décisions et biais des investisseurs aux marchés
TRANSCRIPT
© Mélanie Brière, 2019
Décisions et biais des investisseurs aux marchés financiers : une analyse expérimentale
Mémoire
Mélanie Brière
Maîtrise en économique - avec mémoire
Maître ès arts (M.A.)
Québec, Canada
Décisions et biais des investisseurs aux marchés financiers – une analyse expérimentale
Mémoire
Mélanie Brière
Sous la direction de :
Sabine Kröger, directrice de recherche
ii
Résumé
Dans le cadre de ce mémoire, nous proposons d’étudier l’effet de deux biais sur les
investisseurs aux marchés financiers. Plus particulièrement, nous tentons de déterminer si,
conformément à la théorie, l’aversion à la perte entraîne des préférences pour de longs
horizons d’investissement et de faibles niveaux de rétroaction, et si l’aversion à l’ambiguïté
engendre pour sa part des préférences contraires.
Les données expérimentales montrent que l’effet de l’aversion à la perte sur les préférences
est minime. Toutefois, l’aversion à l’ambiguïté aurait un effet manifeste sur celles-ci, menant
les participants à préférer de courts horizons d’investissement, ainsi qu’une grande fréquence
de rétroaction. Ces préférences peuvent vraisemblablement être expliquées par le désir des
participants de mettre à jour plus rapidement leurs anticipations afin de sortir du contexte
d’ambiguïté dans lequel ils se trouvent.
iii
Table des matières
Résumé ........................................................................................................................................................... ii
Table des matières ......................................................................................................................................... iii
Liste des figures ............................................................................................................................................. iv
Liste des tableaux........................................................................................................................................... iv
Remerciements ............................................................................................................................................... v
Introduction ..................................................................................................................................................... 1
Chapitre 1 – Revue de littérature .................................................................................................................... 3
1.1. Théorie de l’utilité et bases de l’approche comportementale ........................................................ 3
1.1.1 Choix rationnel et utilité espérée ................................................................................................... 3
1.1.2 Théorie de perspective.................................................................................................................. 5
1.2 Aversion à la perte myope ............................................................................................................ 7
1.2.1 Une explication au equity premium puzzle .................................................................................... 7
1.2.2 Démonstrations empiriques du biais ............................................................................................. 8
1.2.3 Déterminants de l’aversion à la perte myope ................................................................................ 9
1.2.4 Préférences ................................................................................................................................. 12
1.3 Ambiguïté .................................................................................................................................... 13
1.3.1 Aversion à l’ambiguïté ................................................................................................................. 14
1.3.2 Biais et préférences dans le contexte d’incertitude ..................................................................... 15
Chapitre 2 – Processus expérimental ........................................................................................................... 17
2.1 Procédure ................................................................................................................................... 17
2.2 Expérience .................................................................................................................................. 17
2.2.1 Directives .................................................................................................................................... 17
2.2.2 Conditions de traitement ............................................................................................................. 21
2.2.3 Test de compétence de calcul .................................................................................................... 22
2.2.4 Préférences et questionnaire ...................................................................................................... 22
Chapitre 3 – Données et modèles proposés ................................................................................................ 24
3.1 Données recueillies ..................................................................................................................... 24
3.2. Description de l’échantillon ......................................................................................................... 27
3.3. Survol des variables d’intérêt parmi l’échantillon ........................................................................ 28
3.3.1 Préférences ................................................................................................................................. 28
3.3.2 Variables indépendantes............................................................................................................. 32
3.4 Modèle proposé .......................................................................................................................... 34
Chapitre 4 – Résultats .................................................................................................................................. 36
4.1 Interprétation des résultats des modèles probit .......................................................................... 36
4.2 Interprétation des résultats du modèle biprobit ........................................................................... 41
Conclusion .................................................................................................................................................... 45
Bibliographie ..................................................................................................................................................... 47
Annexe ......................................................................................................................................................... 49
Annexe 1. Observations supprimées ................................................................................................... 49
iv
Liste des figures
Figure 1. Fonction de valeur hypothétique selon Tversky et Kahneman (1979) ................................................. 5
Figure 2. Interface de l'expérience – Profils de dividende................................................................................. 18
Figure 3. Mise à jour des croyances ................................................................................................................. 19
Figure 4. Écran de décision du participant ........................................................................................................ 20
Figure 5. Illustration des tâches selon les deux groupes traitement ................................................................. 21
Figure 6. Illustration résumée des tâches selon les deux groupes traitement .................................................. 21
Figure 7. Illustration de l'écran - Choix des participants.................................................................................... 23
Figure 8. Variables visant à capter un possible effet d'ordre ............................................................................ 25
Figure 9. Répartition des participants selon l'âge ............................................................................................. 27
Figure 10. Résumé de la répartition des préférences selon le nombre de périodes choisies .......................... 29
Figure 11. Préférences impliquant un choix favorable pour au moins une période .......................................... 30
Liste des tableaux
Tableau 1. Préférences pour l'horizon d'investissement selon les préférences pour l'information ................... 31
Tableau 2. Détail des variables indépendantes et interprétation de leur coefficient ......................................... 37
Tableau 3. Impact des variables indépendantes sur la probabilité de choisir une faible rétroaction (F3 ou F5) 37
Tableau 4. Impact des variables indépendantes sur la probabilité de choisir un long horizon d’investissement
(H3 ou H5) ........................................................................................................................................................ 39
Tableau 5. Impact des variables indépendantes sur la probabilité de choisir F3 ou F5 et H3 ou H5................ 41
Tableau 6. Effets marginaux des variables indépendantes sur les variables indépendantes ........................... 42
v
Remerciements
En premier lieu, je souhaite remercier ma directrice de recherche, Mme Sabine Kröger,
pour son implication et sa patience vis-à-vis des nombreux délais dépassés tout au long de la
production de ce mémoire. Sa disponibilité et sa bienveillance ont été essentielles pour mener
à terme ce travail, sans compter les nombreux conseils qui ont permis de guider mon travail
et d’en améliorer grandement le contenu.
Par ailleurs, je remercie énormément Marius Sossou pour sa générosité et pour tout
le travail effectué dans le cadre de cette expérience. Une grande part de ce document s’appuie
sur une expérience qu’il a montée, et tout ce qu’il a accompli en termes d’analyse m’aura
permis d’économiser de nombreuses heures de travail. Il va sans dire que la qualité de ce
travail n’aurait pas pu être la même sans son support et sa présence.
Je remercie également tous mes proches et amis qui m’ont entendu parler de ce travail
maintes fois et qui ont toujours eu des bons mots pour m’encourager à continuer. Merci à
Charles-Éric pour sa patience et ses encouragements tout au long de ce processus. C’est grâce
à tout votre support que j’ai finalement pu compléter ce travail.
1
Introduction
Dans un contexte d’investissement aux marchés financiers, l’agent doit souvent
prendre des décisions qui impliquent un choix entre des investissements plus ou moins
risqués. Ces choix sont étudiés depuis longtemps par le domaine économique, afin de
comprendre ce qui les motive et de quelle façon ils sont effectués.
La littérature fait état de plusieurs stratégies des investisseurs aux marchés financiers.
De façon générale, une hypothèse posée considère que l’individu agit de façon rationnelle.
La théorie de l’utilité espérée, mise en évidence en 1947 par Von Neumann et Morgenstern
fournit une explication basée sur ce concept en regard aux choix des investisseurs.
La théorie de l’agent rationnel est toutefois critiquée puisqu’elle ne semble pas
expliquer correctement les comportements observés dans la réalité. En 1961, le Paradoxe
d’Ellsberg introduit le concept d’aversion à l’ambiguïté, un biais qui affecte la prise de
décision des individus dans une situation où les probabilités sont inconnues. En 1992 Tversky
et Kahneman mettent en évidence l’aversion à la perte, un biais observé chez les preneurs de
décisions dans une situation où une perte est possible. En 1985, Mehra et Prescott ont
également relevé l’existence d’un phénomène appelé premium equity puzzle. Celui-ci pointe
la différence de rendement importante entre les actions et les investissements sans risques
(p.ex. les bons du Trésor). Bernatzi et Thaler (1995) ont apporté une explication à ce
phénomène grâce à ce qu’ils nomment l’aversion à la perte myope. Ce biais cognitif explique
que plus un actif est évalué fréquemment, plus l’individu s’expose à vivre des pertes, et à
voir son utilité diminuer.
Il est également pertinent d’étudier l’impact que certains biais peuvent avoir sur les
préférences des gens concernant les paramètres de leur investissement, puisque ceux-ci
auront vraisemblablement un impact sur le rendement de leur investissement. Fellner et
Sutter (2009) ont sondé les participants d’une expérience sur leurs préférences quant à
l’horizon d’investissement et à la fréquence de rétroaction. Toutefois, les participants
n’avaient pas l’occasion d’expérimenter ces conditions avant d’effectuer leur choix. Il est
donc difficile de comprendre de quelle façon l’aversion à la perte, peut influencer les
préférences des participants.
2
De plus, cette étude se déroulait entièrement en situation de risque, ce qui ne permet
pas d’étudier l’effet que pourrait avoir l’aversion à l’ambiguïté sur les préférences.
Ce mémoire s’intéresse principalement à la façon dont l’aversion à la perte et
l’aversion à l’ambiguïté affectent les préférences des investisseurs relativement à la
fréquence de rétroaction et l’horizon d’investissement dans une situation d’incertitude.
Contrairement à ce qui a été fait dans le cadre de l’étude de Fellner et Sutter (2009),
nous pensons qu’il est préférable de laisser les individus expérimenter chacune des conditions
avant d’exprimer leurs préférences pour les paramètres d’investissement. À cet égard, nous
croyons que les individus averses à la perte pourraient préférer un horizon d’investissement
plus long et une fréquence de rétroaction moins élevée, de façon à réduire les probabilités
d’être confrontés à une perte.
De plus, de manière à obtenir des résultats qui sont généralisables au contexte
financier, il est important de tenir compte du contexte souvent ambigu auquel les individus
sont confrontés. Dans le contexte financier actuel, les investisseurs ne connaissent pas les
probabilités exactes de gain et de perte associées à leur choix. À cet égard, nous croyons que
les individus plus averses à l’ambiguïté pourraient préférer une plus grande fréquence de
rétroaction, ainsi que des horizons d’investissement plus courts afin de mettre à jour plus
fréquemment leurs croyances sur les probabilités de gain et de perte associées à chacun des
choix d’investissement possibles. Une expérience permettra de vérifier ces hypothèses et de
déterminer quelle est la force directrice qui détermine les préférences des investisseurs aux
marchés financiers.
Ce mémoire est divisé en quatre grandes parties. La première assure un survol de la
littérature existante, la deuxième détaille le processus expérimental, la troisième est
consacrée à l’étude des données et à la présentation des modèles, alors que la dernière partie
expose les résultats finaux.
3
Chapitre 1 – Revue de littérature
1.1. Théorie de l’utilité et bases de l’approche comportementale
1.1.1 Choix rationnel et utilité espérée
La littérature fait état de plusieurs stratégies des investisseurs aux marchés financiers.
De façon générale, une hypothèse considère que l’individu agit de façon rationnelle. La
théorie de l’utilité espérée, mise en évidence en 1947 par Von Neumann et Morgenstern
fournit une explication basée sur ce concept en regard aux choix des investisseurs, tout en
considérant la valeur morale du gain. Par la suite, Kahneman et Tversky (1979) apportent
une explication supplémentaire au comportement des preneurs de décision en élaborant la
fonction de valeur dans le cadre de la théorie de perspective.
Valeur espérée
Traditionnellement, les théoriciens considéraient qu’un individu placé dans une
situation où il devait effectuer un choix parmi deux options, ou loteries, (𝑙𝑖) dont le résultat
était incertain, pouvait calculer la valeur espérée (𝐸𝑉) par les résultats possibles pour chaque
choix (𝑥𝑖), pondéré par la probabilité de réalisation de ce résultat (𝑝𝑖). Ainsi, pour une loterie
(𝑙𝑖) on pouvait définir la valeur espérée comme suit :
𝐸𝑉(𝑙𝑖) = ∑(𝑥𝑖)𝑝𝑖
𝑛
𝑖=1
Toutefois, cette théorie ne permettait pas d’expliquer pourquoi un individu pourrait
préférer recevoir avec certitude un montant de 49 $ plutôt que participer à une loterie
impliquant une probabilité de 50 % de recevoir 100 $.
4
Utilité espérée
Bernoulli (1738) a permis de répondre à cette interrogation en mettant en évidence
que les preneurs de décision évaluaient les options selon l’utilité engendrée, plutôt que par la
valeur du résultat. Selon le modèle de Bernoulli, le résultat d’une loterie engendrerait une
utilité différente dépendant de la richesse initiale de l’individu. Accordement à cette théorie,
le preneur de décision choisirait l’option lui permettant de maximiser :
𝐸(𝑈(𝑙𝑖)) = ∑ 𝑢(𝑥𝑖)𝑝𝑖
𝑛
𝑖=1
Dans cette équation, 𝑢(𝑥) représenterait l’utilité retirée du résultat 𝑥. Accordement à cette
théorie, l’individu portera son choix sur 𝑙1 si 𝐸(𝑈(𝑙1)) > 𝐸(𝑈(𝑙2)). Dans le cas où la
fonction d’utilité est concave, le preneur de décision préfèrerait recevoir 50 $ avec certitude
que recevoir 100 $ avec une probabilité de 50 %, puisque l’utilité de 50 $ est plus élevée que
la moitié de l’utilité engendrée par un gain de 100 $.
Von Neuman et Morgenstern ont défini en 1947 une série d’axiomes permettant de
décrire la théorie d’utilité espérée, notamment :
− L’axiome d’indépendance qui implique qu’un choix entre deux loteries ne devrait pas
être influencé par le fait d’y introduire une combinaison convexe avec une troisième
loterie. Par exemple : 𝑝(𝑙1) + (1 − 𝑝)(𝑙3) sera préférée à 𝑝(𝑙2) + (1 − 𝑝)(𝑙3) si
𝑢(𝑙1) > 𝑢(𝑙2).
− L’axiome du « Sure principle thing » implique qu’une décision ne devrait pas être
dépendante d’une option certaine comprise dans chacune des loteries.
Le paradoxe d’Allais (1953), a mis en évidence les failles de cette théorie par la
violation des deux axiomes mentionnés ci-haut. En premier lieu, il est demandé de choisir
entre deux loteries : 10 000 $ avec certitude ou 15 000 $ selon une probabilité de 90 %. La
majorité des gens choisissent la première option. Par contre, lorsqu’il leur est demandé de
choisir entre les options suivantes : 10 000 $ selon une probabilité de 10 % ou 15 000 $ selon
une probabilité de 9 %, la majorité préfère le deuxième choix, ce qui viole l’axiome
d’indépendance mentionné ci-haut.
En réponse à ce problème, Tversky et Kahneman (1979) proposent la théorie de
perspective comme modèle déterminant le choix en situation de risque.
5
1.1.2 Théorie de perspective
Kahneman et Tversky (1979) proposent un exemple de fonction de valeur qui tient
compte de la variation en fonction du point de référence, notamment de la différence de
sensibilité pour les gains et les pertes. La Figure 1 illustre cette fonction de valeur telle que
présentée par les deux auteurs.
La fonction serait normalement concave pour les gains et convexe pour les pertes.
Plus celle-ci est concave dans le domaine des gains, plus la différence de sensibilité est
grande entre un gain près du point de référence et un gain éloigné de celui-ci. Accordement
à cette théorie, un participant sera plus heureux d’apprendre qu’il gagne 1 $ au lieu de 0 $
que s’il apprend qu’il gagne 101 $ au lieu de 100 $, le point de référence étant établi à 0 $.
La convexité de la fonction dans le domaine des pertes explique que les individus subissent
une perte de sensibilité plus importante en ce qui concerne les pertes de grandes amplitudes,
par rapport aux pertes concernant un petit montant. Ainsi, il serait plus douloureux
d’apprendre qu’ils subissent une perte de 1 $ ou lieu de 100 $ que d’apprendre qu’ils
subissent une perte de 101 $ au lieu de 100 $, le point de référence étant établi à 0 $.
Par ailleurs, la fonction de valeur serait plus raide dans le domaine des gains que des
pertes, ce qui soutiendrait l’importance de tenir compte du point de référence de l’individu.
Cette caractéristique de la fonction de valeur sera identifiée comme étant l’aversion à la perte
dans les travaux ultérieurs.
Figure 1. Fonction de valeur hypothétique selon Tversky et Kahneman (1979)
6
Aversion à la perte
En 1992 Tversky et Kahneman mettent plus précisément en évidence le biais observé
chez les preneurs de décisions dans une situation où une perte est possible.
L’aversion à la perte réfère au phénomène selon lequel les individus sont davantage
affectés négativement en termes d’utilité par une perte de richesse qu’ils ne sont positivement
affectés par un gain de richesse équivalent. En d’autres mots, une perte serait plus
douloureuse qu’un gain de même amplitude ne serait agréable. Ces travaux montrent la
pertinence du concept de point de référence lors de l’analyse des situations où l’on tente de
justifier le choix d’un preneur de décision. En effet, comme observé à la Figure 1, ce
phénomène s’expliquerait par la pente plus raide de la fonction de valeur dans le domaine
des pertes que celui des gains. Accordement à cette théorie, l’utilité d’un résultat peut se
calculer comme suit :
𝑈(𝑥) = 𝑢(𝑥) 𝑝𝑜𝑢𝑟 𝑥 ≥ 0
𝑈(𝑥) = 𝜆𝑢(𝑥) 𝑝𝑜𝑢𝑟 𝑥 < 0
Dans cette équation, 𝜆 > 1 correspond au paramètre d’aversion à la perte qui modifie
la fonction d’utilité de l’individu de façon à rendre les pertes plus douloureuses que les gains.
Tversky et Kahneman (1992) et Köbberling et Wakker (2005) ont estimé
empiriquement que les pertes pourraient avoir un poids presque deux fois plus grand que les
gains sur l’utilité de l’individu. À titre d’exemple, cela signifierait qu’un individu serait deux
fois plus malheureux de perdre 100$ qu’il ne serait heureux de gagner 100$.
7
1.2 Aversion à la perte myope
1.2.1 Une explication au equity premium puzzle
En 1985, Mehra et Prescott ont relevé l’existence d’un phénomène appelé equity
premium puzzle. Celui-ci pointe la différence de rendement importante entre les actions et
les investissements sans risque (par exemple, les bons du Trésor). L’ampleur de cette
différence est trop grande pour pouvoir être expliquée uniquement par le concept d’aversion
à la perte tout en conservant des paramètres d’aversion raisonnables.
Bernatzi et Thaler (1995) ont apporté une explication à ce phénomène grâce à ce
qu’ils nomment l’aversion à la perte myope. Ce biais cognitif est composé de deux
principaux concepts, soit l’aversion à la perte et la comptabilité mentale, et met en lumière
l’importance de la période d’investissement dans l’évaluation que les agents font de la valeur
d’un investissement.
Le concept d’aversion à la perte, détaillé plus haut, explique que plus un actif est
évalué fréquemment, plus l’individu s’expose à vivre des pertes, et à voir son utilité diminuer.
Le concept de comptabilité mentale (Kahneman et Tversky 1984) réfère quant à lui à la
méthode employée par les individus pour prévoir le résultat d’un investissement. Ceux-ci ont
tendance à utiliser les résultats de très court terme, ou les plus récents rendements, pour
évaluer le rendement à long terme de leur investissement. Il s’agit d’un biais dans la mesure
où les investisseurs n’utilisent pas la vision de long-terme, plus réaliste, afin d’ajuster leurs
croyances quant à la valeur de leur investissement.
Ces deux concepts réunis forment le biais d’aversion à la perte myope, un biais qui
pourrait expliquer l’écart de rendement des actions par rapport aux investissements sans
risque. Cette explication prend son sens lorsque l’on considère l’horizon d’investissement
des agents. Plus longtemps l’investisseur détient l’actif et moins grande est la fréquence
d’évaluation, plus l’option risquée devient intéressante. Cette manifestation s’explique par le
fait que l’individu est confronté moins souvent à la perte s’il est privé d’information. De plus,
un court horizon d’investissement peut mener l’individu à évaluer le rendement à long terme
de son investissement en se basant sur les résultats variables de court terme plutôt que selon
une perspective globale, accordement au principe de comptabilité mentale.
8
Bernatzi et Thaler (1995) ont montré que l’aversion à la perte myope pouvait fournir
une explication au equity premium puzzle, particulièrement dans le cas où les investisseurs
évaluent leur porte-folio de façon annuelle. Considérant qu’ils subissent les pertes deux fois
plus douloureusement que les gains, l’écart de rendement était alors compatible avec la
théorie d’aversion à la perte myope.
1.2.2 Démonstrations empiriques du biais
Gneezy et Potters ont tenté de démontrer empiriquement ce phénomène grâce à une
étude expérimentale (1997). Ils ont formé deux groupes traitement soumis à la même
séquence de décisions. Un groupe de participants (traitement H) devait effectuer une décision
dans un contexte financier à chaque période et recevait des rétroactions après chaque tour.
Le deuxième groupe (traitement L), quant à lui, recevait l’information seulement à chaque
trois périodes, et ne pouvait modifier son choix d’investissement qu’à ce moment-là.
À chacune des 9 périodes, les participants se voyaient attribuer une dotation de 200 $
qu’ils pouvaient placer entièrement ou partiellement dans une loterie. Cette loterie comportait
une probabilité de 1/3 de perdre l’argent, et une probabilité de 2/3 de doubler la somme
investie.
Les résultats de l’étude de Gneezy et Potter montrent un effet significatif entre les
deux traitements. Les participants du groupe traitement L qui étaient privés de rétroaction et
de liberté ont investi significativement davantage dans la loterie risquée que le groupe H. Il
est donc justifié de croire que, plus longues sont les périodes d’évaluation et plus rare est la
rétroaction, plus une option risquée avec résultat espéré positif paraît intéressante. Ce
phénomène pourrait être attribuable à la baisse de probabilité de vivre une perte pour
l’individu lorsqu’il est privé d’information, ainsi qu’au phénomène de comptabilité mentale
qui ne leur permet pas d’ajuster leurs attentes de long terme selon le rendement récent.
D’autres chercheurs ont également répliqué l’expérience de Gneezy et Potter (1997)
et ont montré que les individus investissent davantage dans les conditions qui atténuent
l’aversion à la perte myope. C’est notamment le cas de Haigh et List (2005), Bellemare,
Krause, Kröger et Zhang (2005) et Langer et Weber (2005)
9
1.2.3 Déterminants de l’aversion à la perte myope
L’aversion à la perte
En 1997, Thaler, Tversky et Kahneman ont mené une expérience semblable à celle
de Gneezy et Potter (1997) dans le but d’identifier la part du rôle de l’aversion à la perte ainsi
que de la myopie dans l’effet total du biais attribué à l’aversion à la perte myope. Dans une
condition de traitement additionnelle, ils ont ajouté une constante à tous les montants afin
d’éliminer la possibilité d’aversion à la perte.
Les résultats montrent une augmentation significative de l’intérêt pour les actions
risquées dans la condition où seuls des rendements positifs sont possibles. L’augmentation
d’intérêt pour les actions risquées était de l’ordre de 30 % durant l’expérience. Pour ce qui
est des autres conditions de traitement, les résultats sont semblables à ceux obtenus par
Gneezy et Potter. En moyenne, les gens qui ont bénéficié de plus d’information et de plus de
latitude sur leur investissement ont moins bien performé en termes de rendement puisqu’ils
ont préféré davantage l’option sécuritaire. Cette expérience montre une fois de plus
l’importance du point de référence lors de l’étude des décisions des investisseurs.
L’horizon d’investissement et la fréquence de rétroaction
Dans les expériences précédemment présentées, les chercheurs concluaient que plus
la période d’évaluation était longue, plus les individus trouvaient l’investissement risqué
attrayant. Les différentes conditions étaient toutes conçues de façon à ce que la fréquence de
rétroaction et l’horizon d’évaluation changent simultanément d’une condition à une autre.
Or, en 2005, Bellemare et coll. se sont intéressés à savoir si le comportement en lien avec
l’aversion à la perte myope pouvait être introduit seulement en modifiant la fréquence de
rétroaction. Ils ont reproduit l’expérience de Gneezy et Potter (1997) en utilisant plutôt trois
groupes traitement. Comme dans l’étude précédemment mentionnée, le groupe traitement L
recevait un bas niveau d’information et peu de flexibilité sur l’investissement alors que le
groupe H recevait un haut niveau d’information et davantage de flexibilité sur leur
investissement. De plus, une condition M a été ajoutée, dans laquelle les participants
recevaient de l’information sur la performance de leur investissement à chaque période
(comme la condition H), mais ne pouvaient modifier leur investissement qu’à chaque 3
périodes (comme la condition L).
10
Les résultats montrent qu’il suffit de varier la fréquence concernant l’information
reçue pour introduire un effet en ligne avec l’hypothèse d’aversion à la perte myope.
En 2008, Langer et Weber ont étudié l’effet de l’horizon d’investissement et de la
fréquence de rétroaction sur le phénomène d’aversion à la perte myope. Dans une expérience
similaire, ils ont créé quatre groupes de traitement selon un design 2x2 dans lequel l’horizon
d’investissement et la fréquence de rétroaction pouvaient être d’une période (court) ou de
trois périodes (long). Il s’agit de la première étude permettant un traitement dans lequel les
participants peuvent expérimenter un court horizon d’investissement alors qu’ils reçoivent
seulement l’information sur leur investissement aux trois périodes. Sans surprise, ils trouvent
que varier l’horizon d’investissement n’a pas d’effet sur le montant investi si les participants
reçoivent une rétroaction seulement aux trois périodes. Toutefois, ils trouvent que l’effet de
l’horizon d’investissement est plus important que celui lié à la fréquence de rétroaction pour
expliquer le phénomène d’aversion à la perte myope.
Fellner et Sutter (2009) se sont également intéressés à savoir quelle était la force
principale qui introduisait l’aversion à la perte myope. Ils cherchaient notamment à déterminer
si la fréquence de rétroaction ou si l’horizon d’investissement pouvaient à eux seuls introduire
l’effet d’aversion à la perte myope, ou si la réunion des deux facteurs était nécessaire pour
observer le phénomène. Le protocole expérimental qu’ils ont utilisé était basé sur l’expérience
de Gneezy et Potters (1997). Toutes les conditions de traitement utilisées étaient une variante
de celles élaborées dans l’expérience précédemment mentionnée, selon un design 2x2 où
l’horizon d’investissement et la fréquence de rétroaction variaient de 1 à 3 périodes.
Les résultats montrent cette fois-ci que la condition impliquant de courts horizons
d’investissement et de rétroaction entraîne un niveau d’investissement significativement
moins élevé que n’importe laquelle des trois autres conditions. Ce résultat indique donc que
la fréquence de rétroaction et l’horizon d’investissement ont tous deux une influence sur
l’aversion à la perte myope. Par contre, il n’est pas possible de distinguer de différence
significative entre chacune des trois autres conditions. D’ailleurs, il ne semble pas y avoir
d’effet cumulé puisque les montants investis dans la condition impliquant à la fois de longs
horizons d’investissements et de rétroaction ne sont pas supérieurs à ceux observés dans les
conditions mixtes. En d’autres mots, il suffirait d’allonger l’horizon d’investissement ou de
11
restreindre la fréquence de rétroaction pour observer une augmentation significative des
sommes investies dans l’option risquée.
Les caractéristiques des participants
La littérature existante met en évidence une différence significative entre le niveau
d’investissement des hommes et des femmes placés sous une situation de risque. En 1997,
l’étude de Gneezy et Potters a montré une corrélation positive entre le fait d’être un homme
et le montant investi dans une loterie risquée. Levin et al. (1998), se sont intéressés à la
formulation d’une question lors d’une étude concernant les différences selon le genre. Ils ont
trouvé que les femmes étaient plus averses au risque dans un contexte de pari ou de jeu, mais
que les résultats variaient lorsque la question était formulée en termes de gains potentiels ou
de pertes potentielles. Les sujets masculins étaient plus portés à accepter le risque dans un
contexte de gains potentiels que de pertes potentielles. Pour ce qui est des femmes, cette
différence n’était pas notable.
En 2015, Glatzle-Rutzler et Sutter ont mis en évidence que les femmes investissaient
moins que les hommes dans une situation de risque. Ils ont également montré que, lorsque
jumelée à un autre sujet, la présence d’un homme dans le groupe suffisait à augmenter le
niveau d’investissement. Ainsi, les groupes formés de deux hommes, ainsi que les groupes
mixtes investissaient significativement plus dans l’option risquée que les groupes formés de
deux femmes. Toutefois, aucune différence marquée d’investissement ne se présentait entre
les groupes formés de deux hommes et les groupes mixtes.
En 2016, Iturbe-Ormaexte, Ponti et Thomas ont également montré, lors d’une
expérience semblable à celle de Gneezy et Potter que les femmes investissaient moins que
les hommes (46,7 % et 53,5 % de leur dotation initiale) dans la condition risquée. Toutefois,
ils ont démontré que cette différence était entièrement due à la condition dans laquelle le
niveau de choix et d’information était bas. Dans cette condition, le niveau d’investissement
des femmes et des hommes était respectivement de 53,3 % et 65,6 %, alors que dans la
condition comportant un haut niveau de choix et d’information ces pourcentages étaient
pratiquement identiques (40,4 % et 40,3 % respectivement). Ces résultats laissent croire que
les hommes seraient davantage affectés par l’aversion à la perte myope que les femmes.
12
Par ailleurs, l’âge des participants semble avoir certaines répercutions sur les
caractéristiques d’investissement et la vulnérabilité à certains biais. Glatzle-Rutzler et
Sutter (2015) n’ont trouvé aucun effet d’aversion à la perte myope chez les adolescents. Lors
de cette expérience ils ont toutefois utilisé un design expérimental légèrement différent et ont
prodigué une fréquence de rétroaction élevée même dans la condition où l’horizon
d’investissement de trois périodes, ce qui pourrait avoir comme effet de mitiger les résultats.
1.2.4 Préférences
Bien que les études se soient penchées en grand nombre sur ce phénomène d’aversion
à la perte myope, influencée par l’horizon d’investissement et la fréquence de rétroaction,
peu d’études ont examiné les préférences des investisseurs concernant ces paramètres. Il est
important de comprendre les préférences des gens en situation de risque ou d’incertitude,
puisque le choix qu’ils feront aura vraisemblablement un impact sur le rendement de leur
investissement. En effet, si les gens préfèrent nettement les longs horizons d’investissement
et les faibles fréquences de rétroaction (et que ces paramètres ont pour effet d’atténuer
l’aversion à la perte myope), ce biais affecterait de façon moins considérable les investisseurs,
que s’il est trouvé qu’ils préfèrent, au contraire les paramètres exacerbant le biais.
Tel que mentionné précédemment, Fellner et Sutter (2009) ont mené une expérience
dont la conception était basée sur celle de Gneezy et Potters (1997), mais selon un design
2x2 où l’information et l’horizon d’investissement pouvaient être fixés à une ou trois
périodes. Leur expérience impliquait une comparaison entre les sujets, c’est-à-dire que les
participants n’étaient assignés qu’à une seule condition. Un volet de leur étude consistait
également à étudier le choix des investisseurs quant à l’horizon d’investissement ou la
fréquence de rétroaction qu’ils préféraient utiliser1. En début d’expérience, les participants
pouvaient choisir leur paramètre de préférence quant à l’horizon d’investissement ou
l’information. Aucun changement n’était possible par la suite.
Les résultats montrent que les participants préfèrent généralement un horizon
d’investissement court et qu’ils préfèrent largement une haute fréquence de rétroaction. Ces
conditions sont généralement associées à des investissements moins profitables, comme
documentés précédemment. Fellner et Sutter ont également trouvé, dans une condition
1 Un seul choix était donné aux participants, soit l’horizon d’investissement ou la fréquence de rétroaction.
13
traitement additionnelle, que le fait d’être informé des gains réalisés par chacune des
conditions à l’expérience précédente2 semble modifier légèrement le choix concernant la
fréquence de rétroaction, mais pas le choix d’horizon d’investissement.
Toutefois, l’expérience menée par Fellner et Sutter (2009) ne permet pas aux
participants d’expérimenter chacune des conditions avant de poser un choix. Ils doivent
décider des paramètres qu’ils préfèrent avant le début de l’expérience, et n’ont aucune
possibilité de changer leur choix par la suite. Il serait intéressant de permettre aux sujets de
participer à chacune des conditions avant d’exprimer leurs préférences quant à l’horizon
d’investissement et la fréquence de rétroaction, puisque l’effet de subir plusieurs pertes dans
les conditions où l’horizon d’investissement et la fréquence de rétroaction sont courts
pourrait modifier leurs préférences. En effet, on pourrait s’attendre à ce que l’aversion à la
perte motive davantage le choix des participants pour de longs horizons, dans le but de
diminuer les pertes subies.
1.3 Ambiguïté
Les études qui ont été abordées dans les pages précédentes ont toutes été menées dans
l’objectif d’étudier les choix des individus dans une situation de risque. Une situation de
risque réfère à une situation où l’agent doit prendre une décision et qu’il connaît les
distributions de probabilités pour chaque état de monde possible.
Une situation d’ambiguïté, quant à elle, réfère à une situation où la distribution de
probabilité pour chaque état de monde est inconnue au preneur de décision. Cette situation
est généralement plus près du contexte d’investissement aux marchés financiers puisque les
individus n’ont pas d’information certaine sur probabilités de gain ou de perte potentiels
lorsqu’ils doivent effectuer leur choix d’investissement. Les résultats d’expériences menées
dans un contexte d’ambiguïté seraient donc plus facilement généralisables au contexte réel
d’investissement.
2 Les résultats appuyaient la littérature concernant l’aversion à la perte myope
14
1.3.1 Aversion à l’ambiguïté
L’aversion à l’ambiguïté est un biais qui a été mis en évidence en 1961 par le
Paradoxe d’Ellsberg (Ellsberg, 1961). En plaçant une urne remplie de 90 balles, dont 30
rouges et un nombre indéterminé de jaunes et de noires, on demandait aux participants quelle
loterie ils préféraient jouer :
1. La personne qui tire une boule rouge est gagnante, les boules jaunes et noires étant
perdantes;
2. La personne qui tire une boule jaune est gagnante, les boules rouges et noires étant
perdantes.
La plupart des gens préféraient la loterie 1. Par contre, en changeant les loteries de
façon à inverser les paris on leur demande de nouveau quelle loterie ils préfèrent :
3. La personne qui tire une boule rouge ou noire est gagnante, les boules jaunes étant
perdantes;
4. La personne qui tire une boule jaune ou noire gagne, les boules rouges étant perdantes.
La plupart des gens préfèrent la loterie 4, ce qui entre en contradiction avec le choix
de la première loterie, puisque cela implique une probabilité opposée. Le choix des gens pour
la loterie dont les probabilités sont connues met en évidence une aversion pour les situations
dont les probabilités sont inconnues, soit les situations d’incertitude.
Ce phénomène a été répliqué plusieurs fois à l’aide d’expériences différentes. Le
phénomène a été confirmé par ces nombreuses réplications, même dans des situations où
l’option ambiguë était mathématiquement plus avantageuse (Keren et Gerritsen, 1999).
Accordement à cette théorie, un investisseur pourrait préférer un investissement plus
conservateur, puisqu’il est averse aux situations qui ne permettent pas de connaître les
probabilités certaines.
15
1.3.2 Biais et préférences dans le contexte d’incertitude
Les études précédemment abordées se sont donc penchées sur l’aversion à la perte
dans une situation d’investissement où les décisions sont prises sous le risque, c’est-à-dire
dans un contexte où les individus connaissaient la distribution des probabilités. Toutefois,
dans le contexte réel, il est souvent impossible de savoir précisément comment les
probabilités sont distribuées avant d’effectuer une décision.
En 2003, Barberis et Thaler avancent que l’effet de l’aversion à la perte serait plus
important que celui de l’aversion à l’ambiguïté dans un contexte d’investissement, et donc
que les longues périodes d’investissement et de rétroaction seraient avantageuses pour les
investisseurs.
En 2016, une expérience a été menée afin de déterminer si les résultats précédemment
exposés concernant l’aversion à la perte myope sont robustes en situation d’ambiguïté (Itube-
Ormaerxe, Ponti er Thomas, 2016). Les paramètres de l’expérience de Gneezy et Potter
(1997) ont été utilisés, et deux traitements additionnels ont été inclus pour étudier l’effet du
contexte en ambiguïté. Au total, quatre conditions de traitement ont été mises en place, soit
les deux conditions originales de l’expérience de Gneezy et Potter dans un contexte de risque,
et les deux mêmes conditions, mais dans lesquelles les probabilités étaient inconnues.
Les résultats montrent que les conclusions tirées par Gneezy et Potter concernant
l’aversion à la perte myope sont renforcées dans le contexte d’ambiguïté. C’est-à-dire que la
différence d’investissement entre les deux conditions d’ambiguïté (haute fréquence de choix
ou basse fréquence de choix) est plus grande en situation d’ambiguïté (57,1 %) qu’en
situation de risque (38,9 %).
Par ailleurs, les résultats de cette expérience montrent que les individus sont
également affectés par l’aversion à l’ambiguïté puisque le niveau d’investissement était
inférieur dans les conditions d’ambiguïté à celui observé dans la condition risquée
correspondante. Cependant, cet effet est moins prononcé que celui lié à la fréquence de choix
et d’information associées à l’aversion à la perte myope.
16
Les résultats des expériences détaillées précédemment montrent l’importance de
comprendre le phénomène d’aversion à la perte myope dans un contexte réaliste, et d’étudier
les préférences des gens en situation d’incertitude. Fellner et Sutter (2009) se sont déjà
intéressés à connaître les préférences des individus affectés par l’aversion à la perte myope.
Toutefois, les participants ont été placés en situation de risque, ce qui est moins représentatif
des conditions réelles d’investissement. Par ailleurs, ceux-ci n’ont pas eu la chance
d’expérimenter chacune des conditions avant d’en faire le choix. Il est possible que le fait
d’être exposé à une situation ait un impact sur les préférences, notamment en raison de la
présence d’aversion à la perte ou d’aversion à l’ambiguïté.
À la lumière des résultats précédemment partagés, ce mémoire propose une étude des
préférences des investisseurs aux marchés financiers, à l’aide d’un protocole où les
participants pourront expérimenter chacune des conditions, à la fois en situation d’ambiguïté
et de risque. Ils devront notamment effectuer des choix d’investissement sans connaître la
réelle distribution de probabilité associée à l’option risquée. Au fil des périodes, il leur est
également demandé de reporter leurs croyances quant à la distribution à laquelle ils ont
affaire. Finalement, ils devront indiquer leurs préférences quant à l’horizon d’investissement
et de rétroaction. Une attention particulière sera portée aux paramètres d’aversion à la perte
et d’aversion à l’ambiguïté comme déterminants des préférences des individus.
17
Chapitre 2 – Processus expérimental
2.1 Procédure
L’expérience a pris place au Laboratoire d’économie expérimentale de l’Université
Laval (LEEL). Les participants ont été invités aléatoirement parmi une banque d’environ 500
participants inscrits au LEEL. La participation était volontaire. Les données ont été
recueillies entre 2016 et 2017, à travers quinze séances expérimentales d’une durée moyenne
d’une heure et vingt minutes. Au total, 113 participants ont pris part à l’expérience. La durée
moyenne de l’expérience était de 73 minutes (1h13), pour une durée minimale de 37 minutes
et une durée maximale de 144 minutes (2h25).
L’assignement à chaque condition de traitement a été faite de manière aléatoire. À
leur arrivée, les participants étaient assignés aléatoirement à un poste informatique qui était
préalablement associé à un groupe de traitement spécifique.
Une fois la séance terminée, les participants recevaient un gain lié à leur performance
durant l’expérience, ainsi qu’un montant supplémentaire de 5 $ assuré afin de les remercier
pour leur présence. Le gain moyen réalisé s’élève à 25,30 $, pour un gain minimum de 15 $
et un gain maximum de 33,75 $.
2.2 Expérience
2.2.1 Directives
Les participants ont reçu les directives par l’intermédiaire d’une vidéo d’instructions
d’une durée d’environ 8 minutes. Dans un premier temps, une interface leur est présentée où
ils peuvent voir deux profils de dividende. Un de ces profils est le profil réel d’une entreprise
dans laquelle ils ont la possibilité d’investir une partie de leur dotation. Le reste de la dotation
disponible doit être investi dans une banque.
Le rendement de la compagnie est inconnu au moment de prendre la décision. Les
dividendes varient accordement au profil et sont d’une valeur de − 10% ou + 8% . Le
rendement de la banque est connu au moment de prendre la décision, mais varie au fil des
périodes. Il est contenu dans un intervalle de 1% à 5% .
18
Figure 2. Interface de l'expérience – Profils de dividende
La Figure 2 présente les profils de dividende tels que présentés aux participants.
Ceux-ci (à gauche de l’écran dans l’interface du participant) correspondent à deux profils de
compagnie dont un seul est le profil réel. L’histogramme présente la probabilité en
pourcentage que le dividende soit de − 10 % ou + 8 %. Le profil réel de la compagnie X
est sélectionné au hasard au début de l’expérience et demeure le même tout au long du
traitement. À chaque période, le résultat est également tiré au hasard par l’ordinateur, tout en
respectant la distribution de probabilité du profil réel. Même s’ils ne savent pas quel profil
est réel, les participants peuvent ajuster leurs croyances selon les résultats des périodes
passées.
La première tâche consiste à évaluer la probabilité, sous un intervalle de 0 à 100, que
le profil réel appartienne à chacun des deux profils de l’histogramme
19
La deuxième tâche consiste à décider quelle partie du montant de 100 unités de
paiement expérimental sera investie dans la compagnie (investissement risqué), et quelle
partie sera investie dans le compte de banque (investissement non risqué). La totalité de la
dotation doit être investie à chaque période. Le participant connaît le résultat positif ou
négatif après la prise de décision. À chaque période, il doit également rapporter dans un
tableau prévu à cet effet ses anticipations concernant la probabilité que la compagnie
corresponde au profil de rendement avantageux, les montants investis, ainsi que les gains ou
les pertes réalisés.
La Figure 3 montre l’histogramme supplémentaire qui apparaît dans l’interface suite
à la première période. Il comptabilise les dividendes réalisés jusqu’à maintenant.
Figure 3. Mise à jour des croyances
20
La Figure 4 montre l’écran complet du participant au moment de la prise de décision.
L’interface contient donc les profils de compagnies possibles, l’histogramme des dividendes
réalisés lors des périodes passées, l’information sur le rendement du Compte bancaire, un
espace à remplir concernant l’évaluation de la probabilité que le profil de la compagnie
corresponde à ceux présentés et un espace à remplir concernant la décision d’investissement.
Figure 4. Écran de décision du participant
Puisque les participants rapportent leurs croyances quant aux probabilités que la
compagnie effective corresponde à chacun des profils, il est possible de déterminer le niveau
d’ambiguïté dans lequel ils évoluent. Plus le nombre de périodes passées augmente, plus les
participants ont eu l’occasion de mettre à jour leurs croyances sur la distribution de
probabilités. À la fin de l’expérience, la situation d’investissement s’apparente davantage à
un contexte de risque puisque le participant peut plus aisément deviner à quelle compagnie
il a affaire, et donc connaître les probabilités qui y sont associées.
21
2.2.2 Conditions de traitement
Au total chaque participant doit prendre part à 3 conditions d’évaluation. Ils doivent
évaluer la Compagnie H, la Compagnie M et la Compagnie L. Dans la première condition
traitement, les compagnies M et L comportent un horizon d’évaluation de 3 périodes, alors
qu’elles comportent un horizon de 5 périodes dans la deuxième condition traitement. De plus,
chaque condition traitement est divisée en 3 groupes où l’ordre de présentation des
compagnies diffère pour éviter le biais résultant d’un effet d’ordre.
Les profils de dividendes réels diffèrent pour chaque compagnie, mais restent les
mêmes tout au long des 30 périodes où le participant évalue la même compagnie.
Pour ce qui est de l’horizon d’investissement, la compagnie H demande de répéter la
tâche d’évaluation à chaque période, donc 30 fois. Les compagnies M et L, quant à elles,
demandent d’effectuer les tâches seulement aux 3 périodes (pour le groupe traitement « 3
périodes ») ou seulement aux 5 périodes (pour le groupe traitement « 5 périodes »)3.
Pour ce qui est de la fréquence de rétroaction, les compagnies H et M fournissent une
rétroaction à chaque période, même si pour la compagnie M. La compagnie L, quant à elle, ne
présente que la moyenne des dividendes et l’histogramme des dividendes passés par bloc de 3
périodes (pour le groupe traitement « 3 périodes ») ou par bloc de 5 périodes (pour le groupe
traitement « 5 périodes »). Les figures 5 et 6 résument les paramètres d’investissement associés
à chaque traitement.
Compagnie /
Traitement
Évaluation (Horizon d’investissement) Fréquence de rétroaction (Information)
Gr. 3 périodes Gr. 5 périodes Gr. 3 périodes Gr. 5 périodes
Compagnie L 3 périodes 5 périodes 3 périodes 5 périodes
Compagnie H 1 période 1 période 1 période 1 période
Compagnie M 3 périodes 5 périodes 1 période 1 période
Figure 5. Illustration des tâches selon les deux groupes traitement
Compagnie/Traitement Groupe 3 périodes4 Groupe 5 périodes
Compagnie L H3F3 H5F5
Compagnie H H1F1 H1F1
Compagnie M H3F1 H5F1
Figure 6. Illustration résumée des tâches selon les deux groupes traitement
3 Rappel, le participant a été assigné à la condition 3 périodes ou 5 périodes au début de l’expérience. 4 H1 réfère à un horizon d’investissement d’une période, F1 à une fréquence de rétroaction d’une période, etc.
22
2.2.3 Test de compétence de calcul
À la suite de l’expérience, les participants devaient réaliser le Berlin Numeracy Test
(Cokely et al., 2012) visant à mesurer leurs compétences de calcul. Un score de 1 à 4 leur
était attribué et permet de déterminer si ces compétences sont liées aux préférences des
participants quant aux paramètres d’investissement.
2.2.4 Préférences et questionnaire
Un questionnaire était finalement présenté aux participants. Ils étaient d’abord
questionnés sur leur préférence en termes d’horizon d’évaluation et de rétroaction. Les
participants du groupe traitement 3 périodes devaient mentionner leur préférence entre un
horizon d’évaluation d’une période ou de 3 périodes, ainsi qu’entre la réception de rétroaction
à chaque période ou à chaque 3 périodes. Dans la condition traitement 5 périodes ils devaient
faire les mêmes choix entre chaque période et chaque 5 périodes.
Les participants pouvaient également indiquer s’ils souhaitaient que ce choix
s’applique à toutes les 30 périodes ou seulement un nombre choisi de périodes au début de
l’expérience. La Figure 7, à la page suivante, montre l’interface qui était présentée aux
participants au moment d’indiquer leurs préférences.
Puisque les participants ont eu l’occasion d’expérimenter chacune des conditions, il
est attendu que leurs préférences soient plus représentatives de la réalité. On pourrait
s’attendre à ce que les individus ayant une grande aversion à la perte choisissent une plus
faible fréquence de rétroaction ainsi que de longs horizons d’investissements puisque ces
conditions leur auraient permis d’être moins confrontés à la perte durant l’expérience. Par
ailleurs, on pourrait croire que les individus très averses à l’ambiguïté aient des préférences
opposées et qu’ils préféreraient les conditions leur permettant de mettre à jour leurs croyances
plus rapidement, soit une grande rétroaction et de courts horizons d’investissement.
23
Figure 7. Illustration de l'écran - Choix des participants
Des données descriptives concernant l’âge, le sexe et le domaine d’étude étaient par
la suite recueillies afin d’introduire les variables de contrôles nécessaires au modèle.
Finalement, les participants devaient indiquer dans une question ouverte la stratégie qu’ils
avaient utilisée pour décider quel montant placer dans la compagnie ou dans la banque.
24
Chapitre 3 – Données et modèles proposés
Ce chapitre a pour objectif de décrire les données recueillies lors de l’expérience
décrite au chapitre précédent. Par la suite, les modèles choisis afin de mener l’analyse sont
présentés.
3.1 Données recueillies
Les données ont été collectées dans le but de prédire les préférences des investisseurs,
soit leurs choix concernant la fréquence de rétroaction et l’horizon d’investissement. Les
principales variables dont l’effet sera étudié sont l’aversion à la perte et l’aversion à
l’ambiguïté des participants.
Ces deux biais pourraient avoir un effet contraire sur les préférences. En effet,
l’aversion à l’ambiguïté pourrait engendrer des préférences exacerbant le comportement
d’aversion à la perte myope, puisque l’investisseur pourrait préférer de courts horizons
d’investissements et un haut niveau de rétroaction dans le but de mettre à jour plus
rapidement ses anticipations. D’autre part, l’aversion à la perte pourrait engendrer des
préférences pour de longs horizons d’investissement et de rétroaction puisque l’individu
souhaiterait éviter d’être confronté à la perte, ce qui atténuerait donc l’effet d’aversion à la
perte myope. À cet effet, il est pertinent de déterminer quelle est la force directrice qui
influence les préférences des investisseurs.
Variables d’intérêt
L’expérience a permis d’utiliser les variations de conditions (par exemple les horizons
d’investissement, les croyances des participants quant aux distributions de probabilités et les
choix de portfolio) afin de calculer certaines variables comportementales telles que :
— l’aversion à la perte;¸
— l’aversion à l’ambiguïté;
— la sensibilité dans le domaine des gains;
— la sensibilité dans le domaine des pertes;
— la mise à jour des croyances associée à l’information obtenue au préalable;
— la mise à jour des croyances associée à la nouvelle information.
25
Sept types d’individus ont pu être identifiés relativement à la manière dont leurs choix
d’investissement étaient guidés et leur type de préférence. À cet égard, les variables
comportementales ont été calculées pour les individus pouvant être identifiés dans l’une des
sept classes.
Autres variables
L’expérience a également permis d’obtenir de l’information sur les participants
concernant leur âge, leur genre, leur domaine d’étude, le plus haut niveau d’étude qu’ils ont
complété, et leur compétence de calcul (numeracy).
Par ailleurs, des variables ordre ont été incluses afin de contrôler pour un possible effet
d’ordre induit par les différentes conditions de traitement. Ces variables binaires distinguent
les trois conditions d’ordre auxquelles les participants peuvent avoir été exposés. Ces trois
conditions sont détaillées ci-dessous dans la figure 7. Il en résulte que 38 participants ont été
affectés au traitement HML, 38 au traitement LMH et 36 au traitement MLH.
Ordre Groupe 3 périodes Groupe 5 périodes
HML H1F1, puis H3F1, puis H3F3 H1F1, puis H5F1, puis H5F5
LMH H3F3, puis H3F1, puis H1F1 H5F5, puis H5F1, puis H1F1
MLH H3F1, puis H3F3, puis H1F1 H5F1, puis H5F5, puis H1F1
Figure 8. Variables visant à capter un possible effet d'ordre
D’autre part, une variable distribution négative a été créée afin de distinguer les
participants ayant expérimenté au moins un profil de compagnie négatif puisque cet
évènement pourrait notamment avoir un impact sur les paramètres de sensibilité, et
d’aversion à la perte ou à l’ambiguïté. Les profils effectifs ont été tirés aléatoirement. Au
total, 29 personnes ont été exposées à un seul profil de compagnie négatif, 4 personnes à
deux profils de compagnie négatifs, alors qu’aucun participant n’a été exposé à trois profils
négatifs. La majorité des participants (70.54 %) a seulement été exposée à des profils positifs.
En raison de la corrélation entre la variable distribution négative et la sensibilité
relativement au point de référence observée chez les participants, un effet d’interaction entre
ces deux variables a été inclus lors de la modélisation.
26
Suppression d’observations
Un total de 34 observations a été écarté, passant de 113 observations à 79
observations. La plupart de ces observations ont été supprimées aux fins du calcul des
paramètres de sensibilité, d’aversion à la perte et d’aversion à l’ambiguïté (25 observations
supprimées). Ces participants ont complété l’expérience en démontrant des comportements
irréguliers de mise à jour des croyances qui ne pouvaient être réconciliés avec la théorie.
Les participants ayant choisi un long horizon de rétroaction en début d’expérience,
puis un court horizon par la suite ont également été retirés (6 personnes). En effet, cette
décision est difficile à interpréter et n’est pas cohérente avec la théorie, puisque l’aversion à
l’ambiguïté devrait plutôt porter les participants à préférer une fréquence de rétroaction
élevée en début d’expérience afin de permettre la mise à jour des croyances en début
d’expérience.
Un sujet a été supprimé puisqu’il n’avait pas complété la partie questionnaire de
l’expérience et deux participants ont été retiré en raison d’une dysfonction du logiciel qui
leur permettait de choisir un horizon de 3 périodes alors qu’ils appartenaient au groupe
traitement « 5 périodes ».
Un tableau en annexe montre les différents paramètres observés chez les participants
de l’échantillon qui ont été écartés. Selon les résultats, les participants retirés auraient un
niveau de compétences de calcul significativement moins élevé que les participants qui
demeurent dans l’échantillon aux fins d’analyse, mais ne démontrent aucune autre différence
significative pour ce qui est des autres variables.
27
3.2. Description de l’échantillon
Statistiques descriptives
Au total, 79 observations ont été conservées parmi lesquels on retrouve 40 hommes (50,6 %)
et 39 femmes (39 %). L’âge moyen des participants est de 29 ans, pour une étendue de 19 à
62 ans. La Figure 9 ci-dessous montre la distribution des participants selon leur âge.
Figure 9. Répartition des participants selon l'âge
Afin de favoriser le traitement de la variable, une variable binaire a été créée à partir
de la médiane de la distribution. La variable binaire Âge distingue donc les individus âgés
de 33 à 62 ans et ceux âgés de moins de 26 ans.
Par ailleurs, des catégories ont été créées afin de considérer le domaine d’étude des
participants. Ceux-ci ont été appariés à la catégorie dont le domaine d’étude était le plus
semblable parmi les catégories « Ingénierie », « Santé », « Social » et « Économie ». Au
total, 14 participants ont été appariés à la catégorie « Ingénierie », 12 à la catégorie « Santé »,
26 à la catégorie « Social » et 25 à la catégorie « Économie ». La distribution dans chacune
des catégories a notamment été basée sur le rapport aux mathématiques et à la finance duquel
on peut s’attendre en moyenne pour chacun des domaines.
28
3.3. Survol des variables d’intérêt parmi l’échantillon
3.3.1 Préférences
Information et à horizon d’investissement
Dans le cadre de l’analyse qui sera effectuée, il est pertinent de considérer les
participants qui ont choisi de se restreindre dans le niveau d’information ou selon l’horizon
d’investissement, puisque ces conditions sont associées à un faible niveau d’aversion à la
perte myope et un montant investi plus important. Puisque les participants pouvaient indiquer
leurs préférences pour un nombre limité de périodes, le traitement de la variable indépendante
sans regard pour le nombre de périodes choisi pourrait biaiser l’analyse. En effet, un
participant préférant une rétroaction élevée (à chaque période) pour seulement 5 périodes,
indique par le même fait qu’il préfère une faible rétroaction (à chaque 3 ou 5 périodes) pour
les 25 périodes suivantes. À cet effet, nous considérons 4 préférences possibles pour la
fréquence de rétroaction :
1. Préférer une fréquence de rétroaction élevée (F1) pour 30 périodes;
2. Préférer une fréquence de rétroaction élevée (F1) pour n périodes;
3. Préférer une faible fréquence de rétroaction (F3 ou F5) pour 30 périodes;
4. Préférer une faible fréquence de rétroaction (F3 ou F5) pour n périodes.
La même répartition peut être faite concernant l’horizon d’investissement.
29
Figure 10. Résumé de la répartition des préférences selon le nombre de périodes choisies
La Figure 10 montre les préférences indiquées par les participants à la fin de
l’expérience. Il est à noter que la préférence pour une rétroaction élevée pour un nombre
limité de périodes (F1 pour n périodes) est le choix cohérent avec la théorie. Il permettrait aux
participants de mettre à jour les croyances en début d’expérience. Les participants ayant fait
ce choix (13 personnes) ont montré, en moyenne, un niveau de compétences de calcul
significativement plus élevé que les participants ayant effectué un autre choix. Le même
constat s’applique pour l’horizon d’investissement, où 7 personnes ont choisi un court
horizon d’investissement pour un nombre limité de périodes (H1 pour n périodes).
Par ailleurs, 21 personnes ont indiqué préférer qu’une faible rétroaction (F3 ou F5)
s’applique pour un total de 30 périodes. Rappelons que les individus ayant choisi une faible
rétroaction en début d’expérience, puis une rétroaction élevée en fin d’expérience ont été
retirés puisque ce choix n’était pas conciliable avec la théorie. Par contre, 2 personnes ont
choisi que de longs horizons s’appliquent en premier, suivi de courts horizons
d’investissement, alors que le choix de courts horizons (H1) en début d’expérience est plus
facilement explicable puisqu’il pourrait permettre d’ajuster l’investissement selon la mise à
jour des croyances.
45
21
45
1113
0
72
0
10
20
30
40
50
60
70
F1 F3 ou F5 H1 H3 ou H5
No
mb
re d
e p
arti
cip
ant
Préférences
Durant 30 périodes Duant n périodes
Fréquence de rétroaction Horizon d'investissement
30
Préférences impliquant un choix restreignant pour au moins une période
Pour ce qui est du choix concernant l’information, les participants préférant une
rétroaction élevée durant 30 périodes sont les seuls qui ne souhaitent pas se restreindre dans la
fréquence d’information reçue, et ce pour toute l’expérience. Il est donc pertinent de traiter ces
participants de façon distincte. Ainsi, les participants ont été séparés en deux catégories selon
qu’ils aient fait le choix, ou non, de se restreindre pour au moins une période dans le niveau
d’information reçue.
Le même regroupement a été effectué concernant l’horizon d’investissement.
Rappelons que, selon la littérature, les conditions dans lesquelles les participants sont
restreints en termes d’information (F3 ou F5) ou d’horizon d’investissement (H3 ou H5) sont
associées à un faible niveau d’aversion à la perte myope et un montant investi plus important.
Au total, 45 personnes préféraient une haute fréquence d’information durant
30 périodes (soit toute la durée de l’expérience), alors que 34 personnes ont énoncé des
préférences impliquant de faibles niveaux de rétroaction (F3 ou F5) pour au moins une
période. Par ailleurs, 45 personnes ont préféré de courtes périodes d’investissement (H1) pour
30 périodes, alors que 20 personnes ont énoncé des préférences impliquant de longues
périodes (H3 ou H5) pour au moins une période. La Figure 11, ci-dessous, résume le choix
des participants, regroupés selon qu’ils aient choisi ou non de se restreindre en termes
d’information ou d’horizon d’investissement pendant au moins une période.
Figure 11. Préférences impliquant un choix favorable pour au moins une période
45
34
45
20
0
5
10
15
20
25
30
35
40
45
50
F1 durant 30périodes
F3 ou F5 pour aumoins une période
H1 durant 30périodes
H3 ou H5 pour aumoins une période
No
mb
re d
e p
arti
cip
ants
Préférences
Fréquence de rétroaction Horizon d'investissement
31
Corrélation des choix
Les préférences relatives à l’horizon d’investissement sont très semblables à la
distribution des préférences concernant la fréquence de rétroaction. Ainsi, parmi les 45
personnes ayant préféré une haute fréquence de rétroaction pour les 30 périodes de
l’expérience, 38 personnes ont également préféré un horizon d’investissement correspondant
à 1 période, et ce pour toute la durée de l’expérience.
Par ailleurs, sur les 21 personnes ayant choisi une faible fréquence de rétroaction (F3
ou F5) pour 30 périodes, 16 ont également indiqué préférer un long horizon d’investissement
(H3 ou H5) pour les 30 périodes de l’expérience. Le tableau 1, ci-dessous, résume les choix
des participants pour l’horizon d’investissement en fonction du choix de rétroaction effectué.
Horizon d'investissement
Fréquence de rétroaction
F1
F3 ou F5
Pour 30 périodes Pour n périodes
Pour 30 périodes
H1 Pour 30 périodes 38 3 4
Pour n périodes 0 6 1
H3/ H5 Pour 30 périodes 6 3 16
Pour n périodes 1 1 0
Tableau 1. Préférences pour l'horizon d'investissement selon les préférences pour l'information
32
3.3.2 Variables indépendantes
Aversion à l’ambiguïté
Le coefficient d’aversion à l’ambiguïté de l’échantillon se situe entre −3,64 et 0,55.
La moyenne s’établit à −0,15. Un paramètre d’aversion à l’ambiguïté négatif représente une
attitude recherchant l’ambiguïté, alors qu’un paramètre positif représente une aversion à
l’ambiguïté. Un paramètre nul indique donc un individu neutre à l’ambiguïté. Puisque la
moyenne observée dans l’échantillon se trouve à −0,15, il est possible de déduire que
plusieurs individus ne présentent pas de comportement d’aversion à l’ambiguïté, ce qui n’est
pas conforme aux résultats attendus relativement à la littérature antérieure.
Les analyses préliminaires ont par ailleurs montré que, parmi l’échantillon, les
compétences de calcul élevées étaient corrélées à un plus faible degré d’aversion à
l’ambiguïté.
Il existerait également une corrélation entre le domaine d’étude et l’aversion à
l’ambiguïté des participants. Le fait d’étudier dans un domaine lié aux sciences sociales serait
associé à un plus grand niveau d’aversion à l’ambiguïté. Il est à noter que ce domaine d’étude
est aussi négativement corrélé aux compétences de calcul des participants. D’autre part, le
fait d’étudier dans un domaine connexe à l’économie serait corrélé à un plus faible niveau
d’aversion à l’ambiguïté.
Aversion à la perte
La littérature existante fait état d’un coefficient d’aversion à la perte s’élevant, en
moyenne, à 2. Dans cet échantillon, le plus bas coefficient observé s’établit à 0,05, tandis
que le plus élevé s’établit à 21,35. Par ailleurs, la moyenne de l’échantillon s’établit à 4,02,
ce qui est élevé par rapport aux résultats empiriques.
On considère qu’un coefficient supérieur à 1 démontre un comportement d’aversion
à la perte, alors qu’un coefficient inférieur à 1 démontre une attitude de recherche du gain.
La moyenne de l’échantillon se trouve donc en situation d’aversion à la perte, plutôt qu’en
situation de recherche du gain.
Suite à l’expérience, on dénote également une corrélation positive entre le fait d’avoir
expérimenté un profil de compagnie négatif et l’aversion à la perte.
33
Sensibilité relativement au point de référence
La sensibilité relativement au point de référence est décrite par deux paramètres, soit
un paramètre relatif au domaine des gains et un relatif au domaine des pertes.
Pour ce qui est du domaine des gains, une valeur du coefficient inférieure à 1 implique
une concavité de la fonction de valeur. Plus la fonction de valeur est concave, plus la différence
de sensibilité est grande entre un gain près du point de référence et un gain éloigné de celui-ci.
La moyenne observée dans l’échantillon se situe à 0,95 ce qui indiquerait une très
légère concavité de la fonction de valeur. Plus le paramètre est petit, plus la courbure de la
fonction d’utilité est prononcée, et donc plus la sensibilité relativement au point de référence
est décroissante. La valeur moyenne observée est si près de 1 qu’elle n’indique pratiquement
pas de perte de sensibilité relativement au point de référence.
Pour ce qui est du domaine des pertes, un coefficient inférieur à 1 correspondrait pour
sa part à une fonction d’utilité convexe. Une plus grande courbure de la fonction d’utilité
dans un contexte de perte représenterait une sensibilité décroissante relativement au point de
référence. La moyenne observée dans l’échantillon se situe à 0,72, ce qui indique qu’en
moyenne, les individus de l’échantillon subissent une perte de sensibilité plus importante en
ce qui concerne les pertes de grandes amplitudes, par rapport aux pertes concernant un petit
montant.
Afin de bien capter la différence que certains individus pourraient avoir en termes de
courbure de la fonction de valeur, une variable décrivant la différence entre le domaine des
gains et des pertes a été intégrée au modèle. Cette variable, si positive, indique un plus petit
paramètre dans le domaine des pertes que dans le domaine des gains. Puisque la moyenne
observée dans l’échantillon est supérieure à 0, on peut en déduire que la courbure de la
fonction de valeur, soit la perte de sensibilité quant aux résultats éloignés du point de
référence, est plus prononcée en ce qui concerne les pertes que les gains pour la moyenne des
participants.
34
Mise à jour des croyances
Des paramètres ont également été calculés afin de décrire la méthode de mise à jour
des croyances parmi l’échantillon. La valeur moyenne du paramètre concernant le poids
accordé à l’information reçue à priori s’établit à 1,42, alors que celle concernant le poids
accordé à la nouvelle information représente 0,54. Ces résultats montrent que les individus
de l’échantillon sont plutôt lents pour mettre à jour leurs croyances concernant la distribution
de probabilité, suite à la nouvelle information apportée.
3.4 Modèle proposé
L’objectif de ce mémoire est d’expliquer l’impact de certains biais des participants
sur leurs préférences relativement à la fréquence de rétroaction et l’horizon d’investissement.
Les variables dépendantes étudiées sont les choix des individus effectués à la fin de
l’expérience soit :
− la fréquence de rétroaction préférée;
− l’horizon d’investissement préféré.
Par ailleurs, les principales variables indépendantes étudiées sont notamment :
− le coefficient d’aversion à la perte;
− le coefficient d’aversion à l’ambiguïté;
− les paramètres de sensibilité relativement au point de référence
− les paramètres de mise à jour des croyances (ancienne et nouvelle information).
Puisque l’intérêt principal est de connaître la force directrice que chacune de ces variables
pourrait avoir sur les variables dépendantes, nous accorderons une attention particulière au
sens de la variation induite par chacun des biais sur les préférences indiquées par les sujets à
l’aide de modèles de type probit et d’un modèle de type biprobit.
35
Le modèle probit
Le modèle probit permettra d’examiner si les variables sélectionnées influencent la
probabilité de l’évènement yi à la hausse ou à la baisse :
𝑃(𝑌𝑖 = 1| 𝑋) = ϕ(𝑋′ 𝛽)
Ici, 𝑃(𝑌 = 1) désigne la probabilité que 𝑌 = 1, où 𝑌 réfère à la variable dépendante. Dans
le cadre de cette expérience, deux modèles probit seront réalisés dans lesquels 𝑌𝑖 = 1
correspondent à :
𝑌1 = 1 : faire le choix d’une fréquence de rétroaction plus faible (F3 ou F5) pour au
moins une période;
𝑌2 = 1 : faire le choix d’un horizon d’investissement plus long (H3 ou H5) pour au
moins une période.
Le choix effectué réfère ici à la réponse fournie à la question répondue à la fin de
l’expérience. De plus, le symbole 𝜙 désigne la fonction de répartition de la loi normale
centrée réduite.
Le modèle biprobit
Puisqu’il existe une corrélation élevée entre le choix des participants relatif à la
fréquence de rétroaction et à l’horizon d’investissement, un modèle biprobit sera également
utilisé. Ce modèle à deux équations permettra d’expliquer simultanément les deux variables
dépendantes binaires et de calculer l’influence des autres variables sur leur probabilité
d’occurrence simultanée.
36
Chapitre 4 – Résultats
Ce chapitre présente les résultats et les conclusions de cette étude. Les sections
suivantes présenteront le résultat des modèles probit et biprobit. Finalement, la dernière
section discutera des résultats obtenus parallèlement à la littérature existante
4.1 Interprétation des résultats des modèles probit
Fréquence de rétroaction
Afin de prédire l’effet des variables d’intérêt sur le choix des individus concernant la
fréquence de rétroaction, un modèle probit a tout d’abord été utilisé. Les paramètres, selon
qu’ils soient positifs ou négatifs, permettront d’examiner si les variables associées
influencent la probabilité de 𝑌1 à la hausse ou à la baisse. Les effets marginaux permettront,
quant à eux, de déterminer dans quelle mesure l’augmentation d’une unité de la variable
indépendante entraîne une variation de la probabilité que l’individu choisisse, pour au moins
une période, une fréquence de rétroaction faible (3 ou 5 périodes). Le modèle étudié est le
suivant :
𝑷(𝑪𝒉𝒐𝒊𝒙 𝒅𝒆 𝑭𝟑 𝒐𝒖 𝑭𝟓| 𝑿) = 𝛟(𝐗′𝛃)
Dans ce modèle, 𝑌1 = 1 indique que l’individu fait un choix impliquant une fréquence
de rétroaction plus faible (F3 ou F5), pour au moins une période, alors que 𝑋 représente les
variables indépendantes incluses dans le modèle.
Le Tableau 2, à la page suivante, détaille les différentes variables indépendantes qui
ont été utilisées aux fins de la modélisation, ainsi que l’interprétation d’un coefficient plus
élevé.
37
Variables indépendantes Interprétation d’un coefficient élevé
Aversion à l’ambiguïté Être averse à l’ambiguïté
Aversion à la perte Être averse à la perte
Sensibilité (gain) Être sensible aux gains éloignés du point de référence (convexité)
Sensibilité (différence) La perte de sensibilité est plus prononcée en ce qui concerne les
pertes que les gains éloignés du point de référence.
Croyances à priori Accorder un poids important aux croyances à priori
Nouvelle information Accorder un poids important à la nouvelle information reçue
Âge Être âgé de plus de 27 ans
Femme Être une femme
Étude en économique Étudier un domaine connexe à l’économie et aux finances
Étude en génie Étudier un domaine connexe à l’ingénierie
Ordre HML Avoir participé aux traitements selon l’ordre : HML
Ordre LMH Avoir participé aux traitements selon l’ordre : LMH
Capacité de calcul Avoir de bonnes capacités de calcul
Profil de compagnie négatif Avoir expérimenté au moins un profil de compagnie défavorable
Tableau 2. Détail des variables indépendantes et interprétation de leur coefficient
Un paramètre β positif signifie qu’une augmentation de la variable associée entraîne
une plus grande probabilité que l’individu fasse le choix d’une fréquence de rétroaction plus
faible, alors qu’un β négatif signifie le contraire. L’effet des paramètres générés par le
modèle sur la variable dépendante se répartit comme suit:
Paramètres β Déviations
standard
P > | z | Effets marginaux
Aversion à l’ambiguïté -0.47 0.16 0.00 -0.19
Aversion à la perte -0.04 0.03 0.11 -0.02
Sensibilité (gain) 0.13 0.25 0.60 0.05
Sensibilité (différence) 1,29 0.24 0.00 0.41
Croyances à priori -0.04 0.09 0.61 -0.02
Nouvelle information 0.06 0.06 0.39 0.02
Âge -0.32 0.40 0.42 -0.13
Femme 0.49 0.44 0.27 0.19
Étude en économique -0.57 0.67 0.40 -0.22
Étude en génie -0.85 0.42 0.04 -0.33
Ordre HML -1.17 0.31 0.00 -0.46
Ordre LMH -0.48 0.33 0.15 -0.19
Capacité de calcul 0.25 0.12 0.04 0.01
Profil de compagnie négatif 0.21 0.20 0.29 0.01
Interaction Profil négatif et
Sensibilité (différence)
-082 0.50 0.11
Tableau 3. Impact des variables indépendantes sur la probabilité de choisir une faible rétroaction (F3 ou F5)
38
Selon ce modèle, le coefficient d’aversion à l’ambiguïté et le coefficient d’aversion à
la perte auraient tous deux un paramètre négatif, ce qui diminuerait la probabilité de choisir
une faible fréquence de rétroaction.
Les résultats montrent que les personnes ayant un haut niveau d’aversion à
l’ambiguïté ont une plus faible probabilité (−19 %) de choisir, au moins pour une période,
un faible niveau de rétroaction. Cela correspond au résultat attendu puisque le faible niveau
de rétroaction ne permettrait pas aux participants d’ajuster les croyances à chaque période
quant à la probabilité que le profil de compagnie soit positif, ce qui exacerberait donc le
contexte d’incertitude auquel ces individus sont averses.
Par ailleurs, on remarque qu’un coefficient d’aversion à la perte élevé semble avoir
un effet négatif sur la probabilité de choisir un faible niveau de rétroaction. Ces résultats ne
correspondent pas à l’hypothèse qui avait été formulée selon laquelle les individus ayant une
grande aversion à la perte pourraient préférer de plus longs horizons d’investissement afin
d’être moins confrontés à la perte. Toutefois, l’effet marginal de ce paramètre est négligeable
(−2 %) en comparaison aux autres paramètres du modèle. Cela implique donc qu’une
augmentation de l’aversion à la perte (de l’ordre d’une unité) diminuerait de 2 % la
probabilité de choisir long horizon de retour de l’information pour au moins une période.
De plus, les résultats montrent que les personnes dont la fonction de valeur montre
une courbure plus importante dans le domaine des gains que des pertes pourraient avoir une
probabilité plus élevée de préférer un faible niveau de rétroaction pour au moins une période.
Autrement dit, le fait de démontrer une sensibilité plus prononcée en ce qui concerne les
pertes que les gains éloignés du point de référence augmenterait la probabilité de choisir un
faible niveau d’information.
Pour ce qui est des variables de contrôle, le domaine d’étude semble avoir un impact
significatif5 sur les préférences. On remarque que le fait d’étudier en génie ou en économie
est associé à une plus faible probabilité de choisir un bas niveau d’information pour au moins
une période. Finalement, les capacités de calcul auraient un effet positif, mais faible (0,5 %)
sur la probabilité de choisir un niveau d’information restreint.
5 Niveau alpha de 10 %.
39
Horizon d’investissement
Pour ce qui est du choix d’investissement, le même modèle a été estimé comme suit :
𝑷(𝑪𝒉𝒐𝒊𝒙 𝒅𝒆 𝑯𝟑 𝒐𝒖 𝑯𝟓| 𝑿) = 𝛟(𝐗′𝛃)
Le modèle permet d’étudier l’impact des variables sur la probabilité de choisir un
long horizon d’investissement (H3 ou H5). Le Tableau 4 présente l’effet des variables
indépendantes sur la variable dépendante.
Paramètres β Déviations
standard
P > |z| Effets marginaux
Aversion à l’ambiguïté -0.60 0.25 0.01 -0.24
Aversion à la perte -0.04 0.01 0.00 -0.02
Sensibilité (gain) 0.18 0.32 0.59 0.07
Sensibilité (différence) 1.34 0.33 0.00 0.49
Croyances à priori -0.13 0.07 0.08 -0.05
Nouvelle information 0.07 0.06 0.27 0.03
Âge -0.40 0.30 0.19 -0.16
Femme 0.53 0.38 0.17 0.21
Étude en économique -0.58 0.49 0.23 -0.23
Étude en génie -0.31 0.49 0.52 -0.12
Ordre HML -0.44 0.31 0.16 -0.17
Ordre LMH -0.01 0.36 0.98 -0.01
Capacité de calcul 0.50 0.15 0.01 0.20
Profil de compagnie négatif 0.30 0.29 0.29 0.09
Interaction Profil négatif et
Sensibilité (différence)
-0.31 0.51 0.54
Tableau 4. Impact des variables indépendantes sur la probabilité de choisir un long horizon
d’investissement (H3 ou H5)
Le fait d’être averse à l’ambiguïté aurait un effet négatif significatif sur la probabilité
de choisir un long horizon d’investissement. Ainsi, une augmentation d’une unité du
coefficient d’aversion à l’ambiguïté réduirait de 24 % la probabilité d’adopter un horizon
long pour au moins une période. Une fois de plus, ce résultat est cohérent avec la littérature
puisque le long horizon d’investissement ne permettrait pas de mettre rapidement à jour les
croyances et augmenterait le nombre de périodes d’investissement dans le contexte de
probabilités incertaines.
Par ailleurs, l’aversion à la perte semble toujours avoir un effet négatif sur la
probabilité d’adopter un long horizon d’investissement, ce qui n’est pas le résultat attendu.
On aurait pu s’attendre à ce que les individus averses à la perte choisissent de longs horizons
40
d’investissement pour agréger le résultat et ainsi être moins exposés aux pertes. Toutefois,
l’effet marginal est peu élevé (−0.02) ce qui indique que cet effet est moins important que
celui observé dans le cas de l’aversion à l’ambiguïté.
Tout comme c’est le cas pour le niveau de rétroaction, on constate que la courbure
moins prononcée de la courbe de valeur dans un contexte de gain que dans un contexte de
perte augmente la probabilité de choisir un long horizon d’investissement pour au moins une
période.
Il est également possible d’observer que les sujets qui accordent davantage d’attention
aux croyances à priori ont moins de probabilité de choisir un long horizon que les sujets
accordant une grande importance à la nouvelle information reçue.
Par ailleurs, la capacité de calcul aurait un impact positif significatif sur la probabilité
de choisir un long horizon d’investissement (0,20). Cet effet est plus marqué que dans le cas
du choix de fréquence de retour de l’information. Il est possible que les personnes ayant de
bonnes capacités de calcul voient la pertinence d’investir sur un long horizon en raison du
résultat espéré, alors qu’ils auraient moins conscience de l’impact engendré par les
rétroactions fréquentes sur leur investissement.
De façon générale, les résultats obtenus dans les deux modèles visant à prédire le
choix en termes d’information et d’horizon d’investissement sont similaires, ce qui confirme
la pertinence d’utiliser un modèle biprobit afin de prédire simultanément l’effet de ces
variables sur les préférences.
41
4.2 Interprétation des résultats du modèle biprobit
Puisqu’il existe une corrélation élevée entre le choix des participants relatifs à la
fréquence de rétroaction et à l’horizon d’investissement, un modèle biprobit a été calculé
pour prédire l’effet des variables sur la probabilité de choisir simultanément un faible niveau
de rétroaction et un long horizon d’investissement pour au moins une période.
Faible rétroaction Long horizon d’investissement
Paramètres
β
Déviation
standard P > |Z|
Paramètres
β
Déviation
standard P > |Z|
Aversion à l’ambiguïté -0.70 0.22 0.00 -0,61 0.22 0.01
Aversion à la perte -0.07 0.02 0.00 -0.03 0.03 0.33
Sensibilité (gain) 0.05 0.29 0.85 0.43 0.43 0.32
Sensibilité (différence) 1.58 0.24 0.00 1.25 0.21 0.00
Croyances à priori -0.07 0.09 0.44 -0.18 0.12 0.13
Nouvelle information 0.10 0.09 0.28 0.09 0.12 0.42
Âge -0.31 0.32 0.33 -0.50 0.30 0.10
Femme 0.51 0.41 0.22 0.60 0.40 0.13
Étude en économique -0.66 0.63 0.30 -0.59 0.56 0.30
Étude en génie -0.97 0.42 0.02 -0.18 0.46 0.69
Ordre HML -1,28 0.35 0.00 -0.49 0.22 0.03
Ordre LMH -0.55 0.39 0.15 -0.10 0.44 0.82
Capacité de calcul 0.22 0.11 0.04 0.47 0.14 0.00
Profil de compagnie négatif 0.23 0.29 0.43 0.30 0.39 0.44
Interaction Profil négatif
et Sensibilité (différence)
-0.90 0.47 0.06 -0.27 0.52 0.61
Tableau 5. Impact des variables indépendantes sur la probabilité de choisir F3 ou F5 et H3 ou H5
Le Tableau 5 montre les résultats obtenus grâce au modèle biprobit. Tel qu’attendu,
un haut niveau d’aversion à l’ambiguïté aurait un effet négatif significatif sur la probabilité
de choisir un long horizon d’investissement et de rétroaction pour au moins une période.
Pour ce qui est de l’aversion à la perte, on remarque qu’un coefficient élevé aurait un
effet négatif sur la probabilité de choisir un faible niveau de rétroaction et une longue période
d’investissement. Encore une fois, ce résultat ne correspond pas à l’hypothèse qui avait été
formulée selon laquelle les individus ayant une grande aversion à la perte pourraient préférer
de plus longs horizons d’investissement afin d’être moins confrontés à la perte.
42
Par ailleurs, le paramètre de sensibilité au risque montre que les individus dont la
fonction de valeur serait plus courbée dans le domaine des pertes que des gains auraient une
probabilité significativement plus grande choisir un faible niveau de rétroaction et un long
horizon d’investissement. La courbure plus prononcée dans le domaine des pertes indiquait
une plus grande sensibilité aux gains extrêmes (éloignés du point de référence) qu’aux pertes
extrêmes.
Effets marginaux des variables
Le tableau 6 montre les effets marginaux des variables sur la probabilité de choisir,
pour au moins une période, un long horizon d’investissement et une faible rétroaction (à
gauche), ou un court horizon d’investissement et un haut niveau de rétroaction (à droite).
𝑌1 = 1 𝑒𝑡 𝑌2 = 1
Choisir un long horizon
d’investissement et de rétroaction
pour au moins une période
𝑌1 = 0 𝑒𝑡 𝑌2 = 0
Choisir un court horizon
d’investissement et de rétroaction
pour 30 périodes
Effet marginal P > |Z| Effet marginal P > |Z|
Aversion à l’ambiguïté -0.24 0.00 0.28 0.00
Aversion à la perte -0.01 0.33 0.03 0.00
Sensibilité (gain) 0.17 0.31 -0.02 0.85
Sensibilité (différence) 0.46 0.00 -0.51 0.00
Croyances à priori -0.07 0.13 0.03 0.43
Nouvelle information 0.04 0.43 -0.04 0.27
Âge -0.20 0.01 0.12 0.33
Femme 0.24 0.13 -0.20 0.21
Étude en économique -0.23 0.28 0.26 0.30
Étude en génie -0.07 0.69 0.38 0.02
Ordre HML -0.19 0.02 0.51 0.00
Ordre LMH -0.04 0.82 0.22 0.15
Capacité de calcul 0.18 0.00 -0.09 0.03
Profil de compagnie négatif 0.06 0.65 -0.04 0.72
Tableau 6. Effets marginaux des variables indépendantes sur les variables indépendantes
Choix de longs horizons
Les résultats du modèle biprobit montrent que les personnes ayant un haut niveau
d’aversion à l’ambiguïté ont une plus faible probabilité (−24 %) de choisir, au moins pour
une période, un faible niveau de rétroaction et un long horizon d’investissement. Cela
correspond aux résultats attendus à la lumière de la littérature existante et des deux modèles
présentés précédemment.
43
Tel que mentionné plus tôt, l’aversion à la perte aurait un effet négatif sur la
probabilité de choisir un faible niveau de rétroaction et une longue période d’investissement.
Toutefois, l’effet marginal (−1 %) n’est pas important en comparaison avec les autres
variables et l’effet est non significatif.
Par ailleurs, le paramètre de sensibilité au risque montre que les individus dont la
fonction de valeur serait plus courbée dans le domaine des pertes que des gains auraient une
probabilité significativement plus grande choisir un faible niveau de rétroaction et un long
horizon d’investissement. Il est pertinent de noter que l’effet marginal est assez élevé
puisqu’une augmentation d’une unité de la variable augmenterait la probabilité de choisir de
longs horizons de l’ordre de 46 %.
La littérature avait soulevé certains effets liés à l’âge sur l’aversion à la perte myope.
On remarque que le fait d’être âgé de plus de 27 ans (âge médian) aurait un négatif sur la
probabilité le choisir un long horizon d’investissement et une faible fréquence de rétroaction.
L’effet, qui semblait plus marqué dans le cas du choix d’investissement, n’était toutefois
significatif dans aucun des deux modèles probit alors qu’il jouerait ici un rôle significatif sur
la probabilité de choisir simultanément un long horizon d’investissement et de rétroaction.
Il semble également que l’ordre de présentation des conditions ait une répercussion
sur les paramètres préférés puisque le fait d’avoir participé aux traitements selon l’ordre
HML6 ou LMH7 diminue respectivement la probabilité de choisir de longs horizons de 19 %
et 4 %. On peut en déduire que le fait de participer au traitement selon l’ordre MLH8
augmenterait la probabilité de choisir de longs horizons de rétroaction et d’investissement.
Finalement, les résultats montrent qu’être un homme9 et avoir de bonne capacité de
calcul seraient associés, en moyenne, à une plus faible probabilité de choisir simultanément
un long horizon d’investissement et de rétroaction. Ces résultats pourraient notamment être
dus à un plus grand intérêt porté au suivi de l’investissement et à un plus grand sentiment de
contrôle de l’investissement chez les gens ayant de meilleures connaissances du marché
d’investissement et des statistiques.
6 F1H1 – F1H3/5 – F3/5H3/5 7 F3/5H3/5 – F1H3/5 – F1H1 8 F1H3/5 – F3/5H3/5 – F1H1 9 Ce résultat est significatif pour un niveau alpha de 10 %.
44
Choix de courts horizons
Le tableau 6 montre également les effets marginaux des variables sur la probabilité
de choisir simultanément de courts horizons d’investissement et de rétroaction pour 30
périodes. Sans surprise, les variables ont un effet contraire sur cette probabilité. Ces effets
sont d’ailleurs semblables en termes d’amplitude à ce qui a été observé dans le cas des
préférences pour de longs horizons.
On remarque toutefois que l’âge aurait un effet moins important (12 %) sur la
probabilité de choisir de courts horizons d’investissement et de rétroaction. De plus, cet effet
n’est pas significatif, alors qu’il l’était dans le cas précédent.
Par ailleurs, le fait d’avoir participé à l’expérience selon l’ordre HML ou LMH aurait
un effet marginal beaucoup plus important sur la probabilité de choisir de courts horizons
(respectivement 51 % et 22 %). Ce résultat renforce l’idée qu’il est important d’expérimenter
chacune des conditions avant d’exprimer ses préférences puisque l’expérience vécue aurait
vraisemblablement un impact sur celles-ci.
Finalement, on remarque que les capacités de calcul auraient un impact moins
important sur la probabilité de choisir de courts horizons (−9%).
Il aurait été intéressant de mesure les effets marginaux sur la probabilité de choisir
simultanément un long horizon d’investissement et une grande fréquence de rétroaction.
Malheureusement, la grande corrélation des choix et le trop faible nombre d’observations ne
permettaient pas le calcul de ces effets marginaux.
45
Conclusion
Un des objectifs de cette étude était de placer les individus en contexte d’ambiguïté
afin d’obtenir un environnement plus représentatif des conditions réelles d’investissement.
Par ailleurs, cette expérience visait à placer les sujets dans un contexte où ils pourraient
expérimenter chacune des conditions avant d’indiquer leurs préférences.
L’expérience a effectivement permis aux participants d’expérimenter chacune des
conditions avant d’effectuer un choix, ce qui n’avait pas été pris en compte par Fellner et
Sutter (2009). Cette manipulation a permis de s’assurer que les participants étaient bien
conscients de l’effet des pertes subies au long de l’expérience. À la lumière des résultats, il
est difficile d’identifier l’effet de l’aversion à la perte sur le choix des participants. Ce biais
engendrerait un faible effet négatif sur la probabilité de choisir un long horizon
d’investissement, alors qu’on aurait pu s’attendre à un résultat contraire. Toutefois, l’effet
marginal était minime (−2 %) en comparaison à celui d’autres variables. D’autre part, l’effet
d’ordre étant confirmé, on peut en conclure que l’expérience vécue module également les
préférences dans un contexte d’investissement. Il faut donc être prudent dans l’élaboration
de celle-ci afin de contrôler les conditions pour bien capter l’effet des variables d’intérêt.
Par ailleurs, cette étude a permis de déterminer que l’aversion à l’ambiguïté joue un
rôle important dans les préférences observées chez les participants. Ce biais semble pousser
les individus à choisir de courts horizons d’investissement, ainsi qu’une grande fréquence de
rétroaction afin de mettre rapidement à jour leurs anticipations sur la loterie à laquelle ils ont
affaire. On remarque d’ailleurs que l’effet de l’ambiguïté surpasse largement celui de
l’aversion à la perte, qui n’aurait qu’un faible rôle à jouer sur les préférences quant aux
paramètres d’investissement.
Ce résultat est étonnant, puisque la littérature s’est énormément penchée sur le rôle
de l’aversion à la perte, alors que peu d’expériences ont étudié cette question dans un contexte
d’ambiguïté. Fellner et Sutter (2009) ont tenté de diriger les choix des participants pour un
horizon d’investissement et de rétroaction plus long, puisque ces paramètres semblaient
mener à des investissements significativement plus risqués. Or, Bellemare, Kröger et
Sossou (2019) ont étudié ces mêmes observations que ceux présentés dans ce mémoire, et
ont trouvé que la fréquence optimale d’évaluation d’un portfolio correspondait à une haute
46
fréquence d’information pour 70 % des participants. En effet, ceux-ci bénéficiaient d’un
retour plus fréquent de l’information en raison de l’effet dominant que l’aversion à
l’ambiguïté sur celui de l’aversion à la perte. À la lumière de ces résultats, il serait pertinent
de remettre en question les résultats obtenus en absence du contexte d’ambiguïté et de
concentrer les expérimentations sur un contexte permettant d’étudier l’effet de l’ambiguïté
sur les décisions d’investissement des participants.
Finalement, la définition de la variable dépendante utilisée ici permet de prendre en
compte les individus qui ont choisi ces paramètres pour un nombre limité de périodes.
Toutefois, cela a également pour effet d’inclure tous les individus ayant fait un choix mixte
dans l’événement 𝑌 = 1 et de limiter 𝑌 = 0 aux individus ayant choisi de courts horizons pour
toutes les 30 périodes, ce qui peut soulever un enjeu dans la mesure où les gens font un choix
mixte ont possiblement des caractéristiques distinctes. Cela demande une interprétation
prudente les résultats.
Afin d’adresser cet enjeu, une nouvelle expérimentation devrait être menée, dans
laquelle le choix mixte n’est pas permis. D’ailleurs le grand nombre de choix possibles
relativement au nombre de sujets observés rend difficile l’interprétation des préférences.
Nous aurions d’ailleurs pu retirer les participants ayant choisi simultanément de
longues périodes sans rétroaction et de courts horizons d’investissement en raison de la nature
irrationnelle de ce choix. En effet, il est difficile d’expliquer le choix d’un horizon
d’investissement à chaque période alors que les sujets n’obtiennent aucune nouvelle
information durant trois ou cinq périodes. Rappelons également que les participants n’ont
pas eu l’occasion d’expérimenter un traitement dans lequel l’horizon d’investissement était
fixé à une période et la fréquence de rétroaction à trois ou cinq périodes. Afin d’augmenter
la validité de l’étude, nous pourrions ne pas permettre aux participants de sélectionner ce
choix dans une expérience ultérieure.
Ces conditions permettraient plus facilement d’étudier l’impact des variables
indépendantes importantes sur les préférences.
47
Bibliographie
Allais, M., & Hagen, O. (1979). Expected Utility Hypotheses and the Allais Paradox. Theory
and Decision Library 21.
Barberis, N., & Thaler, R. (2003). A survey of behavioral finance. Handbook of the
Economics of Finance, pp. 1053-1128.
Bellemare, C., Krause, M., Kröger, S., & Zhang, C. (2005). Myopic loss aversion :
information feedback vs investment. Economics Letters, 319-324.
Bernatzi, S., & Thaler, R. (1995). Mopic loss aversion and the equity premium puzzle.
Quaterly Journal of Economics, 110, 73,92.
Cokely, E. T., Galesic, M., Schulz, E., Ghazal, S., & Garcia-Retamero, R. (2012, Janvier).
Measuring Risk Literacy: The Berlin Numeracy Test. Judgment and Decision Making,
7(1), 25-47.
Daniel, B. (1738). Sommer as new exposition on the measurement of risk. Econometrica, 23-
26.
Ellsberg, D. (1961). Risk, Ambiguity, and the Savage Axioms. Quarterly Journal of
Economics, 75, 643-669.
Fellner, G., & Sutter, M. (2009). Causes, consequences and cures of myopic loss aversion -
An experimental investigation. The Economic Journal, 119 (537), 900-916.
Glatzle-Rutzler, D., Sutter, M., & Zeileis, A. (2015). No myopic Loss aversion in
adolescents? - An experimental note. Journal of Economic Behavior & Organization,
169-176.
Gneezy, U., & Potters, J. (1997). An Experiment on Risk Taking and Evaluation Periods.
The Quaterly Journal of Economics, pp. 631-645.
Haigh, S., & List, J. (2005). Do Professionnal Traders Exhibit Myopic Loss Aversion? An
Experimental Analysis. Journal of Finance, 60, 523-534.
Iturbe-Ormaetxe, I., Ponti, G., & Thomas, J. (2016). Myopic Loss Aversion under
AMbiguityand Gender Effects. PLos ONE 11(12): e0161477.
doi:10.1371/journal.pone.0161477.
48
Kahneman, D., & Tversky, A. (1979). Prospect Theory : An Analysis of Decision under Risk.
Econometrica, 47(2), pp. 263-291.
Kahneman, D., & Tversky, A. (1984). Choices values and frames. American Psychologist,
39(4), 341-350.
Keren, G., & Gerritsen, E. M. (1999). On the robustness and possible accounts of ambiguity
aversion. Acta Psychologiga, 103, 149-172.
Köbberling, V., & Wakker, P. P. (2005). An index of loos aversion. Journal of Economic
Theory, pp. 119-131.
Langer, T., & Weber, M. (2005). Myopic prospect theory vs. myopic loss aversion : how
general is the phenomenon? Journal of Economic Behavior and Organization 56, 25-
38.
Langer, T., & Weber, M. (2008). Does commitment or feedback influence myopic loss
aversion? An experimental analysis. Journal of Economic Behavior & Organization
67, 810-819.
Levin, I. P., Mary, S. A., & Daniel, C. P. (1988). The interaction of Experimental and
Situational Factors and Gender in a Simulated Risky Decision Making Task. Journal
of Psychology, 112(2), 173-181.
Mehra, R., & Prescott, E. C. (1985). The equity premium, a puzzle. Journal of Monetary
Economics, 15, 145-161.
Thaler, R., Tversky, A., & Kahneman, D. (1997). The effect of myopia and loss aversion on
risk taking : an experimental test. The Quaterly Journal of Economics, 112(2) , 647-
661.
Tversky, A., & Kahneman, D. (1992). Advances in prospect-Theory - Cumulative
representation of uncertainty. Journal of Risk and Uncertainty, 5 (4), 297-323.
Von neumann, J., & Morgenstern, O. (1947). Theory of games and economic behavior.
Princeton: Princeton University Press.
49
Annexe
Annexe 1. Observations supprimées
Échantillon conservé Observations écartées
Moyenne Déviation
standard
Moyenne Déviation
standard
Capacité de calcul 2.38* 1.19 2.79* 1.20
Aversion à la perte 4.02 5.10 2.31 2.35
Aversion à l’ambiguïté -0.15 1.19 -0.54 1.76
Sensibilité (gains) 0.95 0.39 0.85 0.39
Sensibilité (pertes) 0.72 0.74 0.61 0.78
Mise à jour croyances
(information à priori)
1.41 1.35 1.67 1.19
Mise à jour des croyances
(information nouvelle)
0.54 1.31 0.99 2.35