Dans son édition du 19 octobre 2013, The Economist, sous le titre « Trouble at the Lab », nous explique « why most published science studies are wrong ». Pour ne citer qu’un exemple, The Economist relate l’étude réalisée par un laboratoire pharmaceutique visant à répliquer les résultats de 53 publications réputées : au terme d’efforts méritoires, il n’a pu confirmer que six d’entre elles. Le Professeur J. Claerbout (Université de Stanford) résume la situation sans détour : « Une publication utilisant des méthodes numériques ne constitue pas en soi de la connaissance scientifique, c’est simplement une publicité concernant le résultat. » Les raisons de cette dérive sont multiples : on citera la complexité des méthodes statistiques, pas toujours utilisées à bon escient, et l’ardente obligation universitaire de « publier ou périr ».
Les développements de l'informatique et les avancées mathématiques ont mis la finance quantitative au cœur de tous les aspects des marchés financiers, de la conception des nouveaux produits à la définition des normes réglementaires. La crise financière a cependant cruellement montré les faiblesses de la modélisation mathématique des phénomènes économiques. Le moment est donc venu de prendre à notre compte l'aphorisme du Pr. Claerbout et mettre en place les conditions d’une recherche reproductible en économétrie et finance empirique.
La clef de voûte d’une recherche fiable est la reproductibilité des résultats. Cet impératif, désarmant de simplicité, s’est longtemps heurté à de multiples obstacles, mais deux évolutions technologiques majeures le rendent aujourd’hui accessible : d’une part, l’apparition du cloud permet d’accéder facilement à une puissance de calcul modulable ; d’autre part, un ensemble de composants logiciels, fédérés par la technologie IPython, permet de créer des documents d’un type nouveau. Ces documents très riches combinent du texte, des résultats et surtout des programmes. Ils ont l’apparence d’un document scientifique classique, mais ce sont des documents exécutables, qui permettent de reproduire à volonté les résultats affichés.
Ces deux innovations ont rendu possible la création de Zanadu, une plate-forme de Place pour le développement et la diffusion sous forme reproductible de la recherche en finance quantitative.
Le fonctionnement de Zanadu
Lauréate du 1st Windows Azure Research Grant, la plate-forme Zanadu est portée par le laboratoire GREGOR (IAE de Paris – Université Paris I) et la société Zeliade Systems, spécialiste de l’implémentation des modèles quantitatifs.
Elle offre des espaces de travail collaboratifs à des équipes, nommées « Groups ». Un Group peut correspondre à une institution financière, un laboratoire universitaire ou encore une équipe de consultants.
La plate-forme héberge des documents (Notebooks), qui peuvent être des articles de recherche ou des documents de référence. Elle gère de façon très aboutie le cycle de vie d’un document et son niveau de diffusion. Une fois approuvé au sein du Group, le document peut être publié sur Internet dans le Channel (« canal de diffusion ») du Group. Un Channel peut aussi être associé à un séminaire ou un groupe de travail, et constituer ainsi des archives exécutables et vivantes. Un Channel public est accessible à l’ensemble des membres de la plate-forme et a vocation à contenir l’état de l’art, c’est-à-dire des mises en œuvre validées de modèles de référence. Ces documents pourront servir d’étalons comparatifs (benchmarks) pour les équipes de validation de modèles et, pourquoi pas, pour les régulateurs.
Zanadu se positionne comme une plate-forme de Place, et se décline de multiples façons : les équipes académiques ont accès à un outil unifié pour collaborer et disséminer leurs travaux, des consultants et les équipes internes de banques ont un accès direct à l’état de l’art du domaine. On peut imaginer, avec une telle plate-forme, le développement au cours du temps d’une collection d’implémentations de référence des modèles classiques de la finance quantitative. Cette collection formera un banc d’essai connu de tous et librement disponible. L’innovation issue de la recherche académique pourra se mesurer à cette aune, et les analystes quantitatifs des institutions financières pourront également l’utiliser avec profit pour valider leurs propres développements.
