TD Canada

Rejoignez l'équipe Gestion de Placements TD!

PROFIL DE L’ENTREPRISE

Secteur : Finance
Fondée en : 1987

PARTICIPER

Intéressé.e à résoudre des problèmes industriels concrets tout en développant une expérience de travail inouïe? Merci de remplir le formulaire de participation ci-dessous. Nous vérifierons votre admissibilité et vous fournirons le lien d’inscription plus tard.

DESCRIPTION DU PROBLÈME

Prévision du risque de portefeuilles

En pratique, les gestionnaires de portefeuille utilisent soit le modèle fondamentale, soit le modèle statistique, soit les deux à la fois, pour modéliser la volatilité du rendement futur d’un portefeuille. 

  • Le modèle fondamentale spécifie des caractéristiques qui influencent les covariances des rendements des actions. Par exemple, les actions d’une même industrie auront des rendements plus corrélés entre elles que celles issues d’industries différentes. Le levier financier ou la taille des entreprises semblent aussi expliquer une partie de la variation commune des rendements. Moyennant une liste de ces caractéristiques et leur évolution historique ainsi qu’un historique de rendements des actions, il est possible d’estimer la matrice de covariance des rendements des facteurs de risque pour calculer l’exposition d’un titre à ces facteurs. De plus, en les agrégeant nous sommes capables de calculer le risque de tout portefeuille.
  • Le modèle statistique part d’une pleine matrice de covariance. Celle-ci a souvent été calculée avec des rendements filtrés par un processus de “winsorisation”. Une analyse de composantes principales (PCA) identifie les principales dimensions de la matrice de covariance en les classant par leur importance mais sans pour autant identifier les facteurs auxquels elles se réfèrent. Les facteurs de risque sont inférés empiriquement. 

À ce jour, GPTD a construit des modèles de risque selon ces deux types de modélisation. Les modèles statistiques (qui utilisent moins d’information) fonctionnent bien, surtout quand les marchés boursiers sont moins volatiles mais moins lorsque la volatilité des marchés augmente fortement. Peu de consensus existe sur la façon optimale de combiner le modèle fondamentale ou le modèle statistique ou encore sur la possibilité d’en construire un troisième. GPTD cherche à savoir quelle serait la meilleure manière de prévoir le risque d’un portefeuille qui utilise les rendements historiques sur les actions d’un certain univers ainsi que les caractéristiques fondamentales de ces actions ? 

  • Mettre en place un système pour mieux prédire le risque en utilisant des méthodes sophistiquées.
  • Trouver une meilleure façon de construire un portefeuille (long seulement et sans levier) à volatilité minimale.

GPTD va fournir un jeu de données anonymisées permettant de générer les deux types de modèles de risque décrits ci-haut.  

  • 30 caractéristiques + rendements des actions
  • 120 mois x 3 000 actions

ÉQUIPE

René Garcia
Professeur titulaire – Département de sciences économiques, Université de Montréal.

Ruslan Goyenko
Professeur associé en Finance – Faculté de gestion Desaultels, Université McGill.

Manuel Morales
Professeur agrégé – Département de mathématiques et de statistique, et directeur du programme Fin-ML, Université de Montréal.

Jean Masson
Directeur général, Gestion de Placements TD.

Jean-François Fortin
Vice-président, Gestion de Placements TD.

Rheia Khalaf
Directrice, Recherche Collaborative et Partenariats, Fin-ML/IVADO.

Avinash Srikanta Prasad
Boursier postdoctoral du programme Fin-ML FONCER, Université de Waterloo.

Yaroslav Babich
Baccalauréat en Sciences de l’ingénierie aérospatiale, Université de Toronto.

Kiran Deol
Baccalauréat en Informatique, Université d’Alberta.

Mohamed Gueye
Maitrise en Statistiques, Université de Montréal.

Qi Guo
Doctorant en Mathématiques, Université de Calgary.

Thierry Jean
Maitrise en médecine computationnelle
, Université de Montréal.

Ehsan Rezaei
Doctorant en 
Mathématiques appliquées, Polytechnique de Montréal.

Javad Roustaei
Maitrise en Mathématiques  financières, Université Concordia.

Myles Sjogren
Maitrise en Mathématiques  financières, Université de Calgary.

Ernest Tafolong
Maitrise en Science des données, HEC Montréal.

Shiva Zokaee
Maitrise en Mathématiques & Génie industrielle, Polytechnique Montréal.