaissance parfaite est illusoire, à cause de résultats négatifs qui délimitent les limites de notre connaissance.

Les couleurs primaires de la finance

Il y a toujours quelque enseignement à tirer d’une crise majeure, notamment en finance. Elle nous rappelle que lorsque la terre tremble, elle tremble pour tout le monde. Elle nous rappelle que même les stratégies alternatives innovantes et diversifiantes ne peuvent s’exonérer de la fameuse formule « les performances passées ne préjugent pas des performances à venir ».

Enfin, elle nous rappelle aussi quelque chose que l’on oublie trop souvent en finance, mais que l’on apprend au collège durant les obscurs cours d’art plastique dont on réalise alors toute la portée : les tableaux les plus illustres du Fauvisme, aussi colorés soient-ils, ne révèlent l’utilisation que de trois couleurs primaires. On pourrait aussi dire que chaque crise démasque les valeurs primaires de la finance, puisque l’on obtient alors que l’ensemble des actifs financiers ne s’explique plus que par un nombre réduit de facteurs de risque, et non par une multitude de facteurs divers et variés comme on nous l’annonçait avant. Un peu comme un fantoche dont tous les mouvements font illusion durant le spectacle, mais qui ne tiennent en réalité qu’à quelques fils.