Effet des biais cognitifs sur la satisfaction des objectifs de l'investisseur par le modèle HAMA semi-paramétrique

Abstract

Cette thèse analyse l’impact des biais cognitifs sur l’allocation optimale de portefeuilles selon le modèle Horizon-Asymmetry Mental Accounting (HAMA) et évalue leurs performances à travers le critère GGBP. S’inscrivant dans la continuité des travaux en finance comportementale, l’étude met en évidence la manière dont le HAMA complète les cadres classiques en intégrant les horizons temporels et les préférences asymétriques des investisseurs, tandis que le GGBP fournit une mesure de performance cohérente avec ces considérations comportementales. La méthodologie empirique repose sur une démarche exploratoire auprès d’investisseurs réels, ayant permis de constituer des univers d’investissement réalistes et sectoriellement diversifiés. L’allocation optimale selon HAMA est ensuite déterminée pour différents profils d’investisseurs, puis ses performances sont mesurées selon le critère GGBP. Les résultats montrent que, sous des contraintes fortes, les portefeuilles HAMA tendent à s’écarter de la frontière efficiente de Markowitz, et que les univers présentant les meilleures performances GGBP ne coïncident pas nécessairement avec ceux affichant les ratios de Sharpe les plus élevés. Un résultat marquant révèle que la substitution du S&P 500 par l’ETF MSCI World, reflétant une diversification géographique envisagée par un investisseur, a entraîné une forte dégradation de la couche protectrice des portefeuilles, tant en termes de rendement que de faisabilité selon le GGBP. Ces conclusions ont des implications managériales importantes : il peut être utile aux gestionnaires de portefeuille d’adapter leurs allocations en fonction des horizons, des préférences comportementales et des biais des investisseurs en portant une attention particulière à la composition sectorielle et géographique des actifs. Sur le plan académique, cette recherche contribue à la littérature en mobilisant conjointement deux modèles récents et rigoureux, HAMA et GGBP, et propose un cadre complet pour analyser simultanément l’allocation comportementale et ses performances.