Pre-Tax Corporate Profits Forecasts for the US Economy: An unresolved Challenge
Cette étude analyse les prévisions de bénéfices avant impôts des entreprises américaines de 1990 à 2024 et révèle l'anomalie surprenante que la précision des prévisions ne s'améliore pas avec des horizons plus courts, parallèlement à des preuves de comportement de troupeau, de sous-estimation de la variabilité et d'une absence d'optimisme excessif chez les prévisionnistes.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Dans le monde de l'investissement, la question la plus fondamentale est simple : une entreprise gagnera-t-elle plus d'argent l'année prochaine qu'elle ne l'a fait cette année ? Depuis des décennies, les experts financiers ont bâti leurs carrières sur la réponse à cette question. Ils étudient les rapports d'activité, interrogent les dirigeants et analysent les chiffres pour prédire les profits futurs des entreprises. Ces prédictions sont la boussole des investisseurs qui décident où placer leur argent. Si les experts estiment que les entreprises d'un pays vont prospérer, les investisseurs injectent des liquidités dans le marché boursier de cette nation. S'ils voient des difficultés, ils se retirent. Tout le système de l'investissement actif repose sur l'hypothèse que ces experts peuvent voir le futur mieux que le passé, et que leurs suppositions s'affinent à mesure qu'ils se rapprochent de l'événement réel. C'est une croyance raisonnable : tout comme une prévision météorologique pour demain est généralement plus précise qu'une prévision pour le mois prochain, une prédiction de profit faite en décembre devrait être plus fiable qu'une prédiction faite en janvier.
Une équipe de chercheurs allemands a décidé de tester cette hypothèse en observant de manière massive et à long terme l'économie des États-Unis. Ils ont rassemblé toutes les prévisions mensuelles émises par les grandes banques et les instituts de recherche de 1990 à 2024 concernant l'évolution des bénéfices avant impôts des entreprises. Ils ont suivi ces prévisions sur une période de deux ans, observant comment elles évoluaient mois après mois à mesure que le résultat réel approchait. Leur objectif était de voir si les experts apprenaient réellement des nouvelles informations, ou s'ils tâtonnaient simplement dans l'obscurité. Ce qu'ils ont découvert est une contradiction frappante avec tout ce que le monde de la finance croit savoir sur le fonctionnement des prévisions.
L'étude a examiné une vaste collection de données, analysant la capacité de ces experts à prédire la variation en pourcentage des bénéfices des entreprises américaines d'une année sur l'autre. Les chercheurs ont mesuré la distance entre ce que les experts prédisaient et ce qui se passait réellement. Ils s'attendaient à voir un schéma clair : à mesure que les mois passaient et que la fin de l'année approchait, les erreurs de prédiction devraient diminuer. La logique veut que davantage d'informations deviennent disponibles au fil du temps. Les entreprises publient des rapports trimestriels, les données économiques sont finalisées, et le brouillard de l'incertitude devrait se dissiper. Cependant, les données ont raconté une histoire totalement différente. L'erreur moyenne de ces prédictions était énorme, manquant la cible de près de 95 % en moyenne. Plus choquant encore, ce taux d'erreur massif ne s'améliorait pas du tout à l'approche de l'échéance. Une prédiction faite vingt-quatre mois à l'avance était tout aussi inexacte qu'une prédiction faite un mois seulement avant que le résultat ne soit connu. Les experts ne devenaient pas meilleurs ; ils restaient exactement aussi erronés qu'au départ.
Ce résultat contraste nettement avec la manière dont les experts traitent d'autres indicateurs économiques. Lorsque les mêmes chercheurs ont examiné les prévisions du produit intérieur brut, de l'inflation ou des mises en chantier de logements, ils ont observé le schéma attendu. Pour ces sujets, les prévisions devenaient nettement plus précises à mesure que l'horizon de prévision se raccourcissait. Les experts savaient clairement utiliser les nouvelles informations pour ces thématiques. Mais pour les bénéfices des entreprises, l'amélioration n'a tout simplement pas eu lieu. Les chercheurs ont écarté l'idée que les experts étaient simplement lents à réagir. Les données ont montré que les experts mettaient pourtant régulièrement à jour leurs chiffres, oscillant souvent radicalement d'un mois à l'autre. Ils n'ignoraient pas l'actualité ; ils y réagissaient, et pourtant, leurs estimations finales restaient aussi éloignées de la réalité qu'leurs estimations initiales.
Les chercheurs ont ensuite examiné le comportement des experts les uns envers les autres. Ils ont remarqué que, si l'exactitude n'augmentait pas, les experts commençaient par contre à se rejoindre. À l'approche de l'échéance des chiffres réels des bénéfices, l'écart entre leurs prédictions se réduisait. Au début, les experts avaient des opinions très divergentes. À la fin, ils disaient presque tous la même chose. Cette convergence suggère un comportement connu sous le nom de comportement grégaire (herding). Au lieu que chaque expert analyse indépendamment les nouvelles données pour trouver la véritable réponse, ils semblaient suivre la foule. Ils alignaient leurs vues sur l'opinion de la majorité, peut-être pour éviter le risque d'être le seul à se tromper, mais ce faisant, ils ont cessé de chercher la vérité réelle. Ils sont devenus un groupe unifié de personnes qui étaient toutes également en erreur.
Une autre découverte surprenante est que les experts n'étaient pas excessivement optimistes, une critique courante en finance. En fait, les données ont montré qu'ils étaient trop prudents. Lorsque les bénéfices réels croissaient d'un certain montant, les experts prédisaient systématiquement un taux de croissance plus faible. Ils sous-estimaient le potentiel de l'économie. Ils échouaient également à imaginer les extrêmes. Le monde réel a connu des variations massives de bénéfices, tant des gains énormes que des pertes sévères, mais les prédictions des experts se concentraient toujours dans la moyenne. Ils sous-estimaient la volatilité de la réalité, imaginant un monde plus lisse et plus calme que celui qui existait réellement.
Les implications de ces conclusions sont profondes pour quiconque gère de l'argent. Si les experts payés pour prédire l'avenir ne peuvent pas le faire, et si leurs prédictions ne s'améliorent pas avec le temps, alors la stratégie consistant à choisir activement des actions sur la base de ces prévisions est fondamentalement erronée. L'étude suggère que l'incapacité à prévoir avec précision les bénéfices des entreprises est l'une des raisons majeures pour lesquelles tenter de battre le marché est si difficile. Elle implique que les stratégies actives complexes utilisées par de nombreuses sociétés d'investissement pourraient courir après un fantôme. Les données indiquent que pour l'économie américaine, la meilleure approche pour un investisseur pourrait être d'accepter que l'avenir est imprévisible et de s'en tenir à des stratégies passives qui ne dépendent pas de ces prédictions défaillantes. Les experts ne voient pas le futur ; ils suivent simplement les uns les autres dans un brouillard qu'ils ne parviennent pas à dissiper.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.