Capter systématiquement l’information propre à chaque secteur

Depuis plus de vingt ans, l’équipe Actions Systématiques de Jupiter perfectionne continuellement son processus d’investissement grâce à une recherche rigoureuse et à l’innovation. Plutôt que de considérer un modèle systématique comme figé, nous pensons qu’il doit évoluer avec les marchés financiers, les avancées technologiques et la disponibilité croissante de nouvelles sources d’information. Chaque amélioration apportée au modèle fait l’objet d’une recherche approfondie, de tests rigoureux et d’une mise en œuvre soignée.

La dernière évolution du processus est l’introduction d’un nouveau signal sectoriel, qui s’inscrit dans notre stratégie de sélection de titres Sustainable Growth (croissance durable). Elle prolonge une évolution plus large des types de jeux de données que nous pouvons intégrer au modèle. Si bon nombre de nos signaux s’appliquent à un large univers d’entreprises, nous avons de plus en plus recours à des jeux de données plus spécialisés, offrant une analyse d’investissement différenciée et plus granulaire. L’intégration des données de brevets en 2024, par exemple, nous a permis d’évaluer l’efficacité de l’innovation des entreprises engagées dans la recherche et le développement. Nos derniers travaux vont plus loin en intégrant des jeux de données conçus spécifiquement pour capter les caractéristiques et les moteurs opérationnels propres à chaque secteur.

De la largeur des signaux aux spécificités sectorielles

Les modèles actions quantitatifs traditionnels ont historiquement été construits à partir de signaux pouvant être mesurés de manière homogène sur un large univers d’investissement. Les mesures classiques de valorisation, de momentum ou de qualité des résultats ont des définitions universelles et peuvent donc s’appliquer à tous les secteurs, toutes les régions et toutes les capitalisations boursières.

Les signaux propriétaires à large couverture demeurent un pilier de notre processus d’investissement. Leur couverture étendue les rend robustes, économiquement intuitifs et bien adaptés à la construction systématique de portefeuille. Cependant, les entreprises n’évoluent pas toutes dans des environnements identiques. Les moteurs de réussite d’une compagnie aérienne diffèrent fondamentalement de ceux d’un producteur pétrolier, d’un fabricant de semi-conducteurs ou d’un distributeur. Par conséquent, certains des indicateurs les plus pertinents de la performance future d’une entreprise peuvent être très spécifiques à un secteur donné plutôt qu’universellement applicables.

Historiquement, ce type d’information relevait essentiellement des analystes sectoriels fondamentaux, dont les travaux de recherche portent souvent sur les indicateurs opérationnels les plus pertinents pour les entreprises de leur secteur. L’essor rapide des jeux de données alternatifs nous permet désormais de capter ces informations de manière systématique, nous rapprochant du niveau d’analyse granulaire mené par des analystes sectoriels spécialisés.

Fait important, nous pouvons y parvenir tout en conservant la discipline propre à un processus systématique. Plutôt que de reposer sur le jugement d’un analyste individuel, l’information sectorielle peut être évaluée de façon homogène pour l’ensemble des entreprises, à l’aide d’un cadre reproductible fondé sur des règles. Cela nous permet de tirer parti d’une information toujours plus spécialisée, tout en cherchant à limiter les biais comportementaux susceptibles d’influencer une prise de décision discrétionnaire.

Plutôt que de se demander si chaque entreprise présente les mêmes caractéristiques, le modèle peut donc poser une question plus nuancée : qu’est-ce qui compte le plus pour les entreprises opérant dans ce secteur en particulier ?

En allant au-delà des signaux de marché généraux, ce nouveau signal sectoriel capte une information propre à chaque secteur, offrant un angle d’analyse supplémentaire pour évaluer les perspectives de croissance d’une entreprise.

L’intelligence sectorielle en pratique

Dans le secteur aérien, par exemple, des indicateurs tels que le coefficient de remplissage, l’efficacité opérationnelle et le taux d’utilisation des capacités permettent d’éclairer les tendances de la demande sous-jacente et la solidité de l’exploitation d’une compagnie aérienne. Un taux d’occupation des sièges plus élevé et une gestion efficace des capacités peuvent améliorer les marges et la résilience des résultats, faisant de ces indicateurs de précieux signaux avancés de rentabilité future, qui ne sont pas encore pleinement reflétés dans les états financiers traditionnels.

Pour les entreprises pétrolières et gazières, des indicateurs opérationnels tels que l’activité de forage, le développement des puits et la dynamique de production permettent d’évaluer l’efficacité avec laquelle une entreprise transforme ses investissements en production future. Ces indicateurs aident à identifier les entreprises qui mettent efficacement de nouveaux puits en service, optimisent leur production et se positionnent pour une génération de flux de trésorerie plus solide sur le long terme.

Les entreprises de la distribution, quant à elles, peuvent être évaluées à l’aide d’indicateurs tels que la croissance des ventes à magasins comparables. Ailleurs, d’autres secteurs disposent de leurs propres indicateurs opérationnels, propres à la manière dont ces entreprises génèrent de la valeur.

Ensemble, ces exemples illustrent l’intérêt d’aller au-delà d’un socle commun de mesures et d’identifier les informations les plus pertinentes pour comprendre les perspectives de croissance des entreprises au sein de chaque secteur.

Les bénéfices pour le processus d’investissement

L’introduction du signal sectoriel apporte plusieurs bénéfices importants.

En intégrant une information distincte de nos facteurs existants, le modèle peut accéder à des sources supplémentaires d’alpha potentiel qui, autrement, pourraient ne pas être captées.

L’information sectorielle rapproche le modèle de l’analyse détaillée traditionnellement menée par des analystes sectoriels spécialisés, tout en conservant la cohérence et la discipline propres à une approche systématique.

L’intégration d’un jeu de données alternatif apporte une information différenciée qui renforce l’ampleur et la robustesse du processus de sélection de titres.

Une évolution continue du modèle dans le temps

Les marchés évoluent en permanence et nous pensons que les processus d’investissement systématiques doivent évoluer avec eux. Notre philosophie a toujours été que la réussite de l’investissement systématique repose sur une recherche continue plutôt que sur un ensemble figé de règles d’investissement. L’intégration de l’information sectorielle constitue la dernière étape de cette évolution.

À mesure que de nouveaux jeux de données deviennent disponibles et que les avancées technologiques ouvrent de nouvelles possibilités d’analyse, nous pensons que les modèles systématiques doivent évoluer pour capter une information auparavant inaccessible. Les données alternatives sectorielles en sont un exemple. Nous continuons d’explorer de nouveaux jeux de données, de nouvelles techniques d’analyse et d’autres améliorations susceptibles d’accroître la qualité, l’ampleur et la diversification de notre processus de sélection de titres.

Vous trouverez ci-dessous une synthèse des dernières améliorations apportées au processus d’investissement au cours des dernières années.