Bulles spéculatives et processus de valeur fondamentale

9La littérature en finance expérimentale montre que l’ampleur des bulles spéculatives dépend, entre autres caractéristiques, du processus de valeur fondamentale. Le résultat fondateur de Smith, Suchanek et Williams [1988], caractérisé par une FV décroissante, a été dupliqué et largement étendu dans un grand nombre de travaux [4]. Lorsque la FV est constante, des bulles apparaissent encore (Lei, Noussair et Plott [2001]). Cependant, lorsque la FV croît au fil du temps (Giusti, Jiang et Xu [2012] ; Johnson et Joyce [2012] ; Stöckl, Huber et Kirchler [2015]), les bulles disparaissent et on observe une sous-évaluation de l’actif risqué. De plus, sur les marchés à FV non constante, Stöckl, Huber et Kirchler [2015] observent une surévaluation (sous-évaluation) lorsque les FV décroissent (croissent). Des observations similaires figuraient déjà dans Gillette et al. [1999] et Kirchler [2009]. Par conséquent, une FV aléatoire est de nature à atténuer les bulles spéculatives.

10Cette observation est importante dans notre design expérimental. Nous voulons en effet éviter les effets amplificateurs du schéma classique de FV décroissante. Si ces effets de pente de FV étaient aussi influencés par l’ordre de grandeur des FV, cela renforcerait ou atténuerait artificiellement nos résultats. C’est la raison pour laquelle nous nous appuyons sur un processus aléatoire de FV qui est une martingale.

11Stöckl, Huber et Kirchler [2015] utilisent une règle très simple sous la forme , avec des spécifications variées pour . Un processus du même type est utilisé par Gillette et al. [1999] et Kirchler [2009]. Notre expérience s’appuie sur un processus de FV voisin de celui de Stöckl, Huber et Kirchler [2015]. En revanche, nous n’imposons pas que la FV soit déterministe au début du marché. En fait, tout au long du déroulement du marché, la FV est égale à la somme des cash-flows du titre progressivement révélés aux sujets traders et sujets analystes. Nous développons succinctement les propriétés de ce processus de cash-flows ainsi que le processus théorique de FV qui en résulte.

Processus de cash-flows et de valeur fondamentale

12Les sujets traitent un actif risqué unique sur un marché qui s’étend sur T périodes. On note j = 0,1 le type de marché ; j = 1 (j = 0) correspond au marché à petit prix (prix élevé) [5].

13Sur le marché j, une unité de l’actif risqué est un vecteur de cash-flows aléatoires iid, noté CF_j = (CF_j,t,t = 1,…, T).. Ces cash-flows sont progressivement révélés aux sujets. À la fin de chaque période t, une réalisation de la variable aléatoire CF_j,t (notée cf_j,t) est tirée au hasard et rendue publique. La FV espérée de l’actif risqué en début de marché est alors égale à T × μ_j où μ_j = E(CF_j,t). À la date T, l’expérimentateur paie la somme des cash-flows, définie comme la « valeur de remboursement », au détenteur final d’une unité d’actif risqué. Aucun dividende n’est payé aux dates intermédiaires.

14Un tel processus de cash-flows, bien qu’aléatoires, permet d’assurer que les prix garderont le même ordre de grandeur tout au long du marché (tant que leur variance n’est pas trop élevée). Par exemple, sur le marché à petit prix, les cash-flows sont tirés au hasard selon une distribution uniforme à 5 points {0 ; 0,3 ; 0,6 ; 0,9 ; 1,2}. De ce fait, l’intervalle des valeurs de rachat possibles, à la date 0, est [0 ; 12]. Après deux périodes et deux tirages égaux par exemple à 0,3 et 0,9, l’intervalle des valeurs de rachat s’est réduit à [1,2 ; 10,8]. Sur les marchés à prix élevé, la distribution des cash-flows est multipliée par un facteur 12. L’intervalle initial égal à [0 ; 144] se réduit rapidement, de sorte que les intervalles des valeurs de rachat des deux marchés ont une intersection vide après quelques périodes.

15En raison de la révélation progressive des cash-flows iid [6], l’écart type de la FV finale décroît linéairement avec la racine carrée du temps restant jusqu’à T [7]. En conséquence, la fourchette de prix compatible avec l’absence d’opportunités d’arbitrage dans la période t est donnée par :

16

17où S^min_t (S^max_t) est la valeur finale minimale (maximale) à la date t, et cf_s est la réalisation du cash-flow de période s.

Le marché

20Le design des sessions a pour but de comparer le comportement d’un sujet donné sur deux marchés successifs sur lesquels les FV n’ont pas le même ordre de grandeur. Nous sommes donc dans une procédure intra-sujets. Dans chaque session, les sujets traders participent à deux marchés consécutifs de 10 périodes chacun et chaque marché correspond à un traitement distinct. Comme nous venons de le mentionner, les deux traitements diffèrent par l’ordre de grandeur de la FV. Dans le traitement à prix élevé, la FV est 12 fois plus grande que la FV dans le marché à petit prix. Pour maintenir le ratio cash/actifs constant [11], le ratio rapportant le montant de monnaie expérimentale distribué aux sujets à la FV espérée de leur portefeuille d’actifs est le même dans les deux traitements. Les sujets reçoivent donc 12 fois plus d’ECU dans le traitement à prix élevé que dans le traitement à petit prix. Quatre sessions débutent par le traitement petit prix et quatre par le traitement prix élevé.

21La durée de vie de l’actif risqué est de 10 périodes de deux minutes chacune ; cet actif s’échange sur un marché à double enchère continue. À la fin de chaque période de trading, un cash-flow est tiré au hasard dans une distribution uniforme à 5 points, et rendu public pour tous les sujets, qu’ils soient traders ou analystes. Les cinq réalisations possibles du cash-flow aléatoire sont [0 ; 0,3 ; 0,6 ; 0,9 ; 1,2] dans le traitement à petit prix, et [0 ; 3,6 ; 7,2 ; 10,8 ; 14,4] dans le traitement à prix élevé. Au début de chaque marché, la FV est donc égale à 72 sur les grands marchés à prix élevé et à 72/12 = 6 sur les marchés à petit prix.

22L’actif risqué ne verse aucun dividende jusqu’à la fin du marché ; à la fin des 10 périodes il est racheté par l’expérimentateur. Les instructions indiquent clairement que la valeur de rachat d’une unité d’actif risqué est égale à la somme des 10 cash-flows tirés au hasard à la fin de chacune des 10 périodes.

23La partie A du tableau 1 indique les vecteurs de cash-flows des différents marchés. Les vecteurs S3 et S4 sont des vecteurs « miroirs » des vecteurs S1 et S2 (par rapport à la FV) [12]. Comme Stöckl, Huber et Kirchler [2015], nous utilisons S1 et S2 dans les quatre premières sessions et S3 et S4 dans les quatre dernières. Ces différentes séquences de cash-flows peuvent induire des espérances conditionnelles de FV légèrement différentes en cours de marché [13]. La partie B du tableau 1 donne les compositions de portefeuille. Trois types de portefeuilles initiaux ont été définis pour chacun des deux traitements. Leur valeur initiale (cash + espérance de cash-flow cumulé) est identique. Chacun des trois portefeuilles a été attribué au hasard à trois sujets traders. Sur les marchés à prix élevé, le principe est identique mais les montants de devise expérimentale des dotations sont multipliés par 12 afin de maintenir le ratio cash/actifs constant. Enfin, la partie C du tableau 1 résume les informations relatives aux différentes sessions.

Tableau 1

Les vecteurs de cash-flows des marchés expérimentaux

Partie A : Séries chronologiques de cash-flows (pour les marchés à petit prix) Périodes 1 2 3 4 5 6 7 8 9 10 Série 1 (S1) 0,6 0,3 0,6 0,9 0,6 1,2 0,9 0,3 0,0 0,6 Série 2 (S2) 0,9 0,6 0,6 0,6 0,6 1,2 0,9 0,0 0,3 0,6 Série miroir 1 (S3) 0,6 0,9 0,6 0,3 0,6 0 0,3 0,9 1,2 0,6 Série miroir 2 (S4) 0,3 0,6 0,6 0,6 0,6 0 0,3 1,2 0,9 0,6

Les vecteurs de cash-flows des marchés expérimentaux

Partie B : Composition des portefeuilles Marché à petit prix Marché à prix élevé Portefeuilles P1 P2 P3 P4 P5 P6 Unités d’actifs 3 6 9 3 6 9 Dotation en ECU 82 64 46 984 768 552 Partie C : Caractéristiques des sessions Type de marché Série de cash-flows FV moyenne Marché 1 Marché 2 Marché 1 Marché 2 Marché 1 Marché 2 Session 1 Petit prix Prix élevé S1 S2 6,15 77,40 Session 2 Prix élevé Petit prix S1 S2 73,80 6,45 Session 3 Petit prix Prix élevé S1 S2 6,15 77,40 Session 4 Prix élevé Petit prix S1 S2 73,80 6,45 Session 5 Petit prix Prix élevé S3 S4 5,85 66,60 Session 6 Prix élevé Petit prix S3 S4 70,20 5,55 Session 7 Petit prix Prix élevé S3 S4 5,85 66,60 Session 8 Prix élevé Petit prix S3 S4 70,20 5,55

Note : La partie A donne les séries de cash-flows utilisées dans les différents marchés. Ces séries sont aléatoires mais tirées au hasard à l’avance pour assurer la comparabilité entre sessions. Les séries S3 et S4 sont des « miroirs » des séries S1 et S2. Ces séries sont multipliées par 12 pour les marchés à prix élevé. La première (seconde) ligne de la partie B donne le nombre d’unités d’actif risqué (nombre d’ECU) dans les différents portefeuilles. Les portefeuilles P1 à P3 (P4 à P6) correspondent aux marchés à petit prix (prix élevé). Les quantités sont définies de sorte à ce que la valeur théorique du portefeuille dans le marché à prix élevé soit 12 fois celle du marché à petit prix. La partie C résume l’information sur les différentes sessions.

Les prévisions de prix (target prices)

24À chaque début de période, les sujets analystes fournissent trois prévisions : une borne supérieure, un prix médian ainsi qu’une borne inférieure. En conséquence, au début d’une période t le sujet analyste i donne un vecteur (L_i,t, M_i,t, H_i,t) dans lequel L_i,t, t = 1,…, T est le niveau de prix futur tel que Q_i,t(S_t ≤ L_i,t) = 10% où Q_i,t est la distribution de probabilité subjective de prix futur S_t de l’analyste i. De la même manière M_i,t, t = 1,…, T est le niveau de prix futur tel que Q_i,t(S_t ≤ M_i,t) = Q_i,t(S_t ≥ M_i,t) = 50%. Enfin, H_i,t, t = 1,…, T est le niveau de prix futur qui satisfait l’inégalité Q_i,t(S_t ≥ H_i,t) = 10%. L_i,t (H_i,t) est donc la borne inférieure (supérieure) de l’intervalle de confiance à 80 % du sujet analyste i pour le prix futur de l’actif risqué en période t.

25Pour estimer l’espérance et la variance du prix futur induites par la distribution subjective du sujet i, nous utilisons les formules introduites par Kieffer et Bodily [1983] [14]. Ces deux premiers moments de la distribution sont déduits des trois prévisions (L_i,t, M_i,t, H_i,t) par les formules ci-dessous :

26

27Les équations 2 et 3 permettent de définir la fonction de performance de l’analyste. Puisque la distribution des cash-flows est symétrique, la médiane du prix futur doit être égale à sa moyenne, c’est-à-dire M_i,t = (L_i,t + H_i,t)/2 [15]. Sous cette hypothèse, les équations 2 et 3 s’écrivent [16] :

28

La rémunération des sujets

29Une mesure de la performance des sujets analystes qui satisfait les axiomes 1 à 5 de Selten [1991] doit récompenser les prévisions pour lesquelles le prix futur se trouve dans l’intervalle de prévision [L_i,t;H_i,t] tout en pénalisant les intervalles trop larges. Notre mesure de performance est ainsi basée sur les équations 4 et 5, en pénalisant les distributions dont la variance est trop grande (par rapport à la moyenne) et en récompensant, comme nous venons de le mentionner, les intervalles de prévision [L_i,t;H_i,t] qui contiennent le prix futur. La performance du sujet analyste i s’écrit :

30

31Cette fonction PERF incite les analystes à proposer une distribution compatible avec leurs anticipations. En effet, PERF s’appuie explicitement sur L et H mais aussi implicitement sur la médiane M du fait de la symétrie de la distribution des cash-flows (le dénominateur de PERF est H + L). La performance optimale d’un analyste s’écrit T × α₁ si : 1) les trois prévisions L, M, H sont égales (H_i,t = M_i,t = L_i,t) à toute date t ; et 2) cette prévision commune est parfaite, c’est-à-dire égale au prix futur S_t. Le dernier terme de PERF pénalise les sujets analystes qui proposent un intervalle de prévision très large, correspondant à un coefficient de variation élevé pour la distribution de probabilité subjective du prix futur. Les paramètres retenus sont α₁ = 10 et α₂ = 24. Le fait que la fonction PERF soit homogène de degré 0 est important puisque la performance du sujet analyste ne dépend pas de l’ordre de grandeur des cash-flows. En d’autres termes, cette mesure de performance est parfaitement adaptée à notre contexte puisque la seule différence entre marché à petit prix et marché à prix élevé est le facteur multiplicatif (unique) égal à 12 qui permet de passer d’un marché à l’autre.

32Le document contenant les instructions informe les sujets analystes de la détermination de leur rémunération en fonction de leur performance ainsi que du tirage au hasard de l’un des deux marchés pour calculer ladite performance. Les règles de conversion sont les suivantes :

33

34où Gains_i désigne le gain en euros de l’analyste i et λ est une constante non explicitée dans les instructions. Néanmoins, cette constante est fixée afin que le gain agrégé des sujets analystes soit égal au nombre d’analystes multiplié par les 30 euros gagnés lors de la première partie de l’expérimentation (lors des exercices de comptage). Au total sur l’ensemble des huit sessions, les sujets analystes ont reçu 2 473,37 euros, soit 30,16 euros en moyenne par personne (minimum de 20,84 euros et maximum de 34,56 euros).

35Le calcul des gains des sujets par comparaison de la performance personnelle à la performance moyenne permet de contrôler le coût total de l’expérience tout en fournissant les mêmes incitations monétaires dans les deux traitements. En effet, un taux de conversion fixe de la performance en euros aurait pu engendrer des gains très importants pour quelques sujets. De plus, cette structure de tournoi est cohérente avec le type d’incitations auxquelles les analystes financiers font face (Yin et Zhang [2014]). Cependant, de nombreux travaux ont montré que ce mode de rémunération augmente la prise de risque et réduit le mispricing (James et Isaac [2000] ; Berlemann et Vöpel [2012] ; Cheung et Coleman [2014]). C’est la raison pour laquelle nous avons aligné notre procédé de rémunération sur ceux de Keser et Willinger [2000], [2007] qui, en outre, ne révèlent pas directement la structure de tournoi aux sujets.

Statistiques descriptives sur les transactions

36La figure 1 montre l’évolution des prix de transactions au fil des périodes dans les différentes sessions et les deux types de marché. Puisqu’il existe quatre séries de cash-flows et deux niveaux de FV, la figure 1 comporte un total de huit graphiques. Dans l’ensemble, ces graphiques montrent que les ordres sont le plus souvent exécutés à des prix supérieurs à la FV. Le mispricing semble plus sévère pour les marchés à petit prix que pour les marchés à prix élevé, ce que nous démontrerons dans les analyses ultérieures. Le tableau 2 récapitule les statistiques sur l’activité des sujets traders. Celles-ci montrent que les sujets traders traitent à des prix qui peuvent être éloignés de la FV, cette observation étant renforcée sur les marchés à petit prix [17]. Le nombre de transactions est du même ordre sur les deux types de marché et semble indépendant de la FV.

Tableau 2

Statistiques descriptives sur l’activité des marchés

	Marchés à petit prix	Marchés à prix élevé
FV en t = 0	6	72
Prix médian	7,30	74,00
Déviation absolue relative (RAD)	32,58 %	18,75 %
Déviation relative (RD)	20,90 %	– 1,44 %
Nombre de transactions	1 046	1 072

Statistiques descriptives sur l’activité des marchés

Note : Ce tableau fournit des statistiques descriptives relatives aux transactions sur les deux types de marchés. RAD et RD sont définies, comme dans Stöckl, Huber et Kirchler [2010], de la manière suivante :

où t est le numéro de période pour un marché donné et N est le nombre total de périodes du marché (N = 10 dans notre expérience). est le prix de transaction moyen en période t et FV_t est la FV espérée de l’actif risqué en début de cette même période t. est la moyenne des FV sur les N périodes.

Figure 1

Valeur fondamentale et prix médian pour les deux types de marché

Valeur fondamentale et prix médian pour les deux types de marché

Note : Le trait gras représente la valeur fondamentale, les courbes grisées avec repères carrés et circulaires, le prix médian. L’axe horizontal représente le temps. PP correspond à un marché à petit prix et PE à un marché à prix élevé.

Résultats univariés sur les prévisions des analystes

37Dans cette section, nous testons si l’optimisme des analystes est influencé par l’ordre de grandeur des prix, suivant en cela la méthodologie de Roger, Roger et Schatt [2018]. Dans la littérature portant sur les prévisions de prix émises par les analystes financiers, l’optimisme est mesuré par la rentabilité qui est contenue implicitement dans la prévision par rapport au cours actuel de l’action (Bradshaw, Huang et Tan [2019]). Dans notre contexte expérimental, où la FV est connue ou aisément calculable, l’optimisme peut être mesuré de deux façons, soit en se référant à la FV, soit aux prix cotés. La rentabilité implicite par rapport à la FV, notée IR^FV_i,t, est définie par  ; de même la rentabilité implicite calculée par rapport au prix médian de la période précédente, notée IR_i,t, est définie par , où S_t–1 est la médiane des prix de transaction de la période t – 1 et est l’espérance de prix telle que définie dans l’équation 4 [18].

38Le tableau 3 montre les rentabilités implicites moyennes pour les deux types de marché [19]. Dans chaque session, les sujets analystes fournissent neuf séries de prévisions correspondant aux périodes 2 à 10, sur chaque marché auquel ils participent (un de chaque type). L’appariement des observations permet de réaliser un test de rang de Wilcoxon sur les différences de rentabilité implicite entre marchés à petit prix et marchés à prix élevé. On observe que les prévisions des sujets analystes sont plus optimistes sur les marchés à petit prix que sur les marchés à prix élevé, quelle que soit la mesure d’optimisme utilisée. Quand elle est mesurée par rapport à la FV, la différence des rentabilités implicites est égale à 0,2948, significative au seuil de 1 %. Cette différence montre que les sujets analystes tiennent compte du différentiel d’optimisme des sujets traders entre les deux types de marchés (Roger et al. [2020]). Cependant, la tâche des sujets analystes consiste à prévoir les prix de transaction futurs, et non les valeurs futures de FV. De ce fait, si on utilise la seconde mesure par rapport au prix médian de la période précédente (IR), on trouve également une différence d’optimisme significative entre marchés à petit prix et marchés à prix élevé. La rentabilité implicite moyenne est égale à 8,10 % sur les marchés à petit prix contre 2,55 % sur les marchés à prix élevé. Cet écart suggère que les sujets analystes ne compensent pas le biais de petit prix des sujets traders. Les résultats du tableau 3 montrent aussi que les sujets analystes ancrent leurs prévisions sur les prix passés, bien que ceux-ci traduisent une surévaluation par rapport aux FV [20].

Tableau 3

Test des signes de Wilcoxon sur les rentabilités implicites

	IRFV	IR
Marchés à petit prix	0,3270	0,0810
Marché à prix élevés	0,0322	0,0255
Différence	0,2948*** (14,70)	0,0555*** (6,12)

Test des signes de Wilcoxon sur les rentabilités implicites

Note : Ce tableau compare les rentabilités implicites sous-jacentes aux prévisions sur les deux types de marchés, dans une perspective intra-sujets. Pour chaque sujet analyste et chaque traitement (petit prix, prix élevé), on calcule les valeurs moyennes de IR^FV (et IR). IR^FV est la rentabilité implicite par rapport à la alors que IR est la rentabilité implicite par rapport au prix médian de la période précédente . Le test est un test de rang de Wilcoxon avec observations appariées. Les z-stats apparaissent entre parenthèses. ***/**/* correspondent aux seuils respectifs de 1 %/5 %/10 %.

39Nos résultats sont confirmés et renforcés lorsque nous introduisons un certain nombre de variables de contrôle dans une analyse multivariée. Contrairement au fonctionnement des marchés financiers réels, les conditions du marché expérimental permettent aux sujets de calculer facilement la FV espérée de l’actif risqué à tout instant. En conséquence, un sujet analyste i qui émet une prévision au début de la période t utilise deux types d’informations : 1) la valeur de la FV à la fin de la période précédente (après que le cash-flow de la période t – 1 a été révélé) ; et 2) les prix cotés des périodes précédentes. Afin de nous en tenir à un modèle parcimonieux [21], nous résumons les informations passées par : 1) la variation en pourcentage de la FV entre t – 2 et t – 1,  ; et 2) la variation relative du prix médian par rapport à la FV de fin de période t – 1,  [22].

40Nous estimons un modèle à effets aléatoires en régressant IR^FV (ou IR) sur la variable indicatrice petit prix (1_petitprix) et différentes variables de contrôle. Au-delà de ΔFV_t–1 et RD_t–1, nous contrôlons pour le marché (premier ou second), et pour la période puisque la volatilité de la FV décroît comme la racine du temps restant à courir jusqu’à la fin du marché [23].

41Les résultats de la régression apparaissent dans le tableau 4. La partie A (B) donne les résultats relatifs à IR^FV (IR). La variable indicatrice petit prix est significative dans toutes les spécifications et dans les deux parties du tableau. Comme nous l’avons déjà mentionné, les résultats de la partie A (relatifs à IR^FV) ne sont pas surprenants puisque nous savons que les sujets traders sont eux-mêmes victimes d’un biais de petit prix (Roger et al. [2020]). Nous constatons dans cette partie que les sujets analystes tiennent compte, dans chacun des deux marchés, de ce biais des sujets traders. Cette interprétation s’appuie en particulier sur les coefficients de la variable de contrôle Lag RD (RD_t–1) qui sont positifs et très significatifs. En bref, les sujets analystes intègrent dans leurs prévisions les erreurs commises par les sujets traders, ce que l’on pourrait exprimer en disant que les prix cotés passés, résultant de l’activité des traders, sont un ancrage fort des prévisions des analystes. Dans la partie B du tableau (relative à IR), la variable indicatrice petit prix est aussi positive et significative. Ce résultat confirme nos résultats précédents qui montraient que les analystes sont plus optimistes sur les marchés à petit prix que sur les marchés à prix élevé. En d’autres termes, non seulement les sujets analystes ne corrigent pas les biais des sujets traders mais leur propre biais s’exprime également.

Tableau 4

Régression en données de panel avec effets aléatoires

Partie A : Rentabilité implicite par rapport à la FV (IRFV)
	(1)	(2)	(3)
	Toutes prévisions	Premier marché seulement	Second marché seulement
Constante	0,3186***	0,0726*	1,0080***
	(3,80)	(1,68)	(6,18)
1petitprix	0,1834***	0,0419**	0,3011***
	(3,99)	(2,18)	(3,32)
Lag RD (RDt – 1)	0,6610***	0,8696***	0,6389***
	(8,34)	(11,99)	(9,12)
FV Trend	– 0,7740***	– 0,7632***	– 0,7972***
	(– 6,17)	(– 8,31)	(– 2,95)
	– 0,1966***	– 0,0110	– 0,3883***
	(– 5,95)	(– 0,82)	(– 6,14)
1marché	0,1445***
	(2,68)
R2	0,2377	0,5181	0,2623
Nombre d’observations	1 476	738	738
Partie B : Rentabilité implicite par rapport au prix médian précédent (IRFV)
	(1)	(2)	(3)
	Toutes prévisions	Premier marché seulement	Second marché seulement
Constante	0,0944	0,0183	0,4068***
	(0,96)	(0,44)	(3,64)
1petitprix	0,0907*	0,0319**	0,1486*
	(1,94)	(2,09)	(1,71)
Lag RD (RDt – 1)	– 0,1757***	– 0,1671*	– 0,1776***
	(– 3,26)	(– 1,88)	(– 2,92)
FV Trend	0,42571**	– 0,3968***	0,4510
	(2,30)	(4,00)	(1,09)
	– 0,0830***	– 0,0059	– 0,1602***
	(– 3,91)	(– 0,48)	(– 4,12)
1marché	0,0779*
	(1,71)
R2	0,0395	0,0471	0,0407
Nombre d’observations	1 476	738	738

Régression en données de panel avec effets aléatoires

Note : Ce tableau donne les résultats d’une régression en données de panel avec effets aléatoires, de IR^FV (partie A) et IR (partie B) sur la variable de traitement, c’est-à-dire l’indicatrice de marché à petit prix (1_petitprix), ainsi que sur différentes variables de contrôle. FV Trend est égal à . Lag RD est défini par est la racine carrée du numéro de période au sein d’un marché donné. Enfin, 1_marché est une variable indicatrice du premier marché d’une session donnée. Les t-stats sont entre parenthèses.
***/**/* correspondent à des niveaux de significativité de 1 %/5 %/10 %.