nexusplexus / 123rf

Quelle que soit la stratégie ou le style adopté, le succès des investissements dépend dans une large mesure de l’obtention et du maintien d’un avantage légitime en matière d’information par rapport au reste du marché. En d’autres termes, pour que les gestionnaires de fonds spéculatifs puissent répondre aux besoins d’investissement de leurs clients, ils doivent avoir une meilleure compréhension du fonctionnement du monde que leurs concurrents.

Si les sources traditionnelles de connaissances économiques et financières, telles que les manuels, la documentation du secteur et les bases de données établies, sont excellentes pour offrir des conditions de concurrence équitables aux gestionnaires de fonds spéculatifs, il est essentiel d’aller au-delà de ces sources régulièrement exploitées pour que les gestionnaires puissent rester innovants et donc compétitifs. Ce faisant, de plus en plus de fonds d’investissement alternatifs adoptent une approche dite « quantamentale », un mélange d’investissement fondamental allié à une approche plus quantitative. L’émergence de données alternatives est au cœur de cette nouvelle façon de penser.

Ces dernières années, grâce aux progrès technologiques réalisés dans un certain nombre de secteurs, l’accessibilité aux ensembles de données alternatives s’est considérablement améliorée. Avec un nombre croissant de fournisseurs de données alternatives, les gestionnaires de fonds spéculatifs ont désormais accès à un grand nombre de sources de données non traditionnelles, telles que l’imagerie satellite, les tendances des réseaux sociaux et les modèles météorologiques.

Compte tenu de la rapidité avec laquelle la technologie évolue, ceux qui ne s’adaptent pas risquent de perdre un avantage potentiel dans la course au rendement le plus précieux : l’alpha. C’est pourquoi la plupart des gestionnaires mettent actuellement à jour leurs processus d’investissement et leurs modèles commerciaux afin de tenir compte de la quantité croissante de données alternatives.

Toutefois, des questions subsistent quant à la définition des données traditionnelles ou des données du marché. Si elles sont adoptées par un nombre suffisant d’utilisateurs, les données alternatives peuvent-elles devenir « traditionnelles » ? Dans un sens, nous savons tous ce que nous entendons par données traditionnelles : les informations économiques et financières largement utilisées fournies par les gouvernements nationaux, les institutions internationales ou les entreprises et qui comprennent des éléments tels que les chiffres relatifs à l’emploi et au PIB, les rapports comptables, etc. En substance, les données traditionnelles peuvent être définies comme les données que les manuels universitaires et la documentation du secteur de la gestion des actifs présentent comme la base de l’activité économique et des décisions relatives à l’allocation du capital.

Dans un sens plus large, les données alternatives peuvent être considérées comme « tout autre élément » que les investisseurs emploient pour obtenir des informations. Afin de réduire cette définition à un niveau pratique, nous devons examiner la provenance des données (leur source), leur structure, leur distribution et leur utilisation.

En outre, les données alternatives sont généralement présentées sous un format moins structuré que les données traditionnelles, ce qui signifie qu’elles ne sont pas organisées de manière prédéfinie. Par conséquent, les données alternatives ne sont pas facilement consultables, car elles comprennent des images, des vidéos, de l’audio et des messages de réseaux sociaux.

Ainsi, pour transformer ce type de données en informations exploitables, il faut des algorithmes avancés, une puissance informatique importante et suffisamment de stockage sur le cloud, ainsi qu’un état d’esprit encourageant à penser différemment. Cela rend l’infrastructure nécessaire pour utiliser les données alternatives beaucoup plus solide (et peut-être coûteuse) que celle nécessaire pour travailler avec des données traditionnelles.

Selon la récente enquête de l’AIMA sur l’utilisation des données alternatives, 53 % des entreprises se considèrent comme des utilisateurs de données alternatives, 14 % sont actuellement en phase d’essai et 33 % sont des non-utilisateurs. Les ensembles de données les plus cités sont les données de navigation sur Internet, le ressenti des réseaux sociaux, les données sur les dépenses et le mode de vie des consommateurs (y compris les paiements), les données des réseaux d’experts et les indicateurs de performance des entreprises. Ces données sont principalement utilisées comme un outil de recherche pour améliorer les décisions d’investissement et aider à générer des performances supérieures, bien que certains aient également indiqué qu’il s’agissait d’aider à améliorer la gestion des risques et les modèles de conformité.

Bien que les données alternatives soient de plus en plus répandues dans le secteur de la gestion d’actifs (en effet, elles sont déjà plus largement utilisées dans les secteurs privés tels que la technologie), elles constituent encore une source d’information relativement ciblée qui est utilisée par les gestionnaires d’actifs alternatifs. En tant que telles, ces données ont tendance à être peu diffusées, contrairement aux données traditionnelles qui sont largement mises à disposition par le biais d’ensembles d’informations gérés soit par des organismes publics, soit par des acteurs privés. Il arrive qu’un ensemble de données particulier, s’il est trop largement diffusé pendant une période prolongée, puisse devenir partie intégrante des connaissances communes du secteur et, par conséquent, par ce processus de marchandisation, les données alternatives deviennent des données traditionnelles. Il est donc important qu’un ensemble de données conserve son aspect de distribution « ciblée » si l’on veut qu’il soit considéré comme alternatif.