Académique Documents
Professionnel Documents
Culture Documents
Copy VF
Copy VF
Apesteguia, José; Oechssler, Jörg; Weidenholzer, Simon
Document de travail
Commerce de copie
Série de documents de travail, n° 649
Fourni en coopération avec :
Institut Alfred Weber, Département d'économie, Université de Heidelberg
Citation suggérée : Apesteguia, José ; Oechssler, Jörg; Weidenholzer, Simon (2018) : Copy trading,
Discussion Paper Series, No. 649, University of Heidelberg, Department of Economics, Heidelberg,
https://doi.org/10.11588/heidok.00024778
Cette version est disponible
sur : http://hdl.handle.net/10419/207625
Conditions d'utilisation standard : Conditions d'utilisation:
Les documents sur EconStor peuvent être sauvegardés et copiés pour vos Les documents dans EconStor peuvent être sauvegardés et copiés
propres fins scientifiques et pour un usage privé. à des fins personnelles et académiques.
Vous ne pouvez pas reproduire, afficher publiquement, mettre à la disposition Vous n'êtes pas autorisé à copier des documents à des fins
du public, distribuer ou autrement utiliser les Documents à des fins publiques publiques ou commerciales, à exposer publiquement les documents,
ou commerciales. à les rendre accessibles au public sur Internet, ou à distribuer ou
autrement utiliser les documents en public.
Si les auteurs ont mis les documents à disposition sous des licences de
contenu ouvert (en particulier des licences CC), les droits d'utilisation accordés Si les documents ont été mis à disposition sous une licence de
dans la licence qui y est mentionnée s'appliquent par dérogation aux présentes contenu ouvert (en particulier des licences Creative Commons), vous
conditions d'utilisation. pouvez exercer d'autres droits d'utilisation comme spécifié dans la licence
indiquée.
Machine Translated by Google
Université de Heidelberg
Département d'économie
Série de documents de travail n° 649
Commerce de copie
José Apesteguia, Jörg Oechssler et Simon
Weidenholz
Juin 2018
Machine Translated by Google
Commerce de copie
José Apesteguia, Jörg Oechssler et Simon Weidenholzer†
27 juin 2018
Résumé
Le copy trading permet aux traders des réseaux sociaux de recevoir des informations sur le succès
d'autres agents sur les marchés financiers et de copier directement leurs transactions. Les plateformes
Internet comme eToro, ZuluTrade et Tradeo ont attiré des millions d'utilisateurs ces dernières années.
Le présent article étudie les implications du copy trading sur la prise de risque des investisseurs.
En mettant en œuvre un marché expérimental d'actifs financiers, nous montrons que fournir de
l'information sur la réussite des autres conduit à une augmentation significative de la prise de risque des sujets.
Cette augmentation de la prise de risque est encore plus importante lorsque les sujets ont la possibilité
de copier directement les autres. Nous concluons que le copy trading réduit le bienêtre ex ante et
conduit à une prise de risque excessive.
Codes JEL : C91, D81, G12, G20, G41.
Motsclés : Commerce de copie ; Marchés financiers; Réseaux sociaux; Imitation; Expérience.
Nous tenons à remercier Patryk Bronka, Angelo Gutierrez et Pablo LopezAguilar pour leur aide
exceptionnelle à la recherche. Le public des séminaires de la Conférence Arne Ryde Lund, à Bolzano,
Heidelberg, HeiKa MaX, Experimental Finance Conference Heidelberg, EWEBE, Tilburg, University of
International Business and Economics (Beijing), UCSB, USC, WZB Berlin, a fourni des commentaires utiles.
Nous remercions également Andreas Reischmann pour ses discussions très utiles. Le soutien financier de
l'Université de Heidelberg et de la Banque d'Angleterre est grandement apprécié.
†
Apesteguia : ICREA, Universitat Pompeu Fabra et Barcelona GSE, 08005 Barcelone, Espagne, email :
jose.apesteguia@upf.edu. Oechssler : Département d'économie, Université de Heidelberg, Bergheimer Str.
58, 69115 Heidelberg, Allemagne, courriel : oechssler@unihd.de. Weidenholzer : Département d'économie,
Université d'Essex, Wivenhoe Park, Colchester, CO4 3SQ, RoyaumeUni, email : sweide@essex.ac.uk.
Machine Translated by Google
1. Introduction
Les dernières années ont vu la prolifération d'une variété de plateformes de trading de copie.
Il s'agit de plateformes de courtage en ligne où les utilisateurs, intégrés dans un réseau social, reçoivent des
informations sur la situation financière des autres et, surtout, peuvent décider de copier automatiquement les
décisions financières des autres utilisateurs. C'estàdire que les plateformes de copy trading offrent la
possibilité d'allouer une dotation monétaire pour reproduire les stratégies financières de l'utilisateur que l'on
veut copier. Il existe actuellement plus d'une douzaine de plateformes de ce type, avec des millions d'utilisateurs
répartis dans le monde entier.1 Il s'agit d'un nouveau mécanisme commercial avec des conséquences
potentiellement importantes sur le bienêtre, tant pour les investisseurs individuels impliqués dans ces
plateformes que pour les sociétés en général. Dans cet article, nous menons, pour la première fois, une série
d'expériences contrôlées en laboratoire pour étudier plusieurs aspects du copy trading.
Les plateformes de trading de copie peuvent influencer le comportement de diverses manières. Il semble
cependant raisonnable de penser que leur nature même, leurs principales caractéristiques institutionnelles,
sont propices à des comportements imitatifs, à la fois indirectement et directement. Indirectement, en
fournissant des informations sur les portefeuilles et les succès des autres que les utilisateurs peuvent essayer
d'imiter par euxmêmes, et directement en permettant aux agents de copier directement les autres en cliquant
sur un bouton. Les plateformes de trading de copie fournissent ainsi un cadre institutionnalisé pour que
l'imitation ait lieu. Comme déjà observé par Offerman et Schotter (2009) dans un contexte différent, lorsque les
gains sont bruyants, l'imitation peut conduire les sujets à adopter des choix risqués. Dans le cadre d'un marché
financier, où les prix des actifs sont naturellement volatils, l'imitation par exemple sous la forme de copie
commerciale peut avoir des implications particulièrement graves. Pour voir cela, notez que les agents avec
des revenus élevés ont peutêtre simplement eu de la chance. Dans le cadre du commerce de copie, d'autres
agents sont enclins à imiter ces agents chanceux. Pour aggraver les choses, des rendements élevés peuvent
être associés à une prise de risque élevée des agents copiés. Ainsi, les agents qui réussissent pourraient non
seulement avoir eu de la chance, mais aussi avoir pris plus de risques. Les copieurs peuvent donc être plus
susceptibles d'adopter des stratégies d'investissement risquées. Ainsi, le copy trading peut bien entraîner une
prise de risque excessive et des résultats individuellement et socialement sousoptimaux.
Dans cet article, nous examinons le commerce de copie et ses implications pour la prise de risque dans
une série d'expériences en laboratoire. Le laboratoire expérimental nous permet de contrôler un certain nombre
de variables clés qu'il serait très difficile, voire impossible, de contrôler sur le terrain. Par exemple, dans nos
études, nous mesurerons les préférences de risque en dehors des marchés financiers,
1Voir la section 3 pour une description plus détaillée du copy trading et pour une étude des différentes plateformes de
copy trading.
1
Machine Translated by Google
ce qui nous permettra de déterminer le comportement optimal dans le choix des actifs au niveau
individuel. De plus, l'approche expérimentale nous permet de tester directement l'influence des principales
caractéristiques des plateformes de copy trading, à savoir la fourniture d'informations sur la décision
financière et le succès des autres, et la possibilité de copier les autres. Autrement dit, cela nous permet
de comparer les résultats du commerce de copie au contrefactuel de ne pas pouvoir copier le commerce,
et de tester si cela induit davantage de comportements à risque. De plus, nous aurons le contrôle total
du menu des actifs financiers, du portefeuille des investisseurs, des informations sur les caractéristiques
des actifs et des résultats du marché.
Notre expérience comportait trois parties. Dans la première partie, nous avons obtenu les préférences
de risque des sujets. La deuxième partie est composée de deux blocs de décisions d'investissement.
Dans ces décisions, les sujets devaient choisir l'un des multiples actifs dont les prix évoluaient selon un
mouvement brownien (approché par un modèle d'arbre binomial en temps discret ; Cox, Ross et
Rubinstein, 1979). Les actifs étaient caractérisés par des taux de rendement différents selon l'État. De
plus, certains actifs présentaient un risque extrême, que nous avons modélisé comme la probabilité d'un
krach à un prix relativement bas. Les sujets ont été mis au courant de tous les attributs des actifs
disponibles. Après avoir choisi leurs actifs, les sujets devaient pendant un certain nombre de périodes
décider de vendre l'actif au prix actuel ou de le conserver.
Dans le deuxième bloc, les sujets étaient confrontés au même problème d'investissement. Selon le
traitement, il y avait des composants supplémentaires. Dans le traitement BASELINE, le deuxième bloc
consistait en la répétition exacte des sujets en situation d'investissement confrontés dans le premier bloc.
Dans notre traitement principal, COPY, les agents ont reçu une liste contenant les décisions et les
bénéfices réalisés dans le premier bloc de tous les agents de BASELINE, classés des gains réalisés les
plus élevés aux plus bas. Ensuite, les sujets pouvaient soit faire leur propre choix d'investissement, soit
choisir de copier les décisions d'investissement inconnues dans le deuxième bloc d'un sujet de leur choix
dans la liste. Dans ce dernier cas, les copieurs recevaient alors simplement les gains que les sujets
copiés avaient gagnés dans le deuxième bloc. De plus, nous avons exécuté un traitement INFO dans
lequel les sujets recevaient les mêmes informations sur les décisions du premier bloc et les résultats des
participants BASELINE que dans COPY, mais dans ce cas, ils n'avaient pas la possibilité de copier une
stratégie d'investissement.
Nous nous intéressons aux déterminants du comportement de copiage. La comparaison entre
BASELINE et INFO permet de déterminer l'effet comportemental de la simple fourniture d'informations
sur les autres. La comparaison entre INFO et COPY montre l'influence de la principale caractéristique
des plateformes de copy trading : la possibilité de copier la décision financière des autres en un clic. La
comparaison de BASELINE et COPY
2
Machine Translated by Google
permet d'évaluer l'effet conjoint de la fourniture d'informations sur les autres et la possibilité de les
copier.
Avant toute décision d'investissement, les sujets disposaient d'un outil leur permettant de simuler
les réalisations des trajectoires de prix pour chacun des actifs. Le but de ce simulateur était de
familiariser les sujets de manière conviviale avec les résultats possibles des différents actifs et d'atténuer
le rôle des informations supplémentaires que les sujets reçoivent des pairs dans les traitements COPY
et INFO. Des outils analogues sont offerts en pratique par les institutions financières aux investisseurs
privés, au moment de l'achat de produits financiers tels que des hypothèques ou des régimes de retraite.
Dans la troisième et dernière partie des expériences, nous avons collecté des informations
potentiellement importantes telles que le sexe, l'âge et l'éducation. Nous avons également mis en place
un questionnaire demandant l'expérience des sujets en bourse, leur autoévaluation de leur attitude
face au risque, et comment ils perçoivent leur tendance à suivre les autres. De plus, nous avons évalué
la capacité des sujets à calculer une valeur attendue simple.
Ainsi, notre conception expérimentale utilise un cadre financier, qui nous permet d'étudier
directement, pour la première fois, l'influence des caractéristiques clés des plateformes de copie sur la
prise de décision financière, tout en contrôlant les informations de fond importantes, telles que les
préférences de risque.
Les principaux résultats sont les suivants. Nous observons que lorsque les participants donnent la
possibilité de copier les autres, une fraction importante le fait, et que la distribution des choix d'actifs se
déplace nettement vers les plus risqués. Concrètement, 35% des participants à COPY ont choisi de
copier quelqu'un dans la liste et, parmi ceuxci, la grande majorité a copié quelqu'un qui avait choisi
l'actif le plus risqué possible dans le bloc 1. De plus, ceux qui n'ont choisi de copier personne ont
également déplacé leur actif choix vers des actifs plus risqués, par rapport aux choix du bloc 2 de
BASELINE. Ce dernier constat est renforcé par le glissement vers des actifs plus risqués dans le
deuxième bloc de choix des participants à INFO. La simple présentation de la liste ordonnée des
investisseurs BASELINE incite les autres investisseurs à prendre nettement plus de risques. Nous
observons donc que le type d'informations fournies et la possibilité d'en copier d'autres présentes sur
les plateformes de copie de trading réduisent exante le bienêtre, car les investisseurs choisissent des
actifs sousoptimaux, lorsqu'ils sont jugés soit du point de vue de l'aversion au risque révélée dans les
choix d'actifs des Bloc 1, ou parmi les choix de loterie de la partie 1.
Nous abordons en outre la question de savoir qui décide de devenir copieur. On constate ici que
l'aversion au risque joue un rôle déterminant. Plus les sujets sont averses au risque, plus ils sont
susceptibles de copier les autres. Ironiquement, ce sont donc ceux qui ont révélé une faible tolérance au risque
3
Machine Translated by Google
prendre ceux qui sont incités par le commerce de copie à prendre plus de risques.
Le reste du papier est organisé comme suit. La section 2 passe brièvement en revue la littérature la plus
pertinente. Dans la section 3, nous expliquons en détail le fonctionnement des plateformes de trading de copie. La
section 4 détaille le dispositif expérimental et établit le cadre théorique.
La section 5 rapporte les résultats expérimentaux. La section 6 discute nos résultats et conclut.
L'appendice contient la preuve du résultat théorique principal de la section 4 et les instructions expérimentales.
2 Littérature connexe
Notre article se rapporte à plusieurs courants de la littérature. Premièrement, l'imitation comme heuristique comportementale
a retenu l'attention de la littérature économique. Il a été démontré qu'imita
peut représenter une procédure de décision attrayante dans certaines circonstances (AlósFerrer et Schlag, 2009),
mais elle peut conduire à des résultats sousoptimaux dans d'autres contextes, tels que les jeux de Cournot (Vega
Redondo, 1999 ; Apesteguia, Huck et Oechssler , 2007). Il a également été démontré que l'imitation joue un rôle
important dans la prise de décision traditionnelle en matière d'investissement (voir par exemple Scharfstein et
Stein, 1990 ; De Long, Shleifer, Summers et Waldmann, 1990 ; ou Bikhchandani, Hirshleifer et Welch, 1992).
Les articles les plus proches de nous sont Offerman et Schotter (2009) et Baghestanian, Gortner et van der
Weele (2016). Alors que ces contributions étudient expérimentalement les implications de fournir des informations
sur les pairs sur la prise de risque dans la prise de décision économique, nous sommes les premiers à étudier
explicitement le copy trading dans un cadre expérimental. Contrairement à notre cadre financier, Offerman et
Schotter (2009) utilisent un choix de production et un jeu de prise de contrôle pour étudier le rôle de l'information
des pairs dans des environnements où les gains sont influencés par une composante aléatoire. Si l'imitation n'est
pas optimale dans leur milieu, ils trouvent néanmoins qu'elle joue un rôle important dans l'explication du
comportement des sujets et peut conduire à des comportements plus à risque. De plus, dans notre contexte, la
portée potentielle de l'imitation est encore limitée par le simulateur d'actifs. Baghestanian et al. (2016) étudient
expérimentalement les doubles enchères de titres ArrowDebreu avec et sans information sur les pairs. Dans leur
contexte, l'observation d'autres commerçants donne des portefeuilles moins risqués. Cela pourrait être causé par
la fourniture d'informations sur des états du monde qui ne sont pas réalisés, rendant ainsi plus saillants les
portefeuilles moins risqués. En plus de permettre explicitement aux sujets de copier les autres d'un simple clic,
nous nous éloignons de ces contributions en étudiant une tâche financière conçue pour ressembler étroitement à
la mise en place de plateformes de trading de copie.
4
Machine Translated by Google
Il existe également un certain nombre d'articles récents qui étudient de manière empirique les plateformes de trading de copies.
En utilisant les données de la plateforme de trading de copie eToro, Pan, Altshuler et Pentland (2012) constatent que les traders
suivis sont, souvent mais pas toujours, les plus performants. De plus, ils montrent que les utilisateurs de la plateforme de trading ont
tendance à augmenter la volatilité de la stratégie de trading et la réaction excessive du marché. De plus, Liu et al. (2014) montrent
que les transactions copiées ont une plus grande probabilité de rendements positifs que les transactions standard, mais le retour sur
investissement des transactions de copie réussies est plus faible que le retour des transactions réussies standard. De plus, en cas
de rendements négatifs, les pertes sont généralement plus élevées pour les transactions copiées. En utilisant également les données
d'eToro, Pelster et Hoffmann (2018) montrent que les investisseurs copiés par d'autres investisseurs sont plus susceptibles de
souffrir d'un effet de disposition.
Les classements de performance accessibles au public sont un aspect du commerce de copie, mais ils peuvent en euxmêmes
avoir un effet sur les investisseurs. Par exemple, Kirchler, Lindner et Weitzel (2017) constatent que les classements augmentent la
prise de risque des professionnels des marchés financiers sousperformants. Bien sûr, les classements dans l'industrie des fonds
communs de placement font de la chasse aux performances passées un phénomène très courant (voir par exemple Sirri et Tufano,
1998 qui constatent que seuls les fonds les plus performants enregistrent des entrées). Cependant, contrairement à notre étude, les
effets sur le bienêtre de la poursuite des performances passées sont moins clairs. Si les performances ne sont pas constantes, la
poursuite des performances passées n'aide pas mais ne doit pas nuire aux investisseurs (en dehors des frais élevés).
Le modèle d'arbre binomial que nous utilisons pour mettre en œuvre un marché financier stylisé a été utilisé ailleurs dans la
littérature économique et financière pour étudier une variété de questions.
Par exemple, Oprea et al. (2009) et Sandri et al. (2010) étudient les circonstances dans lesquelles les individus (dés)investissent de
manière optimale dans des actifs dont les prix évoluent selon des modèles d'arbres binomiaux. En outre, Ensthaler et al. (2017)
démontrent dans un cadre de modèle d'arbre binomial que les sujets ont des difficultés à prédire la médiane et l'asymétrie des
distributions des prix des actifs résultant de processus de croissance multiplicative. Notez que l'utilisation du simulateur d'actifs dans
notre expérience devrait atténuer ces préoccupations.
3 plateformes de trading de copie
L'essor des platesformes de réseau telles que Uber, Twitter ou TripAdvisor a profondément façonné les interactions sociales et a
fondamentalement changé des secteurs entiers tels que les transports, les médias ou le tourisme. Utilisant des idées similaires, des
plateformes de réseaux sociaux spécialisées qui s'adressent aux investisseurs financiers ont été créées, donnant ainsi naissance au
commerce social. Bien qu'il n'en soit qu'à ses balbutiements, le trading social pourrait avoir un impact transformateur similaire sur le
secteur financier.
5
Machine Translated by Google
Les plateformes de trading social font généralement également office de sociétés de courtage en ligne, offrant à leurs
membres la possibilité de négocier des actifs financiers via une interface Web ou une application mobile. En plus de ces
fonctionnalités de trading traditionnelles, les plateformes de trading social offrent aux investisseurs individuels des moyens
de communiquer entre eux (par exemple via une fonction de chat ou des messages publics) et leur permettent d'accéder
à des informations sur les investissements actuels et passés.
Beaucoup de ces plateformes complètent l'échange d'informations en permettant aux traders de copier directement les
choix d'investissement d'autres traders.
Copier un autre investisseur, c'est consacrer une part de son budget à suivre les métiers de l'individu copié (on
appelle désormais ces investisseurs « leaders »). Après qu'un investisseur a décidé de copier un leader donné, tous les
trades du leader sont répliqués pour le copieur simultanément et en temps réel.2 Tous les trades sont proportionnels à
son budget, c'estàdire que si les leaders investissent 1 % de leur portefeuille, les copieurs le font comme bien. Le copieur
peut à tout moment décider de décopier le leader, auquel cas la relation se termine et toutes les positions copiées sont
fermées au prix actuel du marché. Contrairement aux véhicules d'investissement plus traditionnels, tels que les fonds
communs de placement, il n'existe aucune réglementation en place limitant la conduite des dirigeants.
Les platesformes fournissent généralement également des moyens de classer les traders en fonction de certains
critères de performance tels que le rendement du mois ou de l'année précédent ou le pourcentage de transactions rentables.
Des filtres supplémentaires permettent d'affiner les classements selon des critères tels que la durée d'activité, le pays
d'origine ou les marchés sur lesquels le commerçant est actif. Certaines plateformes attribuent en outre des scores de
risque aux investisseurs, en tenant compte d'indicateurs tels que l'effet de levier, la volatilité des instruments qu'un
investisseur choisit et la diversification du portefeuille.
La plupart des plateformes récompensent les investisseurs pour avoir été copiés. Par exemple, ZuluTrade offre à ses
« fournisseurs de signaux » dans le commerce des devises une commission de 0,5 pip sur le volume des transactions
exécutées via un copieur. De même, eToro, dans le cadre de son programme « investisseur populaire », propose des
paiements fixes et jusqu'à 2 % des actifs annuels sous gestion. En outre, les investisseurs populaires peuvent recevoir
jusqu'à 100 % de remise sur leurs propres transactions.3 Ces programmes et d'autres similaires incitent les commerçants
à permettre à d'autres d'observer et de copier leurs transactions, plutôt que de négocier en privé.
Au moment de la rédaction de cet article, il existe au moins une douzaine de plateformes de trading de copies actives.
L'un des plus grands d'entre eux, eToro, compte 4,5 millions d'abonnés et, selon son PDG, a eu un
2Lorsqu'il décide de copier un autre investisseur, le copieur peut également choisir si cela doit inclure les
positions actuellement ouvertes. Certaines plateformes permettent en outre aux investisseurs de placer des ordres
stop sur la performance de l'individu copié.
3Voir https://www.etoro.com/en/popularinvestor/ et https://www.zulutrade.co.uk/traderprogram
6
Machine Translated by Google
volume d'échanges annuel supérieur à 300 milliards de dollars en 2016.4 Le tableau 1 donne un aperçu et
quelques informations sur les commerçants classés actifs sur quatre platesformes de grande copie.5 Évidemment, il y a
sont peu d'investisseurs, par rapport au nombre d'investisseurs figurant dans les classements, qui sont
copié par d'autres. Plus précisément, la proportion de ceux copiés varie de 1,13 % à 8,71 %.
La figure 1 trace la répartition des copieurs sur les quatre platesformes considérées.
Cela révèle deux autres faits stylisés sur le commerce de copie : premièrement, la grande majorité des
les commerçants copiés ne sont copiés que par quelques autres commerçants. La fraction de ceux copiés par seulement
un autre commerçant (parmi ceux copiés) varie de 20,7 % (ZuluTrade) à 59,5 % (eToro).
Deuxièmement, quelques commerçants représentent la majorité des transactions copiées. Les 5 % les plus copiés
les commerçants représentent 61,1 % (ZuluTrade) à 92,8 % (eToro) des relations avec les copieurs.
Tableau 1 : Copier les plateformes de trading
Plateforme Âge en années Utilisateurs classés Nombre de leaders Part de leaders
eToro 14 193 701 2 417 1 25 %
ZuluTrade dix 36 416 460 1 26 %
Tradeo 13 4 686 53 1 13 %
Meta Trader 4 13 3 376 294 8 71 %
4 Conception expérimentale et prédictions théoriques
Nos expériences se composaient de trois parties; La partie 1 implique un exercice standard d'élicitation des risques, la partie 2
contient le principal problème de décision en matière d'actifs financiers et la partie 3 met en œuvre un
questionnaire. Nous avons effectué trois traitements, qui ne différaient que dans le deuxième bloc de
La seconde partie. Nous expliquons maintenant les détails de l'expérience.
Dans la partie 1, nous obtenons les préférences de risque dans une décision modifiée d'Eckel et Grossman (2002)
tâche. Les individus devaient choisir une des quatre loteries du tableau 2, où dans chaque
loterie, il y avait un résultat élevé et un résultat faible, les deux se produisant avec une probabilité de 1/2.
Le tableau 2 indique également la gamme de coefficients d'aversion relative pour le risque, , qui rend le choix
4Voir https://www.etoro.com/en/about/ et 09:16 dans une interview avec le PDG d'eToro, Yoni Assia
https://www.youtube.com/watch?v=P2yRjHAAPeU&vl=en 5Les données
ont été obtenues en mai 2018 à l'aide d'un script Python pour collecter automatiquement les informations accessibles au public
mation sur les investisseurs dans les plateformes de trading de copie.
sept
Machine Translated by Google
Distribution de copieurs Distribution de copieurs
eToro ZuluTrade
1000
1500
500
Nombre
copieurs
de
10000
15000
5000
0 0
Nombre
copieurs
de
Distribution de copieurs Distribution de copieurs
Meta Trader 4 Tradeo
Nombre
copieurs
de Nombre
copieurs
de
400
300
200
100
500
0 1500
1000
2000
500
0
Figure 1 : copieurs sur toutes les platesformes. Chaque point représente un leader et son nombre de
copieurs. Seuls les leaders avec au moins un copieur sont affichés.
la loterie respective optimale sous l'hypothèse d'utilité espérée avec CRRA.6 Note
que la loterie 4 ne devrait être choisie que par des personnes aimant le risque depuis 0.
Tableau 2 : Paramètres des loteries
Partie 2, la partie principale de l'expérience a été divisée en deux blocs. Dans le bloc 1, qui
était commun aux trois traitements, les sujets ont été confrontés à quatre situations financières différentes.
des atouts. Chaque individu devait sélectionner un actif parmi les quatre, et une fois qu'un actif a été
choisi, devait décider à chaque période de conserver l'actif ou de le vendre au cours
8
Machine Translated by Google
le prix. Après la vente d'un actif, ce bloc était terminé pour le sujet, aucune autre transaction ne pouvait avoir lieu.
Les prix des actifs ont suivi un mouvement brownien géométrique, approximé par un modèle d'arbre binomial. Le
valeur de 100, impliquait un maximum de 40 périodes, et la probabilité d'une hausse (conditionnelle à l'absence de
chute) était de = 5. Les autres paramètres définissant les actifs sont décrits dans le tableau 3.
Tableau 3 : Paramètres des Actifs
50
50
Intuitivement, les actifs sont ordonnés en fonction du risque qu'ils impliquent, l'actif représentant une option
sûre avec un gain monétaire fixe de 100, l'actif à faible risque, l'actif représentant le cas d'un actif modérément
risqué, et enfin l'actif étant un actif très risqué. Si nous supposons à nouveau l'utilité attendue du CRRA, nous
pouvons obtenir une prédiction théorique précise sur les choix d'actifs et la période de vente conditionnelle aux
attitudes au risque.
Proposition 1 Un investisseur avec une utilité espérée CRRA se comporte de manière optimale comme suit :
• Pour 5, l'investisseur achète l'actif .
La preuve de la proposition 1 se trouve en annexe. Surtout, les paramètres des actifs et ceux des loteries ont été
choisis de manière à ce qu'il y ait une correspondance un à un
9
Machine Translated by Google
entre le choix de la loterie dans la partie 1 de l'expérience et le choix de l'actif dans la partie 2, sous l'hypothèse d'utilité
attendue du CRRA. Par conséquent, nous pouvons, en principe, prédire les choix d'actifs en fonction des choix de loterie.
Afin de faciliter les choix des sujets, nous avons fourni aux sujets un simulateur d'atouts au début de la partie 2. Dans le
graphiquement une réalisation possible sur 40 périodes.
Les réalisations étaient indépendantes des clics et des individus. Les individus pouvaient simuler n'importe lequel des actifs
autant de fois qu'ils le souhaitaient. Nous avons enregistré l'activité de simulation pour chaque individu. Une fois que les
participants ont indiqué qu'ils avaient exécuté suffisamment de simulations, ils sont entrés dans l'étape de décision.
Il y avait trois traitements qui différaient uniquement en ce qui concerne le bloc 2 de la partie 2. Dans le traitement
BASELINE, les participants ont répété les mêmes conditions de choix d'actifs que dans le bloc 1. C'estàdire qu'ils devaient
choisir à nouveau l'un des quatre actifs décrits cidessus, puis décider
quand vendre.
Dans les traitements INFO et COPY, avant de décider quel actif choisir dans le bloc 2, les participants ont reçu des
informations sur les choix d'actifs du bloc 1 et les gains associés des 80 sujets qui ont participé au traitement BASELINE. Les
sujets ont été informés que ces données avaient été générées par des sujets lors d'une expérience antérieure et qu'ils "étaient
dans la même situation que vous, c'estàdire que c'était la première fois qu'ils jouaient à ce jeu". La liste a été classée des
gains réalisés les plus élevés aux plus bas et présentée en blocs de 5 entrées. Le tableau 4 rapporte un échantillon des
informations fournies, où la dernière colonne n'était présente que dans le traitement COPY. Après avoir examiné la liste de
classement, les participants devaient choisir l'un des actifs, puis période après période devaient décider de vendre l'actif à ce
moment donné ou de le conserver une période de plus.
Dans le traitement COPY, les participants recevaient exactement les mêmes informations que ceux du traitement INFO.
Cependant, maintenant, afin de reproduire la caractéristique principale des plateformes de copie de trading, les participants
pouvaient copier un autre sujet (leader) en appuyant sur le bouton "Copier" dans le tableau 4. Dans ce cas, le copieur
obtiendrait exactement le même gain que le leader avait obtenu dans le bloc 2 produit par le choix du leader dans le bloc 2.
C'estàdire que la copie impliquait que l'on choisisse finalement le même actif, vende dans la même période et obtienne les
mêmes gains que les leaders dans leurs deuxièmes blocs, mais tout cela l'information est inconnue au moment de la copie.
Enfin, la partie 3 contenait un questionnaire où, en plus des informations standard (sexe, âge, domaine d'études, etc.),
nous avons recueilli d'autres informations de base sur soimême.
dix
Machine Translated by Google
Tableau 4 : Liste de classement fournie aux sujets dans INFO et COPY
1 12 32 354 Copie
2 23 25 281 Copie
3 4 40 274 Copie
4 16 29 271 Copie
5 18 19 254 Copie
Plus d'infos
Remarque : Il s'agit d'un exemple pour les sujets de la liste de classement dans INFO et COPY vu au début du bloc 2.
Le bouton "Copier" n'était présent que pour COPIER. La liste était affichée par groupes de 5. Si les sujets voulaient
pour voir les 5 suivants sur la liste, ils devaient appuyer sur le bouton "Plus d'infos".
ont évalué les attitudes à risque et la tendance à suivre les autres. De plus, les sujets ont été invités à
calculer une espérance simple. Les instructions complètes, y compris les questions utilisées dans
cette dernière partie de l'expérience se trouve en annexe.
Les expériences ont été menées à l'Université de Heidelberg en 2017. Au total, 176 sujets,
dont 55,1 % de femmes et 32,5 % d'étudiants en économie, ont été recrutés via hroot
(Bock et al. 2014) à partir d'un pool de sujets étudiants à Heidelberg. En 4 séances 80 sujets
ont participé à BASELINE, 48 sujets à 4 sessions à INFO et 48 sujets à 3 sessions
en copie. Les participants étaient payés à la fin de l'expérience selon l'un de leurs
décisions de la partie 1 (loteries à élicitation des risques) ou de la partie 2 (bloc 1 ou 2 de l'actif
problème de décision). La tâche pertinente de gain a été choisie au hasard par un sujet lançant un
dé. Les gains de la loterie étaient déjà en euros. Les gains de la décision d'actif
11,66 euros et une session expérimentale a duré environ 45 minutes. Les expériences
ont été programmés à l'aide de zTree de Fischbacher (2007).
5 Résultats
Nous commençons par analyser les choix de loterie de l'élicitation du risque d'Eckel et Grossman (2002)
tâche. La figure 2 montre la distribution des choix de loterie pour les 176 sujets, où les loteries
sont classés de « 1 » la loterie la moins risquée à « 4 » la loterie la plus risquée, comme dans le tableau 2.
Le choix modal est la loterie 2, avec plus de 60% des sujets qui le prennent, indiquant un plutôt
faible appétit pour le risque. Le prochain choix populaire est la loterie 3, choisie par environ 30 %
11
Machine Translated by Google
Figure 2 : Répartition des choix de loterie, tous traitements confondus.
des participants, suggérant une fraction importante de sujets disposés à prendre des risques modérés.
Seule une petite partie des participants sont soit extrêmement averses au risque (5,1 %) et encore
moins (1,7 %) aiment le risque et ont choisi la loterie 4. Ces résultats semblent être conformes à
d'autres exercices d'élicitation de l'aversion au risque dans la littérature.7 Rappel de Tableau 2 et
proposition 1 que les loteries ont été conçues pour prédire les choix d'actifs sous l'hypothèse que les
sujets ont des fonctions d'utilité CRRA. En conséquence, seuls 3 sujets sur 176 (= 1 7%) devraient
choisir l'actif le plus risqué D.
Résultat 1 Les choix de loterie dans la tâche d'élicitation des risques d'Eckel et Grossman révèlent
que les participants sont assez averses au risque. En particulier, seuls 3 sujets sur 176 choisiraient
l'actif le plus risqué D.
Passons maintenant à la partie 2 de l'expérience, les choix d'actifs sur notre marché financier.
La figure 3 montre la distribution des choix d'actifs dans le bloc 1 de l'ensemble des 176 matières. Il y
a un changement notable vers des choix d'actifs plus risqués par rapport aux choix de loterie. En effet,
21,6% des sujets ont décidé de choisir l'actif le plus risqué D et 41% des sujets ont choisi un
7Par exemple, dans Apesteguia et Ballester (2018), le niveau moyen d'aversion au risque CRRA de la population est
couplé à l'aide de méthodes structurelles est de 752, ce qui se situe dans la fourchette des niveaux impliqués par la loterie 2.
12
Machine Translated by Google
actif qui était plus risqué que leur loterie choisie. La distribution des choix d'actifs est significativement
différente de la distribution des choix de loterie selon un test de Wilcoxon ( 0 001).8 Cependant, les
choix d'actifs et de loterie sont significativement positivement corrélés ( = 0 23 0 001 ) et, bien
que seulement 45 % des sujets aient choisi exactement l'atout prédit par leur choix de loterie, 86 % des
sujets ont choisi un atout au plus un atout inférieur ou supérieur à leur atout prédit.
Il semble donc que les marchés d'actifs financiers amènent la population de sujets à se comporter de
manière plus risquée que le problème de choix de loterie standard. Il peut y avoir différentes raisons derrière
cette observation. Par exemple, il se peut que le marché financier soit cognitivement plus exigeant, incitant
les sujets à se comporter de manière plus erratique. Cependant, notre plan d'expérience offrait de manière
conviviale la possibilité de simuler autant de réalisations des actifs que l'on souhaitait. Cela a réduit la
complexité du problème de décision financière et aurait dû atténuer l'impact des capacités cognitives. De
plus, le fait que la distribution des choix se soit déplacée dans une direction particulière, à savoir vers une
plus grande prise de risque, suggère que la complexité n'est pas le seul moteur de ce résultat.
Il se pourrait bien que le simple cadrage d'un problème de décision en termes de produits financiers
transforme l'esprit des participants en un état plus tolérant au risque. Nous pensons qu'il s'agit d'une
observation intéressante en soi, qui mérite d'être soigneusement abordée dans les travaux futurs.9
Résultat 2 La distribution des choix d'actifs dans le bloc 1 de la partie 2 révèle des niveaux d'aversion au
risque plus faibles que les choix de loterie de la partie 1.
L'intérêt principal est bien sûr de savoir comment la demande d'actifs change dans le bloc 2. L'une des
raisons pour lesquelles nous avons inclus deux blocs même pour le traitement BASELINE était de permettre
la possibilité que les sujets modifient leur demande d'actifs simplement parce qu'ils avaient déjà une
expérience du premier bloc. Pour éviter cette confusion, nous comparons maintenant le choix des actifs dans
le bloc 2 pour chaque traitement. La figure 4 montre les distributions des choix d'actifs dans le bloc 2
séparément pour les trois traitements, où, pour le moment, nous excluons les copieurs dans COPY. Il est en
effet vrai que les choix d'actifs dans BASELINE deviennent plus risqués dans Block
8Toutes les valeurs rapportées dans cet article se réfèrent à des tests bilatéraux.
9Des recherches en psychologie montrent que l'aversion au risque est spécifique à un domaine (voir, par exemple, Weber et al., 2002). De
même, en utilisant des décisions financières réelles, Einav et al. (2012) constatent que les préférences en matière de risque peuvent différer, par
exemple selon les décisions d'assurance et d'épargne. Cependant, ils identifient une composante de risque générale opérant dans tous les domaines.
13
Machine Translated by Google
Figure 3 : Répartition des choix d'actifs dans le Bloc 1, tous traitements confondus.
Résultat 3 Les choix d'actifs du bloc 2 sont significativement plus risqués que les choix du bloc 1 dans l'ensemble
trois traitements.
Nous comparons maintenant les choix d'actifs du bloc 2 dans les différents traitements (voir à nouveau la
figure 4). Rappelons que les sujets dans INFO et COPY ont vu une liste comme dans le tableau 4, qui contenait
les choix d'actifs du bloc 1 et les revenus des 80 sujets du traitement BASELINE.
Les sujets voyaient toujours les 5 premiers sujets, mais devaient cliquer sur un bouton pour voir les 5 sujets
suivants les moins bien classés et nous avons enregistré le modèle de recherche des sujets. Alors que seulement
4 % des sujets dans INFO se sont arrêtés après avoir regardé l'écran du top 5, 29 % des sujets l'ont fait dans
COPY. Ainsi, ces sujets n'ont jamais vu les mauvais résultats possibles pour l'atout D. Environ 40 % des sujets
dans COPY et plus de 54 % des sujets dans INFO ont regardé les 5 sujets les moins bien classés.
14
Machine Translated by Google
LIGNE DE BASE COPIE
40
30
20
10
50
0
pour
cent
ABC ABC
INFO
40
30
20
10
50
0
A B C D
Figure 4 : Distributions des choix d'actifs dans le bloc 2 par traitement, où dans COPY les choix de copieurs
ne sont pas inclus.
La distribution des choix d'actifs dans INFO est significativement différente de celle de BASE LINE
(test MWU, = 0 014). De plus, même en excluant les copieurs comme dans la figure 4, la différence
dans la distribution des choix d'actifs entre BASELINE et les noncopieurs dans COPY est marginalement
significativement différente (test MWU, = 0 078)10 . la fourniture d'informations sur les succès antérieurs
d'autres personnes qui se trouvaient exactement dans la même situation augmente les niveaux de tolérance
au risque des participants.
Résultat 4 Le simple fait d'observer les autres (comme dans INFO et COPY, hors copieurs) fait que les
sujets prennent en moyenne plus de risques en termes de choix d'actifs que dans BASELINE.
Le tableau 5 montre les périodes de vente et les prix de vente pour les différents traitements du bloc 2.
Pour les données regroupées, les périodes de vente sont similaires dans tous les traitements, mais les prix
de vente sont significativement plus élevés dans COPY et INFO que dans BASELINE (tests MWU, =
0 002 et = 0 004, respectivement). Il est en outre révélateur de considérer les périodes de vente et les
prix de vente pour chacun des trois actifs. Bien que ceuxci ne varient pas beaucoup pour les actifs B et C, il y a
15
Machine Translated by Google
une différence notable entre BASELINE et les deux autres traitements pour la plupart
actif risqué D. Dans COPY et INFO, les sujets détiennent l'actif D significativement plus longtemps (tests MWU,
Résultat 5 L'observation des autres (comme dans INFO et COPY, hors copieurs) induit les sujets
vendre à des prix plus élevés. Cet effet est principalement induit par ceux qui choisissent l'actif le plus risqué.
Tableau 5 : Périodes de vente et prix des différents traitements du Bloc 2
INFOS SUR LA COPIE DE L'ÉLÉMENT DE BASE
période de vente moyenne
côtés 24 1 24 7 22 8
28 7 25 0 27 8
25 8 33 0 25 5
10 8 21 5 20 6
prix de vente moyen
côtés 129 6 173 1 162 8
113 6 117 1 131 1
139 7 137 5 137 5
146 2 207 5 200 8
Fournir ainsi aux sujets des informations sur les stratégies d'investissement et le succès des
d'autres conduisent à plus de risques. La manière dont les copieurs renforcent cette tendance sera ensuite abordée.
Au total, 17 (35%) sujets de COPY ont décidé de copier quelqu'un. Tous les copieurs sauf deux
(88%) ont choisi d'imiter un commerçant de la première page de la liste (c'estàdire parmi les cinq premiers salariés).
En fait, 12 des 17 (71 %) ont choisi le revenu le plus élevé. Et tous les sujets sauf deux (88 %) ont choisi un
trader qui avait choisi l'actif D, l'actif le plus risqué.
Résultat 6 Plus d'un tiers des sujets de COPY ont copié la décision financière de certains
autre investisseur sur la liste. La grande majorité des copieurs ont copié l'investisseur avec le plus haut
gains réalisés dans le bloc 1. Pratiquement tous les utilisateurs ont copié quelqu'un qui a choisi le plus risqué
atout possible, D.
16
Machine Translated by Google
60
choisi copié
pour
cent
40
20
0
A B C D
Figure 5 : Répartition des choix d'actifs dans le bloc 2 de COPY, y compris les choix prévus par les copieurs.
La figure 5 montre la répartition des choix d'actifs dans le bloc 2 du traitement COPY incluant les choix de
copieurs visés. Lorsqu'un copieur décide d'imiter le choix d'un leader qui a choisi l'actif X dans le bloc 1, nous
supposons que le choix prévu du copieur dans le bloc 2 était l'actif X et laisse la décision de vendre l'actif au
leader. On observe qu'en COPY 65% des sujets ont choisi euxmêmes l'actif D ou ont décidé de copier quelqu'un
qui avait choisi l'actif D dans le bloc 1. Il faut comparer cela avec les 32% de sujets qui
a choisi l'actif D dans le bloc 2 du traitement BASELINE. On peut aussi relier le choix de l'actif
au tirage au sort des sujets. Selon l'aversion au risque exprimée par son choix de loterie, seul 1 sujet sur 48
aurait dû choisir l'actif D dans COPY. Cependant, 31 sujets sur 48 (65%) ont fini par choisir l'atout D ou ont
copié quelqu'un qui a choisi l'atout D.
Résultat 7 En considérant les intentions de choix des copieurs dans le traitement COPY, près des 2/3 des sujets
choisissent l'actif le plus risqué D.
Qu'estce qui a déterminé si un sujet devenait un copieur ? Étonnamment, le seul facteur cohérent qui
semblait avoir de l'importance est l'aversion au risque des sujets telle qu'elle ressort du choix de loterie de la
partie 1. Le tableau 6 montre des régressions logit pour expliquer la probabilité de devenir un copieur.
17
Machine Translated by Google
Dans les trois régressions, plus les sujets sont averses au risque (c'estàdire plus le numéro de loterie est
faible), plus ils sont susceptibles de copier les autres, bien que l'effet ne soit que faiblement significatif dans
les deux dernières spécifications. Les effets marginaux qu'impliquent ces régressions sont importants.
Par exemple, la spécification (1) implique que les sujets avec une classe de loterie inférieure présentaient une
probabilité de copier 33 % plus élevée.11
Ni l'actif choisi dans le bloc 1 ni les bénéfices réalisés du bloc 1 n'ont d'effet significatif. Dans la régression
2, nous ajoutons des variables recueillies à partir du questionnaire. Aucun d'entre eux n'a d'effet significatif.
Enfin, dans la régression 3, nous ajoutons "l'expérience de crash" des sujets, c'estàdire s'ils ont subi un
crash dans le bloc 1 ou quel pourcentage de leurs simulations avec l'actif C et D, respectivement, ont planté.
Encore une fois, aucun d'entre eux n'a eu d'effet significatif. Il existe un effet faiblement significatif du domaine
d'études (pour les domaines autres que l'économie ou les sciences) et un effet du modèle de recherche des
sujets : si les sujets ne regardent que le top 5, ils sont plus susceptibles de copier.
Résultat 8 Le principal moteur qui pousse les investisseurs à copier les décisions financières d'un investisseur
précédent est leur niveau d'aversion au risque. Plus la tolérance au risque est faible, comme le montre le
problème de la loterie, plus la probabilité de copier est élevée.
Nous pouvons vérifier les prédictions de la proposition 1 en ce qui concerne les périodes de détention
des actifs respectifs. La proposition 1 prédit que les sujets avec une utilité CRRA détiendraient un actif choisi
jusqu'à la dernière période, sauf pour l'actif C, où le sujet ne vendrait pas en dessous de 546, un prix qui n'a
jamais été atteint dans l'expérience. Ainsi, effectivement, la prédiction est que tous les sujets conserveraient
leur actif jusqu'à la fin d'un bloc. Pourtant, 66 % des sujets ont vendu l'actif B prématurément, 90 % ont vendu
l'actif C prématurément, et même pas 1 % des sujets ont détenu l'actif D jusqu'à la fin d'un bloc. De plus,
seuls 7 % environ des actifs ont été vendus en dessous de la valeur de départ de 100. Dans l'ensemble, cela
montre un effet de disposition assez fort (Shefrin et Statman, 1985), car les actifs ne sont presque jamais
vendus à perte mais rapidement vendus une fois qu'un petit profit est réalisé. fait.12
1 1Les effets marginaux dans les spécifications (2) et (3) sont respectivement de 28 % et 26 %.
1 2Magnani (2015) trouve un effet de disposition sur les marchés d'actifs expérimentaux similaires à ceux de notre
expérience. L'effet de disposition joue également un rôle crucial sur les plateformes de trading social et augmente à mesure
que les commerçants sont exposés au réseau (Heimer, 2016), sont pour la première fois copiés (Pelster et Hofmann, 2018)
ou que les informations sur les prix sont rendues plus évidentes (Frydman et Wang, 2017). Notez, cependant, que notre
conception a fait abstraction de tous ces facteurs supplémentaires importants.
18
Machine Translated by Google
Tableau 6 : Probabilité de devenir copieur : régressions logit
imitindex 0 12 0 13
(0 29) (0 38)
femelle 0 43 0 06
(0 81) (0 94)
valeur attendue correcte −0 15 −0 37
(0 83) (0 96)
domaine d'étude: sciences −1 13 −0 89
(1 06) (1 31)
domaine d'étude: autres −1 34 −2 19
(0 94) (1 18)
crash d'actifs dans le bloc 1 −1 67
(2 25)
% de simulations ayant planté l'actif D 0 36
(1 58)
% de simulations ayant planté l'actif C −2 22
(1 66)
vu seulement le top 5 1 81
(0 93)
constant 1 63 2 09 4 38
Résultat 9 Il y a un effet de disposition notable car les sujets détiennent les perdants et vendent les gagnants
prématurément.
Il est tentant de spéculer sur les conséquences de ces choix sur le bienêtre. Comme nous le verrons plus
loin, ce n'est pas du tout un exercice simple. Une option consisterait à examiner les gains réalisés ex post
pour les différents sujets. Cependant, il devrait être assez évident que les paiements ex post ne conviennent
pas aux déclarations de bienêtre. Le fait que quelqu'un ait eu de la chance et ait reçu un gain ex post élevé
ne rectifie pas une décision ex ante sousoptimale.13 Le bienêtre ne peut être évalué qu'une fois que nous
connaissons les véritables préférences des sujets en matière de risque, et les décisions doivent être évaluées
dans un sens ex ante. Dans un sens de préférence révélée, nous avons trois décisions (le choix de loterie et
les choix d'actifs dans les blocs 1 et 2) qui peuvent révéler les préférences de risque des sujets. Lequel de
ces choix est le meilleur critère de bienêtre est difficile à juger.
Mais dans tous les cas, les choix d'actifs dans le bloc 2 de COPY et INFO sont plus déformés et le nombre
d'incohérences de choix augmente dans le sens d'une plus grande aversion au risque, indépendamment du
fait qu'ils soient jugés du point de vue du choix de loterie ou du bloc 1 choix d'actif. On peut soutenir que
certaines de ces décisions ont dû être sousoptimales à moins que les préférences n'aient changé au cours
de la courte période de temps impliquée dans l'expérience vers une plus grande aversion au risque, ce qui
semble très improbable.
Cependant, notre point principal reste le fait que les choix dans INFO et COPY sont plus déformés que
dans BASELINE et cela implique que le commerce de copie rend plus probables les choix exante des
investisseurs réduisant le bienêtre.
6 Débat
Dans cet article, nous avons montré expérimentalement que le fait de fournir aux investisseurs des informations
sur les décisions d'investissement précédentes et sur le succès des autres traders peut entraîner une
augmentation de la prise de risque. Cet effet est encore exacerbé lorsque les agents sont autorisés à copier
directement d'autres commerçants. L'imitation par l'un ou l'autre de ces canaux entraîne une réduction du bien
être ex ante de l'investisseur, tel qu'établi par l'élicitation des préférences de risque et tel qu'il se manifeste
dans des décisions d'investissement contrefactuelles où l'imitation n'est pas possible. Nos résultats suggèrent
donc que le trading social (avec ou sans l'option de copier directement les autres) peut être
1 3Pour prouver ce point, les sujets de notre traitement COPY ont en fait reçu les gains moyens les plus élevés.
Cela était principalement dû au fait que le premier sujet classé, que 12 des 17 copieurs ont suivi, a choisi de
manière inattendue l'actif modéré B dans le bloc 2 et a reçu un gain relativement élevé avec lui.
20
Machine Translated by Google
préjudiciable au bienêtre des consommateurs et, en tant que tel, peut nécessiter un intérêt et un examen accrus de
la part des universitaires et des décideurs politiques.
Nous pensons que les implications du trading de copie sur la prise de risque peuvent être encore plus fortes sur
les plateformes de trading de copie du monde réel : bien que nous ayons recruté nos participants à partir d'un groupe
d'étudiants, les investisseurs sur les plateformes de trading de copie rejoignent probablement ces plateformes avec
l'intention explicite de s'engager dans commerce de copie. De plus, la conception de notre expérience a rendu le
rôle de la chance très important. Dans le monde réel, cependant, les croyances des investisseurs sur les compétences
et les informations des dirigeants pourraient être plus optimistes. De plus, alors que notre configuration expérimentale
permettait aux sujets d'évaluer facilement le risque des investissements antérieurs d'autres investisseurs, une telle
évaluation est beaucoup plus difficile dans le monde réel. D'un point de vue social, l'imitation encourage les
commerçants à suivre des stratégies d'investissement similaires et pourrait donc entraîner un risque financier par
l'effet de troupeau qui en résulte et contribuer à la formation de bulles financières. Nous pensons que nos résultats
attirent sérieusement l'attention sur les plateformes de trading de copie qui prolifèrent de nos jours, et espérons que
les résultats déclencheront davantage de recherches dans un proche avenir.
avenir.
Nous pensons que l'approche réglementaire optimale du commerce social devrait englober une variété de
dimensions et que des recherches supplémentaires sont nécessaires pour la guider. Un domaine potentiellement
fructueux à considérer réside dans l'étude des facteurs qui atténuent potentiellement la prise de risque excessive
dans le commerce social. Il peut s'agir d'analyser le rôle du cadrage de la fourniture d'informations ou de classer les
traders en fonction de leur prise de risque, comme le font déjà certaines plateformes de copy trading. Ces
classifications des risques sont généralement effectuées en évaluant les décisions d'investissement précédentes en
ce qui concerne l'effet de levier, la diversification du portefeuille, la volatilité des actifs choisis, etc. Cela semble être
un pas dans la bonne direction et aide à identifier les traders moins téméraires et exposés de manière
disproportionnée. Cependant, cela ne fait qu'apprivoiser la nature proliférante des risques du commerce de copie :
bien que le comportement passé donne une indication des attitudes à l'égard du risque d'un commerçant individuel,
il peut ne pas être un bon prédicteur du comportement futur. De plus, il existe des centaines de milliers de
commerçants actifs sur les plateformes de trading de copie. Ainsi, même en tenant compte du risque, il y a de fortes
chances que, dans une certaine catégorie de risque, les investisseurs qui prennent le plus de risques dominent
toujours le classement. Une avenue peutêtre plus fructueuse pourrait être de conseiller aux copieurs de copier
plusieurs commerçants (divers investis), augmentant ainsi la diversification et réduisant l'exposition au risque. Nous
pensons qu'une meilleure compréhension des implications des propriétés institutionnelles des plateformes de trading
de copie peut finalement conduire à de meilleurs résultats pour les traders individuels et la société dans son
ensemble. Nous espérons que ce document n'est qu'un premier pas dans cette
direction.
21
Machine Translated by Google
7 Annexe
7.1 Preuve de la proposition 1
Comparaison de vs. : Analysons d'abord le comportement optimal de l'actif . Considérons la dernière
période où il faut choisir entre détenir l'actif ou le vendre, soit = 40.
Le niveau d'aversion au risque qui rend l'investisseur indifférent entre vendre l'actif à = 40, ou le
conserver, est celui qui résout l'égalité suivante :
que compte tenu de la forme fonctionnelle CRRA équivaut à résoudre :
1− 1−
1 = (1 − )(1 + ) + (1 + ) (1)
Notez que l'égalité est indépendante de la valeur réelle de la richesse. Ainsi, l'investisseur vend si et seulement
si ≥ .
Considérons maintenant la période = 39. Nous avons montré dans le paragraphe précédent que si
≥ l'investisseur vend à = 40, et donc la décision de détenir ou de vendre l'actif à = 39 est décrite
par l'équation (1), et par conséquent par . Si , le niveau d'aversion au risque e qui rend
l'investisseur indifférent entre vendre l'actif à = 39, ou le conserver jusqu'au bout, est celui qui résout
l'égalité suivante :
que l'utilisation de la forme fonctionnelle CRRA se réduit à :
1− 1−
1 = [(1 − )(1 + ) + (1 + ) ] 2 (2)
En continuant à reculons dans l'analyse de l'arbre de décision, il est immédiat que l'argument cidessus
s'étend. A savoir, à toute période , si ≥ l'investisseur vend, et si compare la valeur de l'actif
à , ( ), avec la valeur de continuation de sa détention jusqu'à la fin, conduisant à la comparaison suivante :
1−
1 = [(1 − )(1 + ) + (1 + ) 1− ] 40− +1 (3)
22
Machine Translated by Google
vendrait l'actif. Il est défini par
Dans la période 39, le MD fait face à un problème similaire mais a plus d'options. Il peut vendre l'actif au prix
actuel ou il peut décider de vendre l'actif dans la période 40 à condition que le prix ait augmenté ou baissé dans la
période 39. Cette valeur d'option rend la détention de l'actif dans la période 39 légèrement plus attrayante et conduit
à ¯39 ¯40. Selon la même logique, ¯ ¯40 pour tout 40 Ainsi, ¯40 est une borne inférieure
pour le prix de vente. Ces valeurs de réservation dépendant du temps rendent l'analyse très complexe. Cependant,
il s'avère qu'ils ne sont pas pertinents pour les paramètres que nous considérons, comme nous le soutenons
maintenant.
Considérons d'abord la valeur d'utilité de la détention de l'actif jusqu'à la fin. Nous pouvons calculer la
l'utilité espérée qui en résulte comme
40
40− 40− 40
X £ ¡ (0)(1 + ) (1 + ) ¢ (1 − ) + ¡ 1 − (1 − ) 40¢ (50)¤ (5)
µ40 ¶ (1 )
=0
préférez l'actif . ¤
23
Machine Translated by Google
7.2 Consignes expérimentales
Introduction
Bienvenue au laboratoire AWI. L'expérience prendra environ une heure et à la fin de l'expérience, vous serez
payé en espèces. Le paiement que vous recevez pour l'expérience dépend de vos propres décisions et du hasard.
Vous pouvez faire tous vos choix sur votre ordinateur. Veuillez ne pas parler aux autres participants. Si vous
avez des questions, veuillez lever la main et quelqu'un viendra.
Veuillez maintenant lire attentivement les instructions. Vous pouvez utiliser du papier et un crayon et prendre des notes à
tout moment.
L'expérience d'aujourd'hui est composée de trois parties. La partie 1 est un questionnaire sur les choix de loterie. La
partie 2 se compose de 2 tours au cours desquels vous devrez choisir parmi divers actifs financiers. La partie 3
contient un autre questionnaire.
Paiement
À la fin de l'expérience, l'une de vos décisions de la partie 1 ou 2 sera sélectionnée au hasard pour le paiement.
Cela se fait en lançant un dé. Si le dé indique « 1 » ou « 2 », votre paiement dépend de la partie 1. Si le dé indique
« 3 » ou « 4 », le paiement dépend du résultat de la partie 2, tour 1. Enfin, si le dé indique "5" ou "6", le paiement
dépend du résultat de la partie 2, tour 2.
Vous recevrez votre paiement en espèces à la fin de l'expérience. Chaque participant
apprendra seulement son propre paiement.
Partie 1
Dans la partie 1, vous devez choisir une loterie parmi 4 loteries. Toutes les loteries ont deux montants en euros
possibles qui dépendent d'un tirage au sort (qui sera effectué si cette partie est choisie pour le paiement). Les loteries
ne diffèrent que par les montants en euros possibles associés aux résultats de pile et face.
Loterie Face Face 7,20 6,40
1 8 18,60
2 15 4,00
3
4 20,80 0,80
Par exemple, si vous choisissez la loterie 2 et qu'à la fin la pièce que vous lancez est pile, alors
vous recevez 6,40 euros si la partie 1 est sélectionnée pour le paiement.
24
Machine Translated by Google
Partie 2
Dans la partie 2, il y a deux tours, qui sont indépendants l'un de l'autre. Au début
de chaque tour, vous devez sélectionner l'un des quatre actifs financiers possibles : , , ou .
Les prix des actifs suivent différents processus aléatoires sur 40 périodes. Tous les actifs commencent avec un
prix de 100 Taler (T).
• Le prix de l'actif est constant à 100 T pour les 40 périodes.
en baisse de 4 % avec probabilité 1 2 .
1 2 .
• Pour l'actif à chaque période, il y a 4 % de chances qu'il y ait un krach boursier et que le prix de l'actif
passe à 50T et y reste jusqu'à la fin. S'il n'y a pas de crash, le prix de l'actif à chaque période augmente
de 10 % avec probabilité de 3 % avec probabilité et descend
1 2
1 2 .
Les mouvements de prix au cours d'une période sont indépendants des mouvements de prix des périodes précédentes.
Après chaque période, vous voyez graphiquement le chemin du prix de l'actif que vous avez choisi. Ensuite,
vous devez décider si vous souhaitez conserver l'actif jusqu'à la prochaine période ou si vous souhaitez le vendre
au prix actuel.
Avant de décider quel actif choisir, vous avez la possibilité de simuler les réalisations des différents actifs. Notez
qu'il existe de très nombreuses réalisations différentes du processus stochastique. L'ordinateur simulera au hasard
certains d'entre eux. Pour démarrer la simulation, vous pouvez appuyer sur le bouton "Simulations" sous l'asset que
vous souhaitez simuler. Vous pouvez appuyer autant de fois que vous le souhaitez, et pour tous les actifs que vous
souhaitez.
Votre gain est déterminé par le prix auquel vous vendez votre bien (ou, si vous le conservez jusqu'à la période
40, par le prix final). Au final, chaque Taler vaut 0,20 Euro. Au tour 2 de la partie 2, vous devez choisir à nouveau
parmi les 4 mêmes actifs. Avant de faire cela, vous pouvez voir les résultats d'un groupe de sujets qui ont participé
à une expérience précédente. Ils étaient dans la même situation que vous, c'estàdire que c'était la première fois
qu'ils jouaient à ce jeu.14
1 4Ces deux dernières phrases n'étaient présentes que dans les instructions de INFO et COPY.
25
Machine Translated by Google
Vous avez maintenant la possibilité de "copier" l'un des sujets de la liste. Lorsque vous copiez un sujet,
l'ordinateur choisit pour vous les mêmes atouts et décisions que le sujet choisi à son second tour (rappelez
vous que les résultats de la liste sont issus des sujets du premier tour). En d'autres termes, vous obtiendrez
exactement le même gain que le sujet choisi lors de son deuxième tour. Alternativement, vous pouvez décider
vousmême d'un actif et décider de la durée de sa conservation15.
Une fois que tous les sujets ont terminé avec cette partie, nous passons à la partie 3, qui est un calcul
questionnaire érisé.
Partie 3
C'est la dernière partie de l'expérience. Il consiste à répondre à quelques questions.
1. Votre domaine d'études :
• économie
• sciences naturelles
• math
• autre
2. Votre sexe : masculin 0 féminin
4. "Lorsque j'achète un nouveau smartphone (ou ordinateur portable), je choisis généralement celui qui m'a
été recommandé par des amis." Je suis d'accord avec cette affirmation, sur une échelle de 0 à 5, à ...
5. "Lorsque j'achète un nouveau smartphone (ou ordinateur portable), je lis généralement tous les rapports
de test, puis je décide du meilleur, même si aucun de mes amis n'a un tel téléphone." Je suis d'accord
avec cette affirmation, sur une échelle de 0 à 5, à ...
6. Comment vous voyezvous : Êtesvous généralement une personne qui suit son propre chemin ?
7. Comment vous voyezvous : êtesvous généralement une personne qui suit l'exemple des autres ?
1 5Ce paragraphe figurait uniquement dans les instructions de traitement COPY.
26
Machine Translated by Google
Références
[1] AlósFerrer, C et K. Schlag (2009), « Imitation and Learning », dans The Handbook of Rational
and Social Choice, éd. par P. Anand, P. Pattanaik et C. Puppe. Presse universitaire d'Oxford.
[2] Apesteguia, J. et MA Ballester (2018), «Modèles de choix stochastiques monotones: le cas des
préférences de risque et de temps», Journal of Political Economy, 126 (1): 74106.
[3] Apesteguia, J., S. Huck et J. Oechssler (2007), « Imitation Theory and Experimental Evidence »,
Journal of Economic Theory, 136 : 217235.
[4] Baghestanian, S., PJ Gortner et JJ van der Weele (2016), « Peer Effects and Risk Sharing in
Experimental Asset Markets », mimeo, Université d'Amsterdam.
[5] Bikhchandani, S., D. Hirshleifer et I. Welch (1992), "A Theory of Fads, Fashion, Custom, and
Cultural Change as Informational Cascades", Journal of Political Economy, 100(5):992— 1026.
[6] Bock, O., I. Baetge et A. Nicklisch (2014), « hroot : outil en ligne d'enregistrement et d'organisation
de Hambourg », European Economic Review, 71:117—120.
[7] Cox, JC, Ross, SA et Rubinstein M (1979), « Prix des options : une approche simplifiée », Journal
of Financial Economics, 7(3):229263.
[8] De Long, JB, A. Shleifer, LH Summers et RJ Waldmann (1990), « Noise Trader Risk in Financial
Markets », Journal of Political Economy, 98(4):703—738.
[9] Eckel, C. et P. Grossman (2002), « Différences entre les sexes et stéréotypes statistiques dans
les attitudes à l'égard du risque financier », Evolution and Human Behavior, 23(4):281295.
[10] Einav, L, A. Finkelstein, I. Pascu et MR Cullen (2012), « Dans quelle mesure les préférences de
risque sontelles générales ? Choix sous incertitude dans différents domaines », American
Economic Review 102(6):26062638.
[11] Ensthaler, L., O. Nottmeyer, G. Weizsäcker et C. Zankiewicz (2017), « Hidden Skew ness: On
the Difficulty of Multiplicative Compounding Under Random Shocks », Management Science,
64(4):1693 1706.
27
Machine Translated by Google
[12] Fischbacher, U. (2007), « zTree : Zurich Toolbox for readymade economic experi
ments », Experimental Economics 10(2):171178.
[13] Frydman, C. et Wang, B. (2017), "L'impact de la saillance sur le comportement des investisseurs :
Preuve d'une expérience naturelle », mimeo.
[14] Heimer, R. (2016), « Pression des pairs : interaction sociale et effet de disposition »,
Revue des études financières, 29:31773209.
[15] Kirchler, M., F. Lindner et U. Weitzel (2017) « Rankings and RiskTaking in the Finance Industry
», Journal of Finance, à paraître.
[16] Liu YY, Nacher JC, Ochiai T, Martino M et Altshuler Y. (2014), « Prospect
Théorie du trading financier en ligne », PLoS ONE 9(10).
[17] Magnani, J. (2015), « Test de l'effet de disposition sur les décisions d'arrêt optimales »,
Revue économique américaine, 105(5) : 371375.
[18] Offerman, T., et A. Schotter (2009), "Imitation and Luck: An Experimental Study on Social
Sampling, Games and Economic Behavior", 65(2):461—502.
[19] Oprea, R., D. Friedman et ST Anderson (2009), « Learning to Wait : A Laboratory Investigation »,
Review of Economic Studies, 76(3):1103—1124.
[20] Pan W., Y. Altshuler et A. Pentland (2012), « Decoding Social Influence and the Wis dom of the
Crowd in Financial Trading Network », Actes de la conférence internationale ASE/IEEE 2012 sur
l'informatique sociale.
[21] Pelster, M. et A. Hoffmann (2018), "About the Fear of Reputational Loss: Social Trading and the
Disposition Effect", mimeo, Université de Paderborn.
[22] Sandri, S., Schade, C., Musshoff, O., et Odening, M. (2010), « Tiens bon trop longtemps ? Une
étude expérimentale sur l'inertie dans les choix de désinvestissement des entrepreneurs et des
nonentrepreneurs. Journal of Economic Behavior and Organization, 76(1):3044.
[23] Scharfstein, DS et JC Stein (1990), « Herd Behaviour and Investment », American
Revue économique, 80(3):465—79.
[24] Shefrin, H. et Statman, M. (1985), "La disposition à vendre les gagnants trop tôt et à rouler les
perdants trop longtemps : théorie et preuves." Journal of Finance, 40:777—790.
28
Machine Translated by Google
[25] Sirri, ER, et P. Tufano (1998), « Costly search and mutual funds flows », Journal of Finance, 53(5):1589
—1622.
[26] VegaRedondo, F. (1997), "L'évolution du comportement walrasien", Econometrica,
65:375—384.
[27] Weber, UE, A.R. Blais et NE Betz (2002), « Échelle d'attitude à l'égard du risque spécifique à un
domaine : mesurer les perceptions du risque et les comportements à risque », Journal of Behavioral
Deci sion Making, 15:263—290.
29