Soutenance de thèse de Mathis LINGER

L’évolution du marché du crédit, portée par les réformes réglementaires, l’électronification des passages d'ordre et l’augmentation des données disponibles, a profondément modifié les pratiques des gestionnaires d'actifs. Cette thèse contribue à l’amélioration des stratégies de crédit systématiques en explorant la dynamique du risque de crédit, la conception de modèles d’apprentissage automatique et les techniques de couverture des taux d’intérêt. La première contribution analyse l’impact des annonces d’opérations sur titres-telles que les rachats d’actions, les dividendes et les fusions-acquisitions—sur les spreads des crédit default swaps. En quantifiant les mouvements anormaux des spreads autour de ces événements, il a été possible de dissocier l'effet "wealth transfer" de l'effet "signaling", offrant ainsi une meilleure compréhension des mécanismes sous-jacents aux réactions du marché du crédit. La deuxième contribution améliore les modèles de classement d'actifs pour la construction de portefeuilles long-short. Les algorithmes traditionnels d’apprentissage du classement favorisent les actifs les mieux classés au détriment des moins performants, rendant les stratégies neutres au marché moins efficaces. Cette thèse propose des fonctions de perte ajustées afin de renforcer la symétrie du classement sur l’ensemble de la distribution des actifs, améliorant ainsi l’équilibre et la performance des portefeuilles. La troisième contribution propose un modèle de réseau neuronal multitâche unifiant le classement des actifs et la pondération des portefeuilles dans un modèle d’optimisation unique. Contrairement aux méthodes conventionnelles en deux étapes, cette approche produit une construction de portefeuille plus efficiente. Enfin, cette thèse examine la relation entre les marchés actions et des obligations d’entreprise en décomposant leur corrélation en deux composantes : le risque de crédit et la sensibilité aux taux d’intérêt. Puisque ces facteurs varient selon les qualités de crédit et les conditions de marché, deux stratégies adaptatives de couverture des taux d’intérêt sont proposées. Ces stratégies surpassent la couverture traditionnelle "duration-convexity" en ajustant dynamiquement les ratios de couverture selon les régimes de marché. Les contributions de cette thèse offrent aux gestionnaires d’actifs de nouvelles méthodologies afin d'optimiser les stratégies de gestion sur le marché du crédit, dans un environnement financier toujours plus complexe et axé sur les données.