Explorer l'inconventionnel : modèles d'erreur non standard en finance

Olivier Scaillet, professeur à la GSEM, Gaetan Ballaki, ancien doctorant, et plus de 100 équipes de chercheurs et chercheuses ont co-écrit un article publié dans la revue du premier plan Journal of Finance. Dans le cadre d'une expérience inédite, le projet Finance Crowd Analysis a rassemblé des expert-es du monde entier pour analyser un ensemble de données contenant plus de 650 millions de transactions sur le contrat à terme Euro Stoxx 50. Leur objectif est d'étudier des hypothèses prédéfinies liées à la finance empirique. En examinant le pluralisme de l'analyse et la formation des connaissances, le projet vise à fournir des informations sur la découverte des prix, les écarts entre les cours acheteur et vendeur, la fréquence des transactions et les revenus tirés des transactions. Les équipes évaluent leurs résultats par le biais d'articles succincts, qui sont soumis à un processus d'examen par des expert-es. Cette initiative encourage la collaboration mondiale et offre des possibilités de recherche innovante dans le domaine de la métrologie financière.

ABSTRACT

In statistics, samples are drawn from a population in a data-generating process (DGP). Standard errors measure the uncertainty in estimates of population parameters. In science, evidence is generated to test hypotheses in an evidence-generating process (EGP). We claim that EGP variation across researchers adds uncertainty—nonstandard errors (NSEs). We study NSEs by letting 164 teams test the same hypotheses on the same data. NSEs turn out to be sizable, but smaller for more reproducible or higher rated research. Adding peer-review stages reduces NSEs. We further find that this type of uncertainty is underestimated by participants.

L’étude est disponible en libre accès : Nonstandard Errors (en anglais)

> Cliquez ici pour voir les publications du corps professoral de la GSEM dans des revues de premier plan.