Une analyse récente menée par Lopez de Prado, Lipton et Zoonekynd remet en question la dépendance traditionnelle aux modèles factoriels basés sur l’association dans la construction de portefeuilles, plaidant pour une analyse des facteurs causaux afin d’atteindre une véritable efficacité en matière d’investissement. Les auteurs soutiennent que sans identification des relations causales entre les variables, les modèles factoriels risquent d’être mal spécifiés, entraînant des estimations biaisées de l’exposition au risque et des portefeuilles inefficaces. Ils soulignent que même avec des moyennes et des covariances précises, une structure factorielle défectueuse peut saper les stratégies d’investissement, suggérant un passage vers des outils de découverte causale tels que les graphes causaux et le calcul do pour améliorer la transparence et la précision des modèles. Cette critique implique que de nombreux portefeuilles quantitatifs actuels pourraient être fondamentalement inefficaces en raison de biais cachés, soulignant l’importance de l’analyse causale dans l’optimisation des pratiques de gestion d’actifs. Tout en reconnaissant les défis liés à l’application de l’inférence causale à des données financières bruitées, les auteurs appellent à davantage de recherches et d’applications pratiques pour valider leur approche. Ce travail pourrait potentiellement transformer la gestion d’actifs quantitative en promouvant l’« investissement factoriel causal » comme nouvelle norme, incitant les gestionnaires de portefeuilles à évaluer de manière critique les hypothèses sous-jacentes à leurs modèles.
L’analyse des facteurs causaux est-elle essentielle pour l’efficacité des investissements ?
