La dure vie de quant vue par un top quant de Morgan Stanley

A l’époque, les quants en finance pouvaient élaborer une stratégie, croiser les bras et encaisser les gains en savourant un gros cigare, enveloppé dans un peignoir de soie. Telle est la vision des jours heureux pour le quant actuel, aujourd’hui contraint de ramer en permanence face à un écran, en quête d’un alpha illusoire quand tout un chacun disposant d’un morceau de code Python fait de même.

Ce n’était certes pas le propos de la Quant Conference du 4 novembre (qui s’est déroulée cette année en ligne), mais il s’en est fallu de peu.

« La barrière à l’entrée s’est abaissée mais celle du succès s’est considérablement élevée, » a indiqué Boris Lerner, Global of Head of Quantitative Equity Research de Morgan Stanley en référence aux stratégistes quantitatifs d’aujourd’hui. « Plus besoin de créer ses propres outils sophistiqués – il y a des quantités de packages Python et de bibliothèques virtuelles en accès libre. »

Avec l’intensification de la concurrence, les quants ont été poussés, selon lui, dans un cycle d’innovation perpétuel qui les oblige à chercher des rendements dans des domaines toujours plus marginaux. « Les stratégies les plus persistantes il y a quelques années ne sont plus suffisantes de nos jours pour drainer des revenus, » a-t-il ajouté. « Il faut continuer à repenser la recherche, aller vers des classes d’actifs élargies comme les actions et vers des classes d’actifs restreintes et moins liquides comme les crypto-actifs... »

Lorsque les traders quantitatifs poussent vers des secteurs moins liquides du marché, Boris Lerner précise que les concepts comme la microstructure du marché, qui aident à prévoir comment se négocieront certains titres, prennent une importance croissante. La microstructure du marché est aussi l’un des thèmes abordés par Michael Steliaros, Global Head of Quantitative Execution chez Goldman Sachs, avec ses étudiants, et apparaît aujourd’hui comme l’un des points à privilégier en matière d’expertise quant.

Face à ces changements, les quants sont aussi confrontés à un autre problème : la data qui ébranle leur prestige. De nos jours, le succès d’une stratégie quantitative tient largement à la qualité des données utilisées, et la qualité des données est en partie déterminée par la somme investie.

« Les données coûtent cher, » souligne Boris Lerner. « Les investisseurs quant qui réussissent investissent massivement dans les données et aussi dans l’humain. »

Si vous êtes quant et que votre bonus se réduit comme peau de chagrin alors que vous avez travaillé sans relâche pour affiner vos modèles, peut-être faut-il en chercher la cause dans le coût des données.

Crédit photo : Atharva Kshirsagar  sur Unsplash

Have a confidential story, tip, or comment you’d like to share? Contact: sbutcher@efinancialcareers.com in the first instance. Whatsapp/Signal/Telegram also available.

Bear with us if you leave a comment at the bottom of this article: all our comments are moderated by human beings. Sometimes these humans might be asleep, or away from their desks, so it may take a while for your comment to appear. Eventually it will – unless it’s offensive or libelous (in which case it won’t.