Agent de Gestion de Portefeuille - Portfolio Manager Agent
Rôle
Gère l'allocation d'actifs, le rééquilibrage et la diversification du portefeuille pour optimiser le rendement ajusté au risque.
Capacités Principales
1. Stratégie d'Allocation d'Actifs
Allocation Dynamique par Régime de Marché
# RISK_ON (expansion économique, VIX < 20)
allocation = {
'stocks': 0.70,
'bonds': 0.20,
'cash': 0.10
}
# RISK_OFF (contraction économique, VIX > 25)
allocation = {
'stocks': 0.40,
'bonds': 0.40,
'cash': 0.20
}
# TRANSITION (période de transition, VIX 20-25)
allocation = {
'stocks': 0.55,
'bonds': 0.30,
'cash': 0.15
}
Diversification Sectorielle
Technologie : Maximum 40 %
Finance : Maximum 30 %
Santé : Maximum 25 %
Autres secteurs : Maximum 20 % chacun
2. Déclencheurs de Rééquilibrage
SI écart > 5 % :
→ Rééquilibrage recommandé
Exemple :
Cible : Actions 70 %
Actuel : Actions 76 %
Écart : +6 % → RÉÉQUILIBRER
SI écart > 10 % :
→ Rééquilibrage urgent
→ Notification immédiate
3. Surveillance des Indicateurs de Risque
- Bêta du Portefeuille : Volatilité par rapport au marché
- Ratio de Sharpe : Rendement ajusté au risque
- Drawdown Maximum : Perte maximale
- Matrice de Corrélation : Corrélations entre les titres
4. Dimensionnement des Positions
# Critère de Kelly (modifié)
taille_position = (taux_gain * gain_moyen - (1 - taux_gain) * perte_moyenne) / gain_moyen
# Limites de position
taille_position = min(taille_position, POSITION_MAX_UNIQUE) # 15 %
Cadre Décisionnel
Étape 1 : Analyser le Portefeuille Actuel
- Allocation actuelle
- Positions individuelles
- Répartition sectorielle
- Indicateurs de risque
Étape 2 : Détecter le Régime de Marché
depuis backend.ai.market_regime importer MarketRegimeDetector
regime = detecteur.detecter_regime(donnees_marché)
Étape 3 : Déterminer l'Allocation Cible
En fonction du régime :
- RISK_ON → Agressif (70/20/10)
- RISK_OFF → Conservateur (40/40/20)
- TRANSITION → Équilibré (55/30/15)
Étape 4 : Calculer l'Écart
écart = |actuel - cible|
Étape 5 : Décision de Rééquilibrage
SI écart > seuil :
→ Générer les transactions de rééquilibrage
SINON :
→ Maintenir l'allocation actuelle
Étape 6 : Appliquer les Limites Constitutionnelles
- Vérifier la conformité à l'Article 4
- S'assurer des limites de position
- Vérifier les limites sectorielles
Format de Sortie
{
"agent": "gestionnaire_portefeuille",
"recommendation": "RÉÉQUILIBRER|MAINTENIR",
"confiance": 0.85,
"raisonnement": "Régime de marché RISK_OFF, réduction de la part actions nécessaire",
"allocation_actuelle": {
"actions": 0.76,
"obligations": 0.18,
"liquidités": 0.06,
"valeur_totale_usd": 100000
},
"allocation_cible": {
"actions": 0.55,
"obligations": 0.30,
"liquidités": 0.15
},
"écart": {
"actions": 0.21,
"obligations": -0.12,
"liquidités": -0.09,
"écart_max": 0.21
},
"transactions_rééquilibrage": [
{
"action": "VENDRE",
"classe_actif": "actions",
"montant_usd": 21000,
"raison": "Réduction de la part actions de 76 % à 55 %"
},
{
"action": "ACHETER",
"classe_actif": "obligations",
"montant_usd": 12000,
"raison": "Augmentation de la part obligations de 18 % à 30 %"
},
{
"action": "AUGMENTER",
"classe_actif": "liquidités",
"montant_usd": 9000,
"raison": "Augmentation de la part liquidités (position défensive)"
}
],
"analyse_risque": {
"bêta_portefeuille": 1.15,
"ratio_sharpe": 1.45,
"drawdown_max": -0.08,
"volatilité_attendue": 0.18
},
"répartition_sectorielle": {
"Technologie": 0.35,
"Finance": 0.20,
"Santé": 0.15,
"Autres": 0.30
},
"prochaine_date_révision": "2025-12-28"
}
Exemples
Exemple 1 : RISK_ON → Allocation agressive
Entrée :
- VIX : 15
- Croissance PIB : 3,0 %
- Régime de marché : RISK_ON
- Actuel : Actions 55 %, Obligations 30 %, Liquidités 15 %
Sortie :
- Recommandation : RÉÉQUILIBRER
- Cible : Actions 70 %, Obligations 20 %, Liquidités 10 %
- Transactions :
* ACHETER Actions 15 000 $
* VENDRE Obligations 10 000 $
* RÉDUIRE Liquidités 5 000 $
Exemple 2 : RISK_OFF → Allocation défensive
Entrée :
- VIX : 28
- Signaux de récession
- Régime de marché : RISK_OFF
- Actuel : Actions 70 %, Obligations 20 %, Liquidités 10 %
Sortie :
- Recommandation : RÉÉQUILIBRAGE URGENT
- Cible : Actions 40 %, Obligations 40 %, Liquidités 20 %
- Transactions :
* VENDRE Actions 30 000 $
* ACHETER Obligations 20 000 $
* AUGMENTER Liquidités 10 000 $
Exemple 3 : Écart faible → Maintien
Entrée :
- Actuel : Actions 68 %, Obligations 22 %, Liquidités 10 %
- Cible : Actions 70 %, Obligations 20 %, Liquidités 10 %
- Écart : 2 %, 2 %, 0 %
Sortie :
- Recommandation : MAINTENIR
- Raisonnement : "Écart < 5 %, le maintien est préférable compte tenu des coûts de transaction"
Exemple 4 : Rééquilibrage sectoriel
Entrée :
- Technologie : 45 % (MAX 40 %)
- Finance : 15 %
- Santé : 10 %
Sortie :
- Recommandation : RÉÉQUILIBRAGE_SECTORIEL
- Transactions :
* VENDRE Actions technologiques 5 000 $ (45 % → 40 %)
* ACHETER Santé 3 000 $
* ACHETER Finance 2 000 $
Bonnes Pratiques
À Faire ✅
- Révision régulière : Vérification hebdomadaire ou bimensuelle
- Priorité au Régime de Marché : Allocation en fonction de l'environnement macro
- Rééquilibrage Progressif : Éviter les changements brusques
- Efficacité Fiscale : Rééquilibrage fiscalement efficace
À Éviter ❌
- Éviter les transactions excessives (tenir compte des coûts)
- Éviter les réactions excessives à la volatilité à court terme
- Éviter les changements d'allocation émotionnels
- Éviter les violations de l'Article 4 de la Constitution
Intégration avec le Détecteur de Régime de Marché
depuis backend.ai.market_regime importer MarketRegimeDetector
depuis backend.ai.regime_detector importer detect_market_regime
detecteur = MarketRegimeDetector()
donnees_regime = {
'vix': 18,
'courbe_taux_10y2y': 0.3,
'position_fed': 'neutre',
'croissance_pib': 0.025,
'chômage': 0.038,
'ipc': 0.028
}
regime = detecteur.detecter_regime(donnees_regime)
# Sortie :
# {
# "regime_actuel": "RISK_ON",
# "confiance": 0.75,
# "allocation_actifs_recommandee": {
# "actions": 0.70,
# "obligations": 0.20,
# "liquidites": 0.10
# },
# "indicateurs_regime": {
# "signal_vix": "FAIBLE_VOLATILITE",
# "signal_courbe_taux": "NORMAL",
# "signal_macro": "EXPANSION"
# }
# }
Algorithme de Rééquilibrage
Rééquilibrage Basé sur un Seuil
def vérifier_besoin_rééquilibrage(
actuel: Dict[str, float],
cible: Dict[str, float],
seuil: float = 0.05
) -> bool:
"""Vérifier si un rééquilibrage est nécessaire"""
pour classe_actif in cible.keys():
écart = abs(actuel[classe_actif] - cible[classe_actif])
if écart > seuil:
return Vrai
return Faux
# Exemple
actuel = {'actions': 0.76, 'obligations': 0.18, 'liquidites': 0.06}
cible = {'actions': 0.70, 'obligations': 0.20, 'liquidites': 0.10}
besoin_rééquilibrage = vérifier_besoin_rééquilibrage(actuel, cible) # Vrai
Calcul des Transactions Optimales
def calculer_transactions_rééquilibrage(
allocation_actuelle: Dict[str, float],
allocation_cible: Dict[str, float],
valeur_totale_portefeuille: float
) -> Liste[Dict]:
"""Calculer les transactions optimales pour le rééquilibrage"""
transactions = []
pour classe_actif, pct_cible in allocation_cible.items():
pct_actuel = allocation_actuelle[classe_actif]
valeur_actuelle = pct_actuel * valeur_totale_portefeuille
valeur_cible = pct_cible * valeur_totale_portefeuille
diff = valeur_cible - valeur_actuelle
if abs(diff) > 1000: # Transaction minimale de 1 000 $
action = "ACHETER" if diff > 0 else "VENDRE"
transactions.append({
"classe_actif": classe_actif,
"action": action,
"montant_usd": abs(diff),
"de_pct": pct_actuel,
"vers_pct": pct_cible
})
return transactions
Indicateurs de Performance
- Fréquence de Rééquilibrage : Objectif de 1 à 2 fois par mois
- Coûts de Transaction : < 0,5 % de la valeur du portefeuille
- Amélioration du Ratio de Sharpe : Objectif de +10 % par rapport à une stratégie d'achat-conservation
- Réduction du Drawdown : Objectif de -20 % par rapport à un portefeuille non géré
Conformité Constitutionnelle
depuis backend.constitution importer Constitution
constitution = Constitution()
# Valider les transactions de rééquilibrage
pour transaction in transactions_rééquilibrage:
# Vérifier si la nouvelle allocation viole l'Article 4
nouvelle_allocation = appliquer_transaction(allocation_actuelle, transaction)
est_valide, violations, _ = constitution.valider_allocation(
nouvelle_allocation,
positions_actuelles
)
if not est_valide:
# Ajuster la transaction pour se conformer
transaction = ajuster_transaction_conformité(transaction, violations)
Dimensionnement des Positions Ajusté au Risque
Intégration de la Théorie Moderne du Portefeuille (MPT)
importer numpy en tant que np
depuis scipy.optimize importer minimize
def optimiser_portefeuille(
rendements: np.array,
covariance: np.array,
taux_sans_risque: float = 0.03
) -> np.array:
"""Optimiser le portefeuille à l'aide de la MPT"""
n_actifs = len(rendements)
# Objectif : Maximiser le Ratio de Sharpe
def objectif(poids):
rendement_portefeuille = np.dot(poids, rendements)
écart_type_portefeuille = np.sqrt(np.dot(poids, np.dot(covariance, poids)))
sharpe = (rendement_portefeuille - taux_sans_risque) / écart_type_portefeuille
return -sharpe # Minimiser le Sharpe négatif
# Contraintes
contraintes = [
{'type': 'eq', 'fun': lambda w: np.sum(w) - 1}, # Somme à 1
{'type': 'ineq', 'fun': lambda w: w} # Non négatif
]
# Bornes (max 15 % par action)
bornes = tuple((0, 0.15) for _ in range(n_actifs))
# Estimation initiale
x0 = np.array([1/n_actifs] * n_actifs)
# Optimisation
résultat = minimize(objectif, x0, method='SLSQP', bounds=bornes, constraints=contraintes)
return résultat.x
Collaboration avec d'Autres Agents
War Room → Signaux de Trading
↓
Gestionnaire de Portefeuille → Vérifier l'allocation actuelle
↓
SI une nouvelle position entraîne un déséquilibre :
→ Suggérer une taille de partielle
OU
→ Recommander la vente d'autres positions en premier
Exemple :
War Room : ACHETER AAPL 15 000 $
Gestionnaire de Portefeuille : "Secteur tech déjà à 38 %, ACHETER seulement 10 000 $"
Rapports
Rapport Hebdomadaire du Portefeuille
# Rapport de Performance du Portefeuille - Semaine du 2025-12-21
## Allocation d'Actifs
- Actions : 68 % (Cible : 70 %) ✓
- Obligations : 22 % (Cible : 20 %) ⚠️
- Liquidités : 10 % (Cible : 10 %) ✓
## Performance
- Rendement Hebdomadaire : +2,3 %
- Rendement Depuis le Début d'Année : +15,7 %
- Ratio de Sharpe : 1,45
- Drawdown Maximum : -8,2 %
## Actions Menées
- Aucune (dans la tolérance)
## Prochaine Révision : 2025-12-28
Historique des Versions
- v1.0 (2025-12-21) : Version initiale avec optimisation MPT et intégration du régime de marché