RENAULT Thomas

Nous construisons une nouvelle base de données contenant des centaines de milliers de messages géolocalisés liés à la pandémie de COVID-19 envoyés sur Twitter. Nous créons un indice quotidien de distanciation sociale - au niveau de l'état - pour capturer les croyances de distanciation sociale en analysant le nombre de tweets contenant des mots-clés tels que "rester à la maison", "rester en sécurité", "porter un masque", "se laver les mains" et "distanciation sociale". Nous constatons qu'une augmentation de l'indice Twitter de distanciation sociale le jour t-1 est associée à une diminution de la mobilité le jour t. Nous constatons également que les ordonnances des États, une augmentation du nombre de cas de COVID-19, les précipitations et la température contribuent à réduire la mobilité humaine. Les États républicains sont également moins susceptibles d'appliquer la distanciation sociale. Les croyances partagées sur les réseaux sociaux pourraient à la fois révéler le comportement des individus et influencer le comportement des autres. Nos résultats suggèrent que les décideurs politiques peuvent utiliser les données Twitter géolocalisées - conjointement avec les données sur la mobilité - pour mieux comprendre les actions de distanciation sociale volontaire des individus.

L'immigration et la criminalité sont deux questions de premier ordre qui sont souvent considérées conjointement dans l'esprit des gens. Cet article analyse la manière dont les politiques de couverture médiatique de la criminalité influencent les attitudes des natifs vis-à-vis de l'immigration. Nous nous écartons de la plupart des études en étudiant le contenu des articles sur la criminalité plutôt que leur couverture. Plus précisément, nous utilisons comme expérience naturelle un changement radical dans les reportages des médias locaux sur la criminalité en Allemagne. Ce cadre unique nous permet d'estimer si la divulgation systématique des lieux d'origine des criminels affecte les attitudes des natifs envers l'immigration. Nous combinons des données d'enquêtes individuelles collectées entre janvier 2014 et décembre 2018 auprès du Panel socio-économique allemand avec des données provenant de plus de 545 000 articles sur la criminalité dans les journaux allemands et des données sur leur diffusion à travers le pays. Nos résultats indiquent que le fait de mentionner systématiquement les origines des criminels, en particulier lorsque les délinquants sont des natifs, réduit significativement les préoccupations des natifs en matière d'immigration.

Pas de résumé disponible.

Pas de résumé disponible.

Pas de résumé disponible.

Pas de résumé disponible.

Pas de résumé disponible.

Pas de résumé disponible.

Pas de résumé disponible.

Pas de résumé disponible.

Pas de résumé disponible.

Depuis 10 ans, de nouvelles formes de monnaies ont vu le jour : les cryptomonnaies, dont la plus connue est le bitcoin. Elles ne sont cependant ni la première forme de monnaie alternative, ni la première forme de monnaie digitale. Mais elles présentent des caractéristiques qui leur sont propres. Explication et comparaison par rapport aux autres formes de monnaies, fiduciaire ou électronique.

Pas de résumé disponible.

Pas de résumé disponible.

Pas de résumé disponible.

Pas de résumé disponible.

Pas de résumé disponible.

L’augmentation massive du volume de données générées chaque jour par les individus sur Internet offre aux chercheurs la possibilité d’aborder la question de la prédictibilité des marchés financiers sous un nouvel angle. Sans prétendre apporter une réponse définitive au débat entre les partisans de l’efficience des marchés et les chercheurs en finance comportementale, cette thèse vise à améliorer notre compréhension du processus de formation des prix sur les marchés financiers grâce à une approche Big Data. Plus précisément, cette thèse porte sur (1) la mesure du sentiment des investisseurs à fréquence intra-journalière, et le lien entre le sentiment des investisseurs et les rendements agrégés du marché,(2) la mesure de l’attention des investisseurs aux informations économiques et financières en temps réel, et la relation entre l’attention des investisseurs et la dynamique des prix des actions des sociétés à forte capitalisation, et enfin, (3) la détection des comportements suspicieux pouvant amoindrir le rôle informationnel des marchés financiers, et le lien entre le volume d’activité sur les réseaux sociaux et le prix des actions des entreprises de petite capitalisation. Le premier essai propose une méthodologie permettant de construire un nouvel indicateur du sentiment des investisseurs en analysant le contenu des messages publiés sur le réseau social Stock-Twits. En examinant les caractéristiques propres à chaque utilisateur (niveau d’expérience, approche d’investissement, période de détention), cet essai fournit des preuves empiriques montrant que le comportement des investisseurs naïfs, sujets à des périodes d’excès d’optimisme ou de pessimisme, a un impact sur la valorisation du marché action, et ce en accord avec les théories de la finance comportementale. Le deuxième essai propose une méthodologie permettant de mesurer l’attention des investisseurs aux informations en temps réel, en combinant les données des médias traditionnels avec le contenu des messages envoyés par une liste d’experts sur la plateforme Twitter. Cet essai démontre que lorsqu’une information attire l’attention des investisseurs, les mouvements de marchés sont caractérisés par une forte hausse des volumes échangés, une hausse de la volatilité et des sauts de prix. Cet essai démontre également qu’il n’y a pas de fuite d’information significative lorsque les sources d’informations sont combinées pour corriger un potentiel problème d’horodatage. Le troisième essai étudie le risque de manipulation informationnelle en examinant un nouveau jeu de données de messages publiés sur Twitter à propos des entreprises de petite capitalisation. Cet essai propose une nouvelle méthodologie permettant d’identifier les comportements anormaux de manière automatisée en analysant les interactions entre les utilisateurs. Étant donné le grand nombre de recommandations suspicieuses d’achat envoyées par certains groupes d’utilisateurs, l’analyse empirique et les conclusions de cet essai soulignent la nécessité d’un plus grand contrôle par les régulateurs de l’information publiée sur les réseaux sociaux ainsi que l’utilité d’une meilleure éducation des investisseurs individuels.

L'augmentation massive de la disponibilité des données générées quotidiennement par les individus sur Internet a permis d'aborder la prévisibilité des marchés financiers sous un angle différent. Sans avoir la prétention d'offrir une réponse définitive à un débat qui persiste depuis quarante ans entre les partisans de l'hypothèse des marchés efficients et les universitaires de la finance comportementale, cette thèse vise à améliorer notre compréhension du processus de formation des prix sur les marchés financiers grâce à l'utilisation de l'analyse des Big Data. Plus précisément, elle analyse : (1) comment mesurer le sentiment intrajournalier des investisseurs et déterminer la relation entre le sentiment des investisseurs et les rendements globaux du marché, (2) comment mesurer l'attention des investisseurs aux nouvelles en temps réel, et identifier la relation entre l'attention des investisseurs et la dynamique des prix des actions de grande capitalisation, et (3) comment détecter les comportements suspects qui pourraient miner le rôle in-formational des marchés financiers, et déterminer la relation entre le niveau d'activité de publication sur les médias sociaux et les rendements des actions de petite capitalisation. Le premier essai propose une méthodologie pour construire un nouvel indicateur du sentiment des investisseurs en analysant un vaste ensemble de données de contenu généré par les utilisateurs et publié sur la plateforme de médias sociaux Stock-Twits. En examinant les caractéristiques de trading autodéclarées par les utilisateurs, l'essai fournit des preuves empiriques de trading de bruit axé sur le sentiment au niveau intrajournalier, conformément aux théories de finance comportementale. Le deuxième essai propose une méthodologie pour mesurer l'attention des investisseurs aux nouvelles en temps réel en combinant les données des fils de presse traditionnels avec le contenu publié par les experts sur la plateforme de médias sociaux Twitter. L'essai démontre que les nouvelles qui suscitent une grande attention entraînent un changement important et persistant de l'activité de négociation, de la volatilité et des sauts de prix. Il démontre également que l'effect de pré-annonce est réduit lorsque les timestamps corrigés des fils de presse sont pris en compte. Le troisième essai apporte de nouvelles perspectives à la littérature empirique sur la manipulation du marché des actions de petite capitalisation en examinant un nouvel ensemble de données de messages publiés sur la plateforme de médias sociaux Twitter. L'essai propose une nouvelle méthodologie pour identifier les comportements suspects en analysant les interactions entre les utilisateurs et fournit des preuves empiriques de recommandations d'actions suspectes sur les médias sociaux qui pourraient être liées à la manipulation du marché. La conclusion de l'essai devrait renforcer les efforts des régulateurs pour mieux contrôler les médias sociaux et souligne la nécessité d'une meilleure éducation des investisseurs individuels.

Pas de résumé disponible.