1 L’énigme de volatilité excessive à été également souligné par Leroy et Porter (1981), Mankiew et al (1985), et West (1988).
2 John von Neumann and Oskar Morgenstern: Theory of Games and Economic Behavior, Princeton University Press (1944).
3 Une marche aléatoire est un modèle mathématique d’un système possédant une dynamique discrète composée d’une succession de pas aléatoires, ou effectuées « au hasard ». Les pas aléatoires sont de plus totalement dé corrélés les uns des autres.
4 On suppose ici que les agents sont neutres vis-à-vis du risque, opèrent dans un environnement concurrentiel, ont des fonctions d’utilité séparables au cours du temps et que le taux psychologique de préférence pour le présent est nul.
5 Cette solution est une solution particulière dans la mesure où l’on suppose ici l’absence de bulle spéculative.
6 Appelée aussi analyse graphique, elle permet de prévoir les retournements de tendance en utilisant les données historiques des cours.
8 Voir Mignon (1998) pour des développements relatifs à la rationalité du comportement.
9 De Long, JB., A. Shleifer, LH. Summers, and RJ. Waldmann, 1990, “Noise Trader Risk in Financial Markets”, Journal of Political Economy, 98(4), pp703-738.
10 « L’efficience en soi n’est pas testable », Fama (1991, p 1575)
11 Les livres de Shefrin (2000, 2005) et Shleifer (2000) constituent de bonnes sources pour ceux intéressés à en savoir plus sur ce nouveau courant de recherche.
12 Kahneman, D., and A. tversky, 1979, “Prospect Theory: An Analysis of Decision Under Risk”, Econometrica, 47(2), pp263-291.
13 Cette dualité de la psychologie de l’investisseur et des limites à l’arbitrage est due essentiellement à Shleifer et Summers (1990).
14 Source : Mangot, M « les comportements en bourse, 6 erreurs qui coûtent cher », Galino éditeur, Paris 2004, p31.
15 Tel qu’énoncé par Delong et al. (1990), Shleifer et Vishny (1997) et shleifer (2000).
16 Cette idée est cohérente avec les études de Cooper, Woo et Dunkelberg (1988), Taylor et Brown (1988)) et Daniel, Hirshleifer et Subrahmanyam (1997).
17 Les coûts de transaction dans ce cas s’élèvent à 5,9%.
18 Les investisseurs sur confiants font plus de transaction que les investisseurs rationnels.
19 On peut donner à Rit une approximation suite à la courte fréquence (fréquence mensuelle) et cette approximation est retenue dans notre investigation empirique
20 Voir Schwert (1990) et Nelson (1991) pour plus de détail sur le phénomène d’asymétrie de la variance conditionnelle.
21 La métaphore de Keynes suppose que le marché boursier peut être comparé, le plus souvent, à un concours de beauté dans lequel le jury choisit la personne qui croit que les autres jurys vont choisir plutôt qu’il choisit la personne qu’il considère la plus belle.
22 L’intuition de base des marchés efficients est que les opérateurs prennent position sur le marché en fonction de l’information dont ils disposent de leur situation propre, cette information est supposée commune à tous les agents et gratuite. Dés lors le prix de marché reflète toute l’information disponible et par conséquent le prix observé sur le marché égalise la valeur fondamentale.
23 Voir Asch(1952) et Becker(1991) pour une revue plus détaillée.
24 Bikhchandani et Sharma (2000) fournissent une revue compréhensive de la littérature portant sur les motivations qui sont à l’origine du comportement mimétique rationnel.
25Spieser (2000), Froot, Scharfstein et Stein (1992) et Park et Sabourian (2006) affirment que le comportement grégaire constitue l’une des explications privilégiées de l’apparition de la volatilité excessive sur les marchés financiers.
26 Friedman(1953) affirme que les investisseurs irrationnels déstabilisent les prix et ce en achetant lorsque les prix sont élevés et en vendant lorsque ces prix sont bas.
27 Wang(1993) observe que l’information asymétrique peut conduire à la volatilité et que les investisseurs mal informé tendent à suivre la tendance du marché en achetant quand les prix augmentent et en vendant quand les prix diminuent : ce comportement peut être assimilé au comportement grégaire.
28 On utilise le Log pour comprimer les séries, stationnariser les variances et affecter des probabilités uniquement aux valeurs positives puisque les cours ne peuvent pas être négatifs.
29 Ce choix à été effectué d’une manière arbitraire.