Quelle est l'activité de QuantCube Technology ?
QuantCube Technology est une FinTech qui analyse les données du Big Data pour créer des stratégies d’investissement et plus généralement des applications pour les marchés financiers. Elle compte aujourd'hui 12 collaborateurs, Data Scientists ou Tech Experts, mais devrait employer une vingtaine de personnes d'ici à la mi-2016.
L’objectif de la société est de créer les prochaines générations de stratégie d’investissement. Qui dit « nouvelles données » dit potentiellement « nouvelles opportunités d’investissement ». À la fin des années 1990, les nouvelles données issues des marchés électroniques ont donné naissance au trading haute fréquence. Le Big Data aujourd'hui permet à son tour de prendre en compte de nouvelles données avec la possibilité de concevoir des stratégies non corrélées avec les stratégies actuelles. Voilà l’essence même de notre activité.
Notre premier proof of concept a été réalisé mi-2012. Nous l'avons testé fin janvier 2013 lors de la sortie du nouveau BlackBerry : à la veille du lancement, notre QuantCube sentiment index était à 75 % (donc très positif) ; juste après le lancement, le sentiment index est tombé à 29 % marquant la déception des acheteurs potentiels qui se sont manifestés sur Tweeter. Nous avons donc immédiatement émis une recommandation à la vente et une heure après, BlackBerry chutait de 15 %. Nous avons donc détecté, en temps réel, la déception des acheteurs qui s'est manifestée sur les réseaux sociaux. Nous avons ensuite décidé de généraliser cette stratégie à toutes les actions du S&P 500. C’est ainsi que nous avons été la première société à l’échelle mondiale à créer, en décembre 2013, un indice financier Big Data, le « QuantCube Big Data Financial Index ».
Nous avons donc mis en place plusieurs stratégies d’investissement equity sur les marchés US, européens, chinois et du Moyen-Orient ; mais également des stratégies Global Macro dont les deux exemples suivants : Smart Elections et Smart Jobs.
Avec Smart Elections, il s’agissait de prévoir les résultats des élections politiques le plus en amont possible, une démarche qui peut intéresser les banques d’investissement, le private banking, les fonds de pension, voire les fonds souverains. Car l'élection d'un gouvernement influencera les stratégies d'investissement selon que celui-ci est pro-marché ou à tendance un peu extrémiste (comme en Grèce). Notre premier proof of concept a porté sur une prévision réalisée une semaine avant des élections en Malaisie, en mai 2013 : nous avons bien prévu l’avènement d’un gouvernement pro-marché et le marché malaisien est remonté de 9 % le mois suivant. Jusqu’à présent, sur les dix élections que nous avons prévues, nous avons obtenu 80 % de succès.
Smart Jobs concerne le long terme, de 6 mois à un an. Nous récupérons, toujours en temps réel, la plupart des offres d’emploi passées sur les réseaux sociaux professionnels – Monster, Linkedln, Viadeo… –,mais aussi sur les sites des grandes entreprises. Nous sommes capables d’agréger toutes ces données pour déterminer quel est le secteur qui recrute le plus – ou le moins, avec plus de deux mois d’avance sur les chiffres officiels du Bureau of Labor of Statistics aux États-Unis. Par exemple, nous avons constaté que le secteur financier avait arrêté de recruter entre 6 et 9 mois avant la crise financière. Il était alors possible, pour un investisseur, d'être short sur le secteur financier et de passer la crise sans heurt. Des fonds souverains ou des fonds de pension peuvent déployer des capitaux conséquents sur de telles stratégies.
Plus précisément, sur quelles données fondez-vous vos prévisions ?
Ce sont des stratégies que l’on ne pouvait pas faire il y a cinq ans. La plupart des institutions financières, banques ou sociétés de gestion, utilisent pour investir sur les marchés, des données telles que les prix, les volumes, la volatilité ou les rapports de recherche. Nous utilisons en plus comme source de données les réseaux sociaux, les blogs – à l’échelle mondiale (par exemple un des blogs Chinois que nous analysons a été lu plus de 2 milliards de fois !), les données météorologiques, les reviews en provenance des sites online (Amazon, eBay…), les sites des enchères, etc.
Par exemple, nous suivons en France Twitter, Facebook, Tumblr, ou encore Instagram, très utilisée dans l’industrie de luxe ; nous avons également une équipe capable d’analyser les réseaux en anglais et nous avons été les premiers à constituer une équipe dédiée à l’analyse des réseaux chinois comme Weibo et WeChat. Enfin, nous avons une équipe dédiée à l’analyse des réseaux en arabe car les informations sur le pétrole sont cinq fois plus nombreuses en arabe qu’en anglais.
L’objectif est ainsi de cerner un certain nombre de fondamentaux en temps réel, qu’il s’agisse de l’emploi, de l’inflation, de l’immobilier ou de la croissance économique.
Le challenge est de repérer les bonnes sources d’information, c’est-à-dire celles qui ont potentiellement un impact économique et/ou financier. Nous pourrions appliquer tout ce que nous faisons dans d’autres domaines (par exemple, le sport ou la sécurité), mais nous nous focalisons uniquement sur les marchés financiers et l’économie.
Puis le plus difficile est d’avoir les idées pour définir des stratégies pertinentes. C'est là qu'entre en jeu notre expérience des marchés de plus de 20 ans.
Quel est l’intérêt d’utiliser le Big Data ?
La première hypothèse est que les informations issues des réseaux sociaux arrivent plus vite que celles issues d’autres sources d’information (agences financières…). Nous avons également remarqué que la crédibilité des nouvelles négatives est beaucoup plus élevée que celle des nouvelles positives, en termes de réalisation. Pourquoi ? Parce que les politiques marketing entraînent beaucoup de nouvelles positives, mais celles-ci sont souvent artificielles. Alors qu’une société n’émet pas des nouvelles négatives sur elle-même ! Ce qui explique que la crédibilité des nouvelles négatives est plus forte.
Ainsi vous avez des informations qui arrivent plus rapidement par le biais des réseaux sociaux ; la crédibilité des informations négatives est extrêmement élevée ; l’agrégation de ces deux paramètres permet la création d’un estimateur de volatilité intraday, parce que la volatilité intraday reflète les incertitudes sur les marchés.
Comment évaluer le degré de crédibilité des informations qui circulent sur les réseaux sociaux ?
Nous mettons une plus forte crédibilité à quelqu’un qui a ouvert son compte il y a quatre ans et compte 15 000 followers que celui qui l’a ouvert la veille et n’est suivi par personne. En outre, nous ne prendrons pas de positions à partir d’une seule nouvelle. Il faut un certain nombre de données, de telle sorte que les informations soient filtrées.
La prise en compte de données sur les réseaux sociaux ne vous expose-t-elle pas à la réglementation sur la protection des données personnelles ?
Nous faisons très attention au type de données avec lesquelles nous travaillons. Il existe une grande différence entre les données des réseaux sociaux de type « aspirationnelles » et les données « transactionnelles » qui proviennent des cartes de crédit ou encore des GPS. Mais il existe toujours un risque de retomber rapidement sur la personne elle-même. Il faut donc faire très attention si l’on décide d’utiliser ce type de données pour éviter d’être en porte-à-faux avec la réglementation.
Globalement, comment vous situez-vous par rapport aux BFI ? Concurrencez-vous leur recherche ?
Notre cœur de métier est en effet la recherche et nos équipes peuvent concurrencer ou accompagner celle des BFI, des hedge funds, ou encore des asset managers, mais nous pratiquons la recherche de demain ! Par exemple, nous sommes capables de donner en temps réel les tendances du marché immobilier, ce qui permet à une BFI de concevoir un produit d’investissement structuré dans ce domaine. Autre application : une BFI, en utilisant notre solution d’estimateur de volatilité intraday plus rapide que celle du voisin – qui, lui, ne fait pas du temps réel à partir du Big Data – peut ajuster en temps réel son bid/ask spread sur le marché des ETF ou du crédit. Cela devient un avantage compétitif.
Quels sont les profils de Data Scientists que vous recrutez ?
Ce sont des profils qui ont tous un double ou triple diplôme, en computer science, en mathématiques appliquées, financières, fondamentales, en télécommunication, en économie, etc.
La France a cet atout de produire des talents. Jusqu’en 2007-2008, ceux-ci s’orientaient notamment vers les activités de dérivés actions. Aujourd’hui, ils recherchent des postes de Data Scientist. Dans une des dernières promotions de l’Ensae, par exemple, 13 étudiants seulement (contre un tiers auparavant en moyenne) sont partis dans des activités de dérivés, alors que 50 d’entre eux ont postulé à des fonctions de Data Scientist. Sur ces profils, nous ne sommes pas en compétition avec les banques, mais avec Google, Facebook, Bouygues Télécom, etc. Et il existe un risque sérieux de souffrir en Europe d’une pénurie de Data Scientists, pénurie déjà sensible aux États-Unis où un junior peut négocier un salaire de 150 000 dollars !
Faut-il disposer de moyens importants ?
Notre objectif est d’avoir la meilleure équipe de recherche en Big Data Analytics. Nous sommes les seuls – même à l’échelle mondiale – à avoir financé notre équipe de recherche par des capitaux privés et nous allons investir plusieurs millions de dollars pour rivaliser avec les plus grands fonds quantitatifs. Nous sommes très en avance en matière de Big Data Analytics, car ces fonds d’investissement ne se sont intéressés à ce domaine que depuis le début de l’année. Or, pour réaliser un proof of concept, il faut créer les bases de données en temps réel, les algorithmes, réaliser un track record… Au final, un proof of concept demande deux ans et demi à trois ans.
Comment votre société s’est-elle financée ?
Nous avons réalisé un premier tour de financement auprès d’une dizaine d’investisseurs individuels, dont les deux tiers sont en fait des directeurs ou responsables dans des banques d’investissement et dans l’assurance, à New York, Londres, Paris, Singapour, Hong Kong ou Shanghai.
Nous sommes en train d’organiser un second tour de financement, sous forme de placement privé, toujours auprès d’investisseurs individuels : nous ciblons les avocats (pour anticiper la réglementation financière), des représentants du monde de la technologie (Télécoms et infrastructures) et toujours des investisseurs du monde de la finance. Nous avons la technologie, un produit délivrant de la haute performance, nos premiers clients de référence et espérons ainsi lever 5 millions au moins. Et dès l’année prochaine, nous allons attaquer la banque de détail et le marché de l’assurance…
