Visualisation de l'information appliquée à l'analyse et à l'attribution de performances financières

Dumas, Maxime (2015). Visualisation de l'information appliquée à l'analyse et à l'attribution de performances financières. Thèse de doctorat électronique, Montréal, École de technologie supérieure.

Prévisualisation	PDF Télécharger (11MB) | Prévisualisation
Prévisualisation	PDF Télécharger (758kB) | Prévisualisation

Résumé

Croesus Finansoft développe depuis 28 ans un logiciel intégré de gestion de portefeuille pour les firmes de courtages et les conseillers indépendants. Leur application est présentement utilisée par la plupart des grandes firmes au pays, incluant les financières CIBC, Banque Nationale, Valeurs Mobilières Desjardins et TD. L’application développée par l’entreprise doit donc gérer des tables de données contenant souvent plus d’un milliard de transactions.

Pour l’entreprise, le défi est de taille. L’application doit offrir une vue cohérente des portefeuilles des investisseurs, en plus de guider les gestionnaires quant aux nouvelles possibilités d’investissement, au suivi des objectifs de placement, des calculs de rendement, de performance, etc. Malgré les différentes avancées technologiques, certaines de ces tâches sont encore très difficiles à effectuer, principalement à cause de la quantité de données impliquées.

L’analyse des performances des portefeuilles d’investissements est particulièrement problématique dans ces circonstances. L’analyse de performances ne se limite pas simplement à comparer des rendements obtenus à différents moments dans le temps. Il s’agit d’un processus complexe qui demande la corrélation d’une multitude d’informations afin d’obtenir une vue complète de la situation. Les performances des investissements sont toujours évaluées par rapport à une référence, par exemple un indice de marché. L’attribution de performances tente d’expliquer d’où proviennent les écarts de rendement par rapport à cette référence. Est-ce explicable par le fait que les investisseurs ont choisi des titres ayant offert des rendements supérieurs à ceux de l’indice ? Ou encore parce qu’ils ont investi davantage dans les obligations à long terme, limitant ainsi leur exposition au risque ?

L’outil développé par Croesus permet facilement de mesurer les performances d’un seul portefeuille ou d’un petit groupe de portefeuilles. Effectuer cette analyse pour tous les clients d’une succursale simultanément devient beaucoup plus complexe. Croesus ne supporte pas non plus l’attribution de performances. Pour les gestionnaires de l’entreprise, offrir ces fonctionnalités s’avère un enjeu de taille, surtout à cause de la quantité de données impliquées. Comment présenter ces informations à l’expert sans créer une surcharge d’information ? Comment permettre d’identifier facilement les problèmes dans les données, les tendances générales, les écarts par rapport aux références, de façon à ce que des actions concrètes puissent être mises en place afin de corriger la situation ?

La visualisation permet de tirer profit de la capacité humaine à interpréter des images beaucoup plus rapidement et efficacement que des données numériques ou textuelles. Elle vise à augmenter les capacités de traitement de l’humain, de façon à ce qu’il soit conservé dans le processus d’analyse, contrairement aux processus de décisions automatisés. Bien que la visualisation soit un domaine actif de recherche depuis de nombreuses années, très peu de solutions adaptées à la réalité de la finance, et encore moins à l’analyse des performances, ont été présentées jusqu’à présent.

Cette thèse explore différentes techniques de visualisation permettant de simplifier le processus d’analyse de performances financières dans le contexte de gestion de portefeuilles de l’application développée par Croesus. Elle présente les résultats de trois projets distincts réalisés au cours des dernières années, tous liés à l’analyse des performances financières.

Le premier projet présente une technique d’interaction novatrice permettant de simplifier l’analyse des performances sur un graphique linéaire simple (line graph). Que ce soit pour comparer les rendements de plusieurs centaines de portefeuilles simultanément ou pour plusieurs centaines de titres d’un secteur d’activité, les graphiques linéaires sont rapidement surchargés d’information, rendant l’analyse plutôt complexe. L’outil proposé, VectorLens, permet d’explorer les données en offrant des techniques de sélection avancées. La principale contribution concerne la sélection angulaire. Dans la mesure où le graphique présente des rendements, la pente des droites encode l’essentiel de l’information. VectorLens tire profit de cette caractéristique et permet, en un seul mouvement, de sélectionner rapidement et efficacement les éléments en fonction de leur pente, moyennant une marge établie de façon dynamique. L’outil intègre également d’autres outils de sélection, incluant la sélection par zone (pinceau), la sélection par catégories, etc. Il est également possible de combiner plusieurs lentilles VectorLens pour effectuer des requêtes plus complexes. La technique a été comparée aux principales techniques de sélection de courbes dans le cadre d’une expérience contrôlée en laboratoire. Les résultats ont démontré que VectorLens offrait des performances supérieures ou égales dans la plupart des cas, en plus d’être préférée par la plupart des utilisateurs.

Le deuxième projet propose une nouvelle technique de visualisation permettant de séparer efficacement les couches d’informations sur un graphique linéaire simple. Cette technique s’avère intéressante pour comparer les rendements de titres de différents secteurs, ou même les rendements de portefeuilles de différents clients, gestionnaires ou même succursales, par exemple. Plutôt que d’utiliser uniquement la couleur pour séparer les différents groupes d’éléments, cette technique consiste à exploiter l’espace inutilisé entre deux valeurs sur l’abscisse en compressant les courbes des différentes couches, de façon à éviter l’occlusion causée par le chevauchement des courbes. Plusieurs variantes tirant profit de ce concept ont été proposées et comparées à l’état de l’art dans le cadre d’une évaluation en laboratoire. Les résultats ont démontré que les techniques de compression, et plus particulièrement la technique superposée, permettaient d’effectuer les tâches de façon plus précise et avec un taux de succès globalement supérieur par rapport à l’état de l’art.

Enfin, le troisième projet tente d’adresser le problème d’attribution de performances à grande échelle. Deux nouvelles techniques de visualisation, basées sur un graphique ternaire (ternary plot), ont été proposées afin de représenter sur un seul graphique la relation entre le rendement différentiel avec la référence et les effets expliquant cette différence. Un système complet, sous la forme d’un tableau de bord intégrant les visualisations proposées, a été développé et évalué avec quatre experts du domaine dans un contexte réel d’analyse. Les résultats ont démontré que les outils proposés permettent d’analyser un grand ensemble de portefeuilles, à différents niveaux, de façon simple et efficace. Les outils proposés révèlent clairement les écarts de performance, permettent d’identifier facilement la source du problème, et même la stratégie globale utilisée par les gestionnaires de comptes auprès de leurs clients et les comptes qui dévient de ces stratégies.

Titre traduit

Information visualization applied to financial analysis and performance attribution

Résumé traduit

Croesus Finansoft has been developing portfolio management software for brokerage firms and independent advisors for the past 28 years. Their solution is currently used by most large Canadian brokerage firms, including CIBC, National Bank, Desjardins Wealth Management and TD. Consequently, the software must manage large data tables, often comprising more than a billion rows.

Data size is a challenge for Croesus at every level. The software must give insights on investor’s portfolios, guide advisors on new investment possibilities, follow investment performances, etc. Even with current technological advances, some issues remain difficult to solve, mostly because of the amount of data involved.

High level portfolio performance analysis is especially a challenge. Performance analysis requires more than simply comparing returns at different points in time. It is a complex process requiring data correlation from multiple sources to obtain a coherent portrait of the situation. Investment performances are always evaluated against a benchmark, such as a market index. Performance attribution tries to explain where this differential return comes from. Is it because investors picked better stocks than the one used in the benchmark ? Is it because more money was invested in long term bonds compared to the index, limiting the risk exposure ?

Croesus’ software tools allow a user to easily measure performance for a single or a small subset of portfolios. Performing such analysis on a larger scale, such as for all clients in an office, would be much more complex. In addition, their software does not perform performance attribution so far. For Croesus’ managers, these features are real challenges, mostly because of the amount of data implied. How should we display this information to the expert without overwhelming him ? How can we easily identify data problems, global trends or other performance issues in order to act before it is too late ?

Information visualization enables the leveraging of human image processing power to interpret data much faster than any numeric and textual ways. Visualization can augment human capacities in order to keep the user in the decision loop, and not replace him completely like most automated decision tools. Even though visualization has been an active research field of interest for many years, only a few contributions have been published related to finance and performance analysis.

This thesis explores different visualization techniques in order to simplify financial performance analysis, related to Croesus portfolio management requirements, and presents results from three different project related to performance analysis.

The first projects presents a novel interaction technique allowing the simplification of performance analysis on a simple line chart. Whether the chart is comparing returns from several hundreds of portfolios or stocks from different industries, such line charts are easily overwhelmed with the amount of data, mostly because of occlusion. Our proposed tool, VectorLens, allows extraction of interesting elements using advanced selection techniques. Our main contribution is related to angular selection. Since the charts present returns against time, the slope encodes important information. VectorLens takes advantage of this situation and allows the selection, using a single drag, all elements whose slopes fit within a dynamically adjustable range. VectorLens also integrates other selection techniques, such as brushing and categorical selection. It is also possible to combine multiple VectorLens lenses to create more complex queries. Angular selection was compared experimentally against state of the art techniques and was proven more or equally efficient in most cases, and was preferred overall by users over the other more conventional techniques.

Our second project proposes a new visualization technique for effectively separating data layers on a line chart. This technique is useful for comparing stocks from different industries on the same chart, or for comparing multiple portfolios from different advisors, for example. Instead of using only color to separate layers, this technique introduces in-place layer compression at each tick, avoiding the usual occlusion caused by overlapping layers. Many variations were created using this concept and were compared against state of the art techniques in a user study. Compression was shown to be more efficient, for example, when comparing values between different layers on a single day.

Finally, our last project addresses the large scale performance attribution issue. Two novel visualization techniques based on the ternary plot were proposed in order to present both differential returns and attribution effects on a single chart. A complete dashboard integrating these new charts was also created and was evaluated by four domain experts in a case study using real data. Results showed that the proposed tools enable easy analysis of large data sets at different levels. The proposed tools also clearly display performance deviations and their root causes. They also clearly illustrate advisors’ overall strategies and outlier accounts.

Type de document:	Mémoire ou thèse (Thèse de doctorat électronique)
Renseignements supplémentaires:	"Thèse par articles présentée à l'École de technologie supérieure comme exigence partielle à l'obtention du doctorat en génie". Bibliographie : pages 123-133.
Mots-clés libres:	Visualisation de l'information. Gestion de portefeuille Logiciels. Analyse financière Méthodes graphiques. Analyse technique (Analyse financière) Données volumineuses. Finances Informatique. interactions, performances financières, attribution de performances
Directeur de mémoire/thèse:	Directeur de mémoire/thèse McGuffin, Michael John
Programme:	Doctorat en génie > Génie
Date de dépôt:	25 janv. 2016 20:57
Dernière modification:	25 janv. 2016 20:57
URI:	https://espace.etsmtl.ca/id/eprint/1615

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt