α ou allocation – étude d’impact

Traduit de l’anglais. Le texte anglais fait foi. Lire en anglais

Questions

Questions :

  • Les allocations AiLA fondées sur le ML découlent d’opportunités identifiées compte tenu des conditions de marché du moment.
  • Le pourcentage du capital alloué peut donc varier fortement, et rapidement, dans le temps.
  • Peut-on contraindre l’indice à maintenir son pourcentage d’allocation dans une fourchette donnée ?
  • Quel en est l’effet sur la performance ?

Démarche :

  • Illustrer l’effet sur un indice AiLA fondé sur 102 actifs sélectionnés et des allocations long-only (LO), pour lequel l’allocation tend à varier davantage dans le temps.
  • Mettre en œuvre une fonctionnalité de fourchette d’allocation fondée sur l’ajustement des périodes de détention associées aux signaux actifs et sur la prise en compte des échéances des contrats.
  • Évaluer l’ampleur de l’effet d’un tel critère de fourchette d’allocation sur la performance.

Méthodologie d’allocation

  • Le pourcentage d’allocation dépend de différentes contraintes et cibles du processus de construction de l’indice.
  • Le nombre d’allocations est toutefois souvent le principal déterminant du montant de capital alloué, lequel dépend à son tour de la capacité du modèle de ML à identifier des opportunités.
  • Il en résulte des périodes comptant peu d’opportunités de transaction, et donc une faible allocation, qui évoluent au gré des conditions.
  • Pour la comparaison, le pourcentage d’allocation est contraint de rester dans une fourchette donnée (min/max) :
    • en imposant des allocations en dehors de l’ensemble de maturités jugé optimal par le système ;
    • en ajustant les périodes de détention si nécessaire ;
    • en établissant des priorités selon les échéances parmi les contrats présentant un signal.
  • Cette méthodologie n’a nullement vocation à être optimale ; elle vise à fournir une première évaluation de l’effet de ce type de fonctionnalité.

Effet sur la performance

  • La performance de l’indice a été étudiée pour différentes fourchettes de pourcentage d’allocation, c’est-à-dire entre une valeur minimale et une valeur maximale.
  • Contraindre l’indice à maintenir un pourcentage d’allocation minimal a sensiblement réduit la performance ; par exemple, exiger un pourcentage d’allocation dans une fourchette proche de 100% a réduit la performance d’environ moitié.
  • Performance de l’indice AiLA ajustée du risque :
    • Elle apparaît supérieure à celle d’un indice standard comme le GSCI ou le BCOM.
    • La corrélation avec le GSCI et le BCOM augmente toutefois à mesure que la fourchette d’allocation converge vers 100%.
    • En général, la corrélation passe d’environ 60% (AiLA LO) à près de 80% (100/100).
  • Maintenir une allocation plus élevée en éloignant le système de ses recommandations de transaction propres réduit sensiblement la performance, en raison de la nature opportuniste des signaux AiLA fondés sur le ML.

Conclusions

  • Une approche permettant de maintenir le pourcentage du capital alloué dans une fourchette min/max a été mise en œuvre dans le cadre des indices AiLA.
  • Cette fonctionnalité a servi à étudier l’effet attendu sur la performance d’un indice AiLA fondé sur 102 actifs sélectionnés et des signaux long-only, pour lequel le pourcentage d’allocation tend à varier le plus.
  • La méthodologie n’est nullement optimale, mais elle paraît adaptée à l’évaluation de l’effet à un niveau général.
  • Les résultats de performance de l’indice AiLA ont été sensiblement réduits lorsque le système a été contraint de maintenir un pourcentage d’allocation dans une fourchette se resserrant vers 100%.
  • Ajustée du risque, la performance de l’indice AiLA s’est révélée en général supérieure à celle des indices GSCI et BCOM ; la corrélation positive est toutefois passée d’environ 60% à 80% à mesure que la fourchette d’allocation se resserrait vers 100%.
  • Les résultats suggèrent que la performance associée aux signaux AiLA fondés sur le ML est sensiblement réduite lorsque le système est éloigné de ses recommandations de transaction propres afin de maintenir un pourcentage d’allocation plus élevé, ce qui est attendu compte tenu de la nature opportuniste des signaux, dont les modèles sous-jacents cherchent à identifier des opportunités de transaction en fonction des conditions de marché du moment.
Partagez vos perspectives