L’émergence des données alternatives : une perspective macroéconomique

« Le commissaire White m’a informé que vous avez bien réussi grâce à vos renseignements hâtifs sur la victoire gagnée à Waterloo. »  — John Roworth, messager du 19^e siècle, dans une lettre à la famille Rothschild. (traduction libre)

Bien que les Rothschild aient déjà compté parmi les familles les plus riches d’Europe au 19^e siècle, leur fortune a considérablement augmenté après la bataille de Waterloo. Le 19 juin 1815, un messager a annoncé la victoire des Britanniques à la famille deux jours avant que le gouvernement britannique en soit informé¹. Bien que les détails demeurent contestés, il est clair que les Rothschild ont profité de cette information cruciale pour acheter des actifs sur les marchés britanniques et, ainsi, accroître leur fortune.

Pour les investisseurs, la capacité d’obtenir des données, de les analyser et de les utiliser peut mener au succès ou à l’échec d’une thèse de placement. Bien analysées, les données sont transformées en information, et celle-ci est essentielle au processus décisionnel en matière de placement.

Cependant, les données évoluent constamment; alors que certaines séries de données existent depuis des siècles et demeurent pertinentes, notre recours croissant à la technologie a débouché sur des données alternatives qui semblaient peu orthodoxes au départ. Ces données alternatives ont souvent été utilisées par les analystes des fonds d’investissement et par ceux des maisons de courtage dans leur recherche constante d’alpha, mais elles sont devenues particulièrement importantes depuis le début de la pandémie de COVID-19.

Comment l'utilisation des données alternatives a-t-elle évolué pendant la pandémie ? Comment peuvent-elles contribuer à l'élaboration de perspectives économiques et quelles sont les implications pour les investisseurs?

Que sont les données alternatives?

Dans le monde des services financiers, l’utilisation de données alternatives est chose courante, particulièrement pour l’analyse des titres. Exemple frappant, l’imagerie satellite est de plus en plus utilisée pour prédire le cours des actions dans le secteur de la vente au détail par les fonds de couverture, par les analystes des firmes de courtage et les gestionnaires de fonds d’investissement.

Aujourd’hui, la géolocalisation, les médias sociaux, l’utilisation des applications mobiles, les paiements par carte de crédit et même la météo peuvent être utilisés dans l’élaboration de modèles financiers.

Par le passé, les économistes ont utilisé diverses séries de données accessibles au public et largement acceptées, comme le PIB, l’indice des prix à la consommation (IPC) et le taux de chômage, pour établir des prévisions et des perspectives. Habituellement fournies par les gouvernements et les organismes statistiques, ces données ont fait leurs preuves et sont au cœur des décisions économiques depuis des décennies.

Toutefois, comme l’information est plus facilement accessible que jamais, les ensembles de données économiques plus traditionnels, généralement publiés mensuellement ou trimestriellement, seront bientôt dépassés. Par conséquent, même si ces données demeurent essentielles au processus décisionnel de la plupart des économistes, leur utilité laisse à désirer.

Or voici certaines séries de données relativement nouvelles, dont bon nombre sont fournies par le secteur privé : rapports Google sur les tendances des déplacements, nombre de personnes passant par les points de contrôle de la Transportation Security Administration (TSA) ou par les tourniquets du métro de New York et réservations de tables sur OpenTable. Ce ne sont là que quelques-uns des ensembles de données qui, il y a quelques années seulement, étaient exclus des modèles économiques robustes. Cependant, ils sont devenus dernièrement de plus en plus importants pour l’analyse et les décisions en matière de placement. Ces nouvelles séries de données fournissent des renseignements qui sont non seulement différents de ceux apportés par les données traditionnelles, mais aussi plus à jour, car elles sont souvent publiées sur
une base hebdomadaire, voire quotidienne.

Les données alternatives sont souvent
plus précises

Comme les répercussions de la pandémie prenaient de l’ampleur de jour en jour au début de 2020, les données mensuelles et trimestrielles se sont révélées trop tardives ou trop imprécises pour nous aider à repérer les véritables points d’inflexion de l’économie. Notre équipe a donc commencé à intégrer certaines données alternatives pour prendre des décisions, notamment les rapports sur les déplacements produits par Google et Apple, qui nous ont aidés à déterminer le moment où les travailleurs sont retournés dans les bureaux et à évaluer l’activité dans le commerce de détail et la fréquentation des transports en commun.

L’utilisation croissante de données à fréquence plus élevée par les intervenants sur les marchés financiers a réduit la valeur des indicateurs économiques plus traditionnels qui sont rendus disponibles seulement après un certain délai. Par exemple, le passage à des données plus précises sur la croissance de l’emploi provenant de sondages peut réduire la valeur des rapports mensuels traditionnels sur l’emploi, comme celui du Bureau of Economic Analysis sur les emplois non agricoles aux États-Unis. Bien que ces renseignements demeurent très pertinents pour les marchés, les données alternatives peuvent nous permettre de mieux les anticiper.

De plus, la récession provoquée par la COVID-19 et ses répercussions immédiates ont réduit notre aptitude à obtenir des renseignements précis à partir des données traditionnelles, grandement influencées par les effets de base, la demande refoulée et les mesures de relance. C'est pourquoi les surprises économiques de taille (c.-à-d. l’écart entre les données et les attentes) sont devenues moins pertinentes pour les marchés qu’elles ne l’ont déjà été. Alors que nous pensons que la situation se normalisera d’ici 2022-2023, la plus grande précision et la publication plus rapide des données alternatives donnent à ces dernières une grande valeur.

Les décideurs élargissent les ensembles
de données qu’ils utilisent

Les économistes établissent toute une gamme de prévisions, mais ils se concentrent souvent sur les prévisions du PIB, car elles ont par le passé été considérées comme l’un des meilleurs indicateurs de la croissance globale d’une économie. Pour ce faire, les économistes décomposent le PIB en un éventail de sous-composantes, dont la consommation, les investissements, les dépenses publiques et les exportations nettes.

Pourtant, la récession provoquée par la COVID-19 a montré que le PIB pourrait ne pas être représentatif de l’ensemble de l’économie, contrairement à ce que nous pensions depuis longtemps. En 2020 et 2021, le PIB a rebondi, malgré un taux de chômage extraordinairement élevé. Cela s’explique en partie par des mesures de relance sans précédent, mais aussi par le fait que le PIB était disproportionnellement représentatif des ménages fortunés et des grandes entreprises. Parallèlement, les mesures de l’inflation, comme l’IPC, donnent à penser que l'inflation est limitée, malgré la montée en flèche des prix des habitations, des produits de base et des aliments, et ce, principalement en raison de la composition de cet indice. Le calcul n’est pas incorrect pour autant, mais cela soulève une importante question d’orientation : le PIB et l’IPC constituent-ils les meilleures mesures de la santé économique générale de l’ensemble de la population?

Les banques centrales et les fournisseurs nationaux de statistiques, qui se posent peut-être la même question, s’efforcent toujours de mesurer l’économie différemment :

• Dans le communiqué de la réunion du FOMC tenue le 28 juillet, le président de la
  Réserve fédérale américaine (Fed), Jerome Powell, a indiqué que les sorties au restaurant, l’hébergement à l’hôtel et les voyages en avion, ainsi que les indicateurs à fréquence élevée (comme les opérations par carte de crédit et de débit et les données sur les déplacements obtenues grâce au suivi de l’emplacement des téléphones cellulaires), ont été utilisés pour évaluer la santé de l’économie².
• En mai 2020, la Réserve fédérale de Dallas a créé l'indice de mobilité et d'engagement («Mobility and Engagement Index») à l’aide de données de géolocalisation mobiles afin de fournir des renseignements en temps réel sur les répercussions économiques de la pandémie. Elle a qualifié l’indice de mesure clé pour permettre d’évaluer la conjoncture économique et les perspectives de l’activité³.

Le nouvel indice de la Réserve fédérale de Dallas a bien reflété l’activité économique au plus fort de la pandémie

Indice de mobilité et d'engagement et l'Indice relatif à l'activité économique hebdomadaire

Source : Réserve fédérale de Dallas, au 13 mai 2020.

• Pour sa part, la Réserve fédérale de St. Louis a mis au point un modèle afin d’estimer les changements survenus sur le marché de l’emploi, en utilisant des données quotidiennes sur l’emploi provenant d’un outil gratuit de planification et de suivi du temps du secteur privé.
• Selon Statistique Canada, « [en] mars 2020, environ la moitié de tous les prix utilisés dans le calcul de l’IPC étaient relevés au moyen de source de données alternatives⁴. »
• Depuis juillet 2020, Statistique Canada publie un indice des prix ajusté – quoique
  non officiel – au sein duquel la pondération de l’alimentation, des dépenses courantes et de l’ameublement des ménages a été fortement augmentée au détriment de celle du transport et des loisirs (habitudes de dépenses qui nous sont familières). En février 2021, cet indice était supérieur de 0,4 % à l’indice calculé en fonction des données officielles⁵.

Le Canada s’est adapté à la nouvelle réalité des données

Canada – IPC officiel et indice des prix ajusté

Source : Statistique Canada, au 12 avril 2021.

Soyons clairs : nous pensons toujours que le PIB est de loin le meilleur indicateur de la santé d’une économie et l’indicateur le plus important dont les économistes disposent. Toutefois, si les banques centrales et les décideurs examinent les données traditionnelles sous un nouvel angle et envisagent d’utiliser des données alternatives, les économistes (et les autres intervenants sur les marchés financiers) doivent changer la façon dont ils analysent les données traditionnelles et intégrer des données alternatives dans leurs estimations.

Utiliser les données alternatives, mais uniquement après vérification

Nous tenons à vous mettre en garde : l’intégration de données – alternatives ou autres – dans votre modèle (pour produire par exemple des prévisions économiques) ne peut donner de résultats plus fiables que les données sous-jacentes.

Étant donné la multitude d’ensembles de données⁶, il peut être risqué d’établir des tendances en apparence prévisibles, puis d’utiliser aveuglément ces signaux au lieu de les analyser pour s’assurer qu’il s’agit de véritables signaux et non juste de bruit. En 2011, un fonds de couverture et, deux ans plus tard, une plateforme de négociation ont été lancés avec, comme point d'ancrage, une stratégie fondée sur des recherches  démontrant la possibilité d’utiliser les indicateurs de confiance de Twitter pour prédire les fluctuations du Dow Jones Industrial Average avec une précision de 87 %⁷; le fonds de couverture a été fermé un mois après son lancement, et la plateforme de négociation n’est plus en activité.

Par définition, les données alternatives sont récentes et n’ont pas fait leurs preuves; en l’absence de longs antécédents, il n’est souvent pas possible de s’assurer de leur utilité en tant qu’indicateur économique. Cela rend leur utilisation encore plus périlleuse. Par conséquent, même si nous pensons que les données alternatives ont un avenir, nous ne pouvons pas leur faire confiance aveuglément; elles doivent être vérifiées et analysées de manière plus approfondie avant d’être utilisées pour établir des prévisions économiques. Cependant, nous croyons que, dans bien des cas, ces données à fréquence élevée reflètent mieux la réalité économique du moment que les ensembles de données plus traditionnels.

Les facteurs ESG et les données alternatives vont de pair

L’intégration croissante des aspects environnementaux, sociaux et de gouvernance (ESG) dans notre processus nous oblige aussi à avoir recours à d’autres données que celles traditionnellement utilisées.

Par exemple, pour établir nos prévisions à long terme du PIB, notre équipe intègre maintenant une augmentation d'un degré de la température mondiale et modélise divers scénarios climatiques. Nous devons également tenir compte des effets de la fréquence accrue d’évènements météorologiques extrêmes et, de ce fait, surveiller les données météorologiques.

Même les données qui seraient généralement considérées comme traditionnelles, comme le taux d’activité, nécessitent une perspective différente dans ce contexte. Par exemple, la volonté croissante de faciliter l’apprentissage et la garde des jeunes enfants dans plusieurs pays développés, comme le Canada et les États-Unis, donne à entendre que nous devons surveiller la hausse du taux d’activité des femmes, ce qui pourrait faire augmenter le PIB d’une manière statistiquement significative.

Bien qu’il ne s’agisse que de quelques exemples, nous considérons les données ESG comme alternatives, mais tout aussi essentielles à notre processus décisionnel, et pensons que nous ne sommes pas les seuls à le faire dans notre domaine.

Des données alternatives devenues essentielles

Outre le messager qui lui a transmis les nouvelles de Waterloo, la famille Rothschild a fait une utilisation avant-gardiste de pigeons voyageurs pour faire part des occasions et des prix du marché, ce qui a joué un rôle important dans la croissance financière de cette famille. Les Rothschild n’ont probablement pas été les premiers investisseurs – et certainement pas les derniers – à utiliser des données non financières à leur avantage financier.

Même si les données alternatives avaient déjà pris de l’importance, la pandémie mondiale a nettement accéléré cette tendance. Aujourd’hui, elles ne sont plus accessoires aux décisions économiques – bien analysées et vérifiées, elles sont devenues essentielles à nos processus et, selon nous, à d’autres économistes aussi.

1 The Rothschild Archive, 2021. 2 Federal Reserve 29 juillet, 2020. 3 Dallas Fed, 21 mai, 2020. 4 Statistique Canada, 17 février, 2021. 5 Statistique Canada, 12 avril, 2021. 6 Par exemple, un fournisseur de données alternatives appartenant à NASDAQ héberge plus de 25 millions d’ensembles de données. 7 « Twitter mood predicts the stock market » Johan Bollen, Huina Mao, Xiaojun Zeng, Journal of Computational Science, mars 2011.