Dashboard macro · ETF UCITS sectoriels · Signal en temps réel
La rotation sectorielle conditionnelle au cycle économique est un axe de recherche établi en finance empirique (Fama-French, Bridgewater, MSCI Factor Investing — références en bas de page). Pourtant, les outils qui permettent de la mettre en pratique sont soit réservés aux institutionnels, soit disponibles uniquement en anglais pour un public américain (ETF US, marchés US, fiscalité US). MacroETF.com comble ce vide : un dashboard en français, avec des ETF UCITS accessibles depuis une enveloppe européenne (CTO, PEA, assurance-vie), construit sur des données de marché publiques et une méthodologie transparente.
L'outil est gratuit et indépendant. Aucune publicité, aucun conflit d'intérêt avec des émetteurs d'ETF. Les ETF affichés sont sélectionnés uniquement sur des critères objectifs : liquidité, encours, frais, et disponibilité sur les principales plateformes européennes.
L'économie mondiale peut être réduite à deux variables macroéconomiques fondamentales : la croissance (accélère-t-elle ou ralentit-elle ?) et l'inflation (monte-t-elle ou descend-elle ?). Ces deux axes créent une matrice à 4 quadrants — les 4 régimes macro — chacun associé à des tendances sectorielles observées historiquement, sans garantie qu'elles se reproduisent à l'identique. Ce cadre a été popularisé par Ray Dalio et Bridgewater Associates dans leur stratégie "All Weather", et est étayé par une abondante littérature académique sur les primes de risque conditionnelles.
En parallèle du régime macro, le dashboard calcule un indice de risque de bulle en temps réel. Un marché peut être en régime Goldilocks et présenter des signes de surchauffe spéculative — les deux signaux sont complémentaires. À partir de 40, l'allocation commence à s'incliner vers les défensifs (inclinaison renforcée à 55, puis à 70), indépendamment du régime.
Chacun des 4 régimes a une pondération de base par secteur, définie à l'avance (ex. l'Énergie pèse davantage en Reflation qu'en Neutre). Cette pondération de base est ensuite ajustée par l'indice de risque de bulle : au-delà de 50, les secteurs défensifs (Santé, Consommation Courante, Services aux Collectivités) sont renforcés et les secteurs à bêta élevé sont réduits proportionnellement à leur sensibilité au marché — au-delà de 70, cet ajustement est encore plus marqué. Le résultat est normalisé pour totaliser 100%.
| Secteur | Goldilocks | Reflation | Stagflation | Neutre |
|---|---|---|---|---|
| Énergie | 8% | 14% | 12% | 5% |
| Matériaux | 7% | 12% | 10% | 4% |
| Industrie | 10% | 12% | 6% | 5% |
| Cons. Discrétionnaire | 12% | 8% | 5% | 4% |
| Finance | 10% | 12% | 6% | 5% |
| Technologie | 18% | 10% | 8% | 7% |
| Télécommunications | 8% | 6% | 6% | 5% |
| Santé | 10% | 8% | 14% | 20% |
| Cons. Courante | 7% | 6% | 12% | 16% |
| Services aux collect. | 5% | 6% | 12% | 16% |
| Immobilier | 5% | 6% | 9% | 13% |
Poids de base, avant ajustement par le score de risque de bulle — les valeurs réellement affichées sur chaque fiche secteur intègrent aussi cet ajustement, et ne totalisent donc pas forcément exactement ces mêmes chiffres.
Chaque poids obtenu est enfin comparé à un poids neutre (100% divisé par le nombre de secteurs) pour produire l'étiquette affichée sur chaque fiche :
Ce calcul n'est effectué qu'une seule fois, sur la page d'accueil — les fiches sectorielles affichent ensuite exactement ce même résultat plutôt que de le recalculer indépendamment, pour garantir une cohérence totale entre toutes les pages du site.
Le signal marché (SPY, TIP/TLT, VIX) est rapide mais bruyant. Pour le fiabiliser, le dashboard interroge en complément quatre séries macroéconomiques officielles publiées par la Réserve Fédérale de Saint-Louis (FRED) :
Les quatre indicateurs de croissance sont moyennés en un seul composite croissance, comparé à l'inflation (CPI) — l'axe "croissance" reste ainsi une seule vérification, au même niveau que l'axe "inflation", sans déséquilibrer la pondération de la fiabilité affichée.
Quand ces deux axes confirment le régime détecté par le marché, la fiabilité affichée augmente (jusqu'à +8 points). En cas de désaccord partiel, l'ajustement est proportionnel. En cas de désaccord total et persistant (les deux axes contredisent entièrement le marché, 3 jours consécutifs), le régime affiché lui-même bascule vers ce que la macro réelle indique — par prudence, pour éviter de suivre aveuglément un signal marché que l'économie réelle dément.
GDPNow est mis à jour plusieurs fois par mois et ICSA chaque semaine (les deux plus réactifs) ; CPI, production industrielle et PAYEMS ne le sont qu'une fois par mois. Cette couche sert donc volontairement de filtre de confirmation lent plutôt que de signal principal — le marché reste la source de réactivité du modèle.
⚠️ Ce n'est pas un oracle. Le modèle détecte le régime actuel sur la base de données de marché passées. Il ne prédit pas les retournements — il les confirme avec un délai inhérent à tout signal basé sur des moyennes mobiles.
⚠️ Le régime changeait plus souvent que l'intuition le suggère — en partie corrigé. Avec les fenêtres de calcul initiales (1 mois/3 mois), le backtest 2008-2026 comptait 140 changements de régime confirmé sur 216 mois — une durée moyenne de 1,5 mois avant bascule, à comparer aux seulement 2 récessions officielles (NBER) sur ces 18 années. Un test avec un délai de confirmation plus long (5 jours au lieu de 3) n'avait réduit ce nombre que de 140 à 136 (quasi rien) : le problème ne venait donc pas d'un manque de lissage anti-bruit, mais des fenêtres de calcul du signal elles-mêmes, trop courtes pour refléter un vrai rythme de cycle macro. Passées à 6 mois/12 mois — choix validé par comparaison à ce repère externe (NBER), pas par optimisation du Sharpe — la durée moyenne est montée à environ 4,3 mois, et le pourcentage de mois "Neutre" est passé de 31,9% à environ 17,1% (le repère NBER réel est ~9%, mais notre signal mesure le momentum de marché, pas l'activité économique officielle — un écart structurel qui ne disparaîtra jamais complètement). Détail du processus de validation (plusieurs fenêtres testées, seuils testés séparément) disponible sur demande.
⚠️ Le backtest ne modélise aucun frais de transaction, spread ou fiscalité. Le rééquilibrage mensuel simulé suppose des exécutions parfaites, sans coût — la performance réelle d'un portefeuille rééquilibré manuellement chaque mois serait inférieure, ne serait-ce qu'à cause des frais de courtage et des spreads bid-ask.
⚠️ Les signaux Yahoo Finance ont ~15 min de délai et peuvent temporairement échouer lors de pics de trafic. En cas d'échec, le dashboard affiche clairement "Fallback" dans le timestamp.
⚠️ Les données FRED sont mensuelles et donc structurellement en retard par rapport au marché — c'est voulu (couche de confirmation, pas de détection), mais cela signifie qu'un désaccord temporaire entre marché et macro n'implique pas nécessairement une erreur du modèle.
⚠️ La table de poids par régime n'est pas ajustée rétroactivement. Les poids de base par régime reflètent un scénario "classique" (ex. matières premières et secteurs cycliques en Reflation), établi indépendamment de ce que les backtests successifs ont montré — y compris quand la performance réelle par secteur ne correspond pas exactement à cette pondération sur telle ou telle période. Ce choix est volontaire : ajuster les poids en réaction à un backtest précis reviendrait à surajuster le modèle à une seule période historique, au risque de moins bien fonctionner lors d'une future occurrence du même régime, de nature différente.
⚠️ Le modèle réagit plus lentement aux chocs brutaux depuis le passage à des fenêtres de calcul plus longues (6-12 mois). Sur le backtest 2008-2026, l'alpha mensuel moyen est négatif sur 3 des 4 grandes crises testées (2008-2009, 2020, 2025-2026) mais nettement positif sur la 4e (2022) et sur le reste de la période. Explication plausible : des fenêtres plus longues filtrent mieux le bruit au quotidien, mais mettent aussi plus de temps à réagir à un choc soudain et rapide (ex. le krach COVID en quelques semaines) qu'à un ralentissement progressif (ex. 2022). C'est un vrai compromis du choix méthodologique, pas un défaut isolé à corriger.
⚠️ L'avantage du signal macro semble s'éroder dans le temps. Divisée en deux moitiés égales, la période 2008-2017 montre un avantage de +0,72 point/an vs une équipondération sans signal macro, contre seulement +0,21 point/an sur 2017-2026 — positif dans les deux cas, mais nettement plus faible récemment. Ceci n'est pas un vrai test hors échantillon (walk-forward) : on applique le modèle actuel, figé, aux deux moitiés, sans avoir développé de version différente sur chacune séparément — un vrai walk-forward nécessiterait une archive des règles telles qu'elles auraient existé à chaque date passée, qu'on n'a pas.
⚠️ Ce n'est pas un conseil financier. MacroETF.com est un outil de cadrage et de recherche. Toute décision d'investissement doit être confrontée à votre situation personnelle, votre horizon et votre tolérance au risque.
Fama, E. & French, K. (1992) — The Cross-Section of Expected Stock Returns. Journal of Finance. Base théorique des primes de risque sectorielles.
Doeswijk, R., Lam, T. & Swinkels, L. (2014) — The Global Multi-Asset Market Portfolio. Financial Analysts Journal. Allocation d'actifs basée sur la capitalisation mondiale.
Ilmanen, A. (2011) — Expected Returns: An Investor's Guide to Harvesting Market Rewards. Wiley. Référence sur les primes de risque conditionnelles au cycle économique.
Bridgewater Associates (2012) — The All Weather Story. Document fondateur du cadre à 4 régimes macro appliqué à l'allocation d'actifs.
MSCI (2020) — Factor Investing and the Business Cycle. Analyse empirique de la performance des facteurs selon le régime macro.