Notre large expérience en finance quantitative, acquise au sein d’activités d’arbitrage pour compte propre, de structuration pour compte de tiers et de gestion alternative, nous permet d’identifier les besoins et de proposer des solutions clé en main (allant de la méthodologie à l’outil d’aide à la décision), à ceux de nos clients qui ne peuvent avoir des équipes internes dédiées à la recherche quantitative.

Notre force réside dans notre maitrise des techniques quantitatives, des pratiques qualitatives et de l’environnement fonctionnel, opérationnel et réglementaire dans lequel évoluent les banques et les sociétés de gestion pour compte de tiers.

Grâce à notre double connaissance du monde académique et de l’industrie financière, et à notre veille technologique continue, nous sommes capables de déployer les méthodologies les plus innovantes et les solutions les plus abouties.

Ceci nous permet de répondre efficacement aux missions de conseil et d’audit les plus complexes.

De la conception méthodologique à la mise en œuvre effective, notre équipe vous assiste aussi dans la création, revue ou refonte de votre dispositif de contrôle des risques, depuis l’identification des axes de risques jusqu’au reporting, en passant par la quantification, le choix et la validation des modèles de valorisation, le choix des flux de données, le choix des sources de pricing et l’organisation du processus de façon générale. Selon les spécifications du client, notre méthodologie d’analyse de modèles peut se décliner à plusieurs niveaux d’aboutissement (depuis le choix du modèle et des facteurs sous-jacents jusqu’aux problématiques de calibrage) et fait appel, le plus souvent, à une confrontation des dits modèles à nos modèles propriétaires.

Grâce à notre connaissance approfondie non seulement des tendances de marché en termes de modélisation, pricing et de gestion des risques, mais aussi des processus opérationnels (trading, arbitrage, gestion pour compte de tiers) et des pratiques de marché qui les gouvernent, nous pouvons vous accompagner dans la mise en place et/ou l’optimisation de votre filière « Modélisation / Recherche Quantitative » qui sera en charge de l’alimentation de votre système d’aide à la décision en outils de pricing, d’arbitrage et de gestion des risques.

Nous travaillons avec des gérants de portefeuilles (gestion traditionnelle comme alternative), des banques privées et des family offices sur les problématiques de construction de portefeuilles et de gestion des risques. Tout en préservant les processus d’investissement déjà existants, nous offrons à nos partenaires des méthodologies, des modèles et des outils techniques visant à :

• mieux appréhender le profil risque-rendement du portefeuille et le rendre plus cohérent avec l’objectif visé.
• Identifier et gérer les différents axes de risques, y compris ceux implicites et/ou cachés.
• Mettre en place des stratégies de protection afin de stabiliser, à moindre coût, la performance à long-terme, tout en respectant les contraintes, explicites comme implicites, du portefeuille.
• Mettre en place des stratégies satellites tout en en maitrisant la contribution au risque-rendement.
• Concevoir et mettre en œuvre des stratégies de trading (du type « rule-based ») sur toutes classes d’actifs et différents horizons d’intervention. Outre l’aspect purement quantitatif (calibrage, validation par back-testing out of sample…), ce type de projet suppose le plus souvent une composante technologique comprenant, généralement, une  implémentation dans un langage évolué (C/C++, VB…), une connexion à un flux de données, une connexion à une ou plusieurs bases de données, un interfaçage homme-machine sur mesure (incluant le monitoring), une infrastructure dédiée au passage d’ordre et/ou l’implémentation de la stratégie systématique.

Notre ambition est de construire une équipe pluridisciplinaire de finance quantitative travaillant en étroite collaboration avec les cercles académiques sur un nombre réduits de problématiques telles que :

• L’analyse de données et la reconnaissance de séquences : Il va sans dire que la capacité des intervenants à extraire l’information hautement significative au sein de la grosse masse d’information facilement disponible, façonnera la finance quantitative de demain. Des approches innovantes sont nécessaires à l’exploration, compréhension et description de cette masse faramineuse d’informations disponibles, ainsi qu’à la détection dans son sein de formes et/ou séquences ayant une significativité particulière. De l’analyse conjointe des séries de données financières et de l’évolution des sentiments tels qu’extrais du web (réseaux sociaux et moteurs de recherche), nous pourrions peut-être acquérir une meilleure compréhension de la réaction du marché aux chiffres macro-économiques. De l’analyse des données électroniques de haute fréquence disponibles auprès des chambres de compensations, nous pourrions peut-être un jour détecter les prémices d’un « flash crash » quelques secondes avant son avènement.
• L’allocation d’actifs et l’analyse factorielle des classes d’actifs: A ce stade, plusieurs approches semblent cohabiter et se confondre, sans qu’aucune ne puisse vraiment se détacher en emportant l’adhésion des décideurs. Nous favorisons, néanmoins, les approches bayésiennes qui intègrent le degré de conviction associé aux vues de marché, en les mixant à la notion de budget de risque et en intégrant les contraintes qui s’imposent (ALM pour un assureur, Maximum de drawdown ou probabilité de perte de capital pour un gérant d’actifs…). Dans cette optique, la budgétisation des risques est faite selon les facteurs principaux de risque sous-jacents aux différentes classes d’actifs et non selon les classes d’actifs elles-mêmes. Nous travaillons sur des approches factorielles, linéaires et non linéaires, qui devraient nous permettre d’intégrer rigoureusement les actifs dits alternatifs (hedge funds, private equity et autres actifs réels) en tenant compte de leurs expositions peu linéaires aux facteurs traditionnels de risque.
• L’utilisation de l’approche fractale dans la quantification du risque (volatilité, VAR…) et la modélisation des crises financières : Les fractals semblent constituer une piste intéressante pour rendre compte des mouvements pathologiques des marchés (ce que Mandelbrot appelait « hasard sauvage » par opposition au « hasard bénin » traité à merveille par la théorie classique) et mieux comprendre les phénomènes de contagion, de risques extrêmes, ainsi que les dynamiques brutales associées à l’émergence de crises. Utiliser l’approche fractale nous permet d’évaluer les variations de volatilité de façon plus pertinente que certains modèles classiques basés sur la persistance de la volatilité, et d’aboutir à des indicateurs de risque plus pertinents. Un autre axe de recherche (peu exploré, jusqu’ici) consisterait à associer le caractère fractal au temps tel que vécu sur les marchés boursiers. L’idée serait alors d’introduire une déformation de l’échelle de temps, avec alternances de périodes de plus ou moins fortes dilatations,  à une cadence dictée par  la régularité de l’information qui arrive sur le marché.