Les portefeuilles modèles Quantalys

Les portefeuilles profilés Quantalys ont été lancés il y a presque 10 ans,  en janvier 2009. Notre objectif était de montrer en situation quasi-réelle les capacités de notre algorithme de sélection de fonds.

Nos portefeuilles sont visibles sur la page d'accueil de notre site, ainsi que dans une section dédiée.

Nous travaillons pour les constituer dans un bassin de plusieurs centaines de fonds facilement accessibles par les investisseurs, que ce soit via les banques en ligne ou dans l'assurance vie.

Les critères d'inclusion des fonds dans notre bassin de travail sont les suivants : fonds de plus de 3 ans agréés à la commercialisation en France et référencés dans au moins 3 des contrats d'assurance vie suivis par Quantalys.

Ces portefeuilles sont établis par notre algorithme de construction de portefeuille, accessible dans la version payante de nos outils. Cet algorithme est spécialement paramétré pour travailler sur les données des 24 mois précédents.

Chaque portefeuille réplique une allocation d'actifs constituée d'indices de marché : pour la poche actions, nous utilisons des indices MSCI, bien entendu dans leur version dividendes réinvestis. Pour la poche obligataire, nous utilisons des indices ML Bank of America. Le détail des allocations d'actifs de référence est fourni ci-dessous.

L’objectif de l’exercice étant de démontrer la capacité du robo à créer de la surperformance sur le long terme à travers une sélection rigoureuse des fonds, les allocations de référence des profils n’ont pas varié d’un pouce depuis la création des portefeuilles modèles en 2009, ce qui peut expliquer que certaines classes d’actifs puissent sembler trop présentes au regard de la situation actuelle des marchés.

Une fois un portefeuille constitué, il évolue librement pendant 2 mois. Deux mois après (plus précisément vers le 6 du mois suivant), l'algorithme tourne de nouveau sans tenir compte de la constitution actuelle du portefeuille et construit un nouveau portefeuille de fonds répliquant l'allocation d'actifs du profil. Potentiellement, l'intégralité du portefeuille peut ainsi être renouvelée par l'algorithme. Dans les faits, ce n'est jamais le cas. Le portefeuille est ensuite arbitré au 1er du mois.

Dans le calcul de la performance des portefeuilles de fonds, nous n’appliquons par convention aucun frais (versement, rachat, arbitrage ou droits de garde). Bien entendu, le calcul de performance tient compte des frais courants et des commissions de surperformance des fonds, qui sont déduits des valeurs liquidatives. Les performances de nos portefeuilles sont donc données à titre indicatif seulement et rien ne garantit qu'un investisseur aurait obtenu des performances égales à celles que nous calculons en raison des frais qu'il aurait effectivement encourus de la part de son intermédiaire.

La performance de l'allocation d'actifs de chaque portefeuille est celle d'indices de marché qui, par construction, ne comportent pas de frais de gestion. Répliquer ces allocations d'actifs est possible via des ETF répliquant eux-mêmes chacun des indices de l'allocation d'actifs. La performance effectivement obtenue par un investisseur serait inférieure à celle de l'allocation d'actifs telle que nous la calculons car les ETF ont des frais de gestion et les transactions sont soumises à des frais de courtage.

Toutes les données mentionnées dans cet article sont arrêtées au 15 mai 2018.

Les performances du Portefeuille prudent

Ce portefeuille réplique une allocation d'actifs composée de 27% de monétaire, de 50% d'obligations et de 23% d'actions.

Les performances du Portefeuille équilibré

Ce portefeuille réplique une allocation d'actifs composée de 49% d'obligations et de 51% d'actions.

Les performances du Portefeuille offensif

Ce portefeuille réplique une allocation d'actifs composée de 20% d'obligations et de 80% d'actions.

Analyse des performances des portefeuilles modèles

Quels que soient les profils et les durées d’analyse, les portefeuilles modèles battent la performance de leur allocation de référence parfois de manière spectaculaire, mais en général de l’ordre de 2% par an.

Cela valide d’une part l’algorithme utilisé par le robot de sélection, mais aussi plus globalement le fait qu’une sélection rigoureuse de fonds et une rotation régulière du portefeuille permet à la gestion active de battre les indices de référence. Dans les faits par contre cela n’est possible que dans des situations où il n’y a pas de frais de transaction ou d’arbitrage.

Ceci étant exposé nous pouvons regarder de plus près les résultats et en tirer quelques enseignements.

Nous constatons tout d’abord que la volatilité des portefeuilles est plus importante que celle des paniers d’indices. Cela est normal car nous avons réglé l’algorithme pour qu’il privilégie la surperformance sans s’occuper du budget de risque à sa disposition. Cette augmentation de la volatilité a été largement compensée par le gain en performance comme en attestent les indices de Sharpe qui sont systématiquement meilleurs pour les portefeuilles que pour les indices.

Plus précisément, ce sont les profils les plus prudents qui ont le delta de volatilité les plus importants. Cela s’explique par le fait que l’algorithme va chercher des obligations plus risquées pour compenser le manque de performance de ces dernières alors que sur les actions il reste sur des produits plutôt standards.

Autre fait marquant : l’excellente tenue des portefeuilles sur la dernière année et ce quel que soit le profil pris en compte. Cette excellente performance (entre +4% et +6% sur 1 an) s’explique par la directivité du marché sur cette période et sur sa faible volatilité. En effet, même si l’algorithme essaye d’être le plus robuste possible, il fonctionne toujours mieux dans les régimes stationnaires que dans les régimes instables, ce qui est normal étant donné qu’il étudie les séries passées pour prendre ses décisions pour le futur.

Dans ce contexte, sa faculté à choisir les meilleurs fonds et à jouer sur leur décorrélation pour créer de la robustesse fonctionne à plein et donne des résultats tout à fait spectaculaires.

C’est d’ailleurs parce qu’il existe de telles périodes que l’algorithme crée de la surperformance sur le long terme quelles que soient les conditions globales des marchés.

Analyse détaillée du profil équilibré

Afin de mieux comprendre le comportement de l’algorithme, nous allons étudier plus en détail le comportement du portefeuille lié au profil équilibré dans le temps.

La première chose qui a été analysée est la différence de performance entre le portefeuille modèle et son allocation d’une part mais aussi avec un indice composite non diversifié, mais qui est fréquemment pris comme indicateur de référence pour les profils équilibrés : 50% actions européennes + 50% obligations en Euro court terme (50% MSCI Europe+50% ML euro 1-3).

Le but de cette étude est de voir ce qui provient de la qualité des fonds et ce qui vient de l’allocation et de la diversification dans la performance des portefeuilles modèle.

Sur les différentes périodes étudiées, les résultats sont les suivants :

En bleu foncé le portefeuille équilibré, en rouge son allocation et en bleu ciel le 50/50 sur les différents horizons de temps

La différence entre les portefeuilles modèles et le benchmark composite est encore plus importante qu’avec l’allocation d’actifs, ce qui signifie, et c’est heureux, que la diversification du portefeuille apporte un surplus de performance qui est ici compris entre 1,5% et 2,5% par an en fonction des durées de détention du portefeuille.

Cela n’est évidemment pas une règle absolue mais on note néanmoins une certaine stabilité dans les écarts. On note aussi une volatilité plus faible pour l’allocation que pour le benchmark non diversifié. Cette baisse de la volatilité peut aller jusqu’à 20% sur le long terme.

Ces deux éléments corroborent de manière claire l’intérêt de la diversification du portefeuille tant en augmentation de la performance qu’en diminution du risque.

Le passage aux portefeuilles modèles en fonds donne des résultats encore plus spectaculaires quand on les compare aux indices non diversifiés.

Dans ce cas-là, la surperformance sur les différents horizons passe à plus de 4% par an répartie pour moitié sur la diversification et pour moitié sur la sélection des fonds.

On peut néanmoins constater que l’algorithme s’est particulièrement bien comporté sur la dernière année et que cette dernière année particulièrement faste se retrouve dans toutes les durées étudiées.

Si nous voulons voir le comportement des portefeuilles, il faut donc se placer sur des périodes différentes de la série historique. C’est pourquoi nous avons regardé le comportement des portefeuilles modèles sur les différentes années calendaires depuis leur existence.

Sur les dix années considérées (2018 étant incomplète) le portefeuille a fait mieux que l’allocation 7 fois et moins bien 3 fois en 2011, 2014 et 2016.

L’année la pire a été et de loin 2011 pour laquelle la chute des marchés suite à la crise de la dette grecque a été brutale et concentrée sur une période courte. L’algorithme ne « voyant » que des données haussières n’a pu anticiper ce retournement brutal du marché.

2014 et 2016 sont des années plus difficiles à analyser, mais qui ont en commun d’avoir vu un regain de l’instabilité et de la volatilité ou en tout cas d’un changement de régime (passage d’un régime globalement stationnaire haussier en 2012/2013 à un régime plus instable en 2014 par exemple).

Dans ces conditions, il est toujours plus difficile pour le robot de trouver le bon signal et le bon trend à suivre ou du moins cela se fait-il avec une certaine latence, latence qui a pour effet bruler une partie de la performance.

Par rapport au mix d’indice non diversifié, le portefeuille n’a été moins performant qu’une seule année en 2011 et l’a battu les 9 autres années.

Aussi, s’il n’est pas gagnant à coup sûr, l’algorithme l’est le plus souvent, en particulier dans les périodes de régimes stationnaires, et cela suffit pour créer une surperformance significative sur le long terme que ce soit vis-à-vis de l’allocation, ou mieux encore, par rapport au mix d’indices non diversifiés.