Marre des portefeuilles qui s’effondrent au moindre choc de marché ? 📉
Dans cette vidéo, je vous présente le cœur de ma stratégie d’investissement : le Hierarchical Risk Parity (HRP).
Développé par Marcos López de Prado, ce système utilise l’apprentissage automatique (Machine Learning) pour construire un portefeuille robuste. Contrairement aux méthodes classiques, le HRP ne repose pas sur des prévisions de rendement incertaines, mais sur la structure réelle du risque de vos actifs.
Au programme :
- Le concept : Pourquoi la corrélation entre les entreprises (comme NVIDIA, IONQ ou Caterpillar) est plus importante que vous ne le pensez.
- La méthode : Comment le système regroupe les actifs par “familles” de risque pour éviter la concentration.
- Analyse de ma liste : Pourquoi j’ai choisi des titres comme Bloom Energy, Volvo et PTC dans ce cadre précis.
- Mise en pratique : Pourquoi ce système est plus stable qu’une allocation classique à 60/40.
Le but ? Moins de volatilité, plus de sérénité et une diversification mathématiquement prouvée. 🧠
Mes outils :
- 🐍 Python & yfinance pour la récupération des données.
- 📊 Optimisation via clustering hiérarchique.
Prêt pour l'étape suivante ?
Ne manquez aucun signal. Rejoignez notre communauté de recherche pour des analyses macro et des modèles quantitatifs sans équivalent.
Léo Lombardini
Trader, Économie & Quant
Passionné d'analyse des marchés et de modélisation statistique, Léo supervise l'allocation stratégique du portefeuille modèle et le développement des frameworks quantitatifs d'Horacle Capital, ainsi que la rédaction d'articles hebdomadaires.
En savoir plus sur l'auteur →