Behavioral Finance (Finance Comportementale)

Exemple :

Expérience de Kahneman & Tversky : Option A : Gagner $100 avec certitude Option B : 50% de gagner $200, 50% de gagner $0 → Valeur attendue identique ($100) → La majorité choisit A (risk-averse pour les gains) Option C : Perdre $100 avec certitude Option D : 50% de perdre $200, 50% de perdre $0 → Valeur attendue identique (-$100) → La majorité choisit D (risk-seeking pour éviter les pertes !) Conclusion : Les humains ne sont PAS rationnels. Ils sont risk-averse pour les gains, risk-seeking pour les pertes.

Exemple :

Fonction Classique (Expected Utility Theory) : U(W) = log(W) → Aversion au risque symétrique Prospect Theory Value Function : v(x) = x^0.88 si x ≥ 0 (gains) v(x) = -2.25 × (-x)^0.88 si x < 0 (pertes) Le coefficient -2.25 capture la loss aversion. Implication : Une perte de $100 a le même impact émotionnel qu'un gain de $225.

Exemple :

Action achetée à $100 : Scénario 1 : Prix actuel = $80 → Perte non-réalisée de -$20 → L'investisseur refuse de vendre (ne veut pas 'réaliser' la perte) → Il espère que le prix remonte à $100 (break-even bias) Scénario 2 : Prix actuel = $120 → Gain non-réalisé de +$20 → L'investisseur vend rapidement (lock in the gain) Rationnellement, le prix d'achat est un 'sunk cost' et ne devrait pas influencer la décision. Mais les humains ne sont pas rationnels.

Exemple :

Études empiriques : • 74% des fonds mutuels croient qu'ils battront leur benchmark (alors que seulement 15% y parviennent) • Les investisseurs individuels qui tradent le plus (overconfident) génèrent les pires rendements : -6.5% par an vs marché • Les hommes tradent 45% plus que les femmes et sous-performent de 2.65% par an (Barber & Odean 2001) Overconfidence → Overtrading → Sous-performance

Exemple :

Investisseur bullish sur Tesla : • Lit uniquement les articles positifs sur Tesla • Ignore les rapports de short-sellers (Citron, etc.) • Interprète les mauvaises nouvelles comme 'temporaires' • Ne vend jamais malgré les signaux baissiers Résultat : Manque d'objectivité, décisions biaisées.

Exemple :

Action qui a atteint $200 en 2021, maintenant à $50 : L'investisseur pense : '$50 c'est cheap, c'était $200 avant !' → Ancrage sur le prix haut historique (non-pertinent) → Peut-être que les fondamentaux ont changé et $50 est le juste prix Autre exemple : IPO à $100 → Les investisseurs ancrent sur $100 même si le prix tombe à $30 → 'C'est une opportunité, c'était $100 à l'IPO'

Exemple :

Bulles alimentées par le herding : • Tulipomanie (1637) : 'Tout le monde achète des tulipes' • Dot-com (2000) : 'Internet va tout changer, achète n'importe quoi .com' • Immobilier (2007) : 'House prices only go up' • Crypto (2021) : 'Bitcoin to $1 million, buy now or regret forever' Le herding crée des feedback loops : Prix monte → Plus de gens achètent → Prix monte encore → Bulle.

Exemple :

2000 (bulle dot-com) : • S&P 500 : +20% par an de 1995-1999 • Investisseurs : 'The new normal ! Tech va toujours monter !' • Résultat : Krach -50% en 2000-2002 2021 (bulle tech/crypto) : • Tech FAANG : +40% par an de 2019-2021 • Investisseurs : 'FAANG ne peut pas baisser, achète la dip' • Résultat : -30% à -80% en 2022 La moyenne historique (100+ ans) est +10% par an. Mais les investisseurs extrapolent les 3 dernières années.

Exemple :

Comportement irrationnel : • Un investisseur détient des actions perdantes dans un compte, tout en achetant les mêmes actions dans un autre compte (IRA vs taxable) • 'Cet argent vient d'un bonus, je peux prendre plus de risque' (mais c'est le même argent !) • Refus de vendre à perte pour 'ne pas réaliser la perte' (mais la perte est réelle, papier ou non) Rationnellement : $100 = $100, peu importe la source.

Exemple :

Anomalies comportementales : • Momentum : Sous-réaction initiale (anchoring, conservatism) → trend • Value Effect : Sur-réaction aux mauvaises nouvelles (loss aversion, recency bias) → undervaluation • Disposition Effect : Les investisseurs vendent winners et gardent losers → momentum amplifié Ces anomalies existent depuis 50+ ans et persistent malgré leur documentation publique.

Exemple :

S&P 500 Volatilité annuelle : σ = 15-20% Volatilité des dividendes futurs réalisés : σ = 2-3% Ratio : 15% / 2.5% = 6× Les prix bougent 6 fois plus que justifié par les fondamentaux ! Explication behavioral : Overreaction, herding, sentiment shifts, fear & greed.

Exemple :

Cycle d'une bulle (Minsky Model) : 1. Displacement : Nouvelle technologie (internet, crypto) 2. Boom : Prices monte, early investors profit 3. Euphoria : 'This time is different', everyone buys (FOMO) 4. Profit-Taking : Smart money vend 5. Panic : Réalisation que c'était une bulle, rush to exit 6. Crash : Prix s'effondre -50% à -90% Exemples : Tulipes 1637, South Sea 1720, 1929, dot-com 2000, immobilier 2007, crypto 2021.

Exemple :

Save More Tomorrow (Thaler & Benartzi) : • Problème : Les gens épargnent trop peu pour la retraite (procrastination, présent bias) • Solution : Auto-enrollment dans 401(k) + augmentation automatique du taux d'épargne à chaque augmentation salariale • Résultat : Taux d'épargne passe de 3% à 13% en moyenne C'est un 'nudge' : la liberté de choix est préservée, mais le default est optimal.

Exemple :

Stratégies anti-biais : • Checklist systématique avant chaque trade (pilotes d'avion style) • Stop-loss automatique pour éviter le disposition effect • Dollar-Cost Averaging pour éviter market timing (recency bias) • Diversification forcée (pas plus de 5% par position) pour contrer overconfidence • 'Sleep on it' rule : Attendre 24h avant tout trade >$10k Warren Buffett : 'Be fearful when others are greedy, greedy when others are fearful' (anti-herding).

Exemple :

Warren Buffett (crise 2008-2009) : • Mars 2009 : S&P 500 à 666 (panic maximum) • Sentiment : 'The financial system is collapsing' • Buffett : Achète massivement (GE, Goldman Sachs, Bank of America) • 2024 : S&P 500 à 5,000+ (gain +650%) Contrarian indicators : • VIX >40 : Fear extrême → opportunité d'achat • Put/Call Ratio >1.5 : Excessive bearishness → bottom • Magazine covers 'Death of Equities' → buy signal

Exemple :

Momentum : Sous-réaction initiale + sur-réaction tardive Value Effect : Sur-réaction aux mauvaises nouvelles Low-Vol : Lottery preferences, leverage constraints Chaque anomalie a sa propre explication. Pas de théorie générale.

Exemple :

Short Tesla en 2019 (semblait surévalué) : • Valuation : P/E >100, perte de $1B/an • Shorts : 'C'est irrationnel, herding, bulle' • Résultat : Tesla +1,200% en 2020-2021 • Shorts perdent $40 milliards (record) Même si le diagnostic behavioral était correct, le timing était catastrophique.

Exemple :

Action qui monte 6 mois consécutifs : Explication 1 (Momentum) : Sous-réaction, ça va continuer → BUY Explication 2 (Mean-Reversion) : Sur-réaction, ça va reverser → SELL Laquelle est correcte ? Dépend du contexte (timeframe, amplitude). La finance comportementale ne donne pas de règle claire.