PGIM Quantitative Solutions se distingue par son approche unique en intégrant des principes de la physique théorique dans la gestion des in...
PGIM Quantitative Solutions se distingue par son approche unique en intégrant des principes de la physique théorique dans la gestion des investissements. Dirigée par George N. Patterson, un physicien diplômé de la NASA, l'équipe utilise des modèles mathématiques avancés pour optimiser les portefeuilles financiers.
Patterson, qui a une carrière en finance après avoir travaillé à la NASA, applique des concepts de la physique théorique à la gestion des investissements. Par exemple, l'équation qui décrit les mouvements des prix des actions est similaire à celle qui décrit le mouvement de la chaleur. Cependant, contrairement aux phénomènes naturels prévisibles, les marchés financiers sont souvent imprévisibles, ce qui rend la gestion des investissements plus complexe.
PGIM Quantitative Solutions utilise des outils sophistiqués comme les copules, les graphes dirigés et les modèles de Markov cachés pour analyser et optimiser les portefeuilles d'actions, d'obligations et de matières premières. L'équipe traite 61 téraoctets de données pour réaliser environ 400 000 transactions par an. Leur approche vise à maximiser les rendements tout en tenant compte des risques, ce qui nécessite un grand nombre de calculs complexes.
Malgré une approche quantitative avancée, Patterson et son équipe doivent également faire face à des défis pratiques. Les modèles quantitatifs, bien qu'efficaces sur le papier, peuvent parfois se concentrer sur des coïncidences plutôt que sur des relations significatives. Par exemple, une analyse des covariances basée sur des données historiques peut conduire à des conclusions erronées, surtout en période de turbulence du marché.
Pour pallier ces limites, PGIM utilise des techniques modernes telles que les copules pour modéliser les interdépendances croissantes entre les actifs en période de crise. Ils cherchent également à éviter l'utilisation excessive de complexité dans leurs modèles, se concentrant sur des approches qui reflètent le mieux les conditions réelles du marché.
En fin de compte, l'objectif de Patterson est d'utiliser la complexité de manière judicieuse pour modéliser le monde réel, sans aller au-delà de ce qui est nécessaire pour obtenir des résultats fiables.
Aucun commentaire