Valorisation de l'information sur les marchés financiers par l'utilisation des mégadonnées

La finance 3.0 est encore dans ses balbutiements. Pourtant les mégadonnées représentent une opportunité sans précédent pour l'industrie. À travers cette recherche, nous caractérisons l'impact financier de deux types de messages publiés sur Twitter, notamment sur quatre types de rendements de compagnies inscrites au S&P500. Dans le cas des rendements journaliers, l'influence des messages financiers s'avère significative et peut être prise en compte dans les modèles prédictifs. En ce qui concerne les rendements nocturnes, les deux types de messages peuvent être utilisés (messages financiers et messages mentionnant les noms des compagnies), même si l'impact de ces messages n'est pas de même ampleur. Nous étudions aussi les rendements anormaux de ces compagnies, les volumes d'actions échangées et l'impact de la publication des rapports financiers. Au niveau méthodologique, l'utilisation de modèles économétriques probit a permis de mettre au point des tableaux de contrôle optimisant les opportunités de gain en fonction des jours de la semaine et des types d'industries visés. La deuxième partie de cette étude se penche sur l'analyse du contenu des messages financiers, et l'identification des utilisateurs du réseau. Les mesures de réputation traditionnelles s'avèrent inefficaces pour obtenir un signal nettoyé de tout bruit. À l'inverse, une approche par cartographie permet de mettre en lumière les nœuds sensibles du maillage des utilisateurs en identifiant les éléments clefs à suivre. Finalement, nous proposons une stratégie d'investissement ayant présenté des rendements supérieurs à l'indice de référence, puis nous concluons par des recommandations quant à l'utilisation des médias sociaux pour les investisseurs, les firmes inscrites en bourse, les organismes régulateurs et l'industrie financière en général.