Commentaires de gestion

Juin 2020 - Participer à la transition climatique grâce aux données ESG et à l'intelligence artificielle - Commentaires de gestion Systematique

14 Juillet 2020

Emmanuel Hauptmann

 

Lancement du fonds RAM Stable Climate Global Equities Fund
Chez RAM, l’intégration des données ESG dans notre processus de sélection systématique des actions existe déjà depuis plusieurs années. Aujourd’hui, nous allons encore plus loin. Face à l’urgence de plus en plus pressante du changement climatique, nous estimons qu’il est de notre devoir en tant que gestionnaire d’actifs de participer à la transition climatique et proposons aux investisseurs une approche différenciée de l’investissement bas carbone. Grâce aux énormes progrès réalisés au niveau de notre infrastructure d’apprentissage automatique, nous avons développé une stratégie active solide, dotée de normes ESG strictes, sans compromettre la performance.


Recoupement des données financières fondamentales et des données ESG
Nous sommes convaincus que la capture des inefficiences persistantes sur le marché des actions réside dans l’interdépendance entre durabilité, performance et risques. Notre approche systématique multidimensionnelle vise à dégager un « alpha durable » en s’appuyant sur une multitude de sources de données ESG et non ESG pour identifier les opportunités les plus intéressantes en matière de profil risque/rendement dans chaque secteur.

L'approche ESG développée par RAM AI
Ces dernières années, nous avons progressivement intégré des sources de données ESG dans notre processus d’investissement afin d’extraire les informations à valeur ajoutée des données structurées et non structurées. Parfaitement conscients du fait que plus de trois-quarts des nouvelles données sont non structurées, nous avons développé une technique de pointe pour extraire l’information des textes financiers (p. ex. transcriptions des conférences de presse, rapports sur les résultats, etc.) et lui attribuer des caractéristiques quantitatives transposables dans un modèle.

Le traitement naturel du langage (NPL) comme solution à la faible fréquence des données ESG
Compte tenu de la faible fréquence des données climatiques et ESG plus conventionnelles, les fournisseurs de données mettent généralement plusieurs jours ou semaines à réagir, alors que l’analyse automatique des flux d’actualité nous permet d’identifier les toutes dernières problématiques ESG en lien avec les entreprises et d’évaluer leur impact plus large. Il est communément admis que les événements du monde réel reflétés dans les données non structurées, par exemple les actualités financières, les annonces de résultats, les transcriptions, les rapports financiers ou les réseaux sociaux, etc. ont une certaine relation avec les marchés. Le NPL nous permet d’intégrer ces données non structurées et qualitatives dans nos modèles quantitatifs. Cet apport, qui complète les données quantitatives/structurées provenant des révisions des analystes, enrichit les informations exploitées par nos modèles quantitatifs.

De plus, du point de vue du traitement préalable de l’univers d'investissement, le NPL permet d’identifier immédiatement les controverses entraînant l’exclusion rapide des mauvais élèves ESG.

Les modèles d’apprentissage profond (« deep learning ») comme solution au problème de la multi-dimensionnalité
Les importants progrès réalisés au niveau de l’infrastructure d’apprentissage automatique nous permettent de traiter des données hautement dimensionnelles afin d’effectuer des prédictions éclairées tout en intégrant les données financières fondamentales, ESG et alternatives traditionnelles. Nous suivons une approche d’ensemble avec une dizaine de modèles d’apprentissage automatique aux hyperparamètres optimisés. Nous considérons les techniques d’apprentissage automatique comme la généralisation des techniques de traitement de données traditionnelles et nos efforts de recherche sont aussi axés sur l’essai et le contrôle de modèles en nous assurant qu’ils généralisent et fournissent des résultats tangibles.
Compenser les émissions de carbone des portefeuilles avec les certificats carbone
Les émissions carbone (bien inférieures à celles de l’indice MSCI World) du fonds RAM Stable Climate Global Equities Fund sont compensées par des certificats carbone délivrés par le mécanisme de développement propre des Nations unies. Axés sur la biomasse, les projets ciblés ont un impact mesurable clair sur l’environnement et un processus d’audit à de multiples niveaux. Le coût de ces certificats carbone est intégralement assumé par RAM AI, et non par le fonds. De cette manière, nous offrons aux investisseurs une approche « pure » de la participation à la transition climatique.

Renforcement de l’intégration ESG dans la gamme de produits actions de RAM AI

Le renforcement de l’intégration des données ESG de RAM AI est progressivement déployé dans l’ensemble de notre gamme de produits actions. Nous considérons cette évolution comme la suite logique des efforts en matière de recherche effectués ces cinq dernières années ainsi que de notre engagement et de notre alignement à long terme sur les ODD. L’échange fructueux d’idées au sein de l’équipe de recherche RAM renforcera l’intégration des données ESG et des techniques NLP dans l’ensemble de la gamme de produits RAM afin d’améliorer les prévisions d’alpha.

RAM Emerging Markets Equities – amélioration des notes ESG avec une plus grande stabilité de l’alpha

Nous avons ajouté une couche d’optimisation de l’alpha durable à notre stratégie Emerging Markets Equities qui privilégie la sélection d’entreprises affichant un alpha élevé et une durabilité intéressante. Les sources de données supplémentaires proviennent des notations ESG des agences et des flux d’actualité. L’intégration de la dimension durable à notre alpha rend celui-ci plus stable et engendre l’impact positif suivant sur le profil du fonds :


• Une sélection all-caps plus durable
• Une rotation de titres et des coûts de négociation moindres
• Un alpha net attendu plus élevé
• Un risque actif réduit par rapport aux indices de référence reposant sur les capitalisations boursières


En conséquence, la notation ESG de MSCI du portefeuille progresse de BB à A (contre BB pour l’indice MSCI Emerging Markets).

 

Accédez directement aux derniers commentaires de gestion par fonds :

European Equities

Emerging Markets Equities

North American Equities

Global Sustainable Income Equities

Long /Short European Equities Fund

Long/Short Emerging Markets Equities

Long/Short Global Equities