A Study of the Influence of Factors on the Models of the Market Price of Common Stock and Its Elasticity with a Neutral Approach to Dividend Policy as an Artificial Intelligence Tool

Dans le monde des sociétés cotées, le prix d'une seule action est bien plus qu'un simple chiffre sur un écran ; c'est le reflet de la santé d'une entreprise, de sa promesse future et de la confiance que les investisseurs lui accordent. Pour les propriétaires de ces entreprises, l'objectif ultime est de maximiser cette valeur, en veillant à ce que leur richesse croisse au fil du temps. Cependant, atteindre cet objectif est compliqué par un débat persistant : quelle part des bénéfices d'une entreprise doit être versée aux actionnaires sous forme de dividendes, et quelle part doit être conservée pour financer la croissance future ? Certaines théories suggèrent que le versement de dividendes n'a aucune importance, tandis que d'autres soutiennent que cette décision est cruciale. Une troisième perspective, plus équilibrée, suggère qu'une entreprise peut trouver une voie « neutre », une voie qui respecte les intérêts de toutes les parties prenantes et assure une stabilité à long terme. C'est dans ce juste milieu qu'une nouvelle étude de Sergey Krylov, de l'Université Fédérale de l'Oural, commence, visant à comprendre précisément comment différents leviers financiers tirent le prix d'une action vers le haut ou vers le bas lorsqu'une entreprise suit cette approche neutre.

Le chercheur s'est donné pour mission de construire une carte précise de ces forces financières. Il s'est concentré sur un ensemble spécifique de facteurs qui déterminent le prix de marché d'une action : le montant du bénéfice de l'entreprise par action, l'efficacité avec laquelle elle utilise son argent pour générer des rendements, le taux d'actualisation global que le marché applique aux bénéfices futurs, le taux de rendement exigé par les investisseurs et le taux de croissance attendu des dividendes. Le défi résidait dans le fait que ces facteurs n'agissent pas de manière isolée ; ils sont entrelacés dans des modèles mathématiques complexes. Pour les démêler, Krylov a employé une méthode connue sous le nom d'analyse factorielle déterministe, qu'il traite ici comme une forme d'intelligence artificielle. Dans ce contexte, l'« intelligence » n'est pas un robot prenant des décisions, mais un processus systématique, prêt pour l'informatique, de prédiction. Elle fonctionne en prenant un point de départ connu, en modifiant un facteur spécifique à la fois tout en maintenant les autres constants, et en calculant exactement de combien ce changement unique fait varier le prix final. Cela permet à une entreprise de voir, avec clarté, l'impact isolé d'une décision avant qu'elle ne soit prise.

Pour tester cette approche, l'étude a appliqué ces modèles à une entreprise publique hypothétique nommée « Gamma ». Les chercheurs ont établi un scénario de référence en utilisant les données de la fin d'un exercice comptable, puis ont créé une prévision pour l'année suivante, en ajustant les facteurs clés pour voir ce qui se passerait. Ils ont observé que lorsque le niveau de capitalisation du marché, qui agit comme un taux d'actualisation pour les flux de trésorerie futurs, est passé de 15,3 % à 16,1 %, le prix attendu de l'action a chuté de manière significative de 104,839 roubles. Inversement, lorsque les bénéfices par action de l'entreprise sont passés de 157,48 roubles à 164,53 roubles, le prix de l'action a grimpé de 78,817 roubles. L'étude a également suivi la manière dont ces changements affectaient l'« élasticité » du cours de l'action, une mesure de la sensibilité du prix aux variations de facteurs spécifiques. Par exemple, la sensibilité du prix au rendement des investissements de l'entreprise a légèrement varié en fonction du changement d'autres conditions, démontrant que la relation entre ces variables est dynamique et réactive.

Les résultats de cette simulation ont fourni une décomposition claire, étape par étape, de la contribution de chaque facteur au résultat final. Lorsque tous les changements ont été combinés, l'effet net a été une augmentation modeste du prix de l'action de 12,145 roubles. Ce faible gain était la somme de plusieurs forces plus importantes et opposées : la baisse causée par la hausse du taux d'actualisation du marché a été partiellement compensée par les gains provenant de la hausse des bénéfices et de l'amélioration des rendements des investissements. L'étude a également révélé que si le taux de croissance des dividendes restait constant à 5 %, il n'avait aucun effet immédiat sur la variation du prix dans ce scénario spécifique, soulignant comment certains facteurs peuvent rester neutres sous certaines conditions. En isolant ces effets, la méthode permet aux gestionnaires de prédire exactement comment une décision spécifique, telle que l'altération de la politique de dividendes ou l'amélioration de l'efficacité de l'investissement, se répercutera sur le cours de l'action.

Ce travail confirme que l'utilisation d'une méthode systématique de substitution en chaîne pour analyser ces modèles complexes est un outil viable et efficace de gestion financière. Elle offre un moyen de dépasser les conjectures, en fournissant une manière structurée de prévoir comment les actions d'une entreprise seront perçues par le marché. L'étude suggère qu'en comprenant l'influence précise de chaque facteur, une société cotée peut mieux gérer le cours de son action et sa politique de dividendes de manière à soutenir un développement durable. Bien que la méthode repose sur l'hypothèse que les facteurs changent indépendamment, ce qui est une simplification de la réalité, les résultats offrent un cadre puissant pour la prise de décision. La recherche conclut que cette approche, présentée comme un outil d'intelligence artificielle pour la prédiction, peut aider les entreprises à naviguer dans les complexités du marché boursier, garantissant que leurs stratégies ne sont pas de simples espoirs, mais des étapes calculées vers la maximisation de la valeur pour les actionnaires.