La stratégie momentum

Un signal momentum, chiffre par chiffre

Voici à quoi ressemble un signal momentum dans PairScanner. Le titre et les chiffres sont fictifs.

Ce que fait PairScanner

PairScanner applique cette règle automatiquement. Une fois par mois, l'algorithme mesure la performance de chaque action de son univers d'actions américaines liquides sur les douze derniers mois, dernier mois exclu, les classe, et retient le décile le plus fort et le décile le plus faible.

Chaque soir après la clôture américaine, il met à jour les signaux en cours et calcule, pour des horizons de 20 et 60 séances, le mouvement attendu frais déduits, la probabilité estimée d'une issue positive, la fourchette des résultats plausibles et l'ordre de grandeur d'une mauvaise issue. Ces chiffres viennent du rejeu de la même règle sur l'historique : ce sont des fréquences passées, pas des promesses.

Une variante applique la même idée aux neuf grands secteurs américains, à travers leurs ETF : l'algorithme compare leur performance sur la même période et signale le secteur le plus fort et le plus faible.

Vous ne codez rien et ne calculez rien : vous ouvrez l'onglet Momentum du tableau de bord et lisez le résultat du jour.

L'idée en détail

Le momentum est l'une des régularités de marché les mieux documentées. La règle tient en trois étapes. Chaque mois, on mesure la performance de chaque action sur les douze derniers mois, en laissant de côté le tout dernier mois. On classe les actions de la plus forte à la plus faible hausse. On achète le groupe de tête, souvent les 10 % les plus fortes, et on vend à découvert le groupe de queue.

Les positions sont gardées quelques semaines à quelques mois, puis on recommence le classement.

Pourquoi écarter le dernier mois ? Sur un mois, c'est l'effet inverse qui domine : les titres qui viennent de beaucoup bouger ont tendance à se replier un peu. C'est la réversion courte. Mesurer sur douze mois moins le dernier, qu'on note « 12-1 », sépare les deux effets.

Un exemple chiffré

Prenons huit actions fictives. On garde le quart le plus fort et le quart le plus faible : deux achetées, deux vendues. Dans la vraie stratégie, on classe des centaines de titres et on retient des groupes de 10 %.

Supposons que le mois suivant, A et B gagnent en moyenne 3 % et que G et H perdent en moyenne 1 %. La jambe acheteuse gagne 3 %, la jambe vendeuse gagne 1 % puisque les titres vendus ont baissé. Sur l'ensemble du capital engagé des deux côtés, cela fait environ 2 %, avant frais.

Exemple fictif, à but pédagogique. Ce n'est ni un signal ni une recommandation.

Pourquoi ça fonctionnerait

En 1993, Narasimhan Jegadeesh et Sheridan Titman ont montré que, sur les actions américaines de 1965 à 1989, acheter les gagnantes des 3 à 12 derniers mois et vendre les perdantes rapportait en moyenne de l'ordre de 1 % par mois sur les mois suivants, avant frais.

L'explication la plus répandue est comportementale. Les investisseurs sous-réagissent aux nouvelles : une bonne nouvelle n'est intégrée dans le prix que progressivement, ce qui crée une tendance. Viennent ensuite les effets de mode et de mimétisme, qui prolongent le mouvement.

Une partie de l'effet vient des secteurs : Tobias Moskowitz et Mark Grinblatt ont montré en 1999 que les secteurs gagnants tendent eux aussi à continuer de gagner. C'est l'idée de la variante sectorielle.

Ce que dit la recherche aujourd'hui

Le momentum a été retrouvé dans de nombreux marchés et classes d'actifs, actions, obligations, devises et matières premières, comme l'ont documenté Clifford Asness, Tobias Moskowitz et Lasse Pedersen en 2013.

Christopher Geczy et Mikhail Samonov l'ont même observé sur plus de deux siècles de données du marché américain, de 1801 à 2012. Peu de régularités de marché ont été vérifiées sur une période aussi longue.

Sources

Études citées dans cette page :

• Narasimhan Jegadeesh et Sheridan Titman (1993). Returns to Buying Winners and Selling Losers: Implications for Stock Market Efficiency. The Journal of Finance, 48(1), 65-91.
• Tobias J. Moskowitz et Mark Grinblatt (1999). Do Industries Explain Momentum?. The Journal of Finance, 54(4), 1249-1290.
• Clifford S. Asness, Tobias J. Moskowitz et Lasse Heje Pedersen (2013). Value and Momentum Everywhere. The Journal of Finance, 68(3), 929-985.
• Christopher C. Geczy et Mikhail Samonov (2016). Two Centuries of Price-Return Momentum. Financial Analysts Journal, 72(5), 32-56.