CodeMarketLabsLa stratégie long/short equity est une approche sophistiquée prisée des investisseurs institutionnels. Elle vise à générer de l'alpha en combinant positions acheteuses et vendeuses, peu importe l'orientation du marché.
2026-02-04
Le Long/Short Equity est bien plus qu'une simple technique : c'est une déconstruction du risque de marché. Dans un portefeuille classique 'Long-Only', l'investisseur est exposé à 100% au risque systématique (Bêta). La stratégie Long/Short vise à neutraliser ce Bêta pour ne capturer que l'Alpha, soit la valeur ajoutée par la sélection de titres. Cette approche repose sur l'hypothèse d'efficience relative des marchés : si deux entreprises sont économiquement liées, leurs prix ne peuvent diverger indéfiniment sans créer une opportunité d'arbitrage.
La première étape consiste à identifier une paire d'actifs. Contrairement à la simple corrélation, la cointégration garantit que le spread (l'écart de prix) est stationnaire. Cela signifie que même si les prix montent ou descendent, leur différence tend mathématiquement à revenir vers une moyenne historique.
import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.tsa.stattools import coint
def check_pair_validity(stock_a, stock_b):
# Test de cointégration d'Engle-Granger
score, p_value, _ = coint(stock_a, stock_b)
# Calcul du hedge ratio par régression OLS
model = sm.OLS(stock_a, stock_b)
results = model.fit()
hedge_ratio = results.params[0]
return p_value, hedge_ratio
# Exemple : KO vs PEP
p_val, ratio = check_pair_validity(data['KO'], data['PEP'])
if p_val < 0.05:
print(f"Paire valide. Ratio de couverture : {ratio:.2f}")Une fois la paire validée, nous utilisons le Z-Score pour normaliser l'écart de prix. Un Z-Score de +2 signifie que l'action A est statistiquement trop chère par rapport à l'action B. C'est le signal pour vendre A et acheter B simultanément.
def calculate_signals(spread, window=20):
# Moyenne mobile et écart-type du spread
avg = spread.rolling(window=window).mean()
std = spread.rolling(window=window).std()
# Calcul du Z-Score
z_score = (spread - avg) / std
# Seuils de trading
entry_threshold = 2.0
exit_threshold = 0.5
return z_scorePour un capital de 50 000 $, la construction doit respecter une neutralité monétaire ou une neutralité de bêta. Si KO a un bêta de 0.6 et PEP de 0.8, les poids doivent être ajustés pour que l'exposition nette au marché soit nulle.
total_capital = 50000
price_a, price_b = 58.00, 165.00
# Allocation 50/50 pour Dollar Neutrality
allocation = total_capital / 2
shares_a = allocation / price_a # ~431 actions Long
shares_b = allocation / price_b # ~151 actions Short
print(f"Position Longue A : {int(shares_a)} titres")
print(f"Position Courte B : {int(shares_b)} titres")Le risque principal n'est pas la baisse du marché, mais la divergence structurelle (Black Swan). Les coûts incluent le 'Stock Borrow' (frais pour emprunter les actions vendues), les intérêts sur marge et le 'Dividende à payer' sur la position courte. Une analyse rigoureuse de la rentabilité nette est indispensable.
La neutralité dollar égalise les montants investis (25k/25k). La neutralité bêta ajuste les montants selon la sensibilité au marché (ex: investir plus sur le titre le moins volatil).
Outre les commissions, vous devez payer les dividendes de l'action shortée et des frais d'emprunt journaliers qui varient selon la disponibilité du titre (Hard-to-borrow).
Deux titres peuvent être corrélés mais s'éloigner l'un de l'autre pour toujours. La cointégration assure qu'ils reviendront l'un vers l'autre.