Séance du 5 novembre 2016 Finance...
Transcript of Séance du 5 novembre 2016 Finance...
Cours de Finance (M1)
Séance du 5 novembre 2016Finance comportementale
1
Séance du 5 novembre 2016Finance 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 ?
2
Du hasard à la Bourse
La notion de hasard « pur » Issue des jeux de « hasard » Tirage de dés non pipés, roulette, jeu à pile ou
face Angle d’une aiguille lancée en l’air Souvent liée à une équirépartition des risques
Probabilités uniformes Tirage à pile ou face Deux événements : pile et face
Probabilité que la pièce tombe sur pile
Hasard pur défini par opposition au déterminisme
3
http://www.pourlascience.fr/ewb_pages/a/article‐les‐des‐sont‐pipes‐23561.php
Du hasard à la Bourse
Le numéro qui apparaît au moment du tirage d’un dé (non pipé) est parfaitement connu dès le lancer … Tout est gouverné par les équations de la mécanique
Vitesse de lancer, angle, capacité d’absorption de l’énergie cinétique de la surface
Forte dépendance du tirage observé par rapport à une faible variation des conditions initiales
« effet papillon », théorie du chaos, … « Attracteurs étranges » : ensemble de conditions terminales ou
d’observations « fréquemment » observées Dans des circonstances « normales », tout se passe comme si l’on
avait un tirage équiprobable Mais on peut s’en écarter fortement Voir le numéro du magazine Pour la Science, novembre 2009, n°385
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
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 controversées6
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
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’investissement8
Du hasard à la Bourse
Quelles lois de probabilité pour les rentabilités ? Loi « normale » ou gaussienne très souvent utilisée
Courbe « en cloche » Dépendant de deux paramètres (moyenne et écart-type)
Souvent critiquée… Sous-estimation de l’occurrence de krachs boursiers Il faut prendre en compte les fluctuations de la volatilité
9
Du hasard à la Bourse
Markovitz est à l’origine d’un saut qualitatif Modélisation probabiliste des rentabilités boursières Les rentabilités sont des variables aléatoires
On peut calculer leur espérance
Leur écart-type
Le coefficient de corrélation entre deux rentabilités
Les choix de portefeuille deviennent un problème d’ingénieur financier
10
Du hasard à la Bourse
Comment déterminer l’espérance de la rentabilité À partir d’observations historiques
Moyenne des rentabilités passées sur une longue période Converge vers la rentabilité attendue (espérée)
Répétition d’expériences ? Pour un jeu de dés, grand nombre de lancers fréquence d’apparition d’un nombre donné, disons 3
Nombre d’apparitions du nombre 3 rapporté au nombre de tirages
Fréquence : approximation de la probabilité Approche fréquentiste
Peu applicable à la Bourse11
Finance et probabilités
Différence entre jeu de dés et évolution des cours boursiers ?
Pour le jeu de dés, on connaît a priori la loi de probabilité d’apparition des numéros De par la nature même du jeu Probabilité uniforme
On ne connaît pas a priori les lois de probabilité des rentabilités boursières
12
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
F. KnightDu 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
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
L. SavageFinance 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 fixes16
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 Cohérence avec le modèle d’évaluation des actifs
financiers (MEDAF) Finance comportementale
17
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 Part III Overconfidence Part IV Choices
18
Finance comportementale
Mise en perspective de la théorie 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 Cadrage en gros plan Concepts très utiles pour tout
décideur financier
19
« Biais d’optimisme » Surestimation de ses capacités
Tendance à surévaluer les chances de succès et minimiser les risques d’échec
Notamment en matière d’investissements boursiers et au niveau des entreprises
Ne pas confondre initié et prétentieux ! Sous-estimer les capacités des
«adversaires » Si un vendeur trouve avantageux de vendre à
un prix donné, pourquoi lui acheter à ce prix ? Un teneur de marché (market maker) est-il un
concurrent ou un conseiller de ses « clients » ?
20
http://www.youtube.com/watch?v=qzJxAmJmj8w
http://www.philomag.com/les-idees/entretiens/daniel-kahneman-les-gens-sont-infiniment-compliques-7155
Finance comportementale
Finance comportementale Hasard et incertitude créent un sentiment
d’insécurité D. Kahneman en équations :
Success = talent + luck Great success = a little more talent + a lot of luck.
Tendance à surévaluer le talent de ceux qui ont réussi par rapport à la part de la chancedans leur succès Cela ne veut pas dire qu’ils manquent de talent, ni
d’humour …
Un biais cognitif courant consiste donc à minimiser l’effet du hasard
Ceci contribue d’ailleurs à alimenter le besoin en prévisionnistes et experts « Financial gurus »
http://www.marketoracle.co.uk/Article43686.html 21
L’oracle d’Omaha …
Prévision à 3 ans du niveau des actions US, site marketoracle
Finance comportementale Recherche de « causalités » a posteriori
« Narrative fallacy » (Nassim Taleb) Reconstruction du passé afin de lui donner un sens
Le jour où Saddam Hussein a été capturé, les prix des bons du trésor américain ont augmenté
Bloomberg transmis le flash d’information suivant US Treasuries rise; Hussein capture may not curb
terrorism ½ heure après, les prix des bons du trésor américain
repartent à la baisse et Bloomberg révise son gros titre US Treasuries fall; Hussein capture boosts allure of
risky assets Tendance à reconsidérer ses propres croyances
(passées) en fonction du futur réalisé Biais rétrospectif (Baruch Fischhoff) Exemple de la sortie de la Grèce de la zone euro 22
Finance comportementale
Biais de sélection, biais du survivant Processus de sélection naturelle
Darwin place le hasard au centre de l’évolution Les gérants de portefeuilles qui se trompent font
perdre de l’argent à leurs clients disparaissent … 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
23
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!
Citations de Darwin
Évolution de la richesse en jouant à pile ou face (gain de +/- un euro) : marche aléatoire
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 …
Battre le marché ?
24
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 graphique de gauche montre l’évolution de la richesse en jouant à pile ou face (gain de +/- un euro) : marche aléatoire
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
Battre le marché ?
25
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 marché26
Battre le marché ?
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
27
Battre le marché ? Grossman et Stiglitz
Si les investisseurs sont rationnels, les initiés ne peuvent bénéficier de leur information privée Ceci est aussi connu comme le paradoxe
d’Aumann Le processus de négociation révèle les prix Anticipations rationnelles
Les investisseurs non intiés mais rationnels sont des passagers clandestins
De ce fait personne n’accepte de payer pour l’analyse financière : inefficience
Noise traders (idiots) sont indispensables…
28
R. AumannThéorie des jeux
S. GrossmanAnticipations rationnelles
Battre le marché ?
Après l’enthousiasme des pionners, de nombreux auteurs ont mentionné des « anomalies de marché » Effet du lundi, des petites capitalisations boursières Il s’est avéré que les méthodologies statistiques étaient
erronnées (data snooping) Depuis quelques années, il y a un nouveau courant de
recherches plus rigoureuses à propos des anomalies Peut-on « battre le marché » ?
En principe, l’efficience de marché implique l’absence d’opportunités d’arbitrage (AOA)
Mais la présence de coûts de transaction sur les marchés financiers atténue la portée du concept d’AOA
29
Battre le marché ?
Rothschild et la bataille de Waterloo La bourse de Londres à l’arrêt Le système d’information des
Rothschild High Frequency Trading
La transmission d’information par les ordres Une erreur dans le raisonnement
récursif Keynes et le concours de beauté Initié et manipulation boursière
30
Battre le marché ?
Cette histoire est romancée Et non dénuée d’arrière-pensées …
Le montant allégué des gains n’est pas compatible avec la taille du marché des obligations à l’époque
Selon l’historien . Ferguson, N. Rothschild n’aurait cherché qu’à se protéger contre la baisse d’un important stock d’or
31
Il jouait à la baisse, et montait à mesure Que notre chute était plus profonde et plus sûre ; (….)
Un million joyeux sortit de Waterloo ; Si bien que du désastre il a fait sa victoire.Victor Hugo, Contemplations, Melancholia, 1838
THE HOUSE OF ROTHSCHILDMoney's Prophets, 1798-1848
Battre le marché ?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
32
Fed (2008)
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
33
Battre le marché ?Fed (2008)
Quantitative easing : augmentation du bilan et achats d’actifs risqués par la Fed après la faillite de Lehman
34
En orange, achats massifs de titres hypothécairesMBS : mortgagebacked securities
Battre le marché ?Fed (2008)
35http://www.federalreserve.gov/pubs/feds/2013/201301/index.html#fig3
Montants reversés par la Fed au trésor américain (en milliards de dollars)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
Battre le marché ?Fed (2008) Un timing parfait pour les achats ?
Évolution de l’indice S&P500 depuis 1997
36
Battre le marché ?Fed (2008)
37http://www.oftwominds.com/blogapr14/Fed-housing4-14.html
Achats importants aux moments opportunset un allègement du portefeuille quand lemarché est au plus haut. Un timing parfait.
On voit qu’une partie importante des résultats est liée à l’achat de titres hypothécaires dépréciés.
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
And it made $26 billion from its holdings of $1.1 trillion in government debt.
The Fed also made $45 billion from its portfolio of roughly $1 trillion in mortgage-backed securities.
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 bank Bear Stearns and the insurance company American International Group
38
http://www.nytimes.com/2011/03/23/business/economy/23fed.html?_r=2&ref=business&
Bias cognitifs : comment reconnaître l’aléatoire ?
Comme le montre D. Kahneman, l’appréhension 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 cause à effet (narrative fallacy)
Le « système 1 » du cerveau humain est une « machine interprétative » (jumping to conclusions)
Exemples de biais cognitifs courants On suppose que les rentabilités boursières suivent une marche
aléatoire À la date courante, le « hit » prend la valeur 1 si la rentabilité est
positive, 0 sinon. Une chronique boursière va alors induire une suite de valeurs 101101
39
Bias cognitifs : comment reconnaître l’aléatoire ?
Si l’hypothèse de marche aléatoire est vérifiée, alors les valeurs successives de 0 ou de 1 sont indépendantes et la probabilité d’obtenir la valeur 0 ou 1 est ½ 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 marché aléatoire et celles qui ne le sont pas? Quelles sont les évolutions les plus probables, les moins probables ?
40
Bias cognitifs : comment reconnaître l’aléatoire ? L’exemple précédent illustre les problématiques associées au
big data et au data mining en matière financière Autre exemple du même type
Graphique de gauche : distribution équirépartie « uniforme » totalement non aléatoire
Graphique de droite : distribution tirée d’une loi de probabilité uniforme
41
Bias cognitifs : comment reconnaître l’aléatoire ?
Londres au moment de la 2ième guerre 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
42
Bias cognitifs : comment reconnaître l’aléatoire ?
Reprenons notre graphique et divisons le en 4 parties égales séparées par les diagonales
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/
43
Finance comportementaleIllusions statistiques
Les graphiques précédents ont une implication pratique pour la gestion financière… En abscisses, la rentabilité en , en
ordonnées la rentabilité en 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 bissectrice
Il s’agit d’un « claire indication » en faveur d’une stratégie « contrarian »
44
,,
Buy to the sound ofcannons, sell to thesound of trumpetsNathan Rothschild 1810
Bias cognitifs : comment reconnaître l’aléatoire ?
« Contrarian vs momentum»
45
Warren Buffet
Les stratégies momentum parient sur l’extrapolationde tendances, les stratégies contrarian sur un retourà la moyenne. Dans un cas comme dans l’autre, onne croit à l’hypothèse de marchés efficients
Bias cognitifs : comment reconnaître l’aléatoire ?
Les deux systèmes cognitifs Système automatique ou système 1
Intuitif, instinctif Système réflectif ou système 2
Rationnel
46
Système automatique Système réflectifNon contrôlé ContrôléSans effort Exige des effortsAssociatif Déductif
Rapide LentInconscient Conscient
Exprime un talent Applique des règles
Bias cognitifs : comment reconnaître l’aléatoire ?
Les deux systèmes cognitifs à l’oeuvre Deux tables (R. N. Shepard (1990), Mind
Sights)
47
Bias cognitifs : comment reconnaître l’aléatoire ?
Le système 1 nous indique que la table de gauche est plus longue et étroite que celle de droite 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 Dès des raisonnements statistiques et de prise de risque sont
en jeu, ce type de biais est fréquent
48
Bias cognitifs : comment reconnaître l’aléatoire ?
Deux tables (R. N. Shepard (1990), Mind Sights)
49
Parce que tu m’as vu, tu as cru. Heureux ceux qui n’ont
pas vu, et qui ont cru !Jean 20, 29
L’incrédulité de Saint Thomas
Bias cognitifs : comment reconnaître l’aléatoire ?
Nudge, la méthode douce pour inspirer la bonne décision
Nudge: Improving Decisions About Health, Wealth, and Happiness
Richard H. Thaler et Cass R. Sunstein R. Thaler, université de Chicago
un des pères de la finance comportementale Behavioral finance
Partie 2 : l’argent 6 Demain, j’épargnerai plus 7 L’investisseur candide 8 Le crédit : la bouteille à l’encre
50
Bias cognitifs : comment reconnaître l’aléatoire ?
To the untrained eye, randomness appears as regularity or tendency to cluster
William Feller Les statisticiens Dickey et Fuller se sont intéressés
aux marches aléatoires , , correspond à l’absence de
tendance et de force de rappel (marche aléatoire) Pour une volatilité annuelle de 25%, on a en
moyenne une augmentation de 20% pour un marché haussier
Et une diminution de 20% si le marché baisse…
51
Dickey
Feller
Fuller
Finance, probabilités, statistiques et leur bon usage
Quelques références complémentaires sur les problèmes méthodologiques A Statistical Guide for the Ethically Perplexed
L. Hubert & H. Wainer http://www.crcpress.com/product/isbn/9781439873687
Le livre ne concerne pas particulièrement la finance, mais on retrouve les mêmes problèmes méthodologiques dans d’autres domaines où les données sont importantes pour la prise de décision
4.3 : paris et le « spread betting », 5 : corrélation et 6 : prévision http://www.youtube.com/watch?v=6c1WDlTXceM (pour une
présentation par un des auteurs Transparents sont en accès libre, mais moins en rapport avec le cours
Ce que mesurent les probabilités M. Cozic & B. Walliser
http://www.centre-cournot.org/?wpfb_dl=114 Ontologique/objectif/irréductible/fréquentiste vs
épistémique/subjectif/radical/révélation
52
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
53 54
Robert Shiller : « j’ai fait ma thèse sur les anticipations rationnelles. Quand je la relis aujourd’hui, je suis mort de rire
55 56
57
Outre la cause due à la spéculation, l'instabilitééconomique trouve une autre cause, inhérentecelle‐ci à la nature humaine, dans le fait qu'unegrande partie de nos initiatives (…) procèdentplus d'un optimisme spontané que d'uneprévision mathématique.
58
Nos décisions (…) doivent être considérées pour laplupart comme une manifestation de notreenthousiasme naturel (as the result of animal spirits) ‐comme l'effet d'un besoin instinctif d'agir plutôt quede ne rien faire ‐, et non comme le résultat d'unemoyenne pondérée de bénéfices numériquesmultipliés par des probabilités numériques
Keynes, « l’incitation à investir », dans Théorie générale…
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
59 60
Alan Greenspan: But how do we know when irrational exuberance has unduly escalated asset values?
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 (Valeur Actuelle Nette) négative
61