Les marchés financiers évoluent plus ou moins rapidement et fortement au gré des différents types d’information diffusés au cours des périodes d’étude. Dans ce contexte, nous cherchons à mesurer l’influence de tous types d’information sur des portefeuilles d’arbitrage systématique « euro neutres » multi-classes d’actifs, issus soit d’une diversification « naïve » (« $1/N$ ») soit d’une diversification optimale. Dans le cadre de nos recherches sur l’allocation tactique systématique, ces divers flux informationnels sont regroupés sous le terme de données hétérogènes (données de cotation et « autres informations de marché »). Les données de cotation sont des prix de clôture quotidiens d’actifs tandis que les « autres informations de marché » correspondent à trois types d’indicateurs : de conjoncture, de sentiments et de volatilité. Nous mesurons l’impact d’une combinaison de données hétérogènes sur nos portefeuilles d’arbitrage pour une période de tests incluant la crise des subprimes, à l’aide d’analyses de données (ACP) et de techniques probabilistes de quantification vectorielle. L’influence des données hétérogènes sur les portefeuilles d’arbitrage est mesurée notamment au travers d’une hausse de la rentabilité, d’un accroissement du ratio rentabilité/volatilité post crise des subprimes, d’une baisse de la volatilité ou d’une baisse des corrélations entre classes d’actifs. Ces découvertes empiriques permettent d’envisager la prise en compte des « autres informations de marché » comme élément de diversification du risque d’un portefeuille. Nous formalisons des éléments de réponse au défi posé par l’allocation tactique multi-classes d’actifs (Blitz et Vliet, 2008), en intégrant des variables « prédictives » à un processus systématique de market timing qui incorpore de manière quantitative des données hétérogènes.