Stefan, quelles sont les données disponibles dans le secteur financier et comment peuvent-elles être utilisées ?
Les données disponibles vont des informations sur les clients et les transactions aux données de marché, en passant par les indicateurs macroéconomiques et les médias sociaux. L'intégration et l'analyse de ces données peuvent aider les banques et les prestataires de services financiers à acquérir une connaissance plus approfondie du comportement des clients, à établir des prévisions basées sur les données, à mieux gérer les risques et à identifier plus efficacement les opportunités de marché.
Beaucoup d'espoir repose sur l'utilisation de l'intelligence artificielle (IA). Quels sont les domaines d'application spécifiques à la gestion d'actifs ?
Des centaines d'indicateurs sont disponibles par entreprise et peuvent influencer les cours de bourse. En traitant habilement ces quantités de données, les modèles de machine learning peuvent identifier de manière autonome des schémas et découvrir des liens cachés entre les chiffres clés des entreprises et les rendements futurs. De cette manière, il est possible de faire des prévisions quotidiennes sur l'évolution des cours des actions dans le monde entier. Ces prévisions peuvent ensuite être mises en œuvre dans des fonds et des mandats grâce à un processus de construction de portefeuille sophistiqué. L'Asset Management de la Zürcher Kantonalbank dispose, depuis plusieurs années déjà, d'un algorithme de machine learning éprouvé pour la sélection des actions et l'utilise avec succès.
Les Large Language Models (LLM) sont justement sous les feux de la rampe. Où sont-ils utilisés dans la gestion des actifs ?
L'un des domaines d'application est le traitement automatisé des actualités, des rapports d'entreprise et des conférences téléphoniques. Des indicateurs de sentiment peuvent ainsi être dérivés quotidiennement pour chaque entreprise. Ceux-ci indiquent si les nouvelles reflètent un sentiment positif ou négatif. Ces indicateurs de sentiment peuvent être utilisés comme source d'information supplémentaire pour prendre des décisions d'investissement éclairées. Les LLM aident également les gestionnaires de portefeuille dans leur discipline de prédilection, à savoir la sélection d'informations pertinentes pour les prix dans le maquis des données. Des GPT (Generative Pre-trained Transformers) spécialement formés peuvent les aider à synthétiser les rapports d'analystes et à en extraire les informations pertinentes.
Dans quelle mesure la profession de gestionnaire de portefeuille et d'analyste est-elle menacée ?
Il faudra encore de nombreuses années avant que l'IA puisse reproduire l'intelligence humaine dans toutes ses facettes, comme le raisonnement, la perception visuelle ou les capacités motrices. Néanmoins, l'IA offre déjà des avantages considérables dans certains domaines. Elle peut, par exemple, analyser d'énormes quantités de données en très peu de temps et identifier de manière autonome des modèles qui restent souvent invisibles pour l'homme. La question cruciale est la suivante : comment pouvons-nous utiliser l'IA de manière intelligente pour nous aider dans notre travail, prendre de meilleures décisions et améliorer notre efficacité ?