VISION 2026 : Explorer l’innovation et l’avenir des placements - Neil Constable

Glen Davidson: [00:00:00] Je vous souhaite la bienvenue de la pause. Neil, c'est un plaisir d'être à nouveau avec vous. Nous avons eu quelques-unes de ces discussions avec un public comme celui-ci. La recherche quantitative et l'investissement, qui est la division dont vous faites partie, est très intéressante pour moi d'en entendre parler. J'espère que notre auditoire ressent la même chose. Je pense que ça vous intéresse toujours beaucoup. J'aimerais que vous donniez à l'auditoire un rappel de ce qu'est QRI. Vous avez commencé avec le groupe en 2020. Quand on y pense chez Fidelity, nous sommes composés d'investissements fondamentaux, techniques et quantitatifs, un peu d'un diagramme de Venn. En tant que gestionnaire de portefeuille, vous pouvez extraire de chacun de ces éléments. Mais la partie Q était assez petite dans le passé. Ce n'est pas le cas depuis que vous avez commencé en 2020. Veuillez nous présenter l'évolution de QRI.

Neil Constable: [00:00:44] Avant ça, c'est bon d'être ici, c'est bon de voir tout le monde. C'est toujours agréable de revenir au Canada. Étant basé à Boston depuis 25 ans, c'est agréable d'être sur le terrain, pour ainsi dire. Vous avez tout à fait raison. Fidelity a toujours, comme vous le soulignez avec précision, et il serait impossible de ne pas, vraiment, en tant que gestionnaire actif, de faire travailler certains aspects de l'analyse quantitative, de la recherche quantitative aux côtés des gestionnaires de portefeuille, des analystes fondamentaux, etc. C'est vrai pour les actions, les titres à revenu fixe et le travail sur plusieurs catégories d'actifs que nous effectuons également. Ce qui a changé au cours des derniers, je suppose cinq ans et demi maintenant que j'ai rejoint Fidelity en 2020 pour diriger cet effort, il est passé de 50 ou 55 analystes quantitatifs, certains types de data science qui étaient répartis entre les différentes classes d'actifs, ça a commencé comme un effort de centralisation, et maintenant c'est le cas, je ne connais pas les chiffres exacts, mais c'est il y a eu environ 220 chercheurs quantitatifs et gestionnaires de portefeuille et un autre personnel dévoué d'environ 250 technologues, scientifiques des données, ingénieurs logiciels, etc., puis un tas d'autres spécialistes des opérations et de la qualité des données. Alors appelez ça une organisation de 500 personnes. 10X en cinq ans, ce n'est pas une mince affaire. Comme vous pouvez le deviner, c'est parce que c'est une priorité stratégique pour Fidelity d'être un chef de file mondial dans tout ce qui concerne les questions quantitatives et en quelque sorte la grande définition générale du quant, de la science des données, de l'analyse quantitative, de la gestion des risques et du trading. Nous allons parler de toutes ces choses maintenant, je crois.

Glen Davidson: [00:02:32] J'aimerais bien, mais j'aimerais parler du catalyseur. J'imagine que Fidelity est privé, et ce que la vision d'Abby Johnson était de regarder vers l'avenir du développement de l'entreprise, a permis au groupe, vous avez dit 500 personnes maintenant contre 50 en 2020. Parlez des avantages de la propriété privée et de l'allocation pour que vous puissiez constituer une équipe telle qu'elle est.

Neil Constable: [00:02:55] Je pense que l'objectif au départ, tel qu'on m'a dit, n'a jamais été de, ok, vous savez quoi, nous n'avons pas eu d'effort quantitatif massif dans le passé, nous avons besoin d'un effort quantitatif massif. Ce n'est pas du tout ainsi que la conversation s'est déroulée. C'était en fait beaucoup plus organique dans le sens où l'ADN de Fidelity est un gestionnaire actif de classe mondiale dans toutes les différentes catégories d'actifs. Les questions qui m'ont été posées lors de mes premières conversations avec Abby elle-même et mon patron actuel, Bart Grenier, qui dirige toute la gestion d'actifs, visaient davantage à savoir comment faire en sorte que Fidelity soit aussi pertinente et aussi bonne qu'un gestionnaire actif dans 20 ans, c'était il y a cinq ans, 20 ans plus tard, comme ça l'a été au cours des 30 dernières années ? Je sais maintenant qu'ils posaient cette question sur beaucoup de fronts différents. La réponse à cela n'est pas seulement de constituer une équipe quantitative, il y a beaucoup d'autres choses que vous devez faire. L'une des grandes choses qui sont ressortis des conversations que j'ai eues avec eux est le besoin croissant d'intégrer la capacité d'intégrer, d'analyser et de rendre utiles des quantités massives de données générées par tous les aspects de notre vie aujourd'hui.

[00:04:09] J'ai parlé à cet événement et à d'autres avant que beaucoup d'entre vous ne m'aient probablement entendu parler de ces événements. C'est un peu troublant, je suppose, mais nous pouvons suivre les téléphones cellulaires des gens autour des centres commerciaux. Je veux dire, je ne le fais pas, il y a des entreprises qui le font. Je n'ai pas votre nom ou quoi que ce soit de ce genre, personne n'en a. Les entreprises de tours de téléphonie cellulaire vous indiquent combien de téléphones cellulaires entraient et sortaient de divers détaillants à un moment donné, et vous pouvez ensuite obtenir des données en temps réel le lundi matin sur les détaillants qui ont bien réussi lors de cette séance d'achat de fin de semaine par géolocalisation, différentes villes, différents centres commerciaux et autres. Dans un monde où c'est possible, je ne dis pas que toutes les données sont utiles tout le temps, mais en un mot où c'est possible, il est devenu clair qu'elles devaient être importées et mises à la disposition de nos gestionnaires de portefeuille et de nos analystes afin qu'ils puissent les utiliser quand ils en avaient besoin.

[00:04:57] Si vous réfléchissez à tout ça, aux personnes que vous embauchez, au biais de récence ici, Darren était sur scène avant moi, il est inégalé, tout comme tous les gestionnaires de portefeuille de Fidelity, l'accès aux entreprises, assis de l'autre côté de la table, interviewant des PDG et des directeurs financiers sur leurs modèles d'affaires, leurs perspectives de croissance, les risques qu'ils voient et ainsi de suite. Il s'agit d'une compétence qui prend des années à développer et à former, et Fidelity a toujours excellé dans l'embauche de personnes douées dans ce domaine, la formation et la mise en place de calibre mondial dans ce domaine. Ce ne sont pas les mêmes personnes que vous allez embaucher pour passer au peigne fin des téraoctets de données des pylônes de téléphonie cellulaire afin de déterminer la circulation piétonnière dans les centres commerciaux.

[00:05:37] Tout comme je ne m'engagerais pas pour interviewer un PDG et un chef des finances, mais dans le monde moderne, vous avez vraiment besoin des deux. C'est ainsi que se déroule la conversation. De quoi avons-nous besoin pour conserver notre avantage en tant que gestionnaire actif ? À quoi cela ressemble-t-il dans un monde inondés de données et de technologies ? Cela a précipité le moment où ils sont revenus me voir et m'ont dit que nous devons investir sérieusement dans tout ce qui concerne la science des données quantitatives, la technologie qui va avec, le talent pour y parvenir, parce que c'est un ensemble de compétences différent. C'est ainsi que tout a commencé.

Glen Davidson: [00:06:08] Cela me fait penser à une citation, vous n'aimez peut-être pas le changement, mais vous n'aimerez pas davantage la non-pertinence. Il s'agit d'avoir l'avantage de Fidelity et des gestionnaires de portefeuille et ce que vous trouverez, ce que nos téléspectateurs découvriront aujourd'hui, c'est que cette discussion porte sur l'aide que vous fournissez aux gestionnaires de portefeuille, mais aussi sur les solutions que vous offrez aux investisseurs. Nous allons passer à deux volets. Je voulais aussi parler de l'embauche parce que vous avez parlé de data scientists et ainsi de suite. Si je ne me trompe pas, votre doctorat, vous en avez peut-être deux, mais je ne me souviens pas, votre doctorat portait sur la théorie quantique des champs et sa relation avec la gravité. C'est quelque chose que nous avons tous. Ce qui est fascinant, c'est que vous vous êtes tourné vers les services financiers il y a de nombreuses années. D'autres personnes de votre division à qui j'ai parlé ont des doctorats en mathématiques, en génie, en génie mathématique, c'était incroyable. Comment trouvez-vous les personnes qui veulent s'orienter vers les services financiers et comment leur faire comprendre que le pivot avec leurs compétences est tout à fait logique ?

Neil Constable: [00:07:13] Je vais essayer de donner une brève réponse à cela. En fait, ce n'est pas aussi rare que beaucoup de gens le pensent probablement, pour la simple raison que le secteur financier, pas seulement, mais le secteur financier est l'un des endroits où des quantités massives de données sont générées en tout temps. Il y a des marchés ouverts partout, les prix changent, toutes ces données de géolocalisation que je viens de mentionner maintenant, tout cela fait maintenant partie du mix. Il y a d'énormes clients de données et il ne manque pas de questions qui doivent être posées et répondues pour aider les gens à trouver des cadres mentaux pour réfléchir aux entreprises, aux industries ou aux macroéconomies.

[00:07:50] La meilleure façon de répondre aux questions, ou l'une des meilleures façons de répondre à ces types de questions, consiste à appliquer une approche fondée sur les données pour obtenir des réponses quantitatives aux choses. Il y a aussi des aspects qualitatifs, mais le quantitatif — lorsque vous pensez aux physiciens, aux mathématiciens ou aux ingénieurs, que sommes nous ? Ignorez la théorie quantique des champs et les trous noirs, c'est difficile pour moi de le faire parce que j'adore ça, mais de toute façon, nous sommes, à la base, des résolveurs de problèmes logiques hautement qualifiés. Il y a des données, il y a un modèle mental que vous avez, il y a des équations, peu importe, les variables. Qu'est-ce que je sais, qu'est-ce que je ne sais pas ? Sur quoi puis-je obtenir des données et que dois-je faire pour obtenir un résultat ? C'est une chose très générique à faire et elle concerne de plus en plus le secteur financier parce que de plus en plus de données sont disponibles pour vous aider à poser des questions quantitatives. Une grande partie de l'industrie de la quantité est pleine de gens comme moi.

Glen Davidson: [00:08:46] C'est incroyable, et nous parlerons de la gravité une autre fois. Qu'est-ce qui différencie, en un mot, la division QRI de Fidelity de la concurrence ?

Neil Constable: [00:08:59] Il y a quatre choses dont il faut parler. Ces quatre choses ne nous différencient pas. Je veux parler de la façon dont nous sommes différents sur chacun des quatre. Cela commence par des données, sans surprise. J'ai déjà dit le mot 15 fois, n'est-ce pas ? Mais les données, la technologie, l'intégration du quant et du fondamental, qui fait partie de l'aspect stratégique de la fidélité qui la rend différente, et ensuite le talent. Dans toutes ces choses, je pense que nous sommes différents et, franchement, meilleurs sur tout cela que presque n'importe quel autre magasin au monde. Qu'est-ce qui le rend vraiment différencié et, je pense, durable et comment répond-il à la question de 20 ans qui m'a été posée au départ par Abby, lorsque vous réunissez toutes mes réponses à ces quatre questions ?

[00:09:41] Tout d'abord sur les données, toutes ces données dont je parle, c'est amusant de parler des données de téléphone cellulaire, c'est amusant de parler des données de carte de crédit, c'est amusant de parler du fait que nous avons le contenu de chaque conteneur qui est embarqué ou déchargé dans tous les ports à conteneurs du monde en sept jours. Nous savons tout ça, c'est amusant, mais si nous pouvons l'obtenir, les autres le peuvent aussi. Maintenant, il y a une contrainte budgétaire inhérente pour obtenir tout ça, dont nous parlerons dans une seconde. Nous avons des dizaines, des douzaines et des douzaines d'ensembles de données vraiment intéressants comme ça. Vous devez être capable non seulement de collecter ces données, mais aussi de créer la technologie pour l'héberger et la rendre utilisable. Comme je l'ai dit, en théorie, n'importe qui d'autre peut l'obtenir, mais il y a l'aspect, ce que Fidelity apporte, ce sont nos données exclusives.

[00:10:29] Il s'agit de données qui ne quitteront jamais les quatre murs de Fidelity. Cela équivaut à des choses comme... dans la seule division des actions de Boston, nous avons environ 150 ou 160 analystes boursiers qui rencontrent des entreprises, rédigent des notes de recherche, attribuent des cotes, achètent des produits solides, vendent des résultats solides, des estimations de rendement du rendement, etc. tout le temps. Nous avons toutes les notes qu'ils ont écrites, toutes les notes qu'ils ont faites, chaque objectif de prix qu'ils ont jamais mis sur une action remontant à 25 ans. Tout est numérisé. Nous avons toutes les transactions que chaque gestionnaire de portefeuille a effectuées, horodatées lorsqu'elles ont atterri sur le bureau, combien de temps cela a pris pour être exécutée, combien de temps cela a coûté pour négocier. Chacun de ces cas remonte à au moins 15 ans. Il s'agit de données exclusives et de métadonnées, c.-à-d. ce sont des données sur nos propres activités. Il peut être exploité pour toutes sortes d'idées.

[00:11:21] Lorsque vous les combinez, que disent nos analystes au sujet des sociétés pétrolières lorsqu'il y a un pic inflationniste, chaque fois qu'il y a eu une flambée inflationniste au cours des 30 dernières années, que disent-ils habituellement à ce sujet ? Qu'est-ce qu'ils disent maintenant, en quoi est-ce différent de la rue ? Où est notre avantage dans ces choses ? Maintenant, quelles données pouvons-nous obtenir que tout le monde possède et que nous pouvons appliquer à ce qui préoccupe nos analystes ? C'est en rassemblant ces éléments, cette énorme quantité de données accessibles au public et toutes ces données privées qui crée vraiment un avantage différencié pour nous.

[00:11:52] La dernière chose que je voulais mentionner sur ce point, c'est le talent, parce que cela rassemble tout. Lorsque je commence à recruter l'équipe que vous avez mentionnée, oui, la plupart d'entre eux ont un doctorat ou quelque chose en ingénierie ou quelque chose comme ça. C'est génial, mais pourquoi veuvent-ils venir travailler avec moi ou travailler avec Fidelity, plus important encore ? La réponse est, soit dit en passant, que j'ai recruté la plupart d'entre eux dans des endroits comme ces fonds spéculatifs dont vous avez entendu parler, Citadel et D.E. Shaw et Point72, également nos concurrents traditionnels en matière de gestion d'actifs, mais pourquoi sont-ils prêts à venir ici parce que ce n'était pas traditionnellement une destination ? La réponse que chacun d'entre eux me donne est que, eh bien, il n'y a jamais eu de gestionnaire d'actifs traditionnel qui m'a permis de travailler sur ces problèmes et de jouer avec ces jouets, le degré de puissance de feu technologique qui y a été utilisée.

[00:12:37] Ils disent, eh bien, je peux résoudre les mêmes problèmes, travailler sur les mêmes problèmes avec le même calibre avec le même calibre de personnes chez Fidelity que je n'avais vraiment pas d'autre choix que d'aller travailler dans ces fonds de couverture pour le faire auparavant. Maintenant, nous le faisons ici au sein d'une entreprise axée sur l'investissement à plus long terme, une entreprise davantage axée sur le client. Pour un grand nombre de personnes qui veulent se concentrer sur l'investissement à long terme en gardant surtout à l'esprit les intérêts des clients, cela devient une chose très précieuse. Encore une fois, réunissez tout cela, les données, la pile technologique que nous construisons pour tout héberger, le fait qu'il soit profondément intégré entre le quant et le fondamental, et ensuite le fait que le talent veuille venir travailler dessus, cela nous rend très différenciés.

Glen Davidson: [00:13:15] Vous avez parlé tout à l'heure de comprendre ce qu'il y a dans chaque conteneur sur chaque navire dans le monde entier. Ces données ne sont pas disponibles pour moi et pour tous les membres de l'auditoire. J'imagine que cela s'accompagne d'un gros ticket. Pouvez-vous nous donner une idée de ce que nous parlons ?

Neil Constable: [00:13:31] C'est quelque chose que j'ai très délibérément modelé sur quelques fonds de couverture qui, je crois, ont fait le meilleur travail au cours des 15 ou 20 dernières années en matière d'acquisition de données. Il y a ce que nous appelons des données régulières. Ce sont les choses que vous obtiendrez d'un terminal Bloomberg, des chiffres sur les entreprises, le genre de choses habituelles, les appels de revenus et tout ce genre de choses. Ensuite, il y a ce que nous appelons, je déteste l'expression, des données alternatives qui sont les données sur les transactions d'expédition, les données de géolocalisation, etc. Tous les grands magasins de quantité, ou même les magasins non quantitatifs, qui ont besoin de toutes les données de type Bloomberg vont dépenser des centaines de millions de dollars par année pour ces données. C'est ce que nous faisons, nous devons le faire. De plus, pour toutes les données dites alternatives, il s'agit de dizaines de millions de dollars supplémentaires par année.

[00:14:18] Certains de ces ensembles de données qui couvrent des choses très étroites, comme les transactions par carte de crédit dans tous les États-Unis, c'est un ensemble de données de 2 millions de dollars par année. Je souscris maintenant, je crois, à 45 — ils ne sont pas si chers — mais à 45 de ces ensembles de données et nous devons avoir un pipeline parce qu'il y a toujours de nouveaux ensembles de données qui deviennent disponibles. Nous n'utilisons plus cette expression, mais l'Internet des objets signifiait vraiment que chaque partie de notre vie gaspille des données tout le temps, pas tout ce qui est utile, bien sûr, mais la capacité de toujours être au courant de ce qui est disponible. Nous devons donc construire un pipeline. J'ai une équipe de personnes dont le travail consiste simplement à évaluer quelles sont les données disponibles, à quoi elles servent, le cas échéant. Si c'est bon pour quelque chose, comment cataloguez-vous ce qui est bon pour quelque chose, l'apportez-vous, l'ingérez, créez des analyses, puis transmettez-vous ces analyses aux gestionnaires de portefeuille afin qu'ils puissent les utiliser.

Glen Davidson: [00:15:08] Ce qui m'amène au et à quoi ? SI quelqu'un dans l'auditoire s'est levé, ne faites pas ça, s'est levé et a crié, et alors quoi, il s'agit vraiment d'une aide pour le premier ministre fondamental qui a besoin d'informations supplémentaires pour avoir un avantage, mais il y a aussi des personnes qui veulent investir dans des produits spécifiques fournis par QRI. Commençons par l'aide qu'elle fournit à un gestionnaire de portefeuille fondamental. Shilpa Mehra était ici plus tôt et nous étions à l'arrière en train de parler après et j'ai dit que j'allais vous parler. Je ne sais pas qui sait, ai-je dit, vous savez qui est Neil ? Elle a dit, oh oui, une partie du groupe quantitatif. J'ai dit : utilisez-vous les renseignements fournis ou en avez-vous besoin ? Elle a dit, absolument. Cela lui donne un avantage pour confirmer une thèse et ainsi de suite. Comment le convaincre ou comment le commercialisez-vous auprès des gestionnaires de portefeuille fondamentaux au sein de la firme ?

Neil Constable: [00:16:01] Il y a beaucoup de choses différentes que nous faisons. Il y a un aspect poussé et attrayant. Une des choses que nous avons toujours faites chez Fidelity, c'est avant moi, les quants qui étaient là avant moi, nous les appelons toujours des quants intégrés parce que ceux qui ont travaillé avec les équipes fondamentales s'assoient avec les équipes fondamentales, parlent aux gestionnaires de portefeuille, parlent aux analystes, sont dans le genre de flux d'informations. Ce que ces quants finissent par faire, c'est qu'ils apprennent le jargon. Ils apprennent ce qui importe aux gestionnaires de portefeuille, mais ils parlent aussi quant. Ils traduisent cela en une question à laquelle il est possible de poser et de répondre à l'aide de certaines de ces données. Si nos queurs déterminent que les PM se regroupent autour de certains types de questions, alors ils peuvent partir et trouver comment répondre et revenir en arrière et dire : hé, au fait, on dirait que vous vous souciez de X, voici une vue sur X basée sur ces sources de données. Si c'est utile, cette poussée crée une attraction naturelle. Les gestionnaires des problèmes sont occupés. Si vous ne leur fournissez pas d'informations utiles, ils doivent assister à une réunion d'entreprise. Dans la mesure où ils commencent à y prêter attention, et ils le font de plus en plus, c'est parce que c'est une valeur ajoutée qu'ils ne peuvent pas facilement obtenir ailleurs.

[00:17:07] Les exemples aident toujours dans ce domaine, alors je vais vous en donner deux. Un membre de notre groupe d'obligations à haut rendement, je crois avoir vu Adam Kramer ici quelque part, l'un de ses collègues qui gère un grand fonds à haut rendement, Ben Harrison, il y a un Ritz-Carlton Cruise Lines. Je ne sais pas si beaucoup d'entre vous savaient que Ritz-Carlton, la chaîne hôtelière, avait lancé une compagnie de croisière de luxe, mais ils l'ont fait et ils ont construit ces bateaux très, très coûteux, de plusieurs milliards de dollars. Pour ce faire, ils ont emprunté beaucoup d'argent sur le marché des obligations à haut rendement. Ces obligations se négociaient à environ 100, 102 cents par dollar, en partant du principe qu'elles n'auraient aucun problème à rembourser ces obligations, bien sûr. Ils allaient vendre ces yachts géants de luxe, en fait, et faire une croisière autour du monde avec des milliardaires ou quoi que ce soit d'autre qu'ils allaient faire. C'est la rue qui a acheté cette histoire. Ce que nous avons pu faire, c'est de constater que les réservations représentaient moins de la moitié de ce qu'ils avaient annoncé au moment de contracter cette dette. Vous pouvez vérifier cela au moyen d'une transaction par carte de crédit. Il s'agissait d'un grand exercice de triangulation. Il y a des informations sur les cartes de crédit, il y avait des données réelles de géolocalisation de certains des bateaux qui avaient déjà navigué, combien de téléphones cellulaires se trouvaient sur le bateau, eh bien, ça n'a pas de sens, la collecte de données auprès des agences de voyages. Ce n'était pas quelque chose de propre, mais vous avez tout cousu ensemble, c'est comme si ce n'était pas une bonne histoire. Le gestionnaire de portefeuille a complètement quitté la position à 101 cents pour un dollar et trois semaines plus tard, il se négociait à 75 cents. Il m'a donné la permission de raconter cette histoire.

[00:18:38] Il y a un exemple de collecte de toutes ces données, vous avez une longueur d'avance. C'est un exemple très dramatique. D'autres exemples seraient quelque chose comme : je ne vais pas parler de notre utilisation de l'IA, mais de notre équipe des actions, évidemment, et plusieurs PM vous ont parlé aujourd'hui de la technologie générative de l'IA et de tout ce qui l'entoure, de l'importance que cela revêt pour le marché boursier et des possibilités d'investissement. Est-ce une bulle, n'est-ce pas une bulle ? Est-ce que ça va changer le monde comme les gens disent, quoi qu'il en soit ? Ce que nous pouvons faire, c'est... nous avons toutes les applications dans le monde qui sont sur votre téléphone, sur votre ordinateur ou votre bureau, nous obtenons des données d'utilisation de tout cela. Nous pouvons surveiller les applications ChatGPT par rapport à l'utilisation de Gemini par rapport à l'utilisation des nouveaux éléments de Claude et fournir beaucoup de commentaires détaillés aux gestionnaires de portefeuille et aux analystes qui couvrent cet espace, parce qu'ils veulent savoir qui seront les gagnants, qui seront les perdants. Avec quels segments de clientèle gagnent-ils ? Est-ce que Chat GPT s'en sort mieux avec l'utilisateur moyen dans la rue et Gemini s'en sort mieux avec les entreprises, ou vice versa ? Il s'agit d'un espace en mouvement rapide, à quoi devraient-ils prêter attention, quelles questions devraient-ils poser ? Lorsqu'il s'agit de sociétés privées qui pourraient être mises en bourse, quel intérêt devraient-elles être intéressées ? Il n'y a pas de vente massive et spectaculaire du cautionnement dans cette affaire, mais cela fait vraiment partie de la conversation quotidienne et les données sont recueillies par cette équipe quantitative.

Glen Davidson: [00:19:58] Ce sont d'excellents exemples de la façon dont un gestionnaire de portefeuille a bénéficié de votre utilisation. En fait, une question vient de l'auditoire. Comment distinguez-vous les signaux significatifs du bruit entre les ensembles de données ?

Neil Constable: [00:20:12] C'est ce dont je parlais, ce gros pipeline que nous devons concevoir. Nous avons toute une équipe qui travaille sur la question de l'acquisition de données. Il ne s'agit pas seulement d'aller chercher les ensembles de données. En fait, il s'agit d'abord de trouver des ensembles de données qui existent. Parfois, les grandes entreprises les vendent, parfois les petites entreprises en démarrage ont trouvé comment mettre la main dessus et elles le vendent, quel qu'il soit. La question est alors de savoir ce que ces données prévoient, le cas échéant ? Selon la source des données, vous avez quelques hypothèses. Ensuite, nous allons vérifier. Cette équipe vérifie si ces données sur la circulation piétonnière sont effectivement corrélées avec les ventes effectuées dans le même magasin dans la période précédant les chiffres trimestriels ou quoi que ce soit d'autre. Ce qui est un autre bon exemple, ces éléments d'utilisation des applications que je viens de mentionner pour, disons, les applications d'OpenAI, sont en fait révélateurs de ce qui sort publiquement en termes d'utilisation et quoi qu'il en soit un quart ou deux plus tard.

[00:21:11] Nous passons par cette période de test pour voir s'il prévoit un indicateur de performance clé, un indicateur de rendement clé, pour l'entreprise dont tout le monde se soucie. Cela arrive assez fréquemment, vous pouvez prévoir quelque chose au sujet d'une entreprise et personne ne s'en soucie. Bon, oui, génial, et alors ? Vous pouvez prévoir que, peu importe, le cours de l'action ne va pas bouger, vous ne voulez donc pas acheter cet ensemble de données. Il y a tout un processus pour déterminer ce qui [indéchiffrable]. C'est itératif pour nos analystes, en fait, parce que ce sont les analystes qui sont les meilleurs endroits pour nous dire ce qui va faire bouger les choses pour une entreprise. Nous n'allons pas dire, hé, nous avons cet ensemble de données, il prévoit X, vous devriez vous en préoccuper. C'est une perte de temps pour tout le monde. Ce que nous voulons faire, c'est dire, hé, nous pensons que nous pouvons prévoir X, Y ou Z, est-ce que vous vous souciez de l'une ou l'autre de ces choses ? Oh, mon Dieu, oui. Si vous pouvez prévoir Y pour cette entreprise, je m'en soucierais absolument. Cela aide à restreindre les types d'ensembles de données qui nous intéressent. C'est une très bonne question parce qu'aucune de ces choses n'est une arme à feu qui fume tout le temps. Tout cela aide simplement à brosser le tableau pour les PM et les analystes.

Glen Davidson: [00:22:09] Avez-vous eu l'occasion où des entreprises sont venues visiter Fidelity pour parler de leur structure de capital et ainsi de suite et ensuite dire, alors que savez-vous de nous ? Parce qu'ils sont au courant de la recherche, ou peut-être qu'ils ne sont pas conscients de la profondeur.

Neil Constable: [00:22:22] Je doute qu'ils soient au courant de cela. En fait, je ne participe pas aux réunions de l'entreprise.

Glen Davidson: [00:22:27] Et c'est propriétaire, donc...

Neil Constable: [00:22:27] Je ne participe pas aux réunions d'entreprise, donc je ne sais pas vraiment.

Glen Davidson: [00:22:30] Je me demande si cela se produit.

Neil Constable: [00:22:31] Je sais que nos analystes vont parfois demander à l'équipe, hé, je vais rencontrer cette entreprise plus tard cette semaine, ils ont fait une grosse affaire pour les deux prochains trimestres au sujet du lancement de ce nouveau produit, avons-nous des données qui les aident à déterminer quelles questions ils devraient poser lors de ces réunions. C'est souvent le cas.

Glen Davidson: [00:22:49] Très, très bien. Maintenant, QR dans le QRI signifie recherche quantitative. Je veux dire investir, alors parlons de certains placements parce que vous n'aidez pas seulement les gestionnaires de portefeuille, vous avez également une équipe de gestionnaires de portefeuille qui gèrent des solutions. Advanced US Equity Fund en fait partie.

Neil Constable: [00:23:09] C'est là que, du moins dans le domaine des actions, nous devrions absolument parler de certains éléments à revenu fixe, alors je serai bref, c'est en quelque sorte là que tout se confond. J'ai mentionné tout à l'heure que nous avons toutes ces données de nos analystes, de nos gestionnaires de portefeuille, j'ai également parlé des données alternatives. Pensez à Advanced US Equity comme une situation où nous avons essentiellement été très inquiétants à ce sujet. Nous avons divisé le processus d'investissement en ses composantes indépendantes. Il y a la collecte de données, dont nous avons longuement parlé. Il y a la génération d'idées, lorsque vous vous inquiétez des horizons temporels sur les trimestres et les années, les analystes fondamentaux sont le meilleur endroit pour déterminer dans quelles entreprises vont exceller, quelles entreprises ont de bons produits et tout ça. Ce que nous faisons dans le domaine Advanced US Equity, c'est que nous prenons toutes les données de nos analystes et de nos gestionnaires de portefeuille, toutes les modifications de leurs objectifs de prix, les changements d'estimation du BPA, ils gèrent tous les portefeuilles en fonction de leur univers de couverture, les portefeuilles papier sur lesquels ils sont rémunérés, nous rassemblons toutes ces données, y compris le positionnement du gestionnaire de portefeuille c'est une sorte de choses à plus long terme, nous pouvons prendre tout ça et nous pouvons aussi dire, ok, maintenant nos analystes, et la rue aussi, écrivent des notes sur ce qui sera important pour l'entreprise au cours de ce trimestre.

[00:24:20] Ensuite, nous pouvons construire un modèle quantitatif basé sur toutes les données que je viens de mentionner. Eh bien, la vente dans un même magasin est tout ce qui compte, ou la gestion des stocks ou les chaînes d'approvisionnement est tout ce qui compte. Voyons quelles entreprises s'en sortiront bien sur ces indicateurs et non. En gros, vous pouvez rassembler les prévisions de données alternatives, en quelque sorte à plus court terme, appeler le trimestre, si vous voulez, en fonction de ce que tout le monde dit important, nous pouvons utiliser les données pour prévoir cela. Nos analystes s'inquiétaient d'environ 12 à 24 mois. Nos PM font des appels de trois à cinq ans. Nous avons toutes ces informations, nous les rassemblons et construisons un portefeuille qui représente essentiellement le meilleur que Fidelity pense pouvoir faire avec toutes ces informations. C'est ce qui se trouve à l'intérieur de l'Advanced US Equity. Qu'est-ce que les quants apportent à la table ici ? La génération d'idées provient en grande partie de nos investisseurs fondamentaux. Nous sommes en train de trouver comment consolider cela en une sorte de meilleures idées, si vous voulez, mais aussi pour la construction des risques, la gestion de portefeuille, le trading, les aspects minimisant les coûts de négociation, des choses pour lesquelles les quants sont naturellement adaptés.

[00:25:14] Il s'agit en grande partie d'une division du travail, et surtout d'un produit de type mondial, Advanced US Equity est le produit que nous avons disponible au Canada pour cela. C'est quelque chose que nous mettons également à la disposition des plus grands investisseurs institutionnels au monde. Des fonds souverains massifs sont investis dans une version de ce produit, les grandes dotations universitaires aux États-Unis. En fait, je viens de recevoir un bon courriel ce matin disant qu'un comité d'investissement vient d'approuver un investissement dans ce projet. Il s'agit vraiment d'un produit de qualité institutionnelle que nous mettons à la disposition de tous ceux qui sont clients de Fidelity, un investissement de 500 millions de dollars dans un fonds souverain jusqu'à un investisseur de détail de 50 000$. Nous voulons rendre tout cela disponible et une partie de l'échelle fournie avec la plateforme quantitatives le permet.

Glen Davidson: [00:25:57] Ouah, c'est incroyable. Il ne nous reste que quelques minutes, mais passons aux titres à revenu fixe, comme vous l'aviez demandé. Passons au Fonds de revenu absolu.

Neil Constable: [00:26:03] Comme chacun sait, les marchés des titres à revenu fixe sont très, très différents. Les gens qui sont dans la salle vont me tuer, mais à certains égards, ils sont beaucoup, beaucoup plus compliqués que les actions. À d'autres égards, c'est beaucoup moins sophistiqué que les actions, c'est-à-dire en raison de la complexité des marchés obligataires, tout est de gré à gré, tout est hyperfragmenté, le trading est très illiquide. Bon nombre des applications de la technologie, en particulier en matière de négociation, qui ont révolutionné les marchés boursiers il y a 20, voire 30 ans, n'ont jamais vraiment pénétré les marchés obligataires. La situation évolue très rapidement aujourd'hui. En plus de toutes les informations que je viens de mentionner pour aider à prendre des décisions d'investissement, tout est là, mais maintenant vous pouvez faire beaucoup plus sur le trading, la gestion de portefeuille, la gestion des risques et l'exécution des choses. Dès que cela devient possible, nous avons commencé à mettre en place des stratégies d'obligations systématiques.

[00:26:53] Le revenu absolu est un exemple où nous pouvons utiliser des outils quantitatifs pour cibler des niveaux de revenu qui sont proportionnels aux indices à rendement élevé, mais qui adoptent le même profil de risque comme stratégie de placement plus fondamentale. Pour les investisseurs qui veulent tirer beaucoup de revenus du produit, mais qui ne veulent pas prendre le risque qui accompagne habituellement les produits à haut rendement, ou qui ne veulent pas que le risque soit intégré dans des produits comme certains de nos concurrents qui utilisent beaucoup de produits dérivés de manière peu claire, nous pouvons obtenir ce niveau de revenu élevé en peaufinant la façon dont la construction du portefeuille fonctionne pour obtenir le bon résultat profil de risque avec le bon niveau de revenu. Ce produit est également disponible sur le marché canadien aujourd'hui et c'est quelque chose qui nous enthousiasme vraiment.

Glen Davidson: [00:27:29] Il y a tellement de choses dont nous pourrions parler, mais nous sommes à l'heure et nous avons Dan Dupont et Kat Black à venir. Neil Constable, toujours fascinant de vous parler. Merci beaucoup.