Pour accéder directement à un autre site BlackRock, veuillez mettre à jour votre type d'utilisateur.
Capital exposé au risque : Tout investissement financier comporte des risques. Par conséquent, la valeur de vos investissements et le revenu qui en découle peuvent évoluer et vous pouvez ne pas récupérer l’intégralité du montant initialement investi.
La capacité de la technologie à analyser d’immenses quantités de données en quelques secondes tend à nous faire oublier qu’elle n’existerait pas sans l’expertise humaine. Prenons l’exemple de l’apprentissage automatique.
Les algorithmes d’apprentissage automatique peuvent non seulement analyser de grandes quantités de données en un clin d’œil et générer des analyses, mais ils peuvent également déterminer les relations entre de multiples données en s’adaptant à l’évolution des modèles de données. Par conséquent, outre sa capacité à analyser rapidement une multitude de données, l’apprentissage automatique apprend aussi plus rapidement que les humains.
Bien que la capacité de calcul et d’adaptation de l’apprentissage automatique surpasse la capacité humaine, le succès final d’une application (ou de toute technologie) repose encore sur la capacité des humains à la développer et à l’améliorer. À cette fin, l’équipe SAE s’est renforcée dans les domaines des données et de l’informatique au cours de la dernière décennie, à travers des efforts de recrutement et de formation permettant de créer et d’améliorer les technologies utilisées dans nos processus.
L’embauche de spécialistes des données s’accélère
Source : AlternativeData.org, au 31 mars 2018.
Lors de la conception d’une technique d’apprentissage automatique, il est également important de tenir compte de ce que nous, investisseurs, avons déjà appris sur les marchés. Dans le cadre de ses recherches, l’équipe SAE doit systématiquement s’assurer que la nouvelle technologie ajoute de la valeur aux modèles existants. En conséquence, l’expertise requise englobe non seulement la capacité de créer et d’améliorer les technologies, mais aussi de savoir poser les bonnes questions pour valider des idées. Par exemple, un modèle très sophistiqué s’appuyant sur des techniques de pointe qui mettrait simplement en exergue des comportements boursiers déjà bien documentés comme les stratégies
« momentum » ou « value » représenterait une utilisation très inefficace des ressources de recherche. Dans la pratique, les technologies doivent permettre aux investisseurs d’accéder à des analyses sur des sujets qu’ils maîtrisent moins bien.
De nombreux gestionnaires d’actifs espèrent dénicher des idées d’investissement uniques grâce à l’apprentissage automatique et au Big Data. Téléchargez une liste de question à poser dans le cadre d’une due diligence sur ce sujet.