Les robots-conseillers ont pris de l'importance au cours de la dernière décennie, le sous-secteur des technologies financières encourageant une participation plus active des jeunes investisseurs et des masses à l'épargne et à l'investissement. Les robots-conseillers visent à démocratiser le conseil financier et à apporter des services de haute qualité, auparavant réservés exclusivement aux investisseurs riches et sophistiqués. En un mot, le robot-conseil est une forme de gestion d'investissement qui sous-traite la stratégie de portefeuille à un algorithme. La construction et le rééquilibrage du portefeuille sont automatisés à l'aide d'ordinateurs, offrant des solutions de gestion de patrimoine plus abordables et une réduction potentielle de l'erreur humaine et des préjugés.

De nombreuses startups du domaine ont du mal à atteindre le seuil de rentabilité et à montrer leur marque différenciation . Quelle est la meilleure façon pour les robots-conseillers de continuer à démocratiser l'investissement et de réaliser des profits tout en transmettant les vrais risques d'un portefeuille?

D'où vient le robot-conseil?

Betterment et Wealthfront sont deux des robots-conseillers les plus importants, le premier étant le premier à être lancé en 2008. En 2019, on estimait que le secteur avait 440 milliards de dollars des actifs sous gestion dans le monde, et au fil du temps, les gestionnaires de fortune traditionnels, comme Vanguard, ont également adopté de telles techniques. Bien que complètement différent des plates-formes de négociation uniquement d'exécution, comme Robinhood, le message d'autonomisation financière des deux secteurs a été adopté par les jeunes investisseurs, qui ne se sont traditionnellement pas intéressés activement à l'épargne-retraite plus tard dans leur carrière.

L'une des principales propositions de valeur des robots-conseillers populaires est qu'ils aident les clients à comprendre les risques et les coûts associés aux portefeuilles, au lieu de se concentrer uniquement sur les rendements. Les arguments contre la gestion de patrimoine traditionnelle dirigée par des conseillers financiers sont le désalignement des incitations, où des actifs coûteux et peu performants sont canalisés vers les investisseurs, qui sont incapables d'analyser les chiffres de manière objective pour avoir une vue d'ensemble des performances. Pour cela, les robots-conseillers ont été des partisans de l'investissement passif, évitant les fonds coûteux gérés activement pour les fonds indiciels économiques et les fonds négociés en bourse (ETF).

Gestion des risques et robots-conseillers

Alors que la plupart des robots-conseillers utilisent généralement la théorie moderne du portefeuille (parfois en conjonction avec d'autres méthodologies bien documentées) pour construire des portefeuilles d'investisseurs, ils utilisent différentes façons d'exprimer les niveaux de risque associés à ces portefeuilles. La plupart des professionnels de l'investissement conviennent que le risque est une considération aussi importante que le rendement dans la sélection de portefeuille. En fait, la grande majorité des praticiens continuent de s’inspirer du cadre d’optimisation de la variance moyenne illustré par le prix Nobel Harry Markowitz en 1952. thèse sur la sélection de portefeuille.

Cependant, le risque n'est généralement pas aussi bien compris par l'investisseur moyen que les rendements attendus. En effet, la tolérance au risque d’un individu est motivée non seulement par les performances passées et les attentes rationnelles, mais aussi par des circonstances personnelles uniques et d’autres facteurs émotionnels tels que les espoirs et les peurs. De plus, la tolérance au risque d’un individu n’est pas une mesure statique. La plupart des individus percevraient décidément leur tolérance au risque plus faible en 2020, en raison des incertitudes présentées par COVID-19, qu'à n'importe quel moment au cours de la dernière décennie. L’opportunité d’un portefeuille recommandé est évaluée par un investisseur en partie en fonction de sa propre perception du risque du portefeuille. C'est pourquoi il est vital pour un robot-conseiller d'illustrer clairement le risque afin que les investisseurs puissent comprendre le risque et le relier à leur propre tolérance, objectifs et préférences émotionnelles.

Les robots-conseillers utilisent des mesures quantitatives ou qualitatives pour aider les clients à comprendre le risque. Chaque mesure a ses avantages et ses limites.

Niveaux de risque qualitatifs: croissance agressive ou forte?

La plupart des robots-conseillers attribuent une cote de risque qualitative en fonction de la manière dont les investisseurs répondent à une liste prédéfinie de questions psychométriques. Cela se situera généralement sur une échelle numérique allant de «très conservateur» à «très agressif».

Une notation de risque qualitative présente des avantages évidents, en ce qu'elle permet à un investisseur de percevoir facilement le risque de divers portefeuilles les uns par rapport aux autres. Par exemple, un portefeuille attribué une note «Agressif» peut être intrinsèquement plus risqué qu'un portefeuille étiqueté «Conservateur». Les questions psychométriques aident à réduire la tolérance des investisseurs aux pertes et à identifier le niveau de risque approprié.

comment faire un appel asynchrone en javascript

Cependant, une notation qualitative peut ne pas fournir une compréhension claire de la variabilité attendue du portefeuille. Il n'est peut-être pas évident à quel point un portefeuille agressif est plus volatil qu'un portefeuille modéré. Très probablement, une cote de risque de 6 peut ne pas signifier que le portefeuille est deux fois plus risqué qu'un portefeuille noté 3. De plus, la perception du risque peut varier en fonction de la façon dont la cote de risque est verbalisée. Les investisseurs peuvent voir un portefeuille à haut risque différemment, selon qu'il est étiqueté «Forte croissance» ou «Très agressif». Par conséquent, une telle catégorisation introduit une couche de subjectivité dans l'attractivité perçue d'un portefeuille.

Je crains que les robots-conseillers ne mettent trop l'accent sur le risque qualitatif, c'est que cela peut donner aux investisseurs un faux sentiment de sécurité quant à la performance continue de leurs portefeuilles. Un score de risque arbitraire dans une fourchette agressive / prudente peut être trop large et aboutir finalement à des décisions de planification de financement sous-optimales par des investisseurs dont les circonstances peuvent être plus complexes qu'on ne le pensait auparavant. Les préoccupations concernant les risques trop simplifiés se retrouvent dans les appels réglementaires concernant les robots-conseillers vente abusive systémique , les investisseurs ne comprenant pas la vraie nature du produit.

L'adoption accrue de mesures de risque quantitatives institutionnelles (utilisées par les banques, les fonds et les family offices) avec l'éducation des clients pourrait être la clé de la prochaine étape du robot-conseil. Cela pourrait vraiment faire avancer l'industrie et correspondre avec les mouvements pour une éducation financière accrue.

comment exécuter l'application angularjs

Mesures de risque quantitatives pour les portefeuilles d'investissement

Apprivoiser la volatilité: la valeur à risque

La valeur à risque, ou VaR, est la mesure la plus populaire de la volatilité d'un portefeuille. En termes simples, la VaR est une mesure des pertes minimales attendues sous la forme d'un certain niveau de probabilité (également appelé niveau de confiance ou centile). Par exemple, si la VaR à 99% d’un portefeuille est de 12%, cela signifie qu’il y a 99% de chances que les pertes du portefeuille ne dépassent pas 12% au cours d’une période donnée. En d'autres termes, il y a 1% de chances que les pertes de portefeuille soient supérieures à 12%. La VaR est déjà appliquée par certains robots-conseillers, l'un de ces exemples d'utilisation provenant de StashAway de Singapour, qui transforme une directive de 99% en une mesure appelée ' Indice de risque . '

La VaR peut être calculée à l'aide de différentes méthodes. La méthode historique trie les rendements historiques d'un portefeuille par ordre de grandeur et identifie le rendement observé à un certain centile (généralement 95% ou 99%). La méthode de la variance-covariance suppose que les rendements sont normalement distribués et utilise l’écart type du portefeuille pour estimer où se situeront les pires rendements de 5% ou 1% sur la courbe en cloche. La VaR peut également être estimée en utilisant monte Carlo simulation, qui génère les pires rendements de 5% ou 1% en fonction de résultats probabilistes.

La popularité de la VaR vient du fait qu'elle permet à un investisseur de comprendre facilement la variabilité d'un portefeuille et de la relier à sa tolérance personnelle aux pertes. Cependant, nous pouvons obtenir des résultats différents selon les données et la méthodologie utilisées pour calculer la VaR, ce qui affecte la fiabilité de la mesure. En outre, la VaR repose fortement sur de nombreuses hypothèses, telles que les rendements normalement distribués et alignés sur les rendements historiques. Enfin, une VaR à 99% de 12% (décrite ci-dessus) n'informe pas l'investisseur du montant des pertes auxquelles on peut s'attendre dans le pire des cas.

Les diverses mises en garde derrière la VaR peuvent limiter son importance dans les plates-formes de robot-conseil, car elles sont considérées comme une métrique compliquée à comprendre par les utilisateurs. L'exemple de StashAway qui en fait une métrique plus digeste montre comment ces barrières peuvent être brisées de manière plus convaincante.

Valeur conditionnelle à risque

Remédier à l'une des lacunes de la VaR, la valeur conditionnelle à risque, ou CVaR, fournit la perte attendue pour un investisseur dans le pire des cas. À un niveau de confiance de 99%, la CVaR est calculée comme le rendement moyen du portefeuille dans le pire 1% des scénarios. Le CVaR est estimé en utilisant des méthodes similaires à celles de la VaR. Bien qu'elle puisse aider à donner une image plus claire du pire scénario par rapport à la VaR, elle peut souffrir de lacunes similaires en raison des hypothèses et des méthodologies utilisées dans l'estimation.

Les déconnexions du marché de 2020 ont tendance à déchirer les schémas de distribution normaux, ce qui montre que l'ajout de mesures de risque de portefeuille «tridimensionnelles» supplémentaires, comme CVar, peut être avantageux. En conjonction avec la mesure VaR standard, les données CVaR amélioreraient les offres de gestion des risques d'un robot-conseiller et seraient bien adaptées, étant donné que la majorité des robots-actifs sont des fonds indiciels (paniers d'actions).

Meilleurs et pires retours

Les meilleurs et les pires rendements sont liés aux rendements périodiques glissants d'un titre ou d'un portefeuille au cours d'un horizon temporel donné. Le rendement peut être calculé sur une base quotidienne, mensuelle ou annuelle, en fonction de l’horizon temporel de l’investisseur. La période est généralement déterminée par la disponibilité des données, mais elle peut avoir un impact sur les meilleurs et les pires rendements observés si nous n'utilisons pas un horizon temporel suffisamment long.

Meilleurs et pires rendements des actifs américains: 1973-2016

La mesure utilise les rendements historiques pour donner aux investisseurs une indication des meilleurs et des pires scénarios. Un avantage évident est que, contrairement à la VaR, elle fait la distinction entre les rendements positifs et négatifs, au lieu de supposer une distribution normale. Les investisseurs ont tendance à ne pas craindre la volatilité positive et s'inquiètent surtout des risques de baisse absolus. De plus, contrairement à la CVaR, elle montre les pires rendements absolus observés au lieu de prendre une moyenne des rendements, ce qui peut sous-estimer le pire des scénarios. Cependant, comme d'autres mesures quantitatives, cela a tendance à être rétrospectif et dépend également de l'ensemble de données des résultats observés.

Les mesures de risque de meilleur et de pire rendement sont bien adaptées aux plates-formes de robo-conseiller car elles communiquent clairement aux investisseurs sans se fier à des ratios financiers intimidants. L'un de ces risques, cependant, est qu'ils peuvent jouer irrationnel biaisés et encourager la panique à vendre sur un marché en baisse ou à retenir obstinément les perdants.

Mesurer vous-même le risque quantitatif

Voyons comment la VaR, la CVaR et les meilleurs et pires rendements peuvent être calculés pour un portefeuille à un seul actif. L'actif pris en compte est SPY, qui est un ETF qui suit les actions américaines à grande capitalisation.

qu'est-ce que le design thinking en entreprise

Les données utilisées pour les calculs ci-dessous concernent la valeur liquidative et les rendements mensuels de SPY de juillet 2007 à juin 2020. Les calculs peuvent être effectués à l'aide des fonctions Excel ou Google Sheets.

Où - Une VaR de 11,8% implique que la probabilité que SPY perde plus de 11,8% au cours d'un mois donné est de 1%. En d'autres termes, SPY a fourni de meilleurs rendements mensuels qu'une perte de 11,8% dans 99% des mois. Étapes (Google Sheets / Excel):

fausse carte de crédit avec argent illimité 2017

1. Calculez les rendements mensuels historiques à partir des données sur le cours de l'action / la valeur liquidative.
2. Utilisez la fonction PERCENTILE.INC en utilisant le tableau des retours historiques et le centile souhaité (par exemple, 1% pour un intervalle de 99%) comme entrées.

CVaR - Un CVaR de 14,5% implique que la perte mensuelle attendue en SPY pendant les 1% de pires résultats est de 14,5%. Cela peut être déterminé dans Google Sheets / Excel en utilisant la fonction AVERAGEIF pour calculer la moyenne des rendements inférieurs au résultat VaR.

Meilleurs et pires rendements - Comme le montre le tableau, les meilleurs et les pires rendements mensuels observés en SPY au cours de la période 2007-2020 ont été respectivement de + 13% et -16%. Ceux-ci peuvent être calculés rapidement à l'aide de la commande MIN et MAX les fonctions.

Comme mentionné, il est important de noter que ces mesures peuvent donner des valeurs différentes, selon la méthode ainsi que la période d'observation. Le choix de la méthodologie et de la période doit être basé sur des facteurs tels que la disponibilité des données, l'horizon temporel d'investissement prévu et le jugement personnel.

Différenciation par des mesures quantitatives

La base de la gestion de patrimoine traditionnelle consiste à adapter les portefeuilles aux besoins individuels, qu'il s'agisse de la durée, de l'éthique, de l'appétit pour le risque et des besoins fondés sur le revenu; pour cela, chaque approche est sur mesure. Ce qui rend le robot-conseil attrayant, c'est la façon dont ses méthodes automatisées peuvent fonctionner sur des pans entiers de clients.

Cependant, les robots-conseillers doivent aider les clients à comprendre clairement les compromis risque / rendement de leurs offres de portefeuille afin qu'ils puissent choisir les bons portefeuilles qui répondent à leurs besoins personnels. Les mesures de risque qualitatives sont une «rampe» facile à comprendre pour le robot-conseil, mais avec le temps, leurs paramètres peuvent devenir redondants. Cependant, lorsqu'ils sont utilisés en conjonction avec les mesures de risque quantitatives décrites ici, ils aident à fournir des directives de gestion des risques plus holistiques et une sensibilisation à la performance du portefeuille.

Comprendre les bases

Quels sont les inconvénients de l'utilisation d'un robot-conseiller?

Le robot-conseil est disponible dans le commerce depuis un peu plus d'une décennie, ce qui rend difficile l'évaluation de la performance à long terme ajustée au risque dans une gamme de conditions de marché. De plus, les frais facturés par les robots-conseillers peuvent être perçus comme élevés - pour l'accès à des titres passifs à faible coût et largement disponibles.

Quels sont les avantages d'utiliser un robo-advisor?

Pour les investisseurs novices, le robot-conseil est une pratique efficace pour apprendre progressivement les techniques d'allocation d'actifs. En raison de ses ajustements de rééquilibrage automatique, il encourage également les investisseurs à ne pas faire de transactions irrationnelles et à laisser un portefeuille en place une fois qu'une stratégie a été élaborée.

Quelle est la meilleure méthode pour mesurer le risque d'investissement quantitatif?

La valeur à risque (VaR) est une mesure largement utilisée dans le monde de l'investissement qui calcule les pertes minimales attendues dans un portefeuille à un certain niveau de probabilité (confiance). Par exemple, si la VaR à 99% d’un portefeuille est de 12%, il y a 99% de chances que les pertes ne dépassent pas 12% au cours d’une période donnée.