💰 quantitative finance

What Useful Alphas?

Cet article soutient que les anomalies d'équité académiques publiées sont devenues pratiquement inutiles pour les gestionnaires de portefeuilles hors micro-capitalisations au XXIe siècle, car leurs rendements ont diminué à des niveaux négligeables après 2005 une fois comptabilisés les coûts de transaction et la chance, indiquant que les marchés boursiers publics sont hautement efficients.

Auteurs originaux : Andrew Y. Chen, Ivo Welch

Publié 2026-07-08

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Andrew Y. Chen, Ivo Welch

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous êtes un chercheur de trésors à la recherche d'or dans une vaste forêt ancienne. Depuis des décennies, des explorateurs académiques publient des cartes prétendant montrer exactement où l'or est enterré. Ces cartes promettent que si vous suivez un chemin spécifique (une « stratégie »), vous trouverez un flux régulier de pièces d'or chaque mois.

Andrew Chen et Ivo Welch, dans leur article « What Useful Alphas? », ont décidé de tester ces cartes. Ils ne se sont pas contentés de regarder les vieilles cartes ; ils sont allés eux-mêmes dans la forêt pour voir si l'or était toujours là pour un explorateur moderne possédant un type de véhicule spécifique.

Voici ce qu'ils ont trouvé, expliqué simplement :

1. La « Vieille Carte » vs la « Réelle Forêt »

Les cartes académiques (articles publiés) ont été dessinées en utilisant des données du « bon vieux temps » (avant 2006) et incluaient chaque arbre, même les minuscules et cachés jeunes pousses dans les bois profonds (actions micro-cap).

Le résultat sur la carte : Si vous suiviez ces vieilles cartes dans l'ancienne forêt, vous trouviez beaucoup d'or. Le « trésor » moyen était d'environ 48 cents par mois pour chaque 100 $ investi. Cela ressemblait à une mine d'or.

2. Le Test de Réalité Moderne

Chen et Welch ont demandé : « Et si nous sommes un investisseur moderne qui ne peut pas conduire un minuscule jeep dans les bois profonds ? Et si nous ne roulons que sur les autoroutes principales (les 90 % supérieurs des actions les plus liquides et les plus importantes) et que nous ne cherchons l'or qu'à partir de 2006 ? »

Lorsqu'ils ont appliqué ces deux filtres, la mine d'or a disparu.

Le filtre de l'autoroute (Pas de petites actions) : En ignorant les actions minuscules et difficiles d'accès, l'or a diminué de moitié.
Le filtre temporel (Post-2005) : En regardant uniquement les années récentes, l'or a diminué de 60 % supplémentaires.

Le résultat final : Lorsque vous combinez ces deux filtres (grosses actions uniquement, années récentes uniquement), l'or restant n'était que de 7 cents par mois.

3. Le facteur « Chance »

Les auteurs ont réalisé que même ces 7 cents d'or pourraient ne pas être de l'or réel ; cela pourrait n'être qu'un coup de dés chanceux.

Imaginez 20 points de singe lançant des fléchettes sur une cible. Même s'ils ont les yeux bandés, certains toucheront le centre par pur hasard.
Lorsque les auteurs ont ajusté pour cette « chance du singe », les 7 cents d'or sont devenus presque nuls.
De plus, le coût de conduite de la voiture (frais de transaction) aurait instantanément dévoré ces derniers 7 cents. Ainsi, pour un investisseur réel, le profit était négatif.

4. Pourquoi les cartes semblaient-elles si bonnes ?

Les auteurs ont décomposé le mystère en un simple puzzle « Deux par Deux » :

L'effet du « Bon Vieux Temps » : Dans le passé, les marchés étaient plus lents, et l'information circulait plus lentement. Il était plus facile de trouver de l'or. Aujourd'hui, les ordinateurs à haute vitesse et les algorithmes trouvent l'or instantanément, n'en laissant aucun pour le reste d'entre nous.
L'effet de la « Petite Action » : Les cartes originales incluaient des milliers de petites entreprises obscures. Ce sont comme des grottes cachées dans lesquelles les gros camions (investisseurs institutionnels) ne peuvent pas entrer. L'or se trouvait principalement dans ces grottes. Une fois que vous les excluez, les autoroutes principales sont très efficaces, et il ne reste plus d'argent facile.

5. Les rares survivants

Y avait-il des stratégies qui fonctionnaient encore ?

Quelques stratégies de « rentabilité » (chercher des entreprises qui font réellement de l'argent) et certaines stratégies de « momentum » (parier sur des actions qui sont déjà en hausse) montraient un peu de vie.
Cependant, même celles-ci n'étaient pour la plupart que des coups de chance. Une fois que l'on tient compte du fait que nous avons choisi les « meilleures » parmi 200, leur valeur est tombée à presque zéro.

Le mot de la fin

L'article conclut que les « formules magiques » trouvées dans les manuels académiques sont inutiles pour les investisseurs modernes à grande échelle.

Les anomalies étaient réelles : L'or était là dans le passé.
L'or a disparu : Il a été épuisé par la technologie et la concurrence.
L'emplacement était erroné : L'or restant se trouve dans les grottes des « petites actions » auxquelles les grands investisseurs ne peuvent pas accéder.

L'analogie : C'est comme essayer de trouver un sandwich rare et bon marché dans une ville. En 1980, vous pouviez marcher dans n'importe quelle rue et en trouver un pour 1 $. Aujourd'hui, si vous ne marchez que sur les avenues principales (où se trouvent les grandes foules) et que vous cherchez des sandwichs après 2006, vous n'en trouverez aucun pour 1 $. Si vous essayez de les trouver dans les ruelles (petites actions), vous en trouverez peut-être un, mais vous ne pouvez pas y faire entrer votre voiture pour l'acheter.

À retenir : Si vous êtes un investisseur professionnel gérant un large portefeuille aujourd'hui, les centaines de stratégies « prouvées » publiées dans les revues académiques au cours des 50 dernières années ne vous feront pas gagner d'argent. L'ère du déjeuner gratuit et facile sur le marché boursier est terminée.

Résumé Technique : « Quels Alphas Utiles ? »

Énoncé du Problème
De 1973 à 2016, la littérature académique en finance a publié plus de 200 caractéristiques de niveau entreprise (anomalies) prédisant la section transversale des rendements boursiers, rapportant souvent des rendements longs-courts impressionnants de 50 à 100 points de base (bps) par mois. Cependant, un décalage critique existe entre ces résultats publiés et la réalité à laquelle sont confrontés les gestionnaires de portefeuilles d'actions. La plupart des gestionnaires institutionnels opèrent au sein d'un univers « non-micro-cap » (typiquement les 3 000 actions les plus importantes ou les 90 % supérieurs de la capitalisation boursière) et opèrent à l'ère moderne (post-2005). L'article répond à la question suivante : lesquelles de ces anomalies publiées restent rentables pour les gestionnaires qui ne peuvent pas trader de micro-caps illiquides et de petite taille au XXIe siècle ?

Méthodologie
Les auteurs utilisent le jeu de données en open-source de Chen et Zimmermann (2022), qui reproduit près de 200 prédicteurs de rendement transversaux publiés à l'aide d'un code standardisé. L'étude emploie une approche rigoureuse de filtrage et de décomposition :

Filtres d'Univers : Les auteurs appliquent deux filtres principaux à l'univers des actions, séparément et conjointement :
- Filtre de Rang (N) : Restriction aux $N$ meilleures actions par capitalisation boursière (ex. : les 3 000 premières).
- Filtre de Pourcentage (%) : Restriction aux actions composant les $X\%$ supérieurs de la capitalisation boursière totale (ex. : les 90 % supérieurs).
- Univers de Référence (Baseline) : Le filtre « Standard » combine les deux, conservant l'intersection des 3 000 meilleures actions et des 90 % supérieurs de la capitalisation boursière (environ 3 000 actions larges et liquides).
Division Temporelle : L'échantillon est divisé en deux ères : « Jusqu'en 2005 » (décembre 2005 et avant) et « Post-2005 » (janvier 2006 et après). Cette division capture l'impact de la décimalisation, du trading algorithmique et du trading haute fréquence.
Gestion des Signaux Faibles (Sparse Signals) : Pour les signaux définis sur de petits sous-ensembles (ex. : intérêt vendeur/short interest), les auteurs suppriment les signaux ayant des données insuffisantes avant 2005. Après 2005, si une jambe de portefeuille contient moins de 20 actions, le rendement est fixé à zéro, simulant une décision réelle de s'abstenir de trader faute de diversification.
Ajustement Statistique : Pour distinguer le véritable signal de la chance, les auteurs appliquent un ajustement de contraction (shrinkage) bayésien empirique (Efron, 2010). Cela calcule la variance des statistiques $t$ à travers la section transversale des anomalies ; si la variance est proche de 1 (la variance du pur bruit), les rendements observés sont ajustés à la baisse pour refléter la proportion attribuable à la chance.

Résultats Clés
L'analyse produit un contraste frappant entre l'environnement de l'« article original » et la « réalité du praticien » :

L'Environnement « Original » (Pré-2005, Toutes les Actions) : Le rendement médian long-court à travers environ 200 anomalies était de 48 bps par mois.
La Réalité du Praticien (Post-2005, Top 90% Capitalisation) : En restreignant l'univers au mode « Standard » (Top 90% cap) et à la période post-2005, le rendement médian s'effondre à 7 bps par mois.
- La statistique $t$ médiane chute à 0,45.
- L'alpha CAPM médian est de 9 bps avec une statistique $t$ de 0,64.
- Seules 67 % des anomalies conservent des rendements positifs.
Décomposition du Déclin : Une analyse deux-par-deux révèle que la réduction de 85 % des rendements médians est pilotée par deux facteurs multiplicatifs :
1. Effet de Temps (Post-2005) : Restreindre la période à l'après-2005 réduit les rendements d'environ 60 %, attribué à la décomposition post-publication et à l'essor des technologies de trading.
2. Effet de Taille (Non-Microcap) : Restreindre l'univers aux 90 % supérieurs de la capitalisation boursière réduit les rendements d'environ 50 %, car les erreurs de prix les plus significatives étaient concentrées dans les micro-caps illiquides.
Chance vs Signal : Dans l'univers Standard post-2005, la variance transversale des statistiques $t$ est de 1,09, presque identique à ce que la pure chance produirait. Après application de l'ajustement de contraction, la « part de signal » n'est que d'environ 8 %. Même la meilleure anomalie performante (66 bps bruts) se contracte à un rendement ajusté de la chance d'environ 6 bps.
Survivants : Les rares anomalies ayant conservé des rendements modestes étaient principalement des signaux de rentabilité (ex. : rentabilité opérationnelle basée sur le cash, rentabilité brute) et quelques variantes de momentum. Cependant, même celles-ci étaient largement expliquées par le biais de sélection et la chance après ajustement.
Coûts de Transaction : Les auteurs notent que même des coûts de transaction minimes élimineraient le rendement médian restant de 7 bps, rendant les stratégies économiquement non viables.

Principales Contributions

Vérification de la Réalité Empirique : L'article fournit la première quantification complète de la quantité d'« alpha » restant pour les gestionnaires de grandes capitalisations en tenant compte à la fois du régime de marché post-2005 et de l'exclusion des micro-caps.
Cadre Deux-par-Deux : Il introduit un cadre simple et mémorable pour évaluer tout résultat d'anomalie publié en posant deux questions : « Quel univers d'actions a été utilisé ? » et « Quelle période d'échantillonnage ? ». Cela clarifie pourquoi les rendements historiques impressionnants échouent souvent à se traduire en stratégies investissables actuelles.
Synthèse de la Décomposition et de la Liquidité : L'article synthétise les concepts de décomposition post-publication et de contraintes de liquidité, démontrant qu'ils agissent ensemble pour éliminer la rentabilité des anomalies standards dans l'univers investissable.

Signification et Revendications
L'article conclut que pour les gestionnaires de portefeuilles non-micro-cap au XXIe siècle, la vaste majorité des anomalies académiques publiées sont inutiles.

Significativité Statistique vs Économique : Les anomalies étaient des « découvertes réelles » sur le plan statistique (pas des artefacts de data mining), mais elles ont été « arbitrées » (traded away) dans le segment du marché qui importe le plus aux investisseurs institutionnels.
Efficience : Les preuves suggèrent que les marchés d'actions publics (spécifiquement le segment des grandes capitalisations) sont hautement efficients.
Portée Modeste : Les auteurs déclarent explicitement qu'ils ne prétendent pas qu'aucune stratégie quantitative ne peut être rentable. Ils reconnaissent que le timing de facteur dynamique, les combinaisons de machine learning et les stratégies de données propriétaires peuvent offrir des rendements au-delà des portefeuilles mensuels standardisés étudiés ici. Cependant, concernant la question spécifique de savoir si les 200+ anomalies standard publiées fonctionnent dans les actions larges aujourd'hui, la réponse est « pas grand-chose ».

L'article sert de rappel cinglant que la significativité statistique dans des échantillons historiques de toutes les actions ne équivaut pas à l'implémentabilité économique pour les gestionnaires modernes de grandes capitalisations.