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
 Les évolutions génétiques issues des interactions avec
l’environnement sont déterministes
 Mais si complexes, qu’une modélisation aléatoire est adaptée
 Les générateurs de nombres aléatoires
 Par exemple, celui d’Excel qui permet de simuler une valeur
entre 0 et 1 selon une loi uniforme
 Réputé de qualité discutable, ce qui peut poser de graves
problèmes pratiques
 Sont issus d’algorithmes purement déterministes
 À partir d’une racine donnée, on peut parfaitement déterminer
la suite de nombres « pseudo-aléatoires »
 « vu de loin », ces séquences déterministes sont assez similaires
à de « véritables » suites de nombres aléatoires.
5 6
Du hasard à la Bourse
 Le non-déterminisme des cours boursiers
(futurs) est un élément important de la
théorie financière moderne
 Par opposition au « démon (ou au génie) de
Laplace » qui disposerait d’une intelligence …
 «Une intelligence … Rien ne serait incertain
pour elle, et l'avenir, comme le passé, serait
présent à ses yeux. »
 Pierre-Simon Laplace, 1814
 Ceci remet en cause le rôle des analystes
financiers, des gérants de portefeuilles
7 8
Du hasard à la Bourse
 Si on n’est pas capable de prévoir un phénomène
aussi simple que le résultat d’un lancer de dé
 Alors que l’on connait les causes
 Vitesse de lancer, angle, nature de la surface
 Et les relations entre les causes et les effets
 Les équations de la mécanique
 Il est peu crédible de prétendre prédire l’évolution du
cours de l’euro par rapport au dollar
 Les causes sont beaucoup plus nombreuses
 Certaines mal identifiées a priori, mal hiérarchisées
 Les mécanismes entre causes et conséquences sont
complexes et controversées
Du hasard à la Bourse
 Considérons les dynamiques financières complexes comme
le fruit du hasard
 Est-on pour autant revenu au niveau zéro de la connaissance ?
 Non, car la connaissance est celle de la loi de probabilité qui
« gouverne » l’apparition du phénomène.
 Par exemple, la probabilité de tirer 421 est de …
 C’est une certaine connaissance
 C’est ce à quoi prétend la finance moderne
 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
 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
 Distinction entre risque et incertain
 Frank Knight
 Risque : calculable (utilisation des probabilités)
 Incertain : non calculable
 Limites cognitives, rationalité limitée
 We also know there are known unknowns; that is to say we
know there are some things we do not know. But there are
also unknown unknowns - the ones we don't know we don't
know.
 D. Rumsfeld à propos de la politique américaine en Irak
 en.wikipedia.org/wiki/There_are_known_knowns
13
L. Savage
Finance comportementale
 Une autre vision des probabilités
 Degré de croyance dans la survenance d’un événement ou dans
la plausibilité d’une hypothèse
 Souvent un événement de nature unique
 Ne se prêtant donc pas à une répétition d’expériences
 Opinion personnelle dires d’expert, Opinion collective
 Probabilité que B. Obama soit réélu
 Selon vous-même, d’après les sondages, les bookmakers, …
 Certains auteurs comme Ramsey (1931) ou Savage (1954)
insistent sur la notion de « probabilité subjective »
 Ces degrés de croyance peuvent être réévalués en fonction des
interactions avec d’autres agents ou de nouvelles informations
 Ceci peut donner un caractère rationnel à ces « croyances »,
Keynes (1921)
15
Du hasard à la Bourse
 Connaissance ou pas des lois de probabilité
 http://fr.reuters.com/article/frEuroRpt/idFRL6N0Q415T20140729?pageNumber=2&virtualBrandChannel=0
 Annonce des résultats trimestriels 2014 de Deutsche Bank
 "Il y a une incertitude de taille sur le calendrier et sur
l'ampleur de l'impact potentiel. Par conséquent, le coût réel
des frais de justice sur le bilan de l'exercice 2014 est
imprévisible" a toutefois prévenu la banque.
 Ici, la banque se refuse à communiquer une valeur
moyenne ou un intervalle de confiance des coûts juridiques
 Peu d’éléments de comparaison, grande variabilité des
sanctions, durcissement ou pas de la politique judiciaire aux
États-Unis
14
Finance comportementale
 En finance, on retrouve cette dualité d’approches
 Approche classique, objective, fréquentiste des probabilités
appliquées aux rentabilités boursières
 Les principaux éléments de décision (espérance et écart-types des
rentabilités, …) peuvent alors être déterminés par des méthodes
statistiques standard
 Ces quantités sont supposées stables au cours du temps
 Approches privilégiant l’analyse des croyances subjectives
sur le futur telles que reflétées dans les prix de marché
 Ou en fonction des opinions d’expert
 Certains acteurs de marché peuvent considérer que de telles
probabilités « prospectives » peuvent être déterminées
 D’autres qu’elles sont indicatives avec un degré de confiance variable
 Les acteurs de marché ne pensent pas qu’on « joue » à un jeu dont les
règles seraient fixes
16
 Finance comportementale
 Approches normatives et positives
 Espérance d’utilité de la valeur du
portefeuille
 Von Neumann et Morgenstern (1944)
 Distorsion des probabilités
 Approche duale de Yaari (1987)
 Théorie des perspectives
 Kahneman et Tverski (1979)
 Préférences moyenne-variance
 Cadre d’analyse le plus classique et le plus simple
pour analyser les choix de portefeuille
 Utilisé dans un cadre professionnel
Résultats intuitifs : diversification

Finance comportementale
 Des biais cognitifs ont été mis en évidence
par les psychologues et les économistes
 Finance comportementale
 D. Kahneman étudie les mécanismes
cognitifs et les constructions déformées du
passé et de l’avenir
 Biais de reconstruction, biais d’optimisme
 Examine la prise de décision financière en
faisant le lien entre psychologie,
microéconomie et développement du
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
 Biais de sélection, biais du survivant
 Processus de sélection naturelle
 Darwin place le hasard au centre de l’évolution
 We are profoundly ignorant of the causes producing (…)
variations
 and as we do not see the cause, we invoke cataclysms to
desolate the world, or invent laws on the duration of the
forms of life!
 Les gérants de portefeuilles qui se trompent font
perdre de l’argent à leurs clients disparaissent
25
Finance comportementale
 Tentative d’expliquer le faible niveau
d’investissements en actions
 Et donc le niveau élevé de la prime
de risque (1927/50 – 2014)
 Observations quotidiennes :
fréquence des pertes : 46%
 Observations mensuelles, fréquence
des pertes : 38%
 Observation annuelles, fréquence
des pertes : 27%
 Biais de cadrage (framing) ou « effet
de présentation », bien connu des
conseillers financiers
27
Finance comportementale
 Biais de sélection, biais du survivant
 … Il ne subsiste que des gérants chanceux …
 Éventuellement talentueux, mais avant tout chanceux
 Tests statistiques de la mesure de performance en
corrigeant ces biais
 “False discoveries in mutual fund performance:
Measuring luck in estimated alphas”
 Barras, Scaillet & Wermers, Journal of Finance, 2010
 New York Times : “The prescient are few”
 http://www.nytimes.com/2008/07/13/business/13stra.html?_r=0
26
Finance comportementale
 A partir de 1991, raconte Robert Shiller, nous avons
monté avec Richard (Thaler) des ateliers d’économie
comportementale » où des cobayes devaient simuler
des décisions de marché (achat, vente, échange) dans
des conditions déterminées.
 Risk appetite ? Comportement des comités exécutifs
en matière de risque
 Jeux de simulation de marchés boursiers
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
 Concept emprunté à l’anthropologie sociale
Dave Ingram
 Quatre « attitudes » (manières d’appréhender, de
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
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
 A posteriori, peuvent être aussi bien haussières que baissières
 L’absence de tendance est l’exception, plutôt que la règle
 En outre, les évolutions purement aléatoires
présentent des aspects cycliques …
37
 Le graphique de droite représente l’évolution de la richesse
d’un actionnaire américain entre 2007 et 2013
 On aimerait bien dire que le marché devrait bientôt se retourner
 Alors que sous l’hypothèse de marche aléatoire, il peut aussi bien
continuer à monter que rebaisser
38

Battre le marché ? Battre le marché ?

 Le concept d’efficience de marché est protéiforme
 Sur le plan mathématique et statistique
 Marche aléatoire, bruit blanc faible (absence d’autocorrélations),
fort, rentabilités indépendantes, prix processus de Markov ou
différences de martingales, etc.
 Il n’y a pas de contradiction entre l’efficience des marchés
et l’existence de corrélations (sur des périodes longues)
entre les rentabilités des actions
 Cycles économiques
 La seule notion valable d’efficience de marché est le
Médaf (conditionnellement à l’information disponible)
 Les alphas de Jensen sont nuls
 Le supplément de rentabilité est associé à un supplément de risque
de marché
39
 Les alphas de Jensen doivent être calculés en
fonction de l’information disponible
 Fama a distingué trois ensembles d’information :
 Le prix courant et l’ensemble des prix passés
 Ceci est lié à la notion d’effience faible
 Dans l’esprit de Fama, il s’agissait de critiquer l’analyse technique
 Information « facilement » (HFT) disponible
 Toutes les informations publiques
 Y compris les informations comptables ou qualitatives, réseaux
sociaux, Bloomberg, commentaires d’analystes financiers
 Efficience semi-forte
 Toutes les informations, y compris privées (Initiés)
 Efficience forte
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

être suivie par une forte hausse des cours
 En cas de crise de liquidité, des investisseurs ayant
emprunté sont forcés de vendre à prix bradé leurs
actifs
 « fire sales » entrainant de trou d’air dans les prix
 Ceux qui sont en position de force sont les fournisseurs
de liquidités
 Eux seuls disposent de quoi racheter ces titres
 Il y a ensuite un rebond du marché
 La Fed (Banque centrale des Etats-Unis), prêteur en
dernier ressort au moment de la crise de 2008
 Transparents suivants
 Accroissement des achats de créances hypothécaires,
source de profit importante
 Reversement de bénéfices considérables au trésor public
 Cash-in the market , Allen et Gale (2004)
 From Cash-in-the-Market Pricing to Financial Fragility
 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

69
Nos décisions (…) doivent être considérées pour la
plupart comme une manifestation de notre
enthousiasme naturel (as the result of animal spirits) ‐
comme l'effet d'un besoin instinctif d'agir plutôt que
de ne rien faire ‐, et non comme le résultat d'une
moyenne pondérée de bénéfices numériques
multipliés par des probabilités numériques
Keynes, « l’incitation à investir », dans Théorie générale…
71
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.
70
Valeur fondamentale et valeur de marché
 Un concept intéressant de l’efficience
informationnelle
 Les prix des actions reflètent leur valeur fondementale
 Approche de Shiller relative aux bulles spéculatives
 Écarts entre cours boursiers et valeurs fondamentales
 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
 Et déterminer le taux d’actualisation correct
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