Paramètres de sensibilité : méthode, biais et robustesse
#01
Sensibilité : la documentation rend visible ce qui menace la robustesse
La mauvaise méthode : ignorer les paramètres de sensibilité ou les fixer sans documentation. Ce choix conduit à des résultats séduisants, mais trompeurs. Les modèles paraissent stables jusqu’à ce qu’une variable mal calibrée fasse dérailler toute la projection. L’approche rigoureuse documente chaque paramètre, confronte les biais et multiplie les tests de robustesse. Ce guide propose un cheminement méthodique pour traiter la sensibilité, réduire l’illusion de contrôle et rendre chaque étape vérifiable.
#02
Étude de cas : trois paramètres, deux démarches
Exemple fictif : un portefeuille optimisé par un algorithme interne avec trois paramètres clés : volatilité attendue, horizon temporel et pondération de la liquidité. Chaque paramètre est d’abord fixé « à la main », puis ajusté par l’algorithme selon des règles explicites. Les résultats sont comparés et la sensibilité affichée pour chaque scénario.
#03
Écueils récurrents et pratiques à privilégier
Les pièges abondent : oublier de tester les extrêmes, croire que l’automatisation protège de tout biais, négliger la documentation. Une méthode robuste refuse le confort des raccourcis, s’appuie sur la transparence et invite à la confrontation des points de vue à chaque étape.