Le Big Data améliore-t-il les prévisions financières ? L'effet Horizon.

Résumé Nous étudions comment l'abondance des données affecte l'informativité des prévisions des analystes financiers à différents horizons. Les analystes produisent des prévisions de bénéfices à court et à long terme et choisissent la quantité d'informations à collecter pour chaque horizon afin de minimiser leur erreur de prévision attendue, nette des coûts d'acquisition de l'information. Lorsque le coût d'obtention de l'information à court terme diminue (c'est-à-dire lorsque davantage de données sont disponibles), les analystes modifient leur stratégie de collecte de l'information d'une manière qui rend leurs prévisions à court terme plus informatives mais qui réduit éventuellement l'informativité de leurs prévisions à long terme. En utilisant un large échantillon de prévisions d'analystes à différents horizons et de nouvelles mesures de leur exposition à des données abondantes (par exemple, les données des médias sociaux), nous apportons un soutien empirique à cette prédiction, qui implique que l'abondance de données peut nuire à la qualité des prévisions à long terme.