Données alternatives et prévisions financières :les Stocktwits et les images satellite perturbent-ils les prévisions des analystes ?

Depuis le début du siècle, le nombre de satellites en orbite autour de la Terre a augmenté de plus de 800 %, passant de moins de 1 000 à plus de 9 000. Cette profusion a eu de nombreuses répercussions étranges et inquiétantes. L’une d’entre elles est que les entreprises vendent des données provenant d’images satellite de parkings à des analystes financiers. Les analystes utilisent ensuite ces informations pour évaluer le trafic piétonnier d'un magasin, comparer un détaillant à ses concurrents et estimer ses revenus.

Ce n’est là qu’un exemple des nouvelles informations, ou « données alternatives », dont disposent désormais les analystes pour les aider à faire leurs prédictions sur la performance future des actions. Dans le passé, les analystes faisaient des prédictions basées sur les états financiers publics des entreprises.

Un e-mail hebdomadaire en anglais présentant l'expertise d'universitaires et de chercheurs. Il fournit une introduction à la diversité de la recherche issue du continent et examine certains des problèmes clés auxquels sont confrontés les pays européens. Recevez la newsletter !

Selon nos recherches, la pléthore de nouvelles sources de données a amélioré les prévisions à court terme mais a détérioré l'analyse à long terme, ce qui pourrait avoir de profondes conséquences.

Tweets, twits et données de carte de crédit

Dans un article sur l'effet des données alternatives sur les prévisions financières, nous avons dénombré plus de 500 entreprises qui ont vendu des données alternatives en 2017, un nombre qui a explosé par rapport à moins de 50 en 1996. Aujourd'hui, le courtier de données alternatives Datarade répertorie plus de 3 000 ensembles de données alternatives à vendre.

Outre les images satellite, les sources de nouvelles informations incluent Google, les statistiques des cartes de crédit et les médias sociaux tels que X ou Stocktwits, une plateforme populaire de type X où les investisseurs partagent des idées sur le marché. Par exemple, les utilisateurs de Stocktwits partagent des graphiques montrant l'évolution du prix d'une action donnée (par exemple l'action Apple) et des explications sur les raisons pour lesquelles l'évolution prédit une augmentation ou une diminution du prix. Les utilisateurs mentionnent également le lancement d'un nouveau produit par une entreprise et si cela les rend haussiers ou baissiers à l'égard des actions de l'entreprise.

À l'aide des données du système d'estimation des courtiers institutionnels (I/B/E/S) et d'analyses de régression, nous avons mesuré la qualité de 65 millions de prévisions d'analystes d'actions de 1983 à 2017 en comparant les prévisions des analystes avec le bénéfice réel par action des actions des entreprises.

Nous avons constaté, comme d’autres l’ont fait, que la disponibilité d’un plus grand nombre de données explique pourquoi les analystes boursiers sont progressivement devenus meilleurs dans l’élaboration de projections à court terme. Nous sommes toutefois allés plus loin en nous demandant comment ces données alternatives affectaient les projections à long terme. Et nous avons constaté qu'au cours de la même période où l'exactitude des projections à court terme a augmenté, la validité des prévisions à long terme a diminué.

Plus de données, mais une attention limitée

En raison de leur nature, les données alternatives (informations sur les entreprises du moment) sont principalement utiles pour les prévisions à court terme. Une analyse à plus long terme – d'un à cinq ans dans le futur – est un jugement beaucoup plus important.

Des articles antérieurs ont prouvé la proposition de bon sens selon laquelle les analystes bénéficient d’une attention limitée. Si les analystes doivent couvrir un large portefeuille d'entreprises, par exemple, leur concentration dispersée commence à produire des rendements décroissants.

Nous voulions savoir si l'exactitude accrue des prévisions à court terme et la diminution de l'exactitude des prévisions à long terme – que nous avions observées dans notre analyse des données I/B/E/S – étaient dues à une prolifération concomitante de sources alternatives d'informations financières.

Pour étudier cette proposition, nous avons analysé toutes les discussions sur les actions sur Stocktwits qui ont eu lieu entre 2009 et 2017. Comme on pouvait s'y attendre, certaines actions comme Apple, Google ou Walmart ont généré beaucoup plus de discussions que celles de petites entreprises qui ne sont même pas cotées au Nasdaq.

Nous avons supposé que les analystes qui suivaient les actions très discutées sur la plateforme – et donc exposés à de nombreuses données alternatives – connaîtraient une baisse plus importante de la qualité de leurs prévisions à long terme que les analystes qui suivaient les actions peu discutées. Et après avoir pris en compte des facteurs tels que la taille de l'entreprise, les années d'activité et la croissance des ventes, c'est exactement ce que nous avons constaté.

Nous avons déduit que parce que les analystes avaient facilement accès aux informations pour l'analyse à court terme, ils y concentraient leur énergie, ce qui signifiait qu'ils accordaient moins d'attention aux prévisions à long terme.

Les conséquences plus larges d'une mauvaise prévision à long terme

Les conséquences de cette inondation de données alternatives pourraient être profondes. Lorsqu’ils évaluent la valeur d’une action, les investisseurs doivent prendre en compte les prévisions à court et à long terme. Si la qualité des prévisions à long terme se détériore, il y a de fortes chances que les cours boursiers ne reflètent pas fidèlement la valeur d'une entreprise.

De plus, une entreprise aimerait voir la valeur de ses décisions se refléter dans le prix de ses actions. Mais si les décisions à long terme d’une entreprise sont mal prises en compte par les analystes, elle pourrait être moins disposée à faire des investissements qui ne rapporteront que des années plus tard.

Dans l’industrie minière, par exemple, il faut du temps pour construire une nouvelle mine. Il faudra peut-être neuf ou dix ans pour qu’un investissement commence à produire des flux de trésorerie. Les entreprises pourraient être moins disposées à effectuer de tels investissements si, par exemple, leurs actions sont sous-évaluées parce que les acteurs du marché ont des prévisions moins précises de l'impact de ces investissements sur les flux de trésorerie des entreprises (le sujet d'un autre article sur lequel nous travaillons).

L’exemple de l’investissement dans la réduction des émissions de carbone est encore plus alarmant. Ce type d’investissement a également tendance à s’avérer payant à long terme, lorsque le réchauffement climatique deviendra un problème encore plus grave. Les entreprises peuvent être moins incitées à investir si la valeur de cet investissement ne se reflète pas rapidement dans leur valorisation.

Applications pratiques

Les résultats de nos recherches suggèrent qu’il pourrait être judicieux pour les sociétés financières de séparer les équipes qui recherchent les résultats à court terme et celles qui font des prévisions à long terme. Cela atténuerait le problème selon lequel une personne ou une équipe serait inondée de données pertinentes pour les prévisions à court terme et devrait ensuite également rechercher des résultats à long terme. Nos conclusions sont également intéressantes pour les investisseurs à la recherche de bonnes affaires :même si de mauvaises prévisions à long terme présentent des inconvénients, elles pourraient constituer une opportunité pour ceux qui sont capables d'identifier les entreprises sous-évaluées.