Can Capital Market Information Predict Corporate Risk Before Financial Deterioration? Evidence from Sci-Tech Firms

Dans le monde de la finance, les entreprises sont souvent jugées sur leurs performances passées, tout comme un élève est évalué sur son dernier bulletin de notes. Pendant des décennies, les prêteurs et les investisseurs se sont appuyés sur des chiffres financiers standards — combien de dettes une entreprise doit, quel profit elle a réalisé, et à quelle vitesse elle recouvre l'argent de ses clients — pour décider si une entreprise est sûre à financer. Cependant, cette approche présente un angle mort important lorsqu'il s'agit de firmes technologiques et scientifiques. Ces entreprises opèrent souvent avec très peu d'actifs physiques, dépensent massivement en recherche qui peut ne pas porter ses fruits avant des années, et font face à des flux de trésorerie futurs imprévisibles. Au moment où leurs chiffres financiers traditionnels commencent à paraître mauvais, il est souvent trop tard pour prévenir une crise. La question que les chercheurs posent depuis longtemps est de savoir si le marché boursier lui-même, avec son flux constant de variations de prix et d'activités de trading, peut agir comme un système d'alerte précoce, repérant les problèmes avant même que les rapports financiers officiels ne montrent un problème.

Une équipe de chercheurs s'est donné pour mission de répondre à cette question en examinant un groupe spécifique d'entreprises de haute technologie cotées sur le Marché de l'Innovation Scientifique et Technologique de Chine, souvent appelé Marché STAR. Ils ont recueilli des données de 454 de ces entreprises sur une période de cinq ans, de 2019 à 2024. Au lieu de simplement regarder les chiffres finaux, ils ont construit un système de prédiction sophistiqué qui combinait des données financières traditionnelles avec un large éventail de signaux de marché. Cela incluait l'ampleur des variations du cours de l'action, les modèles spécifiques de ce mouvement, le degré de connexion d'une entreprise avec d'autres au sein de son secteur, et surtout, la constance avec laquelle les entreprises partageaient des informations sur leur recherche et développement. Ils ont utilisé un algorithme informatique puissant, un type d'apprentissage automatique capable de trouver des modèles complexes et non linéaires dans les données, pour voir si ces signaux de marché pouvaient prédire quelles entreprises feraient face à des difficultés financières, des problèmes réglementaires ou des problèmes d'audit au trimestre suivant.

L'étude a commencé par tester une idée spécifique : la manière dont le cours d'une action évolue dans le temps contient plus d'informations que sa seule volatilité passée. Les chercheurs ont découvert qu'une mesure appelée volatilité conditionnelle, qui capture la façon dont l'attente du marché en matière de risque change de jour en jour, apportait une amélioration significative à leur capacité à prédire les problèmes. Lorsqu'ils ont ajouté cette mesure de marché dynamique à leur modèle, leur capacité à identifier correctement les entreprises risquées s'est nettement améliorée. Cependant, ils ont également découvert que la relation entre l'agitation du marché boursier et le risque de l'entreprise n'est pas une ligne droite simple. Il n'est pas vrai que plus le cours d'une action oscille, plus l'entreprise est dangereuse. Au contraire, les données ont montré un schéma spécifique où le risque de difficultés financières était le plus élevé lorsque la volatilité se situait dans une plage moyenne à élevée. Lorsque la volatilité devenait extrêmement élevée, le risque d'effondrement financier immédiat diminuait légèrement, suggérant qu'une panique extrême du marché pourrait être dictée par des chocs à court terme plutôt que par la détérioration lente et progressive de la santé d'une entreprise.

Au-delà des mouvements du marché boursier, les chercheurs ont examiné ce que les entreprises faisaient réellement et la manière dont elles en parlaient. Ils ont découvert que le comportement des entreprises concernant la divulgation d'informations était le prédicteur de risque le plus puissant. Plus précisément, les lacunes dans le reporting d'une entreprise sur sa recherche et développement étaient un signal d'alarme majeur. Lorsqu'une entreprise cessait de partager des mises à jour sur ses projets de recherche ou présentait des périodes consécutives d'informations manquantes, cela signalait une haute probabilité de problèmes futurs. C'était un signal plus fort que les connexions de réseau de l'entreprise avec d'autres sociétés, qui, étonnamment, n'apportaient pas beaucoup de valeur supplémentaire à la prédiction une fois le comportement de marché de l'entreprise déjà pris en compte. L'étude a également souligné que, bien qu'un investissement élevé dans la recherche soit généralement perçu comme positif, la constance de cet investissement et la qualité des flux de trésorerie de l'entreprise étaient des indicateurs de sécurité bien plus importants que le simple montant d'argent dépensé pour l'innovation.

Le modèle final, qui combinait tous ces différents types d'informations, s'est avéré hautement efficace pour classer les entreprises par catégories de risque. Lorsque les chercheurs ont testé le système sur des données qu'il n'avait jamais vues auparavant, il a identifié avec un haut degré de précision les entreprises qui allaient rencontrer des difficultés. Le système était particulièrement performant pour attraper les entreprises les plus susceptibles de faire faillite, garantissant que très peu d'entreprises à haut risque ne passent entre les mailles du filet. Cela suggère que, pour les entreprises technologiques, le chemin vers les difficultés financières n'est pas toujours visible dans le bilan avant qu'il ne soit trop tard. Au lieu de cela, les signes avant-coureurs sont souvent cachés dans la façon dont le marché réagit à l'entreprise et dans la constance avec laquelle l'entreprise raconte son histoire.

Les implications de ces découvertes sont claires pour quiconque est impliqué dans le prêt ou l'investissement auprès de firmes technologiques. Se fier uniquement aux rapports financiers traditionnels est insuffisant pour ces entreprises dynamiques. Une meilleure approche consiste à surveiller le pouls du marché et à prêter une attention particulière à la continuité des divulgations d'une entreprise. Si une entreprise de haute technologie cesse soudainement de parler de ses recherches ou si le cours de son action commence à montrer un schéma spécifique de mouvements instables, ce sont probablement des signaux précoces de problèmes qui apparaissent bien avant que les profits de l'entreprise ne deviennent négatifs. En intégrant ces signaux de marché et ces modèles de divulgation dans leurs évaluations de risques, les prêteurs et les investisseurs peuvent passer d'une posture réactive, attendant que les chiffres financiers se détériorent, à une posture proactive, repérant les changements subtils qui précèdent une crise. L'étude confirme que le marché est effectivement un outil puissant pour la découverte, mais seulement si nous savons lire son langage complexe et non linéaire.