Risk-taking of the French Saver – [FR]

Scientific project

Le projet part du constat que dans l’industrie des fintechs, la recherche universitaire n’est pas directement accessible pour des structures de petite taille n’ayant pas les capacités (humaines et financières) d’intégrer les ressources nécessaires. Parallèlement, les fintechs disposent de bases de données exclusives et d’une capacité pour la mise en place de procédures de test empiriques et expérimentale éclairant la capacité des épargnants à gérer les risques financiers.

Le paysage français des fintechs ne cesse d’évoluer au cours des derniers mois. Ces nouvelles entités ont fait état d’une importante capacité de développement et d’une vélocité jusqu’alors très rarement rencontrée. Que ce soit dans la gestion d’actifs, le crédit au particulier, l’agrégation de comptes ou encore de nouvelles technologies telles que la blockchain, les fintechs ont connu un développement si rapide que toutes n’ont pas eu le temps d’exploiter l’ensemble des données collectées. Ces dernières, de sources diverses, sont inédites. De plus, les fintechs ont cette capacité de collecter toutes les données nécessaires à la réalisation d’expériences permettant une étude approfondie du comportement de l’épargnant.

C’est en plaçant l’épargnant au centre de leur activité que les fintechs sont parvenues à changer le paysage de l’industrie. Que ce soit au niveau des interactions avec les clients en direct ou les données collectées, les synergies entre les fintechs et la recherche universitaire apparaissent nombreuses.

La thématique de l’IDR s’inscrit dans un contexte de participation accrue des épargnants aux marchés financiers, qui s’explique notamment par le développement de l’épargne retraite, la mise en place d’incitations fiscales en faveur de l’épargne financière, et la baisse continue des taux d’intérêt. Une large gamme de produits financiers risqués et souvent complexes sont proposée aux ménages dans les contrats d’épargne comme le Plan d’épargne en actions, l’assurance vie ou les produits d’épargne retraite. Cette

ouverture de l’épargne des particuliers aux marchés financiers s’accompagne d’une responsabilisation accrue en matière de choix d’épargne et d’investissement, ce qui soulève des questions fondamentales, comme leur capacité à diversifier leurs avoirs, à minimiser les frais, ou encore à tenir leurs positions en évitant d’acheter et de vendre aux plus mauvais moments.

Face à ce constat, la recherche académique a accumulé un corpus considérable de connaissances sur les problèmes de choix d’épargne, de modélisation, représentation et gestion des risques financiers. Les travaux empiriques soulignent l’existence de nombreux biais décisionnels en matière de choix financiers. Les particuliers, affectés par une attention, des capacités cognitives et des connaissances limitées sont dans l’ensemble démunis face à des choix financiers complexes. Les études en finance comportementales et leurs applications répondent aux problématiques rencontrés par l’industrie financière sur les moyens les plus appropriés d’assister les épargnants dans leurs choix d’épargne et de placement. L’objectif général du projet s’inscrit dans ce contexte et vise la production d’une recherche de qualité et originale sur les risques financiers, leurs perceptions par les épargnants, les erreurs de gestion des risques qui en découlent, ainsi que les moyens les plus appropriés de les assister de manière à réduire les biais décisionnels. Les objectifs qui en découlent se déclinent de la façon suivante:

• Comment assister les épargnants dans leurs choix d’épargne et de portefeuille ?
• Quelles décisions d’allocation déléguer au gestionnaire des contrats ?
• Comment présenter l’information financière sur les risques et les rendements futurs de manière à amener les investisseurs à choisir les meilleurs arbitrages ?
• Quelles connaissances financière minimales sont-elles nécessaires à une prise de décision éclairée ?
• Comment sensibiliser les épargnants à l’importance des bonnes pratiques de gestion des risques, avec quels résultats ?

Ces questions font écho aux problématiques de recherche les plus actives aujourd’hui. Voici une liste non exhaustive des premiers sujets qu’il paraît nécessaire d’étudier (liste non exhaustive) :

• le profilage du client, ou comment améliorer le conseil donné au client quant à la sélection de son profil de risque,
• l’accompagnement, pour définir quel type de contenu et quel niveau de contenu partager avec le client afin de l’accompagner au cours de sa vie d’épargnant,
• la perception des risques et les biais comportementaux induits par l’investissement dans des produits financiers à risque de perte en capital,
• l’impact de la régulation sur la relation entre la société financière et le client.

Le contact du robo-advisor avec ses clients, non intermédié, a permis de dresser une liste de questionnements qu’il serait pertinent d’étudier dans le cadre d’une recherche universitaire. D’une part, nous constatons que la capacité de compréhension de la notion de risque en finance est particulièrement hétérogène chez les particuliers. Assimiler cette notion est pourtant essentielle à la réussite du parcours d’un épargnant. Il apparaît de fait primordial de s’intéresser à la façon de présenter ce risque ainsi que les biais qui peuvent en découler.

D’autre part, dans la relation qui lie un gérant d’actifs à un épargnant (que ce soit un banquier, un gérant privé ou autre), le profilage de l’épargnant est indispensable à la pérennité de cette relation. Un épargnant à qui on fera prendre trop de risque ne restera pas investi sur la période souhaitée. A l’inverse, le résultat peut être trompeur si le risque est trop faible et entraîne un rendement n’atteignant pas les objectifs de l’épargnant. Que ce soit pour des raisons réglementaires, ou de simplification du parcours client, ce profilage n’est sans doute pas toujours réalisé de manière optimale. Il donne lieu cependant à une ouverture très large quant aux champs d’application en termes de recherche universitaire.

Nous proposons d’adresser ces deux sujets au regard de leur proximité puisqu’ils sont intimement liés. Nous commençons par une analyse de l’existant basée sur une étude empirique d’une base de données existante avant de réaliser un certain nombre d’expériences permettant de mettre en place par la suite, un profilage le plus efficace et juste possible.