
Exploiter la dynamique de marché : le momentum, facteur déterminant de l’investissement en matières premières
Publié le 27 novembre 2025
Head of Research, WisdomTree Europe.
Associate Director, Quantitative Research at WisdomTree in Europe
Director, Quantitative Research
- Le momentum constitue un facteur durable de l’investissement en matières premières : des décennies de recherche universitaire, corroborées par nos propres travaux, démontrent que les tendances de prix sur les marchés des matières premières ne sont pas aléatoires et peuvent être systématiquement identifiées et exploitées.
- Divers signaux étayent la pertinence de ce facteur : que l’analyse repose sur des moyennes mobiles, sur les tendances d’amplitude de marché ou sur un momentum binaire, les conclusions mettent invariablement en évidence des alpha positifs, notamment lorsque les stratégies intègrent les dynamiques propres à chaque matière première.
- Le momentum facilite la mise en œuvre de stratégies d’investissement : moyennant une architecture robuste des signaux et une exécution rigoureuse, le momentum permet de déployer aussi bien des stratégies longues que courtes sur les matières premières, capables de surperformer les indices traditionnels au fil du temps.
Le momentum figure parmi les anomalies de marché les plus documentées en finance. Bien qu’il soit couramment mis en œuvre dans l’univers actions, son potentiel d’application aux matières premières demeure tout aussi avéré. WisdomTree a procédé à des vérifications empiriques du fonctionnement du Momentum appliqué aux matières premières, révélant que son déploiement méthodique peut constituer un vecteur majeur d’amélioration des rendements et de gestion du risque.
Les fondements académiques du Momentum appliqué aux matières premières
Le momentum de prix sur les marchés de matières premières traduit la tendance des actifs ayant récemment généré des performances supérieures à conserver leur avantage relatif à brève échéance. Cette anomalie de dynamique découle habituellement d’une réaction insuffisante des investisseurs face aux nouvelles informations, d’une propagation différée des données fondamentales et de l’ajustement progressif des équilibres offre-demande.
Les résultats de la recherche académique convergent. Miffre et Rallis (2007) ont mis en évidence que le momentum transversal, qui consiste à adopter des expositions longues sur les matières premières présentant les meilleures performances glissantes sur 12 mois et des expositions courtes sur les moins performantes, engendre des alpha positifs statistiquement probants. Les analyses subséquentes de Szakmary et al. (2010) et de Menkhoff et al. (2012) ont étayé ces résultats sur différentes périodes et pour plusieurs univers de matières premières. Le Momentum de séries chronologiques, dont la logique repose sur une comparaison de chaque matière première avec sa propre dynamique plutôt qu’avec celle d’autres actifs, s’avère également performant dans cet univers d’investissement, même après la prise en compte d’autres primes de risque.
En définitive, le Momentum se révèle être une composante pérenne des marchés de matières premières, dont la robustesse se vérifie au fil du temps, sur les différents segments de marché et les diverses méthodologies d’analyse.
Application opérationnelle du momentum : principaux résultats de nos recherches
Si les fondements académiques sont bien établis, la qualité de la mise en œuvre n’en constitue pas moins un facteur essentiel. Notre dernière publication Commodity Investing 3.0: The Rise of Factor and Curve-Aware Strategies, expose les conclusions d’une analyse rigoureuse de stratégies momentum déployées sur un ensemble hétérogène de contrats à terme sur matières premières, mobilisant à la fois des cadres d’analyse en transversal et en séries chronologiques.
La première étape de nos travaux a consisté à évaluer les signaux de momentum au moyen de trois indicateurs différenciés :
- Méthode du croisement de moyennes mobiles (moyenne mobile à pondération linéaire sur un horizon court comparée à une moyenne mobile arithmétique sur un horizon long). L’indicateur devient positif (négatif) lorsque la moyenne mobile de court terme dépasse (reste inférieure à) la moyenne mobile de long terme, soit un momentum haussier (baissier).
- Tendances d’amplitude de marché (ratio entre le nombre de pentes de régression positives et le nombre total de régressions, calculées sur 16 horizons temporels allant du court au long terme). Ces pentes de régression traduisent les variations de l’intensité tendancielle à différents horizons, une prédominance de pentes positives révélant un Momentum haussier à la fois plus diffus et plus stable. Un ratio dépassant 0,7 (en deçà de 0,3) génère un signal positif (négatif).
- Momentum de type binaire (signal à caractère strictement directionnel établi à partir du signe des performances observées). D’un point de vue opérationnel, chaque rendement quotidien reçoit une notation binaire (+1 ou –1) déterminée par son signe algébrique. En outre, le signal de momentum binaire résulte du calcul d’une moyenne mobile à décroissance exponentielle appliquée à cette séquence de valeurs.
Momentum transversal : principales limitations
L’analyse transversale des trois indicateurs a consisté à établir un classement des matières premières en fonction de l’intensité du signal généré, puis à élaborer des portefeuilles structurés par terciles.
L’approche transversale appliquée aux trois indicateurs a généré des conclusions peu probantes. Les portefeuilles du premier tercile (surperformants) et du troisième tercile (sous-performants) n’ont pas réussi à se différencier de manière significative au fil du temps. Si le Momentum binaire a fait preuve d’une certaine pertinence, cette approche transversale s’avère insuffisante pour légitimer son déploiement en tant que stratégie d’allocation à part entière.
Graphique 1 : performances passées du Momentum de prix (approche transversale reposant sur le Momentum binaire)

Du 25 juin 2001 au 21 octobre 2025. Source : WisdomTree, Bloomberg, FactSet. Surperformance en USD. Comporte des données rétrospectives à titre d’exemple. Les performances passées ne préjugent pas des performances futures, et tout investissement peut perdre de la valeur.
Momentum de séries chronologiques : l’approche la plus probante
Le constat change radicalement dans un contexte de séries chronologiques. La méthodologie repose sur une évaluation de chaque matière première à part entière, suivie de la constitution de portefeuilles long-short alliant positions acheteuses sur les matières premières à momentum haussier et positions vendeuses sur celles à momentum baissier.
Les trois indicateurs retenus, à savoir le croisement de moyennes mobiles, la tendance d’amplitude de marché et le momentum binaire, ont tous affiché de bonnes performances. Les trois configurations de portefeuilles long-short ont démontré des performances positives à long terme, caractérisées par une pertinence statistique manifeste.
Graphique 2 : performances passées du Momentum de prix (approche de séries chronologiques reposant sur le croisement de moyennes mobiles)

Du 1er février 2002 au 30 septembre 2025. Source : WisdomTree, Bloomberg, FactSet. Surperformance en USD. Comporte des données rétrospectives à titre d’exemple. Les performances passées ne préjugent pas des performances futures, et tout investissement peut perdre de la valeur.
Nos conclusions révèlent que le Momentum génère, de manière générale, une surperformance statistiquement significative dans des conditions d’investissement réelles, constituant de ce fait un levier exploitable pour la mise en œuvre de stratégies opérationnelles long-only ou long-short.
Graphique 3 : bilan des performances du Momentum et pertinence statistique
Type d’approche | Approche | Variante | Périodes | Rendement annualisé | Stat. t | Valeur p |
|---|---|---|---|---|---|---|
Transversale | Momentum de prix | Binaire | 6347 | 2,18 % | 1,26 | 20,70 % |
Transversale | Momentum de prix | Combinée | 6407 | 0,86 % | 0,5 | 61,87 % |
Transversale | Momentum de prix | Moyenne mobile | 6407 | -0,37 % | -0,18 | 85,71 % |
Transversale | Momentum de prix | Tendance d’amplitude | 6407 | 0,60 % | 0,34 | 73,24 % |
Séries chronologiques | Momentum de prix | Binaire | 5961 | 6,00 % | 2,79 | 0,53 % |
Séries chronologiques | Momentum de prix | Combinée | 5835 | 4,82 % | 1,73 | 8,34 % |
Séries chronologiques | Momentum de prix | Moyenne mobile | 5835 | 4,11 % | 1,64 | 10,07 % |
Séries chronologiques | Momentum de prix | Tendance d’amplitude | 5835 | 5,05 % | 1,83 | 6,80 % |
Source : WisdomTree, Bloomberg, FactSet. Le tableau récapitule les rendements annualisés, les statistiques t ainsi que les valeurs p relatives à chaque approche et variante testées au sein des approches tant transversale que temporelle. La statistique t permet d’apprécier la distance statistique séparant les rendements observés d’une valeur nulle, une valeur élevée de cette statistique traduisant un niveau de confiance accru quant au caractère non fortuit de la performance factorielle. La valeur p représente la probabilité que le phénomène observé procède d’une variation aléatoire ; des seuils faibles témoignent d’une pertinence statistique renforcée. Pour comparaison, les rendements annualisés relatifs aux approches transversales font l’objet d’une division par deux. Les performances passées ne préjugent pas des performances futures, et tout investissement peut perdre de la valeur.
À l’échelle sectorielle, nous observons également des disparités. L’énergie et les métaux industriels se distinguent par leurs dynamiques les plus marquées, en raison des tensions durables entre l’offre et la demande ainsi que de la forte exposition aux facteurs macroéconomiques. Les matières premières agricoles d’élevage se caractérisent, quant à elles, par des tendances plus modérées, phénomène sans doute attribuable à des dynamiques de convergence vers la moyenne inhérentes aux cycles biologiques et de production.
Conclusion : un indicateur fiable dans un environnement de marché complexe
Le momentum figure parmi les facteurs les mieux étayés sur le plan empirique dans l’investissement en matières premières. L’enjeu se situe au niveau de son déploiement opérationnel. Nos conclusions révèlent que l’approche de Momentum en séries chronologiques génère des rendements différenciés caractérisés par une vulnérabilité restreinte aux corrections de marché.
Au sein de l’univers des matières premières, où prévalent volatilité, cyclicité saisonnière et transformations structurelles, le momentum constitue une approche rigoureuse et empirique permettant d’aligner les positions sur les mouvements tendanciels.
L’exposé détaillé de notre méthodologie, de nos observations et de nos préconisations opérationnelles figure dans notre publication complète : Commodity Investing 3.0: The Rise of Factor and Curve-Aware Strategies.
Catégories
À propos des contributeurs

Head of Research, WisdomTree Europe.
Pierre Debru leads WisdomTree’s European research team and plays a pivotal role in the strategic direction of our European research efforts. His key areas of expertise extend across equity factors and quantitative strategies, portfolio construction and model portfolios, and thematic and crypto investments. Before joining the company in 2019, Pierre worked in Investment Research for DWS and the Xtrackers range for over five years. During this period, he focused on smart beta investments, model portfolio construction and thought leadership. Pierre has over 20 years of experience in investments and structured asset management. He graduated from Ecole Central Paris and obtained a Master of Science in Mathematics applied to Finance.

Associate Director, Quantitative Research at WisdomTree in Europe
Luca est directeur associé au sein de l’équipe de recherche de WisdomTree Europe, où il mène des recherches quantitatives pour améliorer ou développer de nouvelles stratégies d’investissement, en particulier dans les matières premières et les actions thématiques. Il se concentre également sur la construction et l’optimisation de portefeuille. Avant de rejoindre WisdomTree en 2022, Luca a travaillé en tant que gestionnaire de portefeuille quantitatif chez Euclidea SIM, une fintech où il a géré quantitativement des portefeuilles multi-actifs et développé et mis en place de modèles statistiques et d’apprentissage automatique pour les stratégies d’investissement et la sélection des fonds. Luca a obtenu un master en finance à l’université Bocconi à Milan.

Director, Quantitative Research
Ayush Babel est directeur de l’équipe de recherche quantitative et multi-actifs de WisdomTree, ainsi que de l’équipe de recherche sur les indices. À ce poste, il se concentre sur l’élaboration de stratégies quantitatives innovantes dans diverses catégories d’actifs et soutient la gamme diversifiée de produits de WisdomTree. Son domaine d’expertise couvre l’exploration des facteurs, la construction et l’optimisation de portefeuilles, ainsi que le développement de produits.
Ayush compte près d’une décennie d’expérience dans le secteur des services financiers, ayant précédemment occupé des postes dans des équipes de recherche en investissement chez J.P. Morgan et Franklin Templeton. Au sein de ces institutions, il a été responsable du développement et de la gestion de produits smart beta en actions et en obligations, ainsi que de produits de primes de risque multi-actifs destinés aux clients institutionnels et de détail à l’échelle mondiale. Son expérience couvre plusieurs catégories d’actifs et profils d’investissement.
Ayush est titulaire d’une licence et d’une maîtrise en ingénierie physique et nanosciences de l’Institut indien de technologie de Bombay.



