Mesurer la qualité des données avec des métriques de complétude et d'exactitude

À 7h15, une gérante de portefeuille obligataire (PM) ouvre son dashboard de risque et constate que 4 de ses 320 obligations d'entreprise n'affichent aucun prix depuis la clôture précédente. Ces 4 positions représentent 2,8 % du portefeuille en valeur de marché. Doit-elle trader à 8h00 ? Cette seule décision repose sur des métriques de qualité des données (DQ) : couverture, staleness et tolerance breaks. Cette leçon transforme ces inquiétudes floues en chiffres que vous pouvez inscrire dans un service level agreementservice level agreementEngagement formel définissant le niveau de service qu'un fournisseur garantit à un client, avec des objectifs mesurables et des conséquences en cas de manquement.Voir la définition complète → (SLA).

Pourquoi le fixed income est le cas difficile

Les actions se traitent sur des marchés organisés avec des prix continus. Une large cap dispose d'un dernier cours propre et horodaté à chaque seconde.

Pas les obligations. La plupart des obligations corporate et municipales se traitent over the counter (OTC), c'est-à-dire de dealer à dealer, pas en bourse. Une obligation donnée peut ne pas se traiter pendant plusieurs jours. Les prix sont souvent des « prix évalués » : des estimations produites par modèle par des vendors de pricing comme Bloomberg (BVAL), ICE Data Services ou Refinitiv, plutôt que des transactions réelles.

D'où l'importance de la mesure de la DQDQLe degré d'aptitude des données à l'usage prévu : exactes, complètes, cohérentes, à jour, valides et uniques. Une data quality faible fragilise l'analytics, le reporting et l'IA.Voir la définition complète →. La question n'est pas « le prix est-il juste ? » mais « quel est mon niveau de confiance, et de combien le prix pourrait-il être faux ? »

Les quatre métriques qui comptent

1. Taux de couverturecouvertureLe nombre de personnes uniques exposées à votre message sur une période donnée. Contrairement aux impressions, le reach compte chaque personne une seule fois, quel que soit le nombre d'expositions.Voir la définition complète → (complétude)

Taux de couverture = positions avec un attribut valide / total des positions. Mesurez-le par attribut, pas seulement globalement.

Un portefeuille obligataire exige un suivi de la couverture séparément pour : prix, rendement, duration, rating et classification sectorielle. Une obligation peut avoir un prix mais aucun rating de crédit, ce qui casse votre agrégation de risque.

Exemple chiffré, à une clôture hypothétique :

• Portefeuille : 320 obligations
• Obligations avec un prix vendor valide : 316
• Couverture prix = 316 / 320 = 98,75 %

Mais pondérez par la valeur de marché, car 4 petites positions manquantes comptent moins qu'une grosse.

• Couverture prix pondérée par la valeur de marché = (MV totale valorisée) / (MV totale) = 97,2 % dans notre scène d'ouverture

Reportez toujours la couverture en nombre et en valeur pondérée. Les PM regardent le chiffre pondéré par la valeur.

2. Seuil de staleness (fraîcheur)

Un prix stale est un prix qui n'a ni bougé ni été rafraîchi dans une fenêtre acceptable. Pour un Treasury américain on-the-run activement traité, un prix vieux de quelques minutes en intraday est stale. Pour une obligation high-yield illiquide, un prix évalué vieux de 2 jours peut être parfaitement normal.

Les seuils de staleness doivent donc être segmentés selon la liquidité de l'actif :

Ce sont des choix opérationnels indicatifs, pas des standards réglementaires. Chaque maison les calibre.

Taux de staleness = positions dépassant le seuil / total des positions. Si 12 obligations sur 320 dépassent le seuil de leur catégorie, le taux de staleness = 3,75 %.

3. Tolerance breaks (exactitude)

Vous ne pouvez pas comparer un prix obligataire au « vrai prix », puisqu'il n'existe souvent aucune transaction. Vous vérifiez donc la cohérence interne et la concordance entre sources.

Un tolerance break est un écart entre deux sources (ou entre aujourd'hui et hier) qui dépasse un seuil prédéfini.

Deux contrôles courants :

• Contrôle de variation de prix jour à jour. Signalez toute obligation dont le prix a bougé de plus de, disons, 2 points (2 % du pair) sans événement de marché correspondant. Un prix de 98 saisi par erreur en 89 est attrapé ici.
• Contrôle cross-vendor. Comparez Bloomberg BVAL à ICE. Signalez les écarts supérieurs à une tolérance, souvent exprimée en basis points (bps) de rendement. Un basis point = 0,01 %. Une tolérance courante sur les obligations corporate est de 10 à 25 bps de spread de rendement.

Taux de tolerance break = positions signalées / total des positions.

4. Taux d'exceptions et résolution

Une exception est tout flag DQ qui exige une revue humaine : prix manquant, prix stale ou tolerance break. Le taux d'exceptions est le total des exceptions divisé par le total des points de données contrôlés.

La métrique que les PM et les équipes opérations négocient réellement n'est pas seulement le nombre d'exceptions, mais la vitesse à laquelle elles se résorbent.

• Délai de résolution des exceptions : temps médian et au 95e percentile pour clôturer une exception.
• Exceptions vieillissantes : nombre d'exceptions ouvertes au-delà de la fenêtre SLA (par exemple, non résolues après 2 heures le jour de pricing).

TransformerTransformerUn Transformer est une architecture de réseau de neurones qui utilise le self-attention pour traiter des séquences en parallèle. Elle est au cœur de la plupart des modèles de langage et d'IA générative actuels.Voir la définition complète → les métriques en SLA

Un SLA est un engagement écrit, généralement entre l'équipe data operations et le front office, qui fixe des cibles et des conséquences. Un SLA de pricing fixed income précise typiquement :

• Portefeuille valorisé prêt avant une heure de cutoff (par exemple 6h30 heure locale pour un desk qui traite à 8h00).
• Couverture prix pondérée par la valeur >= 99,5 % au cutoff.
• Taux de staleness <= 2 % au cutoff.
• Tous les tolerance breaks au-dessus du seuil revus et tranchés avant le cutoff.
• Exceptions critiques (grosses positions, constituants de benchmark) résolues avec un chemin d'escalade nommé.

Le mot « tranché » compte : un break n'a pas à être corrigé, il doit être revu et une décision doit être enregistrée (accepter, override ou suspendre). Un override consigné avec un motif, c'est de la bonne gouvernance. Un prix modifié en silence, non.

Sur le plan réglementaire, la gouvernance de valorisation en Europe relève des cadres AIFMD (Alternative Investment Fund Managers Directive) et UCITS (Undertakings for Collective Investment in Transferable Securities), tous deux supervisés par l'ESMA (European Securities and Markets Authority). Aux États-Unis, la valorisation des fonds est régie par la Rule 2a-5 de l'Investment Company Act de 1940, appliquée par la SEC (Securities and Exchange Commission). La Rule 2a-5 exige explicitement des conseils d'administration qu'ils supervisent les processus de fair value et surveillent la qualité des services de pricing, ce que ces métriques documentent précisément. Vous pouvez lire le texte d'adoption de la SEC sur la page Rule 2a-5 de la SEC.

Un contrôle DQ minimal en code

Voici le contrôle de tolérance jour à jour en Python simple, du type que lance un analyste opérations avant le cutoff.

import pandas as pd

# prices: columns = cusip, price_today, price_prior, market_value
df = pd.read_csv("book_prices.csv")

# tolérance : signaler les variations supérieures à 2 points du pair (pair = 100)
df["move"] = (df["price_today"] - df["price_prior"]).abs()
df["break_flag"] = df["move"] > 2.0

# prix manquant = écart de complétude
df["missing"] = df["price_today"].isna()

# couverture pondérée par la valeur
priced_mv = df.loc[~df["missing"], "market_value"].sum()
total_mv  = df["market_value"].sum()
coverage_vw = priced_mv / total_mv

print(f"VW price coverage: {coverage_vw:.2%}")
print(f"Tolerance breaks:  {df['break_flag'].sum()}")
print(f"Missing prices:    {df['missing'].sum()}")

La sortie, c'est votre scorecard SLA du matin : trois chiffres qui décident si le portefeuille est apte à trader.

Lire les chiffres comme un PM

Des métriques sans contexte induisent en erreur. Trois habitudes séparent un rapport DQ utile d'un rapport bruité.

Segmentez par liquidité. Un taux de couverture de 96 % peut être excellent pour un portefeuille de dette distressed et alarmant pour un fonds Treasury. Reportez la couverture par bucket de rating et par palier de liquidité, jamais en un seul chiffre agrégé.

Pondérez par le risque, pas seulement par la valeur. Un prix manquant sur une obligation 30 ans de longue duration déforme la duration du portefeuille bien plus qu'un prix manquant sur un bill à 3 mois de même valeur de marché. Les maisons sophistiquées pondèrent la couverture par la contribution au risque de taux (DV01, la variation en dollars de la valeur pour un mouvement de 1 bp), pas seulement par la valeur de marché.

Surveillez la tendance, pas l'instantané. Un taux de staleness qui glisse de 1,5 % à 3 % sur un mois signale souvent un flux vendor qui se dégrade ou une erreur de mapping, bien avant qu'un jour donné ne dépasse le SLA.

Une note sur le benchmark et les données de référence

Le pricing n'est que la moitié du portefeuille. Les analytics fixed income dépendent aussi des données de référence : coupon, maturité, convention de décompte des jours, échéanciers de call et hiérarchie d'émetteur. Une date de call erronée corrompt silencieusement tous les calculs de yield-to-worst en aval.

Les métriques de couverture et d'exactitude s'appliquent ici aussi. Suivez la « complétude référentielle » (pourcentage d'obligations avec un enregistrement de données statiques complet et validé) comme un SLA à part entière, souvent avec une cible au-dessus de 99,9 % parce que ces champs changent rarement et que les erreurs y persistent sans bruit.

Points clés

• Mesurez par attribut, pas par portefeuille. Suivez la couverture, la staleness et les tolerance breaks séparément pour le prix, le rendement, le rating et les données de référence. Un chiffre agrégé masque les trous qui font mal.
• Reportez la couverture de deux façons : en nombre et pondérée par la valeur, et idéalement pondérée par le risque (DV01). Les PM agissent sur le chiffre pondéré par le risque.
• Segmentez chaque seuil par liquidité. Un prix évalué vieux de 2 jours est stale pour un Treasury et normal pour une obligation high yield. Un seuil unique pour tous les instruments est une métrique cassée.
• Les SLA sont des engagements avec cutoffs et escalade. Cibles typiques (indicatives, pas réglementaires) : couverture pondérée par la valeur >= 99,5 %, staleness <= 2 %, tous les tolerance breaks tranchés avant l'ouverture du desk.
• La gouvernance, ce sont des décisions consignées. La Rule 2a-5 aux États-Unis et AIFMD/UCITS en Europe attendent une supervision documentée de la qualité du pricing. Un override avec motif consigné est défendable ; un changement de prix silencieux non.