Le traitement du langage naturel peut-il débloquer des signaux dans les procès-verbaux des banques centrales ?
Le traitement du langage naturel remodèle déjà la recherche sur les actions et l’analyse macro. Mais peut-il générer un avantage sur les marchés obligataires ? Plus précisément, les algorithmes qui analysent le langage des banques centrales peuvent-ils aider à prédire le prochain mouvement de la courbe des rendements ?
Pour les investisseurs obligataires, l’anticipation des changements dans la forme de la courbe est essentielle au positionnement en durée, aux transactions sur la courbe et à l’exposition aux taux directeurs. Même des améliorations progressives dans la prévision de la pentification, de l’aplatissement ou du déplacement parallèle de la courbe peuvent affecter les résultats du portefeuille.
Les procès-verbaux des banques centrales ne sont pas de simples résumés de décisions passées. Ce sont des communications structurées conçues pour guider les attentes. Si leur langage contient des modèles systématiques qui précèdent des mouvements particuliers de la courbe des taux, alors la PNL devient plus qu’un outil de recherche. Cela devient une source potentielle de signal prédictif.
Cette analyse teste cette proposition à l’aide des minutes de la banque centrale brésilienne et des données de la courbe des rendements. J’ai formé des classificateurs d’apprentissage automatique pour mapper les caractéristiques textuelles aux configurations de courbes ultérieures, y compris les décalages parallèles, les aplatissements, les pentifications et d’autres formes standard. Les résultats suggèrent que l’analyse systématique des textes peut améliorer l’exactitude de la classification au-delà de l’interprétation discrétionnaire.
Quelle est l’importance des mouvements de la courbe des taux ?
Considérons une obligation sur cinq ans avec une valeur nominale de 1 000 $ et un coupon annuel de 10 %. A l’achat, la courbe des taux est ascendante, passant de 15,5% à un an à 17,5% à cinq ans. L’actualisation des flux de trésorerie à ces taux produit une valeur actuelle de 768,64 $.
Un an plus tard, si la courbe des rendements reste inchangée, l’obligation a une échéance de quatre ans mais son prix est évalué selon la même structure de terme. Dans cette hypothèse de courbe constante, sa valeur s’élève à 799,41 $.
Supposons maintenant que la courbe des taux se déplace vers le haut en parallèle. Le risque de crédit et les flux de trésorerie de l’obligation restent inchangés, mais des taux d’actualisation plus élevés réduisent sa valeur à 776,62 $. Par rapport au scénario à courbe constante, l’investisseur subit une perte de 22,79 $ uniquement parce que la courbe des rendements a augmenté.
L’implication est simple. Les rendements des obligations dépendent non seulement du risque de crédit, mais aussi des changements dans le niveau et la forme de la courbe des rendements. Les changements à la hausse nuisent aux détenteurs d’obligations ; les changements vers le bas leur profitent. L’ampleur de l’effet dépend de l’exposition à l’échéance, capturée par le taux directeur, ou de la durée partielle.
La littérature et le programme du CFA identifient 11 mouvements standards de la courbe des rendements, notamment l’aplatissement baissier, la pentification baissière, l’aplatissement haussier, la pentification haussière, les déplacements parallèles et les structures papillon. Si ces mouvements peuvent être prévus avec une précision raisonnable, les investisseurs peuvent ajuster la durée et le positionnement de la courbe pour améliorer les résultats du portefeuille.
Théories et modèles de la courbe des rendements
Un large éventail de théories économiques et de modèles économétriques ont tenté d’expliquer et de prévoir les mouvements de la courbe des taux. En économie, la théorie des attentes impartiales relie la structure des échéances aux futurs taux à court terme anticipés. Les théories de la préférence en matière de liquidité et de l’habitat préféré introduisent des primes de risque et de durée. Les théories du marché segmenté mettent l’accent sur la dynamique de l’offre et de la demande selon les échéances.
Les approches économétriques ont transformé ces idées en prévisions mathématiques. Des modèles tels que Cox – Ingersoll – Ross (CIR), Vasicek et, plus tard, des cadres sans arbitrage tentent de décrire le comportement stochastique des taux d’intérêt et de calibrer la courbe en fonction des prix du marché observés. Ces modèles se concentrent sur la dynamique des taux eux-mêmes.
Cette étude adopte une perspective différente. Plutôt que de modéliser directement les processus de taux d’intérêt, il examine si la communication des banques centrales contient des signaux mesurables sur les mouvements ultérieurs de la courbe des rendements. La PNL permet de convertir les minutes politiques en entrées structurées qui peuvent être testées statistiquement.
Le pouvoir de la PNL
Avant que l’IA ne soit largement évoquée dans le discours public, la PNL était déjà en développement actif, traduisant principalement des textes ou corrigeant l’orthographe et la grammaire. Grâce à la puissance de l’IA, la PNL permet la transformation de texte non structuré en données structurées et analysables.
Jusqu’à présent, la PNL a été principalement appliquée à l’analyse économique et à la recherche sur les actions. Les algorithmes peuvent « lire » les publications des économistes et les rapports de recherche sur les actions et évaluer si ces récits ont été efficaces pour anticiper l’inflation, la croissance du PIB ou les mouvements des cours boursiers.
Cette recherche étend les applications du NLP aux marchés obligataires. J’ai utilisé 4 000 jours de données sur la courbe des taux brésilienne, la plupart avec 16 sommets, ainsi que 273 minutes de la banque centrale brésilienne (« Atas do COPOM ») disponibles depuis 2000. L’objectif est de construire un modèle d’apprentissage automatique qui lit chaque minute, cartographie les mots les plus fréquents, les compare aux minutes passées et estime la probabilité que le prochain mouvement de la courbe des taux soit un papillon, un aplatissement d’ours, une bosse ou une autre configuration standard.
Résultats empiriques de l’étude de cas brésilienne
Le modèle a produit plusieurs modèles observables à la fois dans le comportement du marché et dans la structure linguistique. Ces résultats illustrent comment les signaux textuels s’alignent sur les mouvements ultérieurs de la courbe des taux.
Structure du marché et dynamique des courbes
Premièrement, la volatilité à court terme sur le marché brésilien des titres à revenu fixe est plus élevée que la volatilité à long terme. Cela contraste avec la théorie traditionnelle et suggère que, sur les marchés émergents, les investisseurs réagissent plus fortement aux nouvelles et aux signaux politiques à court terme. Les instruments à long terme semblent se négocier avec une volatilité comparativement plus faible, reflétant la domination des investisseurs institutionnels sur les échéances plus longues.
En outre, 84 % des mouvements quotidiens de la courbe des taux s’inscrivent dans quatre des onze configurations standards identifiées dans la littérature, avec des mouvements parallèles à la hausse et à la baisse parmi les plus fréquents (confirmant également cette saveur de volatilité à court terme). Cette concentration met en évidence l’importance de classer correctement un petit ensemble de dynamiques de courbes dominantes.
Extraire le signal de la langue
Pour préparer les données textuelles, des mots courants tels que « comité », « scénario », « milliards » et « prix » ont été supprimés comme mots vides, car ils ne contribuent pas à la classification. Les fréquences des mots ont ensuite été cartographiées pour chaque catégorie de mouvement de la courbe des rendements, permettant ainsi de comparer les modèles linguistiques dans différentes configurations de courbe.
Saisonnalité dans les mouvements de courbe
En examinant la langue associée à des mouvements spécifiques, une tendance saisonnière est apparue. Par exemple, les mouvements d’aplatissement baissier étaient fréquemment associés à des références aux mois d’août, septembre et octobre, tandis que les mouvements d’aplatissement haussier étaient plus souvent liés à janvier, février et mars. Un test du chi carré a fourni des preuves statistiques de la saisonnalité de plusieurs mouvements de la courbe des taux.
Performances du modèle
Quatre algorithmes de classification ont été testés : Naïve Bayes, Logistic Regression et Random Forest (avec et sans PCA). Les performances du modèle ont été évaluées à l’aide de la précision, du score F1, du Kappa de Cohen et de la perte de log. Random Forest sans PCA a produit les résultats les plus solides. Sa précision prédictive était sensiblement supérieure à celle de l’interprétation discrétionnaire, ce qui indique que l’analyse systématique des textes peut extraire le signal de la communication de la banque centrale au-delà de la lecture subjective des procès-verbaux.
Extensions et implications
Le cadre peut être étendu de plusieurs manières. Les travaux futurs pourraient explorer des techniques améliorées d’équilibrage de classes, des algorithmes alternatifs tels que SVM ou XGBoost, des procédures de validation croisée ou des intégrations de langage plus riches, notamment Word2Vec et BERT.
Même si ces améliorations peuvent améliorer les performances prédictives, la conclusion centrale demeure : la communication des banques centrales contient des informations quantifiables sur les mouvements ultérieurs de la courbe des rendements. Sur les marchés où les signaux politiques influencent sensiblement les attentes, l’analyse systématique des textes offre un complément structuré à l’interprétation discrétionnaire.
La science des données ne remplace pas le jugement. Il fournit une manière disciplinée d’extraire du sens d’informations complexes et bruyantes. L’étude de cas brésilienne illustre comment cette approche peut être appliquée aux marchés obligataires.
Source:
blogs.cfainstitute.org