Ivy Porfolio de Mebane Faber : allocation d'actifs tactique quantitative

Bonne question. La réponse est en fait difficile.

Vous avez raison de dire qu’un modèle devient obsolète après avoir été publié. Mais, il y a une distinction d’importance :
- Si le modèle porte sur l’alpha, il est arbitrable et l’alpha disparait plus ou moins vite.
- Si le modèle porte sur le bêta, il n’est pas arbitrable.

L’alpha est la surperformance ajustée du risque relativement au marché.

Le bêta est un facteur de risque. Par exemple, dans la théorie moderne du portefeuille ou MEDAF, le seul facteur de risque est le marché. Le bêta est alors la sensibilité au marché. Dans le modèle à 3 facteurs de Fama et French, il y a en plus du marché la sensibilité aux petites valeurs et aux valeurs pas chères. En fait, il existe de nombreux autres facteurs de risque (momentum, dividende, retour à la moyenne, illiquidité, volatilité idiosyncrasique, skew, etc.) et à chaque facteur correspond une sensibilité également appelée bêta.

Comme indiqué précédemment, un modèle qui porte sur un bêta devient obsolète car généralement il s’agit d’un extrêmum de performance récente (qui a permis la détection du modèle en premier lieu). Mais cette obsolescence est temporaire : il y a un retour de la prime de risque liée au facteur de risque. C’est quasiment par définition : si le phénomène ne revient pas alors il ne s’agit pas d’un risque.

Vous pouvez objecter que le modèle de Faber est un modèle qui génère de l’alpha : sa performance est similaire à un indice de référence mais son risque est inférieur. Est-il néanmoins possible d’arbitrer le modèle de Faber ? Je ne le pense pas car la diminution du risque est atteinte en jouant sur une caractéristique intrinsèque aux actifs financiers : l’existence de tendances à long terme. Je ne crois pas que cette caractéristique soit arbitrable et ce serait donc une prime de risque mais ce n’est que mon opinion.

Dernière modification par Candide (24/07/2012 21h16)

Je pense que le principal problème de la méthode n’est pas de savoir s’il faut une moyenne mobile 200 jours ou 210 jours, s’il faut rebalancer tous les 3 ou 6 mois ou autres détails…

Le problème est de réfléchir différemment. Si on est convaincu que le marché se trompe parfois, qu’il existe des entreprises sous évaluées et des entreprises surévaluées, alors autant investir avec méthode, comme le fait Investisseur Heureux, avec des critères de valorisation faible (PER, Dividende, FCF, book value, etc.). Ca marche, la progression de la VL d’IH en est la preuve. Et même en marché baissier ou "tôle ondulée" on peut y trouver son compte. Je suis admiratif de la performance d’IH

A l’opposé, le suivi de tendance nécessite un état d’esprit particulier : il faut censurer les idées de décote, de rendement élevé, de PER bas, et d’analyse en général.
Un modèle de suivi de tendance fera acheter aujourd’hui Apple à 600$, du Bund 10 ans à 1,56% et de l’or à 1600$, et restera à l’écart de Total.

Si on a la capacité de débrancher le cerveau rationnel pour faire le suivi de tendance, il paraît que ca marche. Peut-être même que ca marche parce que les investisseurs ont peur de le faire, ou ont des crises de confiance sur le modèle au bout de quelques mois ou années.

La majorité restera sur le bord de la route après avoir coupé dix fois de suite des pertes en ayant acheté du Bund à 1,56% et revendu à 2% en rationnalisant "C’était vraiment pas rationnel, c’était évident que le taux ne pouvait pas rester aussi bas et qu’il n’y avait plus aucune progression à la hausse !".
Ou en achetant le CAC à 3600 (passage au dessus de la moyenne mobile) et en le revendant à 3000 parce qu’on repasse en dessous (juste dans la zone où les investisseurs value et GARP vont pêcher). En gardant espoir qu’on arrivera un jour à acheter à 3600 pour prendre l’ascenseur grande vitesse jusqu’à 7000.

Au final, quelle est la différence entre le suivi de tendance présenté par un institutionnel dans un pdf trouvé sur ssrn et l’AT qu’on a appris quand on était débutant ?
Et avec une stratégie d’achat de calls sur indices avec une infime partie du portefeuille, le reste étant en obligs, les coupons remboursant les calls échus à 0 ?

Rhalala, c’est pas facile la bourse !

(Mon avis du matin, ça vaut ce que ça vaut, j’ai envie d’un café mais je n’en ai plus !)

Je reviens sur l’étude citée au post précédent que j’ai bien pris le temps de relire en détail. Plus clair que ma tentative d’explication, je vous traduis plus bas quelques passages du blog de l’auteur à propos de sa dernière étude. Il avait gagné en 2011 le 2d prix du NAAIM Wagner Award avec une étude sur le momentum intéressante mais qu’il considère lui-même comme ad hoc. Il a développé, généralisé et même simplifié son modèle l’année suivante, obtenant cette fois le 1er prix. C’est proche de la simplicité de Faber dans l’ensemble mais ça pousse encore le truc un peu plus loin en définissant et cloisonnant différents facteurs de volatilité du marché (plutôt que des classes d’actifs proprement dites). Par exemple son module "Economic Stress", dont le but est de profiter des craintes et incertitudes du marché, contient à la fois de l’or et des obligations souveraines de long terme.

Gary Antonacci a écrit :

Durant ces 20 dernières années, 300 études sur le momentum ont été publiées. La plupart concernaient le momentum appliqué à des actifs individuels (actions, obligations, matières premières, ou devises). Moins de 5% des études concernaient les classes d’actifs dans leur ensemble. Encore moins traitaient du momentum simultanément sur plusieurs classes d’actifs ou facteurs de risques, alors que c’est ce qui donne les meilleurs résultats. […]

Dans ma nouvelle étude, je montre que la volatilité est la principale source de gain dans une stratégie de momentum. Je montre ensuite comment réduire cette volatilité en créant une stratégie de momentum qui s’adapte aux changements conjoncturels. […]

Je vais m’inspirer de cela pour modifier mon portefeuille, qui est pour l’instant un peu trop compliqué et qui ne cloisonne pas assez bien les classes d’actifs (je fais du momentum dans un grand pot commun, ce n’est pas l’idéal).

Dernière modification par Golliwogg (12/05/2012 06h03)

Agréablement surpris de trouver un forum en français qui parle de Mebane Faber.
Ses stratégies de Relative Strength sont puissantes, surtout si on les couple avec un market timing judicieux (càd basé sur des données agrégées ou de sentiment du marché, et pas sur des indicateurs techniques d’index. Cela correspond à ce qu’un contributeur a appelé "pas arbitrable").
J’ai "réinventé" par hasard (en testant…un outil de backtesting) sa stratégie sectorielle à une et deux positions basée sur la SMA200, avec des ETFs. A l’époque je ne connaissais pas les écrits de Faber, je les ai découverts il y a moins d’un an.
J’utilise en compte propre des stratégies à base de Relative Strength sur certains secteurs US et certains indices pays (avec du market timing).  J’ai essayé sur les devises aussi, les backtests et les résultats sont moins convaincants (pas étonnant vu les manip monétaires). 
Je complète le portefeuille "strategic allocation" avec un modèle saisonnier décrit dans l’article suivant avec un rapport 66/33 (75/25 marche bien aussi pour ceux qui ne font pas trop confiance aux saisons):
Buy In October: A Strategy Worth More Than 20% A Year For 10 Years  (disclaimer: je suis l’auteur de l’article)
Cela permet de diviser le drawdown par 2 (ou de prendre du levier, au choix. Personnellement je ne prends pas de levier).

Dernière modification par snowball (09/12/2012 14h18)

Fructif a écrit :

- Pour lui les (m)REITs sont des actions, et donc ne se rapprochent pas de l’immobilier physique. Pourtant, il propose dans ses portefeuilles types le tracker VNQ qui est bien sur du REITS.

Moi je vois les choses comme ça:
- Ce sont des actions à court terme et de l’immobilier à long terme. En effet la volatilité et les soubresauts de marché suivent ceux des actions et des indices à court terme le plus souvent, mais sur le long terme, on suit bien la tendance de l’immobilier physique. Conséquence: pour un investisseur long terme, il est intéressant d’y être exposé je trouve.
- Néanmoins, cette classe d’actifs est l’une ayant le Max Drawdown le plus élevé (je vais pas vous abreuver de chiffres, mais entre 2000 et 2013, un indice REIT présente un max DD d’environ -67% et un indice Mortgage REIT présente lui un max DD de -81,7%, chose inacceptable pour la préservation d’un capital). A partir de la, je pense que cette classe d’actifs doit être joué de façon "active", c’est à dire soit en se basant sur une méthode momentum, soit en appliquant une politique de Stop Loss, soit en mixant les 2.

Une bonne partie de la performance vient des actifs physiques, du non côté et des hedge funds. Je suis allé voir les hedge fonds côtés à la bourse de Londres (des fonds de fonds). Par exemple, Dexion Absolute. Et bien, ca n’apporte pas grand chose par rapport aux actions, ça m’a lair très corrélé.

Ca l’est, quoiqu’on en dise. Personnellement je n’ai aucun attrait pour les hedge funds en tant que classe d’actif. Il existe quelques hedge funds incroyables qui surperforment vraiment et apportent quelque chose, mais il existe un nombre incalculable de m**** qui n’apporte qu’à ceux qui l’ont créé. De plus, la décorrélation n’est clairement pas la (ca n’est plus possible dans un monde aussi globalisé et étroitement lié financièrement) et les "market neutral" sont probablement les pires, ne prenant qu’une infime partie de la hausse mais prenant bizarrement les baisses quasiment autant que les autres (le tout pour des frais plus que charmant).

M. Faber insiste sur le fait qu’il doit y avoir des matières premières dans l’allocation d’actifs :  décorrélation et ressources rares vouées à augmenter (anti inflation). Il nous conseille de lire (entre autre) le papier suivant : http://corporate.morningstar.com/ib/doc … dities.pdf . Il ne parle pas des limites des ETF commodities dont on parle dans cette discussion. Il "propose" l’ETF PowerShares DB Commodity Index Tracking Trust. Quand je compare les graphs du SP500 et de cet ETF, je ne trouve pas que ce soit tellement décorrelé depuis 2006.

La seule matière première qui est intéressante dans une allocation d’actif est l’or je trouve, pour son coté "valeur refuge", ce qui apporte une vrai corrélation négative ou nulle dans les périodes d’incertitude. Le reste apporte beaucoup de volatilité en étant difficile à capter à la hausse et vous mentionnez bien les nombreux problèmes auxquels on fait face pour y investir.

C’est vrai que le "risk parity" est pas mal, notamment au regard du max drowdown (de 15% alors que beaucoup d’autres tournent à 40% !), grâce à 70% en obligations

En effet, mais en contrepartie il hérite des différents problèmes inhérents au "Risk Parity", à savoir 70% d’obligs et donc une performance naturellement plus faible à long terme (même si forcément les backtests récents se tiennent bien grâce à la bonne perf des obligs sur cette décennie) ainsi qu’une très forte exposition au risque de taux, ce qui semble un peu gênant dans l’environnement actuel.

Les obligations font moins de performance que les actions à moyen terme et si elles portent moins de risques à court terme, elles portent plus de risque à long terme (15/20 ans).

Sur la dernière décennie, les obligations ont surperformé les actions, donc cette assertion est plus ou moins discutable aujourd’hui, et il convient de définir le "moyen terme" (bien souvent défini comme trop long de mon point de vue dans les études). Cf votre paragraphe du dessous, en considérant un horizon LT de 20 ans, le moyen terme pour un investisseur ça serait justement une décennie … Par ailleurs, pourquoi portent elles un risque plus grand que les actions à long terme?

En tout cas retour intéressant, merci.

Bon, j’ai relu un peu tous les posts qui ont été écrits sur le momentum de classes d’actifs.

J’ai voulu mettre pour les différentes classes d’actifs, les moyennes mobiles disponibles et les performances historiques (que j’ai moyennées sans pondération).
Je n’ai pas trouvé mon bonheur sur un seul site : le portefeuille de yahoo donne les moyennes mobiles mais pas la performance historiques.
Par ailleurs les trackers REIT que j’ai trouvé ne sont pas capitalisant (! Mais on qu’a ajouter 4% de manière arbitraire), et j’ai du mal à m’y retrouver sur les trackers obligations car je n’y connais pas grand chose.

Mais ça donne ça :


On en déduis, si on croit au momentum, qu’il faut surtout être investi en actions (US, Euro mid/small, Japon Hedged). A la limite en REIT Europe et en high yield (mais ces 2 classes sont assez corrélées aux actions). Comme l’or et les commodities sont inférieures au rendement d’un fond €ça ne vaut pas le coup.

Ca fait beaucoup de calculs pour des choses que je savais déjà … je pense pas faire ça toutes les 5 minutes !

Sinon, j’ai quand même une question : est on sûr que le momentum fonctionne sur indice converti en € ?

Dernière modification par Fructif (05/01/2014 13h34)

Bonjour,

Merci pour vos encouragements sanbouddha !

Apres s’etre affranchi de la dependance au parametre X, qu’en est-il du parametre Y qui determine le lookback sur lequel la tendance "graphique" des classes d’actifs est analysee ? A ce sujet, puisqu’on m’a pose la question, je n’ai pas detaille ce que j’entends par existence d’une tendance, clarté de cette tendance, accélération de cette tendance, parce que je considere que c’est un des atouts de ma strategie, mais il n’y a vraiment rien de complique.

Pour ce parametre Y, j’etais a priori parti sur Y = 12 mois, mais il se trouve que ce choix n’est pas le meilleur d’apres les backtests. Je vais toutefois persister (par exemple, les backtests ne "savent" pas qu’une valeur de Y de moins de 6 mois, meme si elle donne de meilleurs resultats, n’a pas de sens "reel" par rapport a mes calculs), et d’autant plus qu’a l’inverse de l’ex-parametre X, l’impact de ce parametre Y evolue de maniere assez lisse (le score momentum qui resulte des calculs lies a ce parametre est continu).

Maintenant que les parametres sont determines, que reste-t-il a faire ? Il faut absolument s’interesser a d’autres aspects de la sensibilite de la strategie, toujours en backtestant. Je donnerais plus de details sur ce que j’entends par cela dans les prochains messages, mais j’aimerais d’abord apporter un complement d’informations sur les backtests.

J’ai plusieurs fois vu sur le forum des discussions sur les backtests.

La facon la plus classique de backtester les parametres d’une strategie est de fixer un jeu de parametres, de faire tourner la strategie sur tout l’historique disponible, de regarder les resultats obtenus et de recommencer jusqu’a soit trouver un jeu de parametres "optimal" (i.e., meilleures performances, plus petite perte maximale…) soit trouver un jeu de parametres "stable" (i.e., un petit changment du jeu de parametres ne bouleverse pas les restulats de la strategie).

Toutefois, en faisant cela, comme on a utilise tout l’historique disponible, on a travaille avec un biais retrospectif.

La situation serait differente si on n’utilisait qu’une partie de l’historique disponible pour determiner un jeu de parametres et qu’on validait ensuite ce jeu de parametres sur la partie restante de l’historique, sous reserves de ne le faire qu’une seule fois, ce qui est tres difficile en pratique.

Il existe toutefois une possibilite de contourner legerement le probleme, celle d’effectuer un backtest "walk forward".

Il ne me semble pas avoir vu sur le forum ce genre de backtests et j’aimerais donc donner un exemple.

Imaginons que vous vouliez determiner quelle est LE meilleur lookback de moyenne mobile a utiliser dans une strategie momentum (vous aurez compris d’apres mon post precedent que je suis partisant d’une approche plus nuancee, mais c’est seulement un exemple):
- Backtest standard: vous testez tous les lookback possibles (en gros, de 3 a 12 mois si il est question de donnees mensuelles), et vous retenez le lookback qui donne les meilleurs resultats sur tout votre historique selon un critere qui vous est propre (performances totales, perte maximale, ratio de Sharpe…)

- Backtest splitte: vous testez tous les lookback possibles et vous retenez le lookback qui donne les meilleurs resultats sur une partie de votre historique selon un critere qui vous est propre, et vous validez les resultats sur la partie restante de votre historique.
  La valeur ajoutee de ce backtest par rapport au precedent, c’est que si votre strategie etait en fait mal calibree, voire mal pensee, et que les performances s’ecroulent, vous ne perdez pas d’argent ! Dans le cas contraire, vous pouvez avoir une certaine confiance dans la robustesse de votre strategie. Toutefois, la partie d’historique qui sert a la validation est a usage unique, sinon, le biais retrospectif frappe a nouveau.

- Backtest walk forward: vous testez tous les lookback possibles et vous retenez le lookback qui donne les meilleurs resultats selon un critere qui vous est propre depuis le debut de votre historique jusqu’au premier mois de votre historique pour lequel vous pouvez decider d’une allocation implementable dans le monde reel (12 mois ici), et vous faites votre allocation en utilisant ce lookback.
  Ensuite, vous refaites la meme chose tous les mois en ajoutant le mois precedent a votre historique (qui grossit, donc), et vous calculez votre courbe de performances.
  Il y a plusieurs plusieurs facons d’utiliser les resultats de ce backtest, mais la plus simple est de regarder si le lookback de la moyenne mobile se stabilise et si c’est le cas a quelle valeur.
  Si il se stabilise, comme ce backtest simule le comportement d’un utilisateur qui tous les mois optimise sur tout son historique le lookback de la moyenne mobile utilisee, cela signifie que vous pouvez avoir une certaine confiance dans le lookback determine (ou en tout cas, que depuis qu’il s’est stabilise, il y a peut etre plusieurs annees, c’est le meilleur choix possible). Le biais retrospectif s’arrete ici au moment ou la valeur du lookback se stabilise et a partir de ce moment, les performances que vous observez peuvent etre considerees comme quasi "temps reel" puisque depuis cette date, vous auriez choisi cette valeur de lookback.
  Rien ne garanti toutefois que les performances soient bonnes, ni meme que le lookback se stabilise… Ce dernier point n’est d’ailleurs pas forcement important, parce que vous voulez peut etre une strategie adaptative aux conditions de marches, auquel cas le walk forward sera integre a votre strategie. Le premier point, par contre, est plus important : si les performances ne sont pas bonnes, cela signifie que sans l’aide d’un biais retrospectif, votre stragegie ne tient pas la route (ou est trop sensible aux parametres, c.f. mon message precedent pour rajouter des nuances dans une strategie binaire) et il semble difficile d’avoir confiance dans le fait qu’elle va continuer a fonctionner dans le futur…

Amicalement,

R.

Dernière modification par roro (12/02/2015 08h28)

Bonjour,
J’ai lu une étude qui s’intéresse à l’utilisation de la moyenne mobile sur 10 mois des actions comme signal de vente/d’achat (comme expliqué dans le 1er message de ce sujet).

J’ai extrait quelques passages mais je vous conseille si cela vous intéresse d’aller consulter directement l’étude qui est forcément plus exhaustive :
The Real-Life Performance of Market Timing with Moving Average and Time-Series Momentum Rules - 2013

Valeriy Zakamulin a écrit :

« In this paper we argue that the reported performance of market timing strategies usually contains a substantial data-mining bias. In addition, in a study of a technical trading rule one usually ignores important market frictions such as, for example, trading costs.
The data-mining fallacy that has been repeated over and over again in many studies consists in the following. Using a full historical data sample one tests many k-month moving average trading rules and picks up a rule that performs best. One then reports the performance of the best trading rule in a back test and either explicitly or implicitly assumes that the expected future performance of this rule will be the same as the past performance. Yet, as a matter of fact, one should expect a much poorer performance in the future than the reported performance in the past. »

« As in Faber (2007) and many other papers, when we examine the performance of the best trading rule in a back test, we do not take into account the transaction costs in order to show the best possible performance. The results are reported in Table 2. Observe that the SMA(10) rule, advocated by Faber and many others, is the best trading rule when the passive benchmark is the Standard and Poor’s Composite index »

« The main goal of this subsection is to demonstrate that the out-of-sample performance of a trading rule is sensitive to the choice of a split point between the initial in-sample and outof- sample subsets. What is more crucial is that depending on the choice of a split point the out-of-sample performance of a trading rule might by either superior or inferior as compared to that of the passive counterpart. »

« Before turning to the discussion of performance dependence on the split point, we would like to draw the reader’s attention to the fact that in every historical period the best trading rule in a back test outperforms the passive benchmark with a solid margin. This demonstrates that, when many trading rules are back tested, one can virtually always find a rule that performs better than the passive benchmark. 

Consider in details the performance of the market timing strategies versus the performance of the passive strategy when the split point between the initial in-sample and out-of-sample subsets is chosen to be December 1929. In this case the initial in-sample period is January 1926 to December 1929, whereas the initial out-of-sample period is January 1930 to December 2012.
With this choice, the Sharpe ratio of either of the best trading rules in a back test amounts to 0.16 which is about 50% higher than the Sharpe ratio of the buy-and-hold strategy. In the out-of-sample tests, the Sharpe ratio of both the trading rules amounts to 0.12 which is about 10% higher than the Sharpe ratio of the buy-and-hold strategy. Even though the reallife performance11 of the trading rules turns out to be much poorer than the performance of the best trading rules in a back test, still, judging by the Sharpe ratio criterion, we have to conclude that either of the market timing strategies delivers a better performance than that of the buy-and-hold strategy.

Note, however, that if the split point is chosen to be December 1931 (which seems to be a relatively negligible relocation of the original split point) then we arrive at the opposite conclusion: the real-life performance of the market timing is either worse than or equal to the performance of the buy-and-hold strategy. »

« Our analysis reveals that the superior performance of market timing strategies is confined to relatively short historical episodes. In particular, over our total sample 1926 to 2012 there have been only four relatively short historical periods that contributed most to the superior performance of the market timing strategies. Specifically, they are the periods of severe bear markets of 1930-31, 1973-74, 2001-02, and 2007-08. As a result, the performance of market timing strategies, relative to the performance of the passive benchmark, depends largely on whether the split point is located before or after a major stock market downturn. »

« The proponents of the market timing with moving averages and momentum rules often advocate that such a strategy allows investors both to reduce risk and enhance returns. We have to acknowledge that there is indeed a small chance of this happening. For instance, if the S&P Composite index is used as the passive benchmark, there have been 4 relatively short periods of severe market downturns when the real-life market timing strategy provided higher returns with lower risk than the buy-and-hold strategy. It happened that 2 out of 4 such periods occurred in the decade of 2000s.
As a result, this decade was an incredibly successful decade for the market timing strategies. Yet this is not a typical performance of the real-life market timing strategy. Our findings reveal that over a long run the market timing strategy is indeed less risky, but the reduction of risk always comes at the expense of reduction of returns. »

« Recall that every market timing strategy prescribes moving to cash when a Sell signal is generated. The investor, who employs the market timing strategy, hopes that during a Sell period the Treasury bills provide better return than the stocks. We define by “failure” an event in which the Treasury bills fail to deliver a higher return than the stocks during a Sell period. So how often a real-life stock market timing strategy generates false signals?
Our analysis reveals that the average failure rate amounts to about 80%. In words, this means that when the market timing strategy generates a Sell signal, in approximately 80% of cases at the end of a Sell period the market timing strategy will provide a lower return than the buyand- hold strategy.12 Again, this result demonstrates that, when the passive benchmark is a stock price index, the superior performance of the market timing strategy is confined to some relatively short particular episodes.

That means that in order the market timing strategy delivers a superior performance as compared to that of the passive counterpart, investors sometimes have to wait a very long time and experience painful emotions because their active portfolios consistently lag the benchmark. For example, the real-life performance of market timing was inferior during a 25-year period from 1975 to 1999 regardless of the choice of a passive stock market index. »

Dernière modification par NicolasV (20/04/2015 13h03)