Big data: comment l'IA modifie la gestion de fortune

Baloise Asset Management
9 août 2020
Investir
L'intelligence artificielle dans la gestion de fortune

Vers l'investissement optimal grâce au big data

Les nouvelles méthodes dans le domaine de l'intelligence artificielle (IA) modifient de plus en plus la manière dont la gestion de fortune est menée. Afin de préparer l'avenir, Baloise Asset Management s'est donné pour mission d'accumuler progressivement un savoir-faire. Dans ce cadre, Baloise Asset Management travaille depuis deux ans en étroite collaboration avec la start-up Brainalyzed. Les fondateurs ont développé une plateforme d'apprentissage profond permettant de faire des prévisions et des évaluations basées sur des données. Dans la première partie de l'interview, Nisha Nicotra, Senior Portfolio Manager, a présenté les objectifs communs ainsi que les diverses étapes. Elle détaille maintenant les domaines de Baloise Asset Management dans lesquels l'IA est déjà utilisée et les tâches qu'elle accomplit.

Dans quels domaines de Baloise Asset Management l'IA est-elle déjà utilisée?

Nisha Nicotra: On peut être très créatif avec l'IA. Dans une certaine mesure, les données sont considérées comme le carburant de l'IA. Mais bien sûr, ce n'est pas seulement la quantité de données, mais aussi la qualité qui est très importante. Sur cette base, il existe plusieurs cas d'utilisation que nous observons et testons de manière approfondie avant que les connaissances acquises ne soient utilisées dans les affaires courantes. Nous avons ainsi pu par exemple optimiser notre recherche sur les actions. Notre objectif était d'atteindre une valeur supérieure à la référence. Actuellement, il semble que cet objectif sera largement atteint. En outre, nous avons développé un cas d'utilisation en matière de gestion de portefeuille pour prévoir les écarts de crédit, c'est-à-dire la différence de rendement entre une obligation sans risque et une obligation à risque. À cette fin, nous avons défini des paramètres spécifiques et un objectif en fonction duquel l'analyse est effectuée par l'outil. En alimentant la plateforme d'apprentissage profond avec des données historiques de plus de 15 ans, cette dernière est capable de développer les réseaux neuronaux en conséquence. Nous disposons à cet effet d'environ 5'000 ensembles de données. Ceux-ci permettent à la plate-forme de calculer elle-même les séries chronologiques et donc de faire des prévisions.

Dans quelle mesure la Bâloise et la start-up Brainalyzed peuvent-elles apprendre l'une de l'autre?

Nisha Nicotra: Dans ce partenariat, nous intégrons notre savoir-faire industriel en matière de gestion de fortune et sommes en même temps inspirés par la puissance d'innovation et le vent frais de l'équipe de Brainalyzed. En retour, la jeune entreprise acquiert de l'expérience dans l'environnement des entreprises, peut établir des contacts et s'enraciner dans le secteur financier.

Quel est votre rôle dans ce partenariat?

Nisha Nicotra: Je travaille dans la gestion de portefeuille et je suis impliquée dans la coopération avec Brainalyzed depuis mars 2019. Je développe des cas, je teste la plateforme et je veille à ce que cette possibilité soit étendue au sein de la Bâloise. En effet, plus le nombre de personnes travaillant avec ce système est élevé, plus nous recevons de données et plus nous pouvons découvrir rapidement et efficacement les erreurs éventuelles. C'est la seule façon de maximiser la qualité de la plate-forme. La procédure optimale est la suivante: développer des cas d'utilisation, les tester et les mettre en ligne. Notre défi est donc d'intégrer les cas d'utilisation dans les activités quotidiennes aussi rapidement que possible afin d'obtenir des informations supplémentaires. En outre, j'échange régulièrement des idées au sein du cercle de recherche sur l'IA. C'est là que nous réunissons des experts en IA de différents départements pour échanger des expériences concernant différents cas.

Nisha_Nicotra_v44
Nisha Nicotra ist Senior Portfolio Manager Fixed Income bei Baloise Asset Management