Ces modèles peuvent être très complexes pour une majorité de personnes, mais un commerçant n’a nullement besoin de maîtriser les modèles d’ingénierie financière pour comprendre la situation de son magasin et décider. Pour notre commerçant, même si le hasard ne peut pas être prédit ou contrôlé, il n’est pas moins suggestif. Les modèles mathématiques peuvent être brillants, mais plus ils le sont, plus ils peuvent avoir tendance à vouloir modéliser le monde tel que l’on souhaiterait qu’il soit. En fait, le problème n’est pas tant les modèles mathématiques, mais la manière dont nous les utilisons.
Petit tour d’horizon de la finance quantitative en France sous le prisme du portail Next-Finance : Profil des acteurs, genèse de l’activité quant et perspectives du secteur.
Et en termes d’utilisations nous avons franchi la ligne jaune avec les quants, apparus sur le devant de la scène après le krach financier éclair du 6 mai 2010 (Wall Street a plongé de 9% pendant 20 minutes). Pour faire simple, les quants sont des mathématiciens et des programmeurs informatiques réunis dans les salles de marché des grandes banques d’investissement du système financier mondial. Les Quants sont au cœur d’une autre révolution dans la finance: le commerce d’actifs financiers à la vitesse de la lumière via des robots matheux.
L’objectif des quants est d’éviter de nouvelles crises financières en «quantifiant» le comportement humain en matière d’économie et en laissant de côté le hasard et l’aléatoire. Et oui, avec les Quants le comportement humain face aux marchés est déterministe et le marché n’est plus aléatoire!
Vous avez connu le règne des modèles mathématiques financiers basés sur des données aléatoires, vous avez aimé la simulation de Monte Carlo. Désormais tout ceci d’après les Quants, appartient au milieu conventionnel académique! Aujourd’hui, le monde réel ce sont les quants et ses robots.
Mais le problème des quants n’est pas uniquement un problème de robots. Nous pensons, en effet, que leurs travaux conduisent presque toujours à la sous-estimation systématique des événements rares ou qualifiés d’extrêmes.
L’hypothèse statistique de normalité des distributions de prix et rendements est trop forte et les risques d’occurrence des évènements hors de l’intervalle de confiance sont dramatiquement sous-évalués Malheureusement, cet environnement de modélisation s’est unanimement imposé pour(...)
En effet, sur les marchés financiers, la modélisation mathématique fondée sur l’hypothèse statistique de normalité des distributions de prix et rendements s’est imposée dans trois grands domaines d’activités: la quantification des risques et leur supposée couverture adéquate; le pricing d’options; la gestion d’actifs. Certes, des modélisations plus sophistiquées peuvent être utilisées pour décrire le comportement et les risques de portefeuilles financiers complexes, auquel cas on passe d’une méthode paramétrique basée sur la loi Normale à une méthode dite simulation de Monte Carlo basée sur différents scénario qui peuvent suivre une forme semblable à des scénarios vécus dans le passé mais qui ne sont pas limités par l’histoire (dans ce cas les variables de marché ne sont pas considérées comme des variables aléatoires suivant une distribution statistique normale)
Mais on peut dire de manière générale qu’il est encore souvent admis que l’environnement statistique et probabiliste gaussien (en référence à la loi normale de Laplace-Gauss) est paré de toutes les vertus dans le monde de la finance moderne.
les banques de financement et d’investissement (BFI) étaient supposées maîtriser parfaitement leurs risques de marché grâce à un outil “ magique ” nommé Value at Risk. On voit au contraire que dans les périodes de stress personne ne maîtrise plus rien;
les filiales d’asset management de ces établissements bancaires étaient supposées gérer de manière optimale les excédents d’épargne des investisseurs particuliers et institutionnels;
enfin les agents économiques pouvaient couvrir leurs risques financiers auprès des BFI en ayant recours à des instruments dérivés parfaitement tarifés.
D’un point de vue technique, la formule de Black and Scholes permettant d’évaluer le prix de certains de ces produits a pu donner une légitimité scientifique à ce nouvel environnement. Et puis pour un top management, la simplicité et la rapidité de calcul sont des arguments contre lesquels personne, ou presque, ne peut lutter: simplicité mathématique – pour un matheux s’entend- car après tout il suffisait et il suffit de savoir intégrer une équation différentielle (désolé pour les non matheux); capacités informatiques assez économes et donc ne pesant pas trop sur les coefficients d’exploitation bancaires.
Dans son dernier ouvrage, Philippe Herlin, à la lumière de la crise et à la suite des travaux de Mandelbrot et Taleb, remet à l’ordre du jour la question de la fiabilité des modèles classiques utilisés en finance
Nous avons heureusement souvent entendu des scientifiques de renommée internationale nous alerter sur les dangers des méthodologies utilisées pour modéliser la gestion des risques financiers et l’évaluation d’actifs financiers? On pense naturellement au regretté mathématicien Benoit Mandelbrot disparu en octobre 2010. Mais celui-ci était trop seul face aux dirigeants politiques et économiques et ses travaux restent encore largement sous-exploités pour au moins trois grandes raisons:
1/ Pour le monde dirigeant, ce type de modélisation unanimiste est idéal puisque les mathématiques (tout du moins une certaine utilisation de celles-ci) permettent de s’auto-persuader que les grandes catastrophes sont quasiment impossibles
2/ Ensuite la minimisation des risques extrêmes permet de continuer à financer les gaspillages et les excès d’endettement qui ont conduit à des bulles. Il y a derrière tout cela deux types de constats: souvent la cupidité de certaines institutions fortement commissionnées pour vendre des produits financiers dont le risque est clairement sous-évalué; mais aussi la nécessité de justifier les gaspillages de nos bureaucraties hypertrophiées et incompétentes. Tout ceci pour assurer la poursuite des financements des déficits publics, ce qui conduit unanimement à considérer que la surévaluation des emprunts d’état des zones jugées n’est pas risquée (ce qui est faux)
3/ La minimisation des risques par les quants légitime également un modèle de développement:
Celui de normes de rentabilité anormalement élevées au regard des fondamentaux économiques (encore la cupidité et le profit mal réemployé)
Celui aussi d’une ingénierie financière des banques visant à transférer le risque sur certains agents économiques privés pour économiser des fonds propres et améliorer encore et toujours la rentabilité du capital utilisé.
Que faut-il donc faire?
Tout d’abord, il faut continuer à investir dans la recherche mathématique afin d’améliorer la modélisation (qui comportera de toute façon toujours des insuffisances par construction).
Alors que la complexité en finance devrait être privilégiée afin d’améliorer la modélisation des risques, cette complexité continue à être mise au profit de montages structurés complexes aussi inutiles qu’ingérables en période de tensions sur les(...)
Mais naturellement, il ne faut pas s’obstiner. Il faut surtout essayer de mieux comprendre les marchés. On entend souvent dire que pour être un bon professionnel des marchés dans la recherche, le trading et la structuration, il faut être tout à la fois un bon mathématicien, un bon physicien et un bon informaticien (au service de quoi me direz vous?). Si on peut être tout cela à la fois, ce serait parfait mais si l’on ne s’intéresse pas aussi au domaine de la finance comportementale, tout cet impressionnant cursus ne sert à rien.
Car une chose est sûre: il ne sera jamais possible de modéliser la peur, le mimétisme et encore moins l’impact des contraintes réglementaires, prudentielles et comptables sur les comportements des investisseurs. Or c’est bien la compréhension de ces phénomènes qui peut permettre de gérer et d’appréhender les crises “ modernes” de la finance.
Au total pour nous, les quants symbolisent la cupidité, la peur et le caractère aléatoire et obscur de Wall Street. Certes, ils furent rappelés à l’ordre par le gendarme de la bourse, mais pensez-vous sérieusement que les choses soient différentes aujourd’hui?
Il n’y a aucune honte à accepter l’aléatoire et l’incertitude de ce monde. Nous pensons que la simple reconnaissance que l’incertitude est inévitable change déjà les choses d’une manière fondamentale. Toutefois, cette reconnaissance doit être authentique en surmontant notre aversion pour l’incertitude. Nous devons apprendre à adopter l’incertitude ainsi que l’ambiguïté dans le commerce en vous rappelant que ce dernier n’est pas une science mais un art.
Nous sommes pour une utilisation intelligente des mathématiques en finance et nullement par la mise en équation du comportement de l’homme. Car le charme de l’homme est de surprendre son environnement et pour cela il n’a nullement besoin de robots matheux transmettant des consignes de prix, par exemple, à la vitesse de la lumière. Car de toute manière il sera très difficile, voire impossible de réguler de tels systèmes. Faites l’expérience ce soir dans votre voiture, changez les consignes de votre climatiseur, non pas à la vitesse de la lumière, mais disons toutes les 3 ou 4 secondes (sélectionnez 17°, puis 3 secondes après 23°, puis après 3 secondes 19°, puis 27°,…) et dites nous quelle est la température à l’intérieur de votre véhicule après 10 minutes (ce qui est “ petit joueur’ ” par rapport à une journée dans une salle de marché avec des robots qui transmettent des consignes financières à la vitesse de la lumière!)
){kind=link}