Vous êtes sur la page 1sur 19

Cours de Finance (M1) Séance du 20 novembre 2017

Finance comportementale
Séance du 20 novembre 2017
Finance comportementale  Derrière les statistiques, la finance…
 Du jeu de hasard à la Bourse…
 Finance comportementale : les grands débats
 Rationnalité des investisseurs ?
 Efficience informationnelle
 Comment reconnaître l’aléatoire
 A contre-courant : Rothschild (1815), Fed (2008),
anomalies de marché ? Manipulations ?

1
2

http://www.pourlascience.fr/ewb_pages/a/article‐les‐des‐sont‐pipes‐23561.php

Du hasard à la Bourse Du hasard à la Bourse


 La notion de hasard « pur »  Le numéro qui apparaît au moment du tirage d’un dé (non
 Issue des jeux de « hasard » pipé) est parfaitement connu dès le lancer …
 Tirage de dés non pipés, roulette, jeu à pile ou  Tout est gouverné par les équations de la mécanique
face  Vitesse de lancer, angle, capacité d’absorption de l’énergie cinétique
 Angle d’une aiguille lancée en l’air de la surface
 Forte dépendance du tirage observé par rapport à une faible variation
 Souvent liée à une équirépartition des risques des conditions initiales
 Probabilités uniformes  « effet papillon », théorie du chaos, …
 Tirage à pile ou face  « Attracteurs étranges » : ensemble de conditions terminales ou
 Deux événements : pile et face d’observations « fréquemment » observées
 Probabilité que la pièce tombe sur pile  Dans des circonstances « normales », tout se passe comme si l’on
avait un tirage équiprobable
 Hasard pur défini par opposition au  Mais on peut s’en écarter fortement
déterminisme  Voir le numéro du magazine Pour la Science, novembre 2009, n°385
3 4
Du hasard à la Bourse Du hasard à la Bourse
 Les évolutions génétiques issues des interactions avec  Si on n’est pas capable de prévoir un phénomène
l’environnement sont déterministes aussi simple que le résultat d’un lancer de dé
 Mais si complexes, qu’une modélisation aléatoire est adaptée  Alors que l’on connait les causes
 Les générateurs de nombres aléatoires  Vitesse de lancer, angle, nature de la surface
 Par exemple, celui d’Excel qui permet de simuler une valeur  Et les relations entre les causes et les effets
entre 0 et 1 selon une loi uniforme  Les équations de la mécanique
 Réputé de qualité discutable, ce qui peut poser de graves  Il est peu crédible de prétendre prédire l’évolution du
problèmes pratiques
cours de l’euro par rapport au dollar
 Sont issus d’algorithmes purement déterministes
 Les causes sont beaucoup plus nombreuses
 À partir d’une racine donnée, on peut parfaitement déterminer
la suite de nombres « pseudo-aléatoires »  Certaines mal identifiées a priori, mal hiérarchisées
 « vu de loin », ces séquences déterministes sont assez similaires  Les mécanismes entre causes et conséquences sont
à de « véritables » suites de nombres aléatoires. complexes et controversées
5 6

Du hasard à la Bourse Du hasard à la Bourse


 Le non-déterminisme des cours boursiers
(futurs) est un élément important de la  Considérons les dynamiques financières complexes comme
théorie financière moderne le fruit du hasard
 Par opposition au « démon (ou au génie) de  Est-on pour autant revenu au niveau zéro de la connaissance ?
Laplace » qui disposerait d’une intelligence …  Non, car la connaissance est celle de la loi de probabilité qui
 «Une intelligence … Rien ne serait incertain « gouverne » l’apparition du phénomène.
pour elle, et l'avenir, comme le passé, serait  Par exemple, la probabilité de tirer 421 est de …
présent à ses yeux. »
 C’est une certaine connaissance
 Pierre-Simon Laplace, 1814
 C’est ce à quoi prétend la finance moderne
 Ceci remet en cause le rôle des analystes
financiers, des gérants de portefeuilles  On a déplacé le champ de la connaissance
 Dans ce contexte, il est possible de prendre des décisions
intelligentes en matière de choix d’investissement
7 8
Du hasard à la
Bourse Du hasard à la Bourse

 Markovitz est à l’origine d’un saut qualitatif


 Quelles lois de probabilité pour les rentabilités ?
 Modélisation probabiliste des rentabilités boursières
 Loi « normale » ou gaussienne très souvent utilisée
 Les rentabilités sont des variables aléatoires
 Courbe « en cloche »
 On peut calculer leur espérance
 Dépendant de deux paramètres (moyenne et écart-type)
 Leur écart-type
 Souvent critiquée…
 Le coefficient de corrélation entre deux rentabilités
 Sous-estimation de l’occurrence de krachs boursiers
 Il faut prendre en compte les fluctuations de la volatilité  Les choix de portefeuille deviennent un problème
d’ingénieur financier

9 10

Du hasard à la Bourse Finance et probabilités


 Comment déterminer l’espérance de la rentabilité
 Différence entre jeu de dés et
 À partir d’observations historiques
évolution des cours boursiers ?
 Moyenne des rentabilités passées sur une longue période
 Converge vers la rentabilité attendue (espérée)  Pour le jeu de dés, on connaît a priori
la loi de probabilité d’apparition des
 Répétition d’expériences ?
numéros
 Pour un jeu de dés, grand nombre de lancers
 De par la nature même du jeu
 fréquence d’apparition d’un nombre donné, disons 3
 Nombre d’apparitions du nombre 3 rapporté au nombre de  Probabilité uniforme
tirages  On ne connaît pas a priori les lois de
 Fréquence : approximation de la probabilité probabilité des rentabilités boursières
 Approche fréquentiste
 Peu applicable à la Bourse
11 12
F. Knight
Du hasard à la Bourse Du hasard à la Bourse
 Distinction entre risque et incertain  Connaissance ou pas des lois de probabilité
 http://fr.reuters.com/article/frEuroRpt/idFRL6N0Q415T20140729?pageNumber=2&virtualBrandChannel=0
 Frank Knight
 Annonce des résultats trimestriels 2014 de Deutsche Bank
 Risque : calculable (utilisation des probabilités)
 "Il y a une incertitude de taille sur le calendrier et sur
 Incertain : non calculable l'ampleur de l'impact potentiel. Par conséquent, le coût réel
 Limites cognitives, rationalité limitée des frais de justice sur le bilan de l'exercice 2014 est
imprévisible" a toutefois prévenu la banque.
 We also know there are known unknowns; that is to say we
know there are some things we do not know. But there are  Ici, la banque se refuse à communiquer une valeur
also unknown unknowns - the ones we don't know we don't moyenne ou un intervalle de confiance des coûts juridiques
know.  Peu d’éléments de comparaison, grande variabilité des
 D. Rumsfeld à propos de la politique américaine en Irak sanctions, durcissement ou pas de la politique judiciaire aux
 en.wikipedia.org/wiki/There_are_known_knowns États-Unis

13 14

L. Savage
Finance comportementale Finance comportementale
 Une autre vision des probabilités  En finance, on retrouve cette dualité d’approches
 Degré de croyance dans la survenance d’un événement ou dans  Approche classique, objective, fréquentiste des probabilités
la plausibilité d’une hypothèse appliquées aux rentabilités boursières
 Souvent un événement de nature unique  Les principaux éléments de décision (espérance et écart-types des
 Ne se prêtant donc pas à une répétition d’expériences rentabilités, …) peuvent alors être déterminés par des méthodes
statistiques standard
 Opinion personnelle dires d’expert, Opinion collective
 Ces quantités sont supposées stables au cours du temps
 Probabilité que B. Obama soit réélu
 Approches privilégiant l’analyse des croyances subjectives
 Selon vous-même, d’après les sondages, les bookmakers, …
sur le futur telles que reflétées dans les prix de marché
 Certains auteurs comme Ramsey (1931) ou Savage (1954)
 Ou en fonction des opinions d’expert
insistent sur la notion de « probabilité subjective »
 Certains acteurs de marché peuvent considérer que de telles
 Ces degrés de croyance peuvent être réévalués en fonction des probabilités « prospectives » peuvent être déterminées
interactions avec d’autres agents ou de nouvelles informations  D’autres qu’elles sont indicatives avec un degré de confiance variable
 Ceci peut donner un caractère rationnel à ces « croyances »,  Les acteurs de marché ne pensent pas qu’on « joue » à un jeu dont les
Keynes (1921) règles seraient fixes
15 16
Finance comportementale Finance comportementale
 Approches normatives et positives  Des biais cognitifs ont été mis en évidence
 Espérance d’utilité de la valeur du par les psychologues et les économistes
portefeuille  Finance comportementale
 Von Neumann et Morgenstern (1944)
 Distorsion des probabilités  D. Kahneman étudie les mécanismes
 Approche duale de Yaari (1987) cognitifs et les constructions déformées du
 Théorie des perspectives passé et de l’avenir
 Kahneman et Tverski (1979)  Biais de reconstruction, biais d’optimisme
 Préférences moyenne-variance
 Cadre d’analyse le plus classique et le plus simple  Examine la prise de décision financière en
pour analyser les choix de portefeuille faisant le lien entre psychologie,
 Utilisé dans un cadre professionnel microéconomie et développement du
Résultats intuitifs : diversification
capitalisme

 Cohérence avec le modèle d’évaluation des actifs


financiers (MEDAF)  Part III Overconfidence
 Finance comportementale  Part IV Choices
17 18

Finance comportementale Finance comportementale


 Mise en perspective de la théorie  Hasard et incertitude créent un sentiment d’insécurité
de l’utilité espérée
 Von Neumann et Morgenstern
 Principal outil de la théorie
microéconomique
 Et de ses limites en matière de
gestion des risques
 Aversion aux pertes  Les biais cognitifs ne sont pas une conséquence de
 Cadrage en gros plan capacités limitées (bounded rationality)
 Concepts très utiles pour tout  mais des mécanismes de défense, pour se protéger de
décideur financier l’incertitude
 Ils sont associés à l’illusion d’un monde calculable.
19 20
http://www.youtube.com/watch?v=qzJxAmJmj8w

Finance comportementale  D. Kahneman en équations


 Success = talent + luck
 « Biais d’optimisme »  Great success = a little more talent + L’oracle d’Omaha …
 Surestimation de ses capacités a lot of luck.
 Tendance à surévaluer les chances de
 Tendance à surévaluer le talent de
succès et minimiser les risques d’échec
ceux qui ont réussi par rapport à la
 Notamment en matière d’investissements
part de la chance dans leur succès
boursiers et au niveau des entreprises
 Cela ne veut pas dire qu’ils manquent de
 Ne pas confondre initié et prétentieux ! talent, ni d’humour …
 Sous-estimer les capacités des  Un biais cognitif courant consiste donc
«adversaires » à minimiser l’effet du hasard
 Si un vendeur trouve avantageux de vendre à
 Ceci contribue d’ailleurs à alimenter le
un prix donné, pourquoi lui acheter à ce prix ?
besoin en prévisionnistes et experts
 Un teneur de marché (market maker) est-il un
concurrent ou un conseiller de ses « clients » ?  « Financial gurus »
 http://www.marketoracle.co.uk/Article43686.html Prévision à 3 ans du 
niveau des actions US, 
http://www.philomag.com/les-idees/entretiens/daniel-kahneman-les-gens-sont-infiniment-
compliques-7155 site marketoracle
21 22

Finance comportementale Finance comportementale


 Biais de confirmation (confirmation bias)  Recherche de « causalités » a posteriori
 Les individus cherchent des informations qui  « Narrative fallacy » (Nassim Taleb)
les confortent dans leurs préjugés  Reconstruction du passé afin de lui donner
 Cas extrême : impact des réseaux sociaux sur le un sens
développement de mouvements extrémistes  Le jour où Saddam Hussein a été capturé, les prix
des bons du trésor américain ont augmenté
 Biais rétrospectif, hindsight bias (Baruch  Bloomberg transmis le flash d’information
Fischhoff) suivant
 Tendance à reconsidérer ses propres  US Treasuries rise; Hussein capture may not
curb terrorism
croyances (passées) en fonction du futur
 ½ heure après, les prix des bons du trésor
réalisé américain repartent à la baisse et Bloomberg
 « Je le savais bien » (en général après une révise son gros titre
catastrophe boursière ou autre)  US Treasuries fall; Hussein capture boosts allure
of risky assets
23 24
Finance comportementale Finance comportementale
 Biais de sélection, biais du survivant
 Biais de sélection, biais du survivant
 Processus de sélection naturelle
 … Il ne subsiste que des gérants chanceux …
 Darwin place le hasard au centre de l’évolution
 Éventuellement talentueux, mais avant tout chanceux
 We are profoundly ignorant of the causes producing (…)
variations  Tests statistiques de la mesure de performance en
 and as we do not see the cause, we invoke cataclysms to corrigeant ces biais
desolate the world, or invent laws on the duration of the  “False discoveries in mutual fund performance:
forms of life! Measuring luck in estimated alphas”
 Les gérants de portefeuilles qui se trompent font  Barras, Scaillet & Wermers, Journal of Finance, 2010
perdre de l’argent à leurs clients disparaissent  New York Times : “The prescient are few”
 http://www.nytimes.com/2008/07/13/business/13stra.html?_r=0

25 26

Finance comportementale Finance comportementale


 Tentative d’expliquer le faible niveau
d’investissements en actions
 Et donc le niveau élevé de la prime  A partir de 1991, raconte Robert Shiller, nous avons
de risque (1927/50 – 2014) monté avec Richard (Thaler) des ateliers d’économie
 Observations quotidiennes : comportementale » où des cobayes devaient simuler
fréquence des pertes : 46% des décisions de marché (achat, vente, échange) dans
 Observations mensuelles, fréquence des conditions déterminées.
des pertes : 38%  Risk appetite ? Comportement des comités exécutifs
 Observation annuelles, fréquence en matière de risque
des pertes : 27%
 Jeux de simulation de marchés boursiers
 Biais de cadrage (framing) ou « effet

de présentation », bien connu des


conseillers financiers
27 28
 Économie expérimentale: attitudes vis-à-vis du risque
 Déterminer le niveau d’aversion vis-à-vis du risque
 Développement de protocoles expérimentaux
 Série de choix séquentiels entre des lotteries
 Risk aversion and incentive effects, Holt et Laurie (2002),
American Economic Review

Exemple de choix de lotteries proposé par Holt et Laurie

29 30

Rationalités plurielles Finance comportementale : Risk attitudes


 David Ingram et Michael Thompson  Quatre « attitudes » (manières d’appréhender, de
 Concept emprunté à l’anthropologie sociale concevoir) vis-à-vis du « risque »
 Pragmatists who believe that the world is uncertain
and unpredictable
 Conservators, whose world belief is of peril and
high risk
 Maximizers, who see the world as low-risk and
fundamentally self-correcting
 Managers, whose world is moderately risky, but
not too risky for firms that are guided properly
Dave Ingram Michael Thompson
31 32
Finance comportementale : risk attitudes

33 34

Classification des attitudes vis‐à‐vis du risque parmi les 
professionnels de l’assurance : CA, CXO, souscripteurs, … 

35 36
Battre le marché ? Battre le marché ?
 Évolution de la richesse en jouant à pile ou face  Le graphique de gauche montre l’évolution de la richesse en
(gain de +/- un euro) : marche aléatoire jouant à pile ou face (gain de +/- un euro) : marche aléatoire
Sans être un statisticien, Fama a posé des 
questions importantes quant à la dynamique 
des prix des actifs financiers.
La notion d’efficience faible des marchés est 
associée à celle de marche aléatoire.
Ces différents concepts financiers ou 
statistiques ont été précisés par la suite

 le tracé met en évidence des tendances  Le graphique de droite représente l’évolution de la richesse
 A posteriori, peuvent être aussi bien haussières que baissières d’un actionnaire américain entre 2007 et 2013
 L’absence de tendance est l’exception, plutôt que la règle  On aimerait bien dire que le marché devrait bientôt se retourner
 En outre, les évolutions purement aléatoires  Alors que sous l’hypothèse de marche aléatoire, il peut aussi bien
présentent des aspects cycliques … continuer à monter que rebaisser
37 38

Battre le marché ? Battre le marché ?


 Le concept d’efficience de marché est protéiforme  Les alphas de Jensen doivent être calculés en
 Sur le plan mathématique et statistique fonction de l’information disponible
 Marche aléatoire, bruit blanc faible (absence d’autocorrélations),  Fama a distingué trois ensembles d’information :
fort, rentabilités indépendantes, prix processus de Markov ou
différences de martingales, etc.  Le prix courant et l’ensemble des prix passés
 Il n’y a pas de contradiction entre l’efficience des marchés  Ceci est lié à la notion d’effience faible
et l’existence de corrélations (sur des périodes longues)  Dans l’esprit de Fama, il s’agissait de critiquer l’analyse technique
entre les rentabilités des actions  Information « facilement » (HFT) disponible
 Cycles économiques  Toutes les informations publiques
 La seule notion valable d’efficience de marché est le  Y compris les informations comptables ou qualitatives, réseaux
sociaux, Bloomberg, commentaires d’analystes financiers
Médaf (conditionnellement à l’information disponible)
 Efficience semi-forte
 Les alphas de Jensen sont nuls
 Le supplément de rentabilité est associé à un supplément de risque  Toutes les informations, y compris privées (Initiés)
de marché  Efficience forte
39 40
Battre le marché ? Battre le marché ?
 Grossman et Stiglitz  Après l’enthousiasme des pionners, de nombreux
 Si les investisseurs sont rationnels, les initiés auteurs ont mentionné des « anomalies de marché »
ne peuvent bénéficier de leur information
 Effet du lundi, des petites capitalisations boursières
privée
R. Aumann  Il s’est avéré que les méthodologies statistiques étaient
 Ceci est aussi connu comme le paradoxe
Théorie des jeux erronnées (data snooping)
d’Aumann
 Le processus de négociation révèle les prix  Depuis quelques années, il y a un nouveau courant de
 Anticipations rationnelles recherches plus rigoureuses à propos des anomalies
 Les investisseurs non intiés mais rationnels  Peut-on « battre le marché » ?
sont des passagers clandestins  En principe, l’efficience de marché implique l’absence
 De ce fait personne n’accepte de payer pour d’opportunités d’arbitrage (AOA)
l’analyse financière : inefficience  Mais la présence de coûts de transaction sur les marchés
 Noise traders (idiots) sont indispensables… S. Grossman financiers atténue la portée du concept d’AOA
Anticipations rationnelles
41 42

Battre le THE HOUSE OF ROTHSCHILD


Money's Prophets, 1798-1848
Battre le marché ? marché ?
 Rothschild et la bataille de Waterloo  Cette histoire est romancée
 La bourse de Londres à l’arrêt  Et non dénuée d’arrière-pensées …
 Le système d’information des Il jouait à la baisse, et montait à mesure
Que notre chute était plus profonde et plus sûre ; (….)
Rothschild
Un million joyeux sortit de Waterloo ;
 High Frequency Trading Si bien que du désastre il a fait sa victoire.
 La transmission d’information par les Victor Hugo, Contemplations, Melancholia, 1838

ordres  Le montant allégué des gains n’est pas


 Une erreur dans le raisonnement compatible avec la taille du marché des
récursif obligations à l’époque
 Keynes et le concours de beauté  Selon l’historien . Ferguson, N. Rothschild
n’aurait cherché qu’à se protéger contre la
 Initié et manipulation boursière
baisse d’un important stock d’or
43 44
Battre le marché ?Fed
(2008) Fed (2008)

 Il existe des situations où une forte baisse peut


 La Fed (Banque centrale des Etats-Unis), prêteur en
être suivie par une forte hausse des cours
dernier ressort au moment de la crise de 2008
 En cas de crise de liquidité, des investisseurs ayant
emprunté sont forcés de vendre à prix bradé leurs  Transparents suivants
actifs  Accroissement des achats de créances hypothécaires,
 « fire sales » entrainant de trou d’air dans les prix source de profit importante
 Ceux qui sont en position de force sont les fournisseurs  Reversement de bénéfices considérables au trésor public
de liquidités  Cash-in the market , Allen et Gale (2004)
 Eux seuls disposent de quoi racheter ces titres  From Cash-in-the-Market Pricing to Financial Fragility
 Il y a ensuite un rebond du marché  http://www.nyu.edu/econ/user/galed/papers/paper04-09-03.pdf

45 46

Battre le marché ?Fed (2008)


Battre le marché ?Fed (2008)
 Quantitative easing : augmentation du bilan et achats Montants reversés par la Fed au trésor américain (en milliards de dollars)
d’actifs risqués par la Fed après la faillite de Lehman On constate une augmentation notable à partir de 2009 et une explosion dès 2010. 
Le montant reversé en 2013 est de 79,6 milliards de dollars

En orange, achats 
massifs de titres 
hypothécaires
MBS : mortgage
backed securities

47 http://www.federalreserve.gov/pubs/feds/2013/201301/index.html#fig3 48
Battre le marché ?Fed (2008) Battre le marché Achats importants aux moments opportuns
?Fed (2008) et un allègement du portefeuille quand le
 Un timing parfait pour les achats ? marché est au plus haut. Un timing parfait.
 Évolution de l’indice S&P500 depuis 1997

http://www.oftwominds.com/blogapr14/Fed-housing4-14.html
49 50

http://www.nytimes.com/2011/03/23/busin
ess/economy/23fed.html?_r=2&ref=busine
Bias cognitifs : comment reconnaître
ss&
l’aléatoire ?
The financial statements show that the Fed earned about $3.5 billion last year
from the Maiden Lane subsidiaries it created to buy assets from the investment  Comme le montre D. Kahneman, l’appréhension
bank Bear Stearns and the insurance company American International Group cognitive de l’aléatoire n’est pas naturelle et demande
un « effort » et une éducation de l’esprit
 Recherche de causalités a posteriori donnant l’illusion de liens de
The Fed also made $45 billion from its portfolio of roughly cause à effet (narrative fallacy)
$1 trillion in mortgage-backed securities.  Le « système 1 » du cerveau humain est une « machine
interprétative » (jumping to conclusions)
 Exemples de biais cognitifs courants
And it made $26 billion from its holdings of $1.1 trillion in government debt.  On suppose que les rentabilités boursières suivent une marche
aléatoire
 À la date courante, le « hit » prend la valeur 1 si la rentabilité est
On voit qu’une partie importante des résultats est liée à l’achat de titres positive, 0 sinon.
hypothécaires dépréciés.  Une chronique boursière va alors induire une suite de valeurs 101101
Il faudrait décomposer les 45 milliards de dollars de résultats en plus-values sur
titres, produits financiers (intérêts reçus) et pertes liées au non-remboursement
51 52
Bias cognitifs : comment reconnaître Bias cognitifs : comment reconnaître
l’aléatoire ? l’aléatoire ?
 Si l’hypothèse de marche aléatoire est vérifiée, alors les valeurs  L’exemple précédent illustre les problématiques associées au
successives de 0 ou de 1 sont indépendantes et la probabilité big data et au data mining en matière financière
d’obtenir la valeur 0 ou 1 est ½  Autre exemple du même type
 Comme dans un jeu de pile ou face
 Considérons maintenant les suites de valeurs suivantes
 11111111 (le marché boursier est haussier à toutes les dates)
 10101010 (les hausses compensent les baisses afin qu’il y ait autant de
hausses que de baisses)
 11110000 (le marché suit d’abord une tendance haussière régulière et se
retourne)
 10110011 (le marché évolue de manière erratique avec une tendance à la
hausse).
 Quelles sont les évolutions qui vous semblent typiques d’une  Graphique de gauche : distribution équirépartie « uniforme » totalement
marché aléatoire et celles qui ne le sont pas? Quelles sont les non aléatoire
évolutions les plus probables, les moins probables ?  Graphique de droite : distribution tirée d’une loi de probabilité uniforme

53 54

Bias cognitifs : comment Bias cognitifs : comment reconnaître


reconnaître l’aléatoire ? l’aléatoire ?
 Reprenons notre graphique et divisons le en 4 parties égales séparées par
 Londres au moment de la 2ième guerre les diagonales
mondiale: Répartition des impacts des V1
 On remarque que les régions Nord-Est est
Sud-Ouest sont épargnées
 On a supposé que les Allemands évitaient
de bombarder ces zones pour protéger leurs
espions

 Les impacts sont maintenant régulièrement répartis …


 How We Know What Isn't So: The Fallibility of Human Reason in
Everyday Life, T. Gilovitch, http://bias123.com/clustering_illusion
 Un test statistique formel (Clarke, 1946) ne permet pas de rejeter
l’hypothèse d’une distribution uniforme
 http://jumpthecurve.net/change/unlearning-lesson-26-stop-looking-for-patterns/
 http://www.squawkpoint.com/2013/01/patterns-in-data/
55 56
,
Finance comportementale Bias cognitifs : comment
Illusions statistiques reconnaître l’aléatoire ?
,
 Les graphiques précédents ont une  « Contrarian vs momentum»
implication pratique pour la gestion Les stratégies momentum parient sur l’extrapolation
de tendances, les stratégies contrarian sur un retour
financière… à la moyenne. Dans un cas comme dans l’autre, on
ne croit à l’hypothèse de marchés efficients
 En abscisses, la rentabilité en , en
ordonnées la rentabilité en Warren Buffet
 Les points de coordonnées , ,
étant situés en haut à gauche (deuxième
quadrant) et en bas à gauche (quatrième
quadrant)
 Ou encore plutôt le long de la seconde Buy to the sound of
bissectrice cannons, sell to the
sound of trumpets
 Il s’agit d’un « claire indication » en faveur Nathan Rothschild 
d’une stratégie « contrarian » 1810
57 58

Bias cognitifs : comment Bias cognitifs : comment


reconnaître l’aléatoire ? reconnaître l’aléatoire ?
 Les deux systèmes cognitifs  Les deux systèmes cognitifs à l’oeuvre
 Système automatique ou système 1  Deux tables (R. N. Shepard (1990), Mind
 Intuitif, instinctif Sights)
 Système réflectif ou système 2
 Rationnel
Système automatique Système réflectif
Non contrôlé Contrôlé
Sans effort Exige des efforts
Associatif Déductif
Rapide Lent
Inconscient Conscient
Exprime un talent Applique des règles
59 60
Bias cognitifs : comment reconnaître Bias cognitifs : comment reconnaître
l’aléatoire ? l’aléatoire ?
 Le système 1 nous indique que la table de gauche est plus
 Deux tables (R. N. Shepard (1990), Mind Sights)
longue et étroite que celle de droite
L’incrédulité de Saint Thomas
 Une estimation moyenne est que
 La table de gauche est trois fois plus longue que large
 Celle de droite est une fois et demi plus longue que large
 En fait, les dimensions des deux tables sont identiques
 Biais visuel
 Il ne suffit pas de voir pour croire …
 Il s’agit d’une erreur de jugement
 Celui qui la commet est pourtant persuadé qu’il a raison
Parce que tu m’as vu, tu as 
 Dès des raisonnements statistiques et de prise de risque sont
cru. Heureux ceux qui n’ont 
en jeu, ce type de biais est fréquent
pas vu, et qui ont cru !
Jean 20, 29
61 62

Bias cognitifs : comment Bias cognitifs : comment Feller

reconnaître l’aléatoire ? reconnaître l’aléatoire ?


 Nudge, la méthode douce pour inspirer  To the untrained eye, randomness appears as
la bonne décision regularity or tendency to cluster
 Nudge: Improving Decisions About Health,  William Feller
Wealth, and Happiness  Les statisticiens Dickey et Fuller se sont intéressés
 Richard H. Thaler et Cass R. Sunstein aux marches aléatoires
 R. Thaler, université de Chicago  ,
 un des pères de la finance comportementale  , correspond à l’absence de Fuller
 Behavioral finance tendance et de force de rappel (marche aléatoire) Dickey
 Partie 2 : l’argent  Pour une volatilité annuelle de 25%, on a en
 6 Demain, j’épargnerai plus moyenne une augmentation de 20% pour un
 7 L’investisseur candide marché haussier
 8 Le crédit : la bouteille à l’encre  Et une diminution de 20% si le marché baisse…
63 64
Finance, probabilités, statistiques et leur
bon usage Valeur fondamentale et valeur de marché
 Quelques références complémentaires sur les problèmes
méthodologiques  Un concept intéressant de l’efficience
 A Statistical Guide for the Ethically Perplexed informationnelle
 L. Hubert & H. Wainer
 http://www.crcpress.com/product/isbn/9781439873687  Les prix des actions reflètent leur valeur fondementale
 Le livre ne concerne pas particulièrement la finance, mais on retrouve
les mêmes problèmes méthodologiques dans d’autres domaines où les
 Approche de Shiller relative aux bulles spéculatives
données sont importantes pour la prise de décision  Écarts entre cours boursiers et valeurs fondamentales
 4.3 : paris et le « spread betting », 5 : corrélation et 6 : prévision
 http://www.youtube.com/watch?v=6c1WDlTXceM (pour une  Mais la valeur fondamentale est-elle bien définie
présentation par un des auteurs
 Transparents sont en accès libre, mais moins en rapport avec le cours  Le calcul d’une valeur fondamentale suppose que le Médaf
 Ce que mesurent les probabilités (ou un autre modèle normatif, APT, …) est valide
 M. Cozic & B. Walliser  Que l’on sait calculer l’espérance des flux futurs
 http://www.centre-cournot.org/?wpfb_dl=114
 Ontologique/objectif/irréductible/fréquentiste vs  Et déterminer le taux d’actualisation correct
épistémique/subjectif/radical/révélation
65 66

Robert Shiller : « j’ai fait ma thèse sur les anticipations 
rationnelles. Quand je la relis aujourd’hui, je suis mort de rire
67 68
Outre la cause due à la spéculation, l'instabilité
économique trouve une autre cause, inhérente
celle‐ci à la nature humaine, dans le fait qu'une
grande partie de nos initiatives (…) procèdent
plus d'un optimisme spontané que d'une
prévision mathématique.

69 70

Valeur fondamentale et valeur de marché


Nos décisions (…) doivent être considérées pour la
plupart comme une manifestation de notre  Un concept intéressant de l’efficience
enthousiasme naturel (as the result of animal spirits) ‐ informationnelle
comme l'effet d'un besoin instinctif d'agir plutôt que  Les prix des actions reflètent leur valeur fondementale
de ne rien faire ‐, et non comme le résultat d'une  Approche de Shiller relative aux bulles spéculatives
moyenne pondérée de bénéfices numériques  Écarts entre cours boursiers et valeurs fondamentales
multipliés par des probabilités numériques
 Mais la valeur fondamentale est-elle bien définie ?
 Le calcul d’une valeur fondamentale suppose que le Médaf
(ou un autre modèle normatif, APT, …) est valide
 Que l’on sait calculer l’espérance des flux futurs
Keynes, « l’incitation à investir », dans Théorie générale…
 Et déterminer le taux d’actualisation correct

71 72
Efficience des marchés : allocation
 Autre approche possible de l’efficience informationelle
 Les marchés financiers et les banques permettent une
allocation efficace des ressources
 Sélection (screening) et tarification des crédits
 Évaluation des prix des actions (rôle des analystes)
 Sélection et financement des projets d’investissement à
VAN positive
 Pas de rationnement du crédit
 Pas de conflits dits d’agence entre actionnaires et créanciers
ou entre actionnaires et dirigeants aboutissant à un sur ou un
sous investissement
 Sur-investissement : investissement dans un projet à VAN
Alan Greenspan: But how do we know when irrational exuberance 
(Valeur Actuelle Nette) négative
has unduly escalated asset values?
73 74