Transcription
Bonjour à tous et bienvenue dans cette nouvelle vidéo. Bon, dans cette nouvelle vidéo, on va s'intéresser à la Smart Money. Vous avez déjà dû sûrement voir, hein, toutes les théories SMC, ICT, et cetera, se basent et prétendent pouvoir prédire ou anticiper les prochains mouvements de prix, car ils prétendent pouvoir voir ce que va faire la Smart Money. Donc, c'est-à-dire les institutionnels, hein, en gros. Donc, ils réduisent ça, donc les banques, les fonds d'investissement, et cetera. Euh, ils pensent pouvoir prédire ce que ces institutions vont faire, et vu qu'ils peuvent prédire ce qu'elles vont faire, et ben, ils peuvent les suivre. Et ils partent aussi du principe que ces institutions ont toujours raison, et donc quand on les suit, bah, eux aussi vont avoir raison et vont gagner de l'argent.
Alors, c'est complètement faux. Normalement, vous l'avez vu, mais l'idée n'est pas débile. Ça peut être intéressant, en fait, de regarder ce que va faire un fond d'investissement. Et si on voit que le gérant, parce que tous les fonds n'ont pas des gérants compétents, certains fonds ont des gérants qui ont historiquement eu des performances extraordinaires, donc on pourrait se dire, bah, j'ai juste à faire comme lui, hein, et j'aurais aussi des performances extraordinaires. C'est un peu plus compliqué que ça, mais l'idée, ça va être dans cette vidéo. On va s'intéresser spécifiquement au, donc, mesurer la capacité d'un gestionnaire, d'un gérant, à ou d'un fond, ou d'une institution en général, à market timer. En gros, donc, après, dire quand un marché va rentrer en récession, va être moins favorable, et sort, donc, être plus défensif dans ces cas-là, hein, devenir plus défensif quand le marché s'apprête à devenir un peu moins favorable. Et quand il y a des grandes périodes de croissance et de bull, de bull market, là, bah, forcément, être plus agressif dans les investissements.
Et en fait, c'est des stratégies qu'on appelle, bah, Smart Beta. On fait pas d'Alpha, mais pourtant, on paraît avoir une surperformance, parce que on fait pas de bon stock picking, on a pas des stratégies ultra sophistiquées qui nous permettent d'avoir un alpha, mais juste, on va se positionner intelligemment quand le marché global aura tendance à plus être en bull market, et on va être beaucoup plus défensif dans les périodes de, de crack boursier. Ça, ça s'appelle le Market Timing, et donc, on va voir comment le mesurer. Et logiquement, du coup, si on sait qu'un gérant a historiquement, ça veut rien dire forcément historiquement, des fois, voilà, mais bon, si historiquement le gérant a eu une capacité à timer le marché, et ben, on pourra prendre ses positions comme indicateur dans une stratégie de trading. Par exemple, ça pourrait être une bonne feature d'avoir de savoir si le portefeuille de ce gestionnaire à un moment donné est plus défensif ou plus agressif. S'il est par exemple plus agressif, et bien, ça voudrait dire que ce gestionnaire s'attend potentiellement à ce que le marché pump, entre guillemets, et vice versa. Et donc, on pourrait l'utiliser dans un, dans une stratégie de trading.
Bon, bien, bien sûr, faut backtester tout ça, faut pas faire ça à l'aveugle, mais voilà, l'idée. Si le mar, si on détecte un gestionnaire qui a une capacité significativement, statistiquement significative, grâce à nos modèles de timer le marché, bah, on peut utiliser son portefeuille comme un indicateur. Portefeuille défensif, plus de proba que le marché rentre en récession, et vice versa. Bon, voilà, l'idée simpliste. Bien sûr, les modèles ne sont pas parfaits, ils ont, on a de grosses limites. Euh, voilà, c'est pas, je, je, c'est pas une stratégie miracle. Aucune de mes vidéos ne sont des stratégies miracles, mais bon, c'est une idée comme ça, intéressante. Donc, on va faire ça sur Excel.
Ce que je tenais à vous présenter, bah, voilà, regardez, vous pouvez très bien trouver les positions des fonds sur le site des fonds d'investissement. Il y a des PDF que vous pouvez télécharger, il vous donne les rapports, hein, trimestriels des positions qui a pris le fond, et cetera. Vous avez des fonds spécialisés, hein, des S spécialisés comme Whale Wisdom, qui vous permet de regarder, voilà, Himalaya Capital, qu'est-ce que Himalaya Capital a dans ses assets ? Top buy holdings. Bon, il y a pas grand-chose, il y en a que sept. Il y a de Bac, je ne sais pas ce que c'est. Google, il y a du Google, il y a du Berkshire Hathaway, il y a du Apple, du X, si. Bon, très bien, pas beaucoup de, pas un portefeuille très, très diversifié. Enfin, s'il est indirectement avec Berkshire Hathaway, et cetera, peut-être que celui-là est aussi un fond, ça serait un fond de fond. Bon, ben, voilà, vous pouvez regarder ce que prennent comme position tous les fonds. Certains gros fonds d'investissement, voilà, vous pouvez regarder Berkshire Hathaway, top buy, top sell. Donc, on voit qu'il a acheté ses actions là, est vendu, c'est vendu du Apple, vendu du Snowflake, vendu du Capital One Financial, et cetera, et cetera. Voilà. Et le top holding, c'est du Apple. Bon, il est arrêté.
Voilà, l'idée, c'est que vous allez, il y a, il y a d'autres sites. Je, c'est pas le but de la vidéo de tous les présenter, mais en gros, vous pouvez regarder ce que prennent les gérants sur leur site officiel, ils font des rapports, et sur des sites qui regroupent tout ça en un seul, qui centralise tout ça en un seul site. Donc, voilà, il y a ce site. Je suis pas du tout affilié, mais c'était juste un exemple. Donc, on se retrouve sur Excel.
Donc, du coup, voilà, on se retrouve sur Excel. Alors, voilà les trois modèles. Bon, déjà, vous voyez dans la forme, ça ressemble beaucoup au CAPM. Au modèle du CAPM, sauf que en plus, on rajoute un coefficient. Donc, premier modèle, Trainer et Azouï. On rajoute un terme ici, gamma fois la prime de risque au carré, et qui va nous indiquer si le gestionnaire a un avantage pour timer le marché. C'est le gamma ici. Si le gamma est positif, ça veut dire que oui, en effet, il a, s'il est positif et statistiquement significatif, bien sûr, ça va nous dire que l'investisseur a plus tendance à bien timer le marché. Et vice versa, si le gamma est négatif, il est nul, et s'il est zéro, neutre. Comment ça fonctionne ? En fait, on élève la prime de risque au carré. L'idée, c'est quoi ? C'est que si le, du coup, si le coefficient est positif, l'investisseur aura plus tendance à gagner quand le marché aura des grandes variations à la hausse, et moins perdre en fait quand il y a des grandes variations à la baisse. Voilà, ça, c'est si le coefficient est positif. Si le coefficient est négatif, c'est l'inverse. L'investisseur a plus tendance à perdre quand il y aura des grandes variations de marché à la baisse, et vice versa, il aura plus tendance à gagner, il aura moins tendance à gagner quand il y a des grandes variations de marché à la hausse. Ça, c'est l'idée de, de, d'élever la prime de risque au carré, en plus du Beta classique du MEDAF. C'est que là, c'est la sensibilité qu'on a avec le marché. Là, c'est la, la pure perf de l'investisseur, l'Alpha. Ça, c'est le bruit, la chance. Et le gamma, c'est sa, son market timing. Donc, est-ce qu'il a de bonnes capacités à timer le marché ou non ?
Ensuite, même principe pour Ferson et Merton, sauf qu'ici, au lieu d'avoir, d'élever au carré, on prend juste max de zéro ou la prime de risque, enfin, pas la prime de risque, mais moins la prime de risque, ce qui nous donne RF, RM. Donc, si ça, c'est positif, c'est-à-dire que en gros, le marché a fait une baisse, on le prend en compte, et sinon, on le prend pas en compte. Ce qui va, en gros, quand le, donc, si notre gamma ici est positif, ça veut dire que les rendements de notre portefeuille sont gagnants, en fait, auront plus tendance à gagner quand le marché, par rapport au marché, quand le marché lui baisse. En gros, ce qui fait que, encore une fois, si nous, on gagne un peu plus quand le marché lui baisse, vulgairement parlant, bah, forcément, euh, notre, l'investisseur lui aura un, bon market timing. Donc, même interprétation ici du gamma, s'il est positif, on a un market timing, euh, positif, l'investisseur est bon pour timer le marché. S'il est négatif, il est mauvais pour timer le marché.
Dernier modèle, ici, on prend en compte la prime de risque. Euh, donc, on a un Beta positif qui lui est pondéré que les rendements s'ils sont positifs, sinon zéro. Enfin, la prime de r, oui, voilà, la prime de risque, si les rendements sont positifs, sinon zéro. Et le Beta négatif, qui lui prend en compte, pondère la prime de risque, si les rendements sont négatifs, sinon zéro. Et la différence entre les deux, donc, le Beta spread, Beta plus moins Beta moins. Si la différence est positive, ça veut dire que notre investisseur est plus exposé, logique. Si le Beta plus, ça veut dire est plus grand que le Beta moins, ça veut dire que notre investisseur s'expose plus au rendement du marché quand le marché monte. Donc, ça, c'est le plus intuitif à comprendre. Quand le Beta plus est plus grand que le Beta moins, le mar, l'investisseur s'expose plus au rendement du marché que quand il monte que quand il baisse. Et vice versa, si le Beta moins est plus élevé que le Beta plus, ça veut dire que notre investisseur a de mauvaises capacités de timer le marché, hein, et va s'exposer plus au marché quand il baisse que quand il monte.
Donc, voilà les trois modèles pour mesurer la capacité d'un fond, d'une, d'un fond d'investissement, d'un gestionnaire à timer le marché. Donc, j'ai sélectionné six, enfin, six fonds plus le MSCI World pour comme benchmark pour notre, notre RM ici. Donc, voilà, vous avez Ark Invest de Cathy Wood, PIMCO Active Bond pour des obligations, Blackstone Group qui fait du private equity, du capital risque, de l'immobilier. On a Wisdom Tree US Dividend Growth qui se concentre sur des entreprises américaines à croissance de dividendes. On a Gladstone Investment Corporation qui fait du private equity et du capital risque, et le dernier fait de l'immobilier américain. Donc, j'ai pris des trucs au hasard, bien diversifiés, qui avaient un d'historique, mais c'est vrai que, bon, c'est pas énorme, hein. Il faudrait, ça serait pas mal si on pouvait remonter un peu plus loin dans le temps, hein. Ici, j'ai pris que jusqu'à 2014, depuis 2014, donc, c'est pas ouf.
Et donc, on va, on va voir comment on estime les paramètres de ce modèle, comment on estime les Alpha, Beta, Gamma, qui, je rappelle, respectivement nous indiquent la performance de l'investisseur pour l'Alpha, la sensibilité de nos rendements au marché pour le Beta, et la capacité du gestionnaire à timer le marché, donc le Gamma. Alors, forcément, là, c'est de manière vulgarisée. Si vous voulez plus de détails, je mets le papier sur lequel je base cette vidéo en description, hein, où tout est listé et bien plus rigoureusement défini. Donc, on va commencer par calculer le risque premium. Alors, oui, déjà, le taux sans risque, comment je le calcule ? Bah, je regarde les obligations à 10 ans américaines, un peu près, je prends le taux en vigueur, je, et je le journalise. Voilà. Donc, ça nous donne un taux journalier de 0,00144, ce qui nous donne 0,01 % environ. Ce qu'on fait pour calculer la prime de risque, on prend nos prix ici. Donc, ah oui, comment j'ai estimé mes prix ? Très simple, Python. Enfin, comment je, je suis allé chercher ces données ? Python, y finance. Je prends les tickers dans une liste, je fais `y.download` ma liste de tickers, j'enlève les les valeurs manquantes parce qu'ils ont pas toute la même, ils ont pas été créés au même moment, donc on n'a pas le même historique. Ensuite, je fais, je sélectionne juste la close, et je mets dans un CSV que j'ouvre sur Excel. Et ensuite, j'ai mes fichiers ici, j'ai mon fichier. Et donc, bah, j'ai juste à l'ajouter ici. Voilà. Donc, voilà comment je récupère les données, hein, c'est très simple avec Python. Sinon, vous pouvez, si vous savez pas programmer, bon, ça demande pas grand-chose comme ligne de code, donc vous pouvez le faire. Au pire, vous utilisez ChatGPT, il vous, il a une ligne de code à peine, il vous le fera, je pense pas qu'il devrait, je pense pas qu'il se trompe là-dessus, mais sinon, ouais, vous pouvez très bien télécharger directement depuis le site à la main le CSV, mais c'est plus long.
Donc, ce qu'on fait, c'est qu'on calcule les rendements arithmétiques de cette manière-là, et on va soustraire le taux sans risque. Voilà. Donc, en fait, ce qu'on fait, c'est juste ça. RP moins RF, RM moins RF, la prime de risque, le rendement arithmétique moins le taux sans risque sur la même période, donc journalier, c'est pour ça que j'ai journalisé là. Donc, du coup, bam, je soustrais ce risk free rate, je le lock en faisant F4, j'entre, hop, je drag jusque ici. Mince, je drag jusqu'en bas.
Donc, ensuite, qu'est-ce qu'on a besoin pour tous nos modèles ? Là, on a besoin, donc, de la prime de risque du marché au carré. J'ai besoin de la fonction max 0 entre 0 et moins la prime de risque, parce que oui, forcément, si je fais ça fois 1, j'obtiens ça. Donc, moins la prime de risque. Et j'ai aussi besoin de ces deux termes-là, donc, de la prime de risque si mes rendements sont positifs, et de ma prime de risque si mes rendements sont négatifs. Donc, on commence par calculer ce terme-là, qui est tout simple, juste à reprendre, donc, mon marché ici, on prend le MSCI World. Je pourrais prendre le S&P 500, mais bon, nos fonds d'investissement ne sont pas juste aux États-Unis, hein, ne se contentent pas que d'actions américaines. Donc, j'ai pris un indice monde pour être un peu plus représentatif, on va dire. Ça devrait pas changer non plus grand-chose. Le World, je crois que c'est 65 % d'actions américaines dans sa composition. Donc, bon, mais voilà, ça changera du S&P 500. Euh, donc, alors, alors, j'ai juste ici à mettre ça au carré, tout simple. Prime de risque au carré. Descendre jusqu'en bas. Pour demi positive et demi négative, on parle de ces deux termes-là. Donc, c'est très simple avec la fonction SI Excel. Donc, ma logique, c'est positif. Donc, si mes rendements de marché ici, donc, mes rendements, pas ma prime de risque, donc, on va les recalculer là. Si mes rendements sont positifs, je sais plus, je vais mettre des parenthèses, il me semble, comme ça, on est sûr et certain que ça fasse pas n'importe quoi. Si mes rendements sont positifs, je prends ma prime de risque, et sinon, je ne prends rien. Je descends jusqu'en bas. Et c'est exactement la même chose pour négatif, sauf que ici, mes rendements sont là, négatifs, donc plus petits que zéro. Je prends ma prime de risque, sinon rien. Et ensuite, la, le dernier terme, qui est ici, le max entre zéro ou moins ma prime de risque. Donc, j'ai juste à faire max entre zéro ou moins ma prime de risque du marché. Voilà.
Donc, si vous voulez, tous les fonds ici sont marqués. Je les ai déjà récapitulé. Et bien sûr, le dernier, XWD.to, c'est le ETF ch de de BlackRock du MSCI World, donc de l'indice monde, qui est censé représenter le marché mondial en gros. Sensé, parce que bon, il est à 65 % américain, mais bon, en même temps, la plus grande, les marchés financiers les plus développés sont où ? Aux États-Unis. Donc, voilà. Tac. Donc, là, normalement, on a tout ce qu'il faut. On va pouvoir commencer à faire nos régressions pour trouver ses coefficients Alpha, Beta, Gamma et Epsilon. Bon, Epsilon, on s'en fout, c'est le bruit, c'est, c'est un bruit blanc, c'est du hasard, de la chance, le risque diversifiable. Donc, du coup, pour ça, on Excel, la régression linéaire, c'est droite REG. Donc, on fait droite REG. Notre Y, donc, la variable que l'on veut régresser, c'est le côté, le côté gauche du égal, RP moins RF, donc, la prime de risque du portefeuille. On va commencer par le portefeuille ARKK, donc, le fond de Cathy Wood. Contrôle, Shift, flèche du bas. Voilà. Ce qu'on fait, c'est qu'on va le verrouiller. Ça va nous servir par la suite, comme ça, on pourra faire des copier-coller, ça sera plus simple. Et notre, donc, les variables qu'on va se servir, donc, c'est notre prime de risque, prime de risque du marché, et prime de risque au carré, prime du risque du marché au carré. Et ensuite, bah, la constante, mais on l'ajoute après ici. Constante, le, la prime de risque du marché, ici, et celle au carré, juste à côté. Donc, on sélectionne les deux, on fait contrôle, shift, flèche du bas, on verrouille, on fait shift, contrôle, entrée. Et là, il y a un gros problème. Bah oui, on n'a pas mis la constante, et on n'a pas mis qu'on veut les statistiques. Donc, un pour la constante, et un pour les statistiques. Entrée. Voilà, là, on a tout ce qu'il nous faut. Donc, ici, on a l'écart-type des coefficients, et en haut, on a le CF. Donc, on voit qu'on a un gamma très négatif, et un Beta très positif. Donc, le fond est bien agressif. C'est-à-dire que si on regarde, si on calcule les statistiques qu'on va faire après, il a quand même un Alpha, mais on va calculer directement les statistiques.
Donc, pour calculer la statistique du gamma, il faut faire gamma sur son écart-type. Pour le Beta, je vous conseille de regarder à quel point il différencie de 1, parce que s'il est 1, ça veut dire que l'investisseur a le même risque que celui du marché. S'il est au-dessus de 1, il est plus agressif. S'il est en dessous de 1, il est plus défensif. Donc, pour se faire, il faut faire Beta moins 1, et ensuite, on divise par l'écart-type du coefficient. Voilà. Ensuite, entrée. Et pour Alpha, il faut faire Alpha divisé par écart-type. Donc, et pour avoir les P-values, c'est-à-dire la probabilité d'observer nos data sous l'hypothèse nulle, voilà, c'est-à-dire en gros, vulgairement parlant, parce que le problème, c'est que si on vulgarise, des fois, on fait des bêtises, c'est comme un indice. Ça nous donne un indice sur est-ce que nos coefficients ici sont dus au hasard ou non. Si la P-value va être souvent en dessous d'un seuil critique, une, une très faible probabilité d'observer nos données sous l'hypothèse nulle, disons 1 %, 0,1 %. Là, il y a quasiment aucune chance d'observer nos données sous l'hypothèse nulle, et bien, on peut rejeter cette hypothèse nulle et accepter l'hypothèse alternative. Dans notre cas, l'hypothèse nulle, c'est il n'y a pas de gamma, gamma zéro, Beta égal à 1, et Alpha égal à zéro. Donc, si notre P-value pour gamma, par exemple, est très proche de zéro, ça veut dire que le gamma est bien différent de zéro. Et, euh, ici, et bien négatif. Si on prend un test unilatéral, bon, pour ça, on va prendre la loi de Student, droite, on prend notre coefficient, on prend les degrés de liberté qui sont ici, on ferme, on fait entrée. Ah oui, al, petit problème, absolute value. Voilà. T entrée. Et ensuite, je bloque les degrés de liberté en faisant F4, et je drag à gauche. Donc, on a, on a, sauf le, on a bien un gamma statistiquement significatif, c'est-à-dire une incapacité du manager à timer le marché. Au-delà d'une incapacité, même, il est, il ne time pas le marché, peut-être qu'il tombe dans de la FOMO et surexpose son portefeuille avant un crack. Donc, pas ouf. Alpha, pas statistiquement significatif. Beta, statistiquement significatif. Donc, il est bien, c'est un fond très agressif, et même un peu trop agressif quand ça se passe bien pour lui, et il ne voit pas très bien passer les cracks. Bon, c'est comme ça qu'on pourrait interpréter nos résultats. Ici, comme je dis, un modèle, c'est pas la vérité, ça donne pas une vérité transcendante, c'est juste, voilà, c'est, c'est reste un modèle, ça a ses limites, faut pas le, faut pas le prendre comme une vérité absolue.
Donc, même ici, pour le prochain, donc, on va utiliser droite. Ici, c'est exactement comme tout à l'heure, on régresse sur les rendements, la prime de risque de AR. Voilà, on peut verrouiller. Ensuite, les variables à régresser. Ah oui, c'est vrai, là, petit problème, elles sont pas à côté. Et Excel, j'ai pas trouvé de moyen de fusionner les deux. Donc, ce que je fais, c'est que je vais copier, je vais copier ça. Donc, on copie, colle, on copie-colle ça, en copiant juste les valeurs, hein, c'est à gauche, comme je viens de faire. Euh, et ensuite, on peut régresser sans souci. Donc, on sélectionne le tout, normalement, en 5, euh, 3 par 5, enfin, 5 par 3. Hop, X, X, X, X, tac, tac. Voilà, on peut lock qu'on veut une constante, et qu'on veut les statistiques. Shift, contrôle, entrée. Et c'est parti. Donc, là, on a à peu près les mêmes résultats qu'on avait précédemment. On va copier-coller ça, sauf que ici, je veux plus le 1, et ici, c'est ici que je veux le. Ça nous fait un Beta statistiquement significatif, ça nous fait un Gamma aussi statistiquement significatif, comme tout à l'heure, il est négatif. Ça veut dire que ici, encore, on nous dit qu'elle est incapable de timer le marché. Sauf que sur ce modèle-là, l'Alpha est lui aussi positif, comme avant, un peu plus élevé, et surtout, il est statistiquement significatif. Donc, le fond surperforme bien les rendements du marché. Voilà comment on interprète ces résultats.
On va le faire une dernière fois, maintenant, pour le dernier modèle, qui nous permet de détecter si le, en tout cas, de mesurer si le gestionnaire arrive à timer le marché ou non. Donc, encore une fois, droite REG. 3, 5 par 3, tac, tac, tac, voilà. Droite REG, rendement de AR. Je lock matrice ici, on le voit, c'est, donc, nos deux variables indicatrices, là, enfin, nos deux, juste nos deux features, demi positive, demi négative, tac, tac. Ensuite, je vais bloquer ça aussi, et je vais demander statistiques et constante. Shift, contrôle, entrée. Et j'ai mes statistiques. J'ai mon Beta moins, mon Beta plus, mon Alpha. Donc, ce qui nous est intéressant ici, donc, on va pouvoir copier ça, tout simplement. Tac, tac. Là, je peux supprimer. Là, je peux me laisser comme ça. Et c'est comme ça. Donc, ce qui est intéressant, c'est de voir déjà que notre Alpha est lui aussi statistiquement significatif avec ce modèle. Donc, ça veut dire qu'il y a, enfin, il y a que A, on pense qu'il y a peu de chance que ça soit dû au hasard, cette surperformance du fond, enfin, selon ce modèle-là. Et, euh, le spread ici, qu'on va calculer, qui est Beta plus moins Beta moins. Donc, on voit qu'il est très proche du Gamma ici. Et donc, je vais pas spoiler, hein, mais on va voir que c'est quand même intéressant, c'est que ces deux modèles-là donnent en général des résultats assez proches entre le spread des Betas et le Gamma qu'on a ici, hein. Donc, l'écart entre nos deux Betas, Beta plus moins Beta moins, et Gamma, on a des résultats assez proches. Donc, ici, moins 0,30. Voilà.
Maintenant, ce qui est intéressant, ça va être de regarder les résultats pour les trois autres. Donc, bah, j'ai juste à copier. Donc, on a juste à copier-coller, et on a juste à changer, voilà, juste à changer la colonne en question. Donc, pour Bond, on a un Beta neutre, c'est un fond obligataire, bon, ça paraît logique. On a un Gamma négatif et statistiquement significatif, et un pas d'Alpha. On a aucun Alpha. Voilà. Donc, on va copier encore une fois ici, et ici. Donc, la procédure, en fait, ce qui est bien avec Excel, c'est que du coup, bah, on peut reproduire, c'est assez rapide. Peut-être moins rapide forcément qu'avec du code, mais bon, si on sait pas coder, c'est quand même pas mal, on peut faire pas mal de trucs avec Excel. Donc, vous voyez, encore une fois, Beta très neutre. Ce qu'il faudrait faire ici, euh, tac, différent de 1, c'est peut-être le mettre différent de zéro. Non, il n'est pas statistiquement différent de zéro, donc, c'est bien neutre. Un Gamma négatif, et un Alpha ici, qui nous a dit positif et significatif, en tout cas, si notre seuil critique est de 5 %. Pareil ici. Hop, j'ai juste à décaler, faire entrée, et on voit qu'encore nos Gammas sont très proches. Voilà. Donc, c'est intéressant de voir que ces deux modèles ici sont assez liés, hein, c'est-à-dire que l'écart entre Beta plus et Beta moins est souvent égal au Gamma du Ferson et Merton model, et les deux nous indiquent la capacité de l'investisseur à timer le marché. C'est l'interprétation commune que l'on peut en faire. Je vous invite, si vous voulez plus de détails, plus technique, à aller voir le papier que j'ai mis en description, qui est en français, en plus.
Donc, là, bah, c'est pareil, hein, vous avez compris le délire, hein. Vous avez juste, une fois qu'on a, qu'on a notre modèle en fait, qui est déjà prédéfini, bon, on a juste à glisser, à calculer pour chaque, chaque fond. Donc, c'est juste pareil, hein. Shift, contrôle, entrée, ça change les résultats. Vous voyez, là, encore un Gamma négatif, Beta agressif, et Alpha à la limite, mais qui n'est pas significatif, hein. Il est au-dessus de notre 5 %. Vous voyez. Donc, je vous retrouve une fois que j'ai calculé tout ça pour chaque tableur.
Voilà, donc, du coup, on se retrouve pour la fin. Vous voyez, j'ai calculé pour chaque fond d'investissement. Chaque fond d'investissement a des Gammas négatifs, Gamma aussi négatif. La plupart sont significatifs statistiquement, c'est-à-dire qu'ils ont peu de chance d'être dû au hasard. Du coup, on a, pour la quasi-totalité des fonds, on aurait des des G questionnaires qui sont pas capables de timer le marché. Pas capable au point qu'ils sont vraiment mauvais à ça, ils sont pas juste random, c'est-à-dire qu'ils ont pas juste aucune capacité, ils ont des capacités négatives, enfin, l'opposé de savoir timer le marché. Voilà, l'idée derrière le modèle. On voit que, donc, du coup, j'ai pas eu de chance sur tous les fonds que j'ai choisis, ils sont tous nuls. Mais bon, vous serez sans doute capable, vous-même, de trouver des gestionnaires qui, eux, sont bien capables de timer le marché et vous en servir dans vos stratégies. Essayer de backtester, de voir ce qui est possible de faire. C'est pas évident, parce qu'il faut l'historique, il faudrait l'historique des positions qui a pris le gestionnaire, et par exemple, de regarder quel est le Beta du portefeuille total. Est-ce que là, on a un Beta qui est plus agressif, ou un Beta qui est plus en dessous de 1, donc défensif ? Et on pourrait se dire, tiens, là, l'investisseur en question a construit un portefeuille avec un Beta défensif, ce qui veut dire qu'il anticipe potentiellement, se se protège contre une future perte, et donc, bah, nous se dire, ou là, peut-être que vu qu'il a par le passé bien timer le marché, il faudrait peut-être nous faire attention. Et vice versa, si on voit qu'il passe en mode agressif, se dire, ah, faudrait peut-être mettre du levier. Enfin, j'en sais rien, c'est, il y a un exemple, mais voilà, l'idée derrière l'utilisation de ces modèles. Ils peuvent être utilisés d'une autre manière, c'est l'interprétation que dans ce contexte-là, il faut en faire du Gamma, et cetera. Mais mathématiquement, bah, c'est juste une régression polynomiale où on rajoute un degré, surtout pour celui-là, hein, pas pour les autres. Mais pour celui-là, c'est juste ça. On rajoute le carré de la prime de risque du marché. Et donc, je vous mets un petit graphique, hein. Au lieu d'avoir la belle droite, euh, du, du MEDAF, du CAPM, là, et bien, on a, euh, une parabole, une croissance quadratique, parce que à cause du carré ici. Voilà, c'est juste ça que ça donne. Ça permet de capter justement cette différence qui y aurait entre les rendements positifs quand le marché est positif, et les rendements négatifs quand le marché est négatif. C'est-à-dire que, on voit que le portefeuille de l'investisseur a tendance à être beaucoup plus exposé quand les rendements du marché sont positifs, et à l'être moins quand ils sont négatifs. Donc, cette capacité du gestionnaire à timer le marché, voilà l'idée derrière ces modèles.
J'espère que la vidéo vous a plu. Si c'est le cas, n'hésitez pas à mettre un like, à vous abonner, et, euh, je prépare les prochaines vidéos. Donc, euh, mettez la cloche, hein, parce que ça arrive très bientôt. Sur ce, bonne journée. Sur ce, portez-vous bien, et à la prochaine.