Wealth managers · Fund managers
FinyXa met les toutes dernières technologies et théories de la finance quantitative au service des wealth managers et des fund managers. Nous commençons par la gestion de vos portefeuilles ; nous vous accompagnons ensuite vers la gestion assistée par les algorithmes.
Notre approche
Les deux offres n’ouvrent pas les mêmes portes. L’optimisation de portefeuille s’adresse aux conseillers comme aux sociétés de gestion ; la gestion algorithmique suppose l’agrément de société de gestion.
Allocation, optimisation, contrôle des risques, performance : nous appliquons à vos portefeuilles les dernières avancées de la recherche et de la technologie en finance quantitative — avec la rigueur et la traçabilité que vos clients et vos régulateurs attendent. C’est notre point de départ, et le vôtre.
Quand vous êtes prêts, nous vous accompagnons plus loin : stratégies systématiques, backtests opposables, propositions générées par les algorithmes — et toujours validées par vos équipes. La machine propose, vos gérants disposent.
La preuve
Nous avons rejoué huit années, une par une. À chaque fois, l’allocation est calculée sur les trois années précédentes seulement, puis détenue douze mois sans y toucher, face à un portefeuille type de client équilibré. Chaque flèche mesure ce que le client a réellement subi sur l’année suivante. Huit fois sur huit, elle pointe vers la gauche.
Faites glisser le graphique pour le voir en entier.
Pour un niveau de risque donné, il existe une allocation qui aurait fait mieux, et pour un rendement donné, une autre qui aurait moins secoué le portefeuille. La courbe réunit ces deux limites. Les trois allocations d’usage courant sont toutes en dessous, et la flèche montre où l’optimisation les amène : moins de volatilité et davantage de rendement à la fois.
Faites glisser le graphique pour le voir en entier.
À lire comme un objectif, pas comme une promesse. La frontière est reconstituée sur la période observée : elle borne ce qui était atteignable avec le recul. L’écart de rendement affiché ici est donc constaté, et notre propre vérification hors échantillon ne le confirme pas, contrairement à la baisse du risque mesurée plus haut. C’est pour cette raison que nous ne le promettons pas.
Ce que ce graphique ne dit pas. Nous ne promettons aucun surcroît de rendement, et nous avons vérifié qu’il n’y en avait pas : mesuré hors échantillon, l’écart de performance est nul au sens statistique. Ce qui tient, c’est le risque. Méthode : allocation calculée sur les trois années précédentes uniquement, puis détenue un an sans y toucher, répété huit fois de 2018 à 2025 sur données de marché réelles. Le portefeuille type est une allocation d’usage courant (40 % actions Europe, 20 % actions États-Unis, 30 % obligations en euro, 10 % monétaire). Performances simulées sur données historiques, jamais un historique de gestion réel : les performances passées ne préjugent pas des performances futures.
L’outil
Allocation cible, contraintes, contrôle des risques.
Performance, drawdown, contribution au risque.
Compter les lignes ne suffit pas.
Les fondateurs
Formé à la finance quantitative au sein du master de l’École Polytechnique, Lucas conçoit et dirige les moteurs quantitatifs de FinyXa — optimisation de portefeuille, backtests, stratégies systématiques — avec une exigence de méthode et de reproductibilité : la machine propose, les gérants disposent.
LinkedIn
Ingénieur, MBA INSEAD–Tsinghua et diplômé du CQF (Certificate in Quantitative Finance), Paul accompagne depuis plus de trente ans les dirigeants, de la banque (Crédit Agricole CIB, Triodos Bank) aux fintechs d’intelligence artificielle et de finance quantique. Fondateur d’Infinyxa, cabinet de conseil en stratégie et en investissements, il porte le développement commercial et les partenariats de FinyXa.
LinkedInContact
Une démonstration sur données fictives, sans engagement — puis, si l’approche vous parle, un pilote sur vos propres données.
