Une approche systématique et scientifique, de la recherche à l'exécution. Chaque décision d'investissement repose sur des données, des modèles et une discipline rigoureuse.
Identification de facteurs de rendement à partir de données financières historiques et de la littérature académique. Je m'appuie sur les travaux de Fama & French, Carhart, Jegadeesh & Titman, et d'autres chercheurs pour fonder chaque hypothèse sur des bases théoriques solides.
Les sources de données incluent les prix historiques, les fondamentaux d'entreprise, les indicateurs macroéconomiques et les données de sentiment. Chaque signal potentiel est évalué sur sa significativité statistique avant d'être intégré dans un modèle.
Construction de modèles quantitatifs robustes, optimisés hors échantillon avec un contrôle strict du survivorship bias et de l'overfitting. C'est le cœur de mon expertise.
Ma thèse de Master à HEC Lausanne portait précisément sur ce sujet : le calcul de la Probability of Backtest Overfitting (PBO)de Bailey et al. (2015), appliqué à des stratégies systématiques sur le S&P 500 et le Nasdaq 100. J'y ai également évalué le pouvoir prédictif hors échantillon de la prime de risque actions avec le test MSPE-adjusted de Clark & West (2006), et analysé les rendements anormaux selon Harvey et al. (2015) dans un cadre contrôlé pour le multiple testing.
« On The Relevance Of Optimizing Technical Indicators On The US Stock Markets » — HEC Lausanne, UNIL
Contrôle systématique du drawdown, diversification multi-stratégies et suivi en temps réel des expositions. Le risque n'est pas un effet secondaire : c'est la première variable que je modélise.
Chaque portefeuille intègre des limites de perte prédéfinies, une allocation dynamique du budget de risque et des mécanismes de réduction d'exposition en cas de régime de marché adverse. L'objectif n'est pas d'éliminer le risque, mais de le comprendre et de le contrôler.
Déploiement automatisé via infrastructure dédiée : serveurs privés, connexions API aux courtiers, exécution algorithmique. Le monitoring est continu, avec ajustement dynamique des paramètres en fonction des conditions de marché.
La discipline d'exécution est ce qui sépare une bonne stratégie d'un bon résultat. L'automatisation élimine les biais comportementaux et garantit la cohérence entre le modèle et sa mise en œuvre.