Utiliser la règle 1/N pour la diversification sous incertitude profonde

Quand vous ne pouvez pas estimer la valeur de chaque option de manière fiable, répartissez les ressources également.

Why it works

Sous incertitude profonde — où les probabilités et gains des résultats ne peuvent être estimés avec confiance — optimiser une allocation exige des hypothèses que vous n'avez pas de données pour soutenir. L'heuristique 1/N (diviser également entre N options) surpasse les allocations de portefeuille optimisées dans les tests réels hors échantillon car elle évite le surajustement qui rend les stratégies d'optimisation fragiles quand les conditions changent.

How to do it

1. Quand vous faites face à une décision d'allocation de ressources avec une véritable incertitude profonde (temps entre projets, budget entre expériences), optez par défaut pour une allocation égale.
2. Ne dévie de l'allocation égale que quand vous avez des données fiables montrant des rendements différentiels.
3. Révisez l'allocation une fois que vous avez des résultats réels — déplacez-vous vers ce qui fonctionne avec des preuves, pas de l'optimisme.

Données probantes

DeMiguel, Garlappi & Uppal (2009) ont comparé l'allocation de portefeuille 1/N à 14 stratégies optimisées à travers plusieurs ensembles de données du marché boursier et ont trouvé 1/N compétitif ou meilleur que les approches optimisées hors échantillon. (observational)

Ce résultat est spécifique aux contextes de portefeuille financier avec données limitées et moyennes incertaines. Pour les décisions où les rendements sont significativement différents et estimables, l'allocation optimisée peut surpasser 1/N.

Sources

• DeMiguel, Garlappi & Uppal (2009), Optimal versus naive diversification, Review of Financial Studies

Erreur fréquente

Appliquer 1/N même quand vous avez des données fiables montrant que les options diffèrent substantiellement — l'heuristique est pour l'incertitude profonde, pas un substitut aux preuves quand des preuves existent.