Dans le domaine de l'investissement, un manque d'informations ou de connaissances critiques peut diminuer la pertinence d'un portefeuille. Heureusement, nous sommes entrés dans une société riche en données où l'on peut trouver une multitude d'informations, même pour les plus petites entreprises. Le problème ? Faire le tri dans cet océan de faits et de chiffres n'est pas du ressort de l'humain.
« Selon IBM, 90 % des données mondiales ont été créées au cours des deux dernières années », déclare Holly Robertson, vice-présidente des ventes de solutions d'investissement quantitatif chez HSBC Global Markets. « Et dans deux ans, nous dirons probablement la même chose. »
Pour compliquer l'équation, la plupart des informations récemment générées sont contenues dans du texte en langage naturel et d'autres formats moins accessibles et non structurés, comme les publications sur les réseaux, les images et les vidéos. Mais l'exploitation des détails pertinents de ces formats peut fournir à HSBC de nouvelles informations sur une entreprise ou une opportunité particulière et potentiellement conduire à de meilleures décisions d'investissement.
« On parle là des informations qui ne rentrent pas à une feuille de calcul, des données qui ne sont pas facilement quantifiables et des métadonnées en tous genres. Bref, des informations qui entourent l'information », précise Holly Robertson. « Par exemple, on peut apprendre beaucoup de choses en analysant la façon dont un PDG aborde certains sujets dans les résultats trimestriels les plus récents, comparé à ses interventions passées sur les mêmes domaines et à ses échanges sur les réseaux sociaux. Nous examinons la synthèse des données traditionnelles et alternatives pour trouver des dénominateurs communs et déceler les informations pertinentes. Une analyse fondamentale de base ne peut pas révéler ce genre de choses. »
Elle poursuit : « Toutes ces données sont accessibles publiquement. Techniquement, une personne peut passer sa journée sur Twitter à tenter de trianguler leur position, mais leur volume dépasse l'échelle humaine. » Quand même les experts ne parviennent à brosser la surface des données disponibles, on peut y voir deux choses : un problème évident ou une opportunité incroyable.
Des volumes de vente énormes
HSBC a réalisé plus de 2 milliards de dollars de ventes en lien avec l'AiPEX
Une concurrence surclassée
L'AiPEX surpasse le S&P 500 de 123 % sur les 10 dernières années
Ce boom de l'information s'accompagne d'un regain d'intérêt généralisé pour l'investissement des particuliers et le marché boursier en général, « un phénomène observé depuis deux ans » selon Holly Robertson. « Auparavant, nous avions affaire à des investisseurs chevronnés ou à des investisseurs institutionnels, mais aujourd'hui, on voit un engouement sans précédent parmi les investisseurs individuels.Les particuliers sont toujours plus nombreux à rechercher des informations sur les entreprises qui affichent de bons résultats. »
Au sein de HSBC, le service des solutions d'investissement quantitatif (QIS) avait pour but de fournir ce type d'informations à ces nouveaux investisseurs, souvent indépendants et férus de technologie.
« C'est pour nous une fierté de pouvoir décrypter un sujet apparemment complexe pour permettre aux investisseurs individuels de le comprendre et, nous l'espérons, d'en tirer profit », ajoute Holly Robertson. « Aussi, après avoir observé que les investisseurs institutionnels livraient déjà des rendements accrus à leurs clients en utilisant l'IA, nous avons voulu proposer ce même service aux particuliers. »
La banque souhaitait notamment exploiter la puissance de l'IA pour analyser cette production intarissable de texte en langage naturel et de données non structurées afin d'identifier les sociétés avec un fort potentiel de croissance. En édifiant un indice de rendement excédentaire à risque contrôlé à partir des actions de ces entreprises, HSBC pourrait créer un produit financier innovant offrant des options d'investissement basées sur les données à un plus grand nombre de consommateurs férus de technologie.
« La quantité de données pertinentes disponibles nous dépassait », se souvient Holly Robertson. « Nous avions besoin de l'IA – et des personnes qui savent l'utiliser – pour exploiter toutes ces données structurées et non structurées et les utiliser pour faire des prévisions de croissance. »
Après une série de discussions avec les acteurs de la Silicon Valley, HSBC a souhaité coopérer avec le partenaire commercial IBM EquBot Inc. pour bâtir son nouvel index.
« Le responsable de leur service QIS nous a contactés directement », relate Chida Khatua, directeur général d'EquBot. « Il nous a fait part de son intérêt et de son enthousiaste pour le travail que nous faisions pour exploiter l'IA et le machine learning et transformer les données en décisions d'investissement plus éclairées. Nous avons donc eu plusieurs échanges avec HSBC pour lui présenter les technologies – y compris IBM Watson – qui sous-tendent la plateforme d'investissement EquBot AI ».
« IBM semblait être un bon point de départ lorsque vous essayez de construire quelque chose qui utilise l'IA », explique Holly Robertson. « L'équipe d'EquBot apportait beaucoup d'expertise et d'expérience. Elle savait de quoi elle parlait en termes d'ingénierie, de distribution et de gestion des actifs. Dès le début, cette collaboration a répondu à nos attentes. »
Le nouvel indice HSBC AI Powered US Equity Index (AiPEX) utilise la plateforme d’investissement EquBot AI comme outil de sélection des titres, pour détecter les sociétés au fort de potentiel de croissance en identifiant et en quantifiant les relations qui ne sont pas facilement apparentes à l'œil nu.IBM Watson Discovery et IBM Watson Natural Language Understanding fournissent l’analyse et l’enrichissement des données textuelles qui livrent les insights utilisés par la plateforme. En parallèle, IBM Watson Studio supervise les modèles d’IA propriétaires qui gèrent ces résultats, contrecarrant les biais et la dérive des données.
« Notre engagement est d'utiliser la technologie la mieux adaptée à nos investisseurs », ponctue Art Amador, directeur des opérations et cofondateur d'EquBot. « Parmi les options étudiées pour notre plateforme d'investissement basée sur l'IA, Watson Discovery et Watson Studio se sont révélées plus efficaces que les autres. Elles ont produit les meilleurs types de décisions. De plus, IBM a un palmarès extrêmement solide. Son histoire est bien connue des investisseurs et des clients avec lesquels nous discutons au quotidien. »
Pour préparer les modèles d'IA associés, EquBot a utilisé la technologie IBM pour agréger et ingérer environ 20 ans de données et de texte, avec un mélange de formats structurés et non structurés. « Il nous a fallu un peu plus de trois mois pour effectuer les tests avec soin et affiner les différents paramètres », se souvient Art Amador. « Tout cela s'est déroulé en coopération avec l'équipe HSBC QIS. »
Il poursuit : « L'équipe HSBC pouvait effectuer plusieurs itérations sur notre plateforme pour définir tous les réglages, comme la fréquence de rééquilibrage, l'écrémage des entreprises ayant des problèmes de liquidités, ou le pourcentage d'une entreprise à inclure. Elle avait carte blanche pour tester différents modèles afin de trouver la configuration qui, à ses yeux, répondrait aux attentes de ses investisseurs. »
Pour sélectionner les actions entrant dans la composition de l'indice AiPEX, la plateforme d'investissement d'EquBot AI suit une approche basée sur des règles et surveille les sociétés répertoriées dans l'indice Russell 1000 pour identifier celles qui présentent le potentiel de croissance le plus élevé (250 environ au total).
« Elle sélectionne les actions en s'appuyant sur les informations d'une armée de ce que nous appelons des “analystes de recherche en IA simulés“ », explique Holly Robertson. « Ces simulations œuvrent en totale coordination : si un module d'IA apprend quelque chose sur une entreprise, tous les modules sont au courant automatiquement. Ce sont ces connaissances partagées qu'ils utilisent pour choisir un portefeuille composé des entreprises les mieux positionnées pour la croissance. »
Pour chacune des 1 000 entreprises évaluées, ces « analystes de recherche en IA simulés » attribuent trois notes (sur ses finances, son actualité et son sentiment, et sur sa gestion) pour évaluer son potentiel de croissance.
« Pour le score financier », explique Holly Robertson, « il faut prendre en compte des éléments tels que le coût des biens vendus, le ratio cours/bénéfices, les recettes et le bénéfice par action. Le deuxième score, qui note l'actualité et le sentiment, est déterminé quant à lui par Watson, qui lit les articles de presse et les réseaux sociaux pour voir ce que les gens disent de chaque entreprise. Enfin, le score de gestion examine les actions et la performance du comité de direction et des cadres, ainsi que la façon dont ils sont perçus sur le marché. »
Comme le marché est en constante évolution, la plateforme recalcule ces scores et rééquilibre le portefeuille AiPEX chaque mois. Et pour que ces calculs restent pertinents, l'équipe d'EquBot alimente les analystes d'IA virtuels avec les dernières informations sur le marché dès qu'elles sont disponibles.
« Nous leur livrons les données structurées traditionnelles, mais ce n'est qu'une infime partie des informations disponibles », précise Art Amador. « En tout, près de 90 % des données que nous utilisons ne sont pas structurées. Et grâce à Watson Discovery, nous consultons chaque jour environ un million d'articles de presse dans plus d'une douzaine de langues. »
Il semble assez évident que la plateforme EquBot AI détecte des tendances que les humains ne remarquent pas. « Même avant mars 2020, qui est le moment où le marché a commencé à se replier en raison de la pandémie », confie Holly Robertson, « le portefeuille AiPEX était déjà tourné vers la pharmacie et la biotechnologie,avec un focus sur une entreprise qui par la suite a créé un vaccin. »
Elle poursuit : « Elle a pu analyser les documents d'essais cliniques de cette société et en tirer des informations, des détails qui n'étaient même pas encore publiés dans les actualités américaines. Et elle a calculé que cette entreprise allait prendre la tête du marché. »
De même, la plateforme semble avoir prédit les pénuries d'énergie et les perturbations du marché qui ont eu lieu au deuxième trimestre 2022. « L'indice AiPEX a commencé à surpondérer de manière significative les valeurs énergétiques en décembre 2021, car il a vu des signaux dans le modèle d'information qui annonçaient une instabilité bien avant que la Russie ne soit frappée par les sanctions. Fortement axé sur l'énergie, notre indice a bénéficié de la hausse de 40 % du pétrole. En comparaison, la part du secteur énergétique dans les indices traditionnels plafonnés selon la pondération du marché, comme le S&P 500, était relativement faible. »
Succès immédiat, l'indice AiPEX a généré plus de 250 millions de dollars de ventes de produits au cours de ses premiers mois et a depuis dépassé les 2 milliards de dollars de ventes au total. Ce modèle gouverné par l'IA surclasse régulièrement les indices traditionnels pondérés par la capitalisation boursière, enregistrant un rendement annualisé 5 % supérieur sur les 10 dernières années.
« La confiance est extrêmement importante, et la marque IBM est très réputée », souligne Holly Robertson. « Travailler avec IBM apporte donc un sentiment de crédibilité qui contribue à notre succès sur le marché.Grâce à la transparence d'IBM et d'EquBot, nous avons pu démystifier l'IA et la complexité n'a plus lieu d'être : nous pouvons indiquer clairement aux investisseurs pourquoi chaque titre est choisi, dans des termes simples qui les rassurent.En matière d'investissement, inspirer confiance est primordial. »
Au sujet du rôle d'EquBot tout au long du projet, Holly Robertson ajoute : « Je pense qu'aucune autre entreprise n'aurait pu être plus efficace pour concevoir l'algorithme qui alimente AiPEX et présenter les résultats d'une façon qui parle aux clients. Son expertise, combinée à sa maîtrise de la narration et à son engagement à faire d'AiPEX un succès, explique pourquoi nous sommes certains d'avoir fait le bon choix. »
« L’application de l’apprentissage automatique aux stratégies d’investissement ne fait que commencer », note Art Amador. « Il y a pour 100 000 milliards de dollars d'actifs gérés dans le monde, et dans ce total, un peu moins de 1 000 milliards est investi avec le machine learning selon mes estimations. Mais à terme, je pense que la plupart des stratégies d'investissement seront directement ou indirectement gérées par l'IA et le machine learning. »
Concernant le potentiel du marché qui reste à être exploité, Holly Robertson est très enthousiaste : « L'avenir est très prometteur.Nous avons constaté que de nombreux thèmes se dégagent des actions choisies par Watson, comme la cybersécurité ou l'avenir des transports. Ce sont des sujets qui font couler beaucoup d'encre. Nous commençons à voir comment nous pourrions utiliser l'IA pour former un portefeuille – un panier d'actions – aligné sur ces thèmes. »
« Nous pouvons parler du travail accompli par EquBot et IBM, mais ce qui suscite vraiment l'enthousiasme des clients pour l'IA, c'est quand nous leur montrons son pouvoir », explique Holly Robertson. « C'est pourquoi nous avons organisé des événements clients dans les IBM Experience Centers à New York et à San Francisco. Dans ces centres, vous pouvez voir ce qu'IBM et Watson accomplissent dans votre secteur et partout ailleurs : ils illustrent la pleine puissance de l'IA. »
HSBC USA, Inc. (lien externe à ibm.com) est une société enregistrée au Maryland avec diverses filiales, notamment HSBC Bank USA, N.A. Par l'intermédiaire de ces filiales, HUSI propose une gamme complète de produits et services bancaires traditionnels aux particuliers, aux clients fortunés, aux sociétés, aux institutions et aux gouvernements. HUSI est une filiale détenue à 100 % par HSBC North America Holdings Inc.
Basé à San Francisco, en Californie, le partenaire commercial IBM EquBot (lien externe à ibm.com) développe et distribue des solutions financières mondiales optimisées par l'IA et le machine learning. À l’heure actuelle, sa plateforme d’investissement basée sur l'IA – fournie selon un modèle PaaS – alimente plus de 2 milliards de dollars d’investissements dans le monde.
Mentions légales
© Copyright IBM Corporation 2022. IBM Corporation, IBM Watson, New Orchard Road, Armonk, NY 10504
Produit aux États-Unis, octobre 2022.
IBM, le logo IBM, ibm.com et IBM Watson sont des marques commerciales d’International Business Machines Corp., déposées dans de nombreux pays.Les autres noms de produits et de services peuvent être des marques d’IBM ou d’autres sociétés. La liste actualisée de toutes les marques d’IBM est disponible sur la page Web ibm.com/legal/copyright-trademark.
Les informations contenues dans le présent document étaient à jour à la date de sa publication initiale. Elles peuvent être modifiées sans préavis par IBM. Le contenu de ce document (y compris les références de devise OU de tarification qui excluent les taxes applicables) est à jour à la date initiale de publication. Il peut être modifié par IBM à tout moment. Les offres mentionnées dans le présent document ne sont pas toutes disponibles dans tous les pays où la société IBM est présente.
Les données de performance et les exemples de clients cités sont présentés à titre informatif uniquement. Les résultats des performances peuvent varier en fonction des configurations et des conditions de fonctionnement. LES INFORMATIONS CONTENUES DANS LE PRÉSENT DOCUMENT SONT FOURNIES « EN L’ÉTAT », SANS AUCUNE GARANTIE EXPLICITE OU IMPLICITE, NOTAMMENT SANS AUCUNE GARANTIE DE QUALITÉ MARCHANDE, D’ADÉQUATION À UN USAGE PARTICULIER ET AUCUNE GARANTIE OU CONDITION D’ABSENCE DE CONTREFAÇON. Les produits IBM sont garantis conformément aux dispositions des contrats qui régissent leur utilisation.