Return to search

Les données numériques pour la prévision des rendements boursiers : applications de l’outil Google Trends

L’accès à l’information financière est un déterminant important pour la prévision des rendements boursiers (mesurés par la variation de la capitalisation boursière) et la littérature propose d’utiliser les comportements de recherches numériques des individus comme indicateur de l’attention des marchés financiers. Ce mémoire explore la relation entre les volumes de recherches pour trois indices de marchés boursiers (Dow Jones, Nasdaq et Nyse) et sept entreprises cotées en bourse (Amazon, Google, Apple, Microsoft, Johnson& Jonhson, Berkshire Hathaway et JP Morgan& Chase) et les rendements boursiers (du 1er janvier 2006 au 31 décembre 2019) sans apporter de preuves catégoriques pour l’utilité des volumes de recherche. On trouve une relation statistiquement significative entre les volumes de recherches et les rendements boursiers absolus des indices de marché (Dow Jones, Nasdaq et Nyse) pendant la période de crise économique. On trouve également une relation statistiquement significative pour la prédiction des rendements bruts d’Apple sur toute la période à l’étude. Les relations significatives suggèrent un comportement économique cohérent avec la littérature : les chocs d’information deviennent progressivement moins importants alors qu’ils sont intégrés par le marché.

Identiferoai:union.ndltd.org:LAVAL/oai:corpus.ulaval.ca:20.500.11794/66987
Date08 February 2021
CreatorsBergeron, Marc-André
ContributorsGordon, Stephen, Samson, Lucie
Source SetsUniversité Laval
LanguageFrench
Detected LanguageFrench
Typemémoire de maîtrise, COAR1_1::Texte::Thèse::Mémoire de maîtrise
Format1 ressource en ligne (vi, 43 pages), application/pdf
Rightshttp://purl.org/coar/access_right/c_abf2

Page generated in 0.0021 seconds