Comment sont construits les scores de sentiment macro

Un score de sentiment qui ne montre pas sa méthodologie vous demande de faire confiance à une marque. Pour un investisseur qui veut comprendre l’arrière-plan macroéconomique, ce n’est pas suffisant. Le score n’est utile que si la structure qui le soutient est crédible.

Cet article explique comment sont construits les systèmes multifactoriels de sentiment macro : les étapes qui transforment de nombreux signaux bruts en une lecture composite, les problèmes de conception les plus difficiles et la validation qui distingue une méthode robuste d’un sur-ajustement au passé.

Si vous n’avez pas encore lu Qu’est-ce que le sentiment macro ?, commencez par là. Cet article suppose que vous comprenez déjà ce qu’un composite de sentiment cherche à mesurer.

Le pipeline en quatre étapes

Tout système bien construit suit une structure de base :

• Ingestion et normalisation de signaux aux unités et aux échelles différentes.
• Pondération de chaque input selon sa pertinence, sa fiabilité et son rapport signal-bruit.
• Agrégation des signaux pondérés dans un composite régional.
• Ajout de contexte : moteurs, tendance, régime et risque.

Chaque étape contient des choix. Les choix défendables rendent le système utile ; les autres produisent un nombre précis en apparence mais pauvre en information.

Étape 1 : Normalisation

Le premier problème consiste à comparer des données qui n’ont pas la même unité : spreads de crédit en points de base, chômage en pourcentage, VIX en niveau d’indice et langage de banque centrale sous forme de texte.

La solution consiste à convertir chaque input sur une échelle commune, sans unité. Les données numériques peuvent être exprimées en z-scores ou en rangs percentiles par rapport à leur propre historique. Les signaux textuels peuvent être transformés en scores de tonalité, puis comparés à l’historique de la même source ou institution.

La fenêtre historique est importante. Une fenêtre courte s’adapte vite mais peut réagir excessivement. Une fenêtre très longue est stable mais peut manquer les changements structurels.

Étape 2 : Pondération

Après la normalisation, le système décide du poids de chaque facteur.

Pondérations fondées sur l’expertise

Certains facteurs contiennent plus d’information que d’autres. Politique monétaire, spreads de crédit et volatilité méritent souvent plus de poids que des indicateurs petits ou bruyants.

Pondérations régionales

Le même facteur peut avoir une importance différente selon la région. L’énergie peut porter plus d’information macro pour l’Europe que pour l’Amérique du Nord. Le dollar peut être plus important pour l’Asie que pour les États-Unis eux-mêmes.

Pondérations ajustées à la volatilité

Les inputs qui bougent beaucoup sans information utile ne devraient pas dominer le composite.

Pondérations ajustées à la couverture

Si une donnée manque, est ancienne ou indisponible, elle ne doit pas être traitée comme neutre en silence. Sa contribution doit être réduite de manière transparente.

Étape 3 : Agrégation

Les facteurs pondérés sont combinés en un composite régional, souvent sur une échelle interprétable comme −100 à +100. L’intérêt de l’agrégation est que de nombreux signaux bruités, lorsqu’ils pointent dans la même direction, peuvent révéler un motif macro plus clair.

C’est pourquoi un composite peut changer de direction avant qu’un indicateur isolé ne semble extrême. Les changements de régime apparaissent souvent d’abord comme un mouvement large à travers de nombreux inputs.

Les systèmes robustes limitent aussi les contributions extrêmes. Un mouvement de quinze écarts-types relève plus probablement d’un problème de données que d’un véritable signal.

Étape 4 : Couches de contexte

Un système de sentiment ne doit pas s’arrêter au nombre. Un score de −35 peut signifier des choses très différentes selon le contexte.

Moteurs. Quels facteurs déplacent le score ? Stress de crédit, faiblesse de l’emploi et pression de change impliquent des risques différents.

Tendance. Le score s’améliore-t-il ou se dégrade-t-il ? +15 après une baisse depuis +40 n’a pas le même sens que +15 après une hausse depuis −10.

Régime. Les signaux plus larges de stress de marché confirment-ils la direction, ou la lecture est-elle encore précoce ?

Contexte de risque. Les indicateurs de vulnérabilité financière sont-ils contenus, élevés ou sous tension ?

Un exemple : mars 2023 et Silicon Valley Bank

La faillite de Silicon Valley Bank en mars 2023 illustre l’importance de la méthodologie. Les indices actions semblaient relativement calmes et la volatilité ne signalait pas encore une crise. Un système centré presque uniquement sur la volatilité actions aurait pu manquer l’accumulation de stress.

D’autres signaux étaient moins rassurants : les spreads de crédit de moindre qualité s’écartaient, les banques régionales sous-performaient, la courbe des taux montrait de l’inquiétude et certains indicateurs de stabilité financière signalaient une pression de bilan.

Les problèmes les plus difficiles

Données retardées

Les données officielles arrivent à des fréquences différentes. Le PIB est trimestriel, l’emploi mensuel et les marchés continus. Un système sérieux suit la date de référence de chaque input.

Week-ends et jours fériés

Les marchés ferment et les publications s’arrêtent. Un système robuste utilise les derniers inputs confirmés et rend claire la fraîcheur des données.

Signaux contradictoires

Actions, obligations, devises et matières premières ne racontent pas toujours la même histoire. L’agrégation doit amortir le bruit, pas suivre le facteur le plus bruyant.

Ruptures de régime

Lors de chocs comme mars 2020, les relations historiques peuvent se rompre. Les systèmes robustes utilisent des limites, des garde-fous et un contexte explicite.

Révisions de données

Les statistiques macro sont révisées. Une série historique sérieuse conserve ce qui était connu à l’époque, au lieu de réécrire le passé avec des données révisées.

Validation : comment savoir si cela fonctionne

La partie la plus importante est la validation. On peut toujours ajuster un système pour expliquer le passé. La question est de savoir s’il reste utile hors échantillon.

Les tests hors échantillon calibrent sur une période et testent sur une autre. L’analyse walk-forward répète ce processus dans le temps. La stabilité de régime vérifie si le système reste cohérent dans les marchés haussiers, baissiers et les chocs.

Ce que fait Signovian

Signovian suit plus de 50 inputs couvrant marché, macro, géopolitique, tonalité des nouvelles et stabilité financière. Ils sont normalisés, pondérés régionalement pour l’Amérique du Nord, l’Europe et l’Asie, puis présentés sous forme de score régional avec moteurs, tendance, régime de marché et contexte de vulnérabilité financière.

L’évidence au niveau des facteurs est disponible à partir du plan Silver. C’est là que la méthodologie devient inspectable : vous voyez quels inputs tirent le score vers le haut, lesquels le tirent vers le bas et si la lecture correspond à votre propre vision macro.

Le test utile

Le meilleur test d’une méthodologie de sentiment est sa capacité à poser de meilleures questions. Si le score confirme votre lecture, il apporte de la structure. S’il diverge, les moteurs montrent ce que le système voit — ou l’endroit où vous contestez la pondération.

Ne constitue pas un conseil financier. À titre informatif uniquement.