03/09 - Soutenance de thèse de M. Pierre FAY

La compréhension des mécanismes régissant l'évolution des cours d'un actif est cruciale tant pour les investisseurs soucieux d'optimiser leurs portefeuilles et d'anticiper les aléas du marché que pour les autorités de régulation qui sont les garantes de la stabilité financière et de la protection des investisseurs. Apparu en 2008, le Bitcoin s'est imposé comme un actif incontournable et, bien que la recherche académique se soit intéressée à cette nouvelle classe d'actif, les facteurs déterminants l'évolution des cours des cryptomonnaies demeurent encore mal compris. La présente thèse a pour objet de contribuer à la compréhension de ces dynamiques de prix à travers trois études empiriques. La première étude vise à déterminer les facteurs qui expliquent les variations de rentabilité du Bitcoin, en accordant une attention particulière à l'influence des sentiments et de l'attention des investisseurs, tels qu'ils sont exprimés sur la plateforme YouTube. Elle apporte plusieurs contributions significatives : elle propose une nouvelle variable pour mesurer l'attention des investisseurs, et elle étudie l'impact des sentiments et de l'attention sur le Bitcoin, en considérant à la fois leur effet global et leur effet spécifique selon les différents sujets abordés dans les vidéos. Les résultats montrent que l'attention sur les vidéos à contenu éducatif (tutoriels, trading robotisé, minage) a un impact positif temporaire sur les rendements. L'attention des vidéos axées sur les tendances (personnalités, NFT, métavers) a un impact négatif. Les vidéos positives sur les institutions financières et les personnalités entraînent une surréaction des investisseurs, se traduisant par une hausse initiale des prix suivie d'une correction. Les vidéos négatives, quant à elles, ne semblent pas avoir d'effet prédictif sur le cours du Bitcoin. La seconde étude se concentre sur les déterminants de la volatilité du Bitcoin, en étudiant comment les compétences des investisseurs en matière de blockchain impactent la volatilité du Bitcoin. D'une part, nous proposons une méthode de traitement du langage naturel permettant d'identifier les utilisateurs compétents en matière de blockchain à partir d'informations issues d'un forum ou d'un réseau social. D'autre part, en utilisant la technique d'apprentissage profond de pointe FinBERT, pour détecter le sentiment, nous examinons si les commentaires des investisseurs compétents en matière de blockchain (BC) et non compétents en matière de blockchain (NBC) sur Reddit, ont un impact différent sur la volatilité du bitcoin. Nos résultats mettent en évidence deux points essentiels. Premièrement, nous constatons que le sentiment des investisseurs compétents en matière de blockchain a un effet significatif et non linéaire sur la volatilité du bitcoin. Deuxièmement, la distinction entre le sentiment positif et négatif, ainsi que la distinction entre le sentiment des investisseurs compétents et non compétents, contribuent à améliorer les prévisions de la volatilité du bitcoin. Enfin, le sentiment des investisseurs n'est pas influencé de la même manière par les articles de presse selon leur niveau de connaissance blockchain. La troisième étude porte sur la détection des cycles haussiers ; elle s'attaque aux limites des méthodes de détection des bulles de prix, qui négligent souvent les facteurs comportementaux et émotionnels. Dans cette étude, nous développons un nouveau modèle de détection de ces cycles pour le Bitcoin, intégrant des variables comportementales et émotionnelles telles que la peur, la joie, la surconfiance et la recherche d'informations. La classification du modèle logistique est comparée à la méthode PSY. Les résultats démontrent qu'il est important de prendre en compte des facteurs comportementaux et émotionnels dans la détection des bulles. Les résultats montrent également la supériorité du nouveau modèle dans la détection de ces cycles.