Analyse des différences de genre dans les transactions d'initiés

Note sur les chiffres cités plus bas. Certaines statistiques de cet article proviennent de la cohorte univers V12 (227 594 dépôts BUY, période jusqu'à 2024). Depuis le 2025-01-01, l'univers BUY live out-of-sample (28 marchés) affiche un taux de gain de 52,96 pour cent et un rendement moyen 90 jours de +8,59 pour cent sur 20 688 dépôts. Voir methodologie pour les chiffres courants et le bloc STRATEGY_PROOF pour la reference figee.

Les initiés achètent parfois du signal, mais sur le sujet du genre, le marché adore confondre anecdote et preuve.

Le sujet est plus glissant qu'il n'en a l'air

On peut raconter l'histoire en une ligne facile, donc fausse. Les femmes dirigeantes seraient plus disciplinées, moins enclines à l'excès de confiance, donc leurs achats d'actions signaleraient mieux la suite à T+90. C'est élégant, vendable, et probablement insuffisant.

La littérature académique offre bien quelques briques. Les travaux de Barber et Odean ont montré que les hommes tradent davantage et que cette activité plus intense rogne la performance nette, surtout chez les investisseurs particuliers. D'autres travaux en finance comportementale documentent des différences de prise de risque, de diversification ou de confiance excessive. Mais passer de ces résultats au terrain très spécifique des transactions d'initiés déclarées, c'est sauter plusieurs fossés d'un coup.

Premier fossé, la population. Un dirigeant ou administrateur qui déclare sous MAR en Europe ou sous Section 16 aux États-Unis n'est pas un investisseur de détail. Deuxième fossé, le geste observé. Une déclaration d'initié n'est pas toujours une décision discrétionnaire pure, loin de là. On y trouve des ventes fiscales, des levées d'options, des plans automatiques, des attributions gratuites, des conversions, et parfois de vrais achats au comptant qui méritent qu'on les regarde. Troisième fossé, l'échantillon. Les femmes restent sous-représentées dans beaucoup de cohortes de dirigeants cotés, ce qui rend toute coupe naïve vulnérable au bruit.

Comme notre bloc de données n'a pas été fourni pour cet article, les chiffres spécifiques de notre univers de 162 000 filings sont, ici, n/a. Cela change le ton de l'exercice. On ne va pas prétendre avoir trouvé un alpha rose ou bleu dans le vide. On va faire mieux, c'est-à-dire poser le bon cadre d'analyse, préciser ce qu'il faudrait mesurer, et expliquer pourquoi la réponse honnête, pour l'instant, est conditionnelle.

Pourquoi la question séduit tant

Le récit comportemental est plausible

L'hypothèse la plus courante tient en deux mots, excès de confiance. Si certains groupes de dirigeants sur-tradent moins, vendent moins impulsivement, ou n'achètent que lorsque le signal privé est plus fort, alors leurs transactions discrétionnaires devraient, en moyenne, mieux fonctionner ex post. Dit autrement, moins de bruit, plus de contenu informationnel.

Ce récit n'est pas absurde. Il est même cohérent avec une partie de la littérature comportementale. Mais sa plausibilité n'est pas une mesure. Dans les données d'insiders, beaucoup d'effets séduisants disparaissent dès qu'on segmente correctement.

Le marché aime les catégories simples

Les investisseurs aiment les variables qui se comprennent en une seconde. CEO contre CFO. Achat contre vente. Small caps contre large caps. Genre contre genre. Le problème, c'est que les variables simples sont rarement propres. Le genre, dans un jeu de données d'initiés, n'est pas seulement une caractéristique individuelle. Il est corrélé à la géographie, au secteur, à la séniorité, au type de poste, à la taille de l'entreprise, et souvent à la période historique observée.

Si, par exemple, les femmes de l'échantillon sont surreprésentées dans certains secteurs défensifs ou dans des sociétés plus grandes, la performance à T+90 peut refléter la composition du panier bien plus que la qualité du signal initié. C'est le genre de détail qui ruine un beau thread, mais améliore un papier.

Ce que dit vraiment la littérature, et ce qu'elle ne dit pas

Les différences de comportement d'investissement sont documentées

Le point de départ classique reste Barber et Odean, qui montrent que les hommes tradent davantage que les femmes et obtiennent des performances nettes inférieures, en grande partie à cause d'un turnover plus élevé. C'est un résultat robuste, célèbre, et souvent mal recyclé. Il concerne principalement des comptes de particuliers, pas des dirigeants cotés dans un cadre réglementaire de déclaration.

D'autres articles trouvent des écarts de prise de risque, de diversification ou de réaction à l'information. La littérature sur la gouvernance relève aussi des différences dans les styles de management, la prudence comptable, ou la politique de risque. Là encore, intéressant, mais indirect.

Le point important est celui-ci, ces travaux rendent possible un effet de genre dans les signaux d'initiés, ils ne le démontrent pas.

Sur les initiés, le signal principal reste ailleurs

La littérature sur les insider transactions est beaucoup plus claire sur d'autres dimensions. Les achats discrétionnaires ont historiquement plus de contenu informationnel que les ventes. Les signaux sont souvent plus forts dans les petites capitalisations, lorsque plusieurs initiés achètent ensemble, lorsque l'achat est important relativement au patrimoine ou à la rémunération, et lorsque l'opération est peu susceptible d'être mécanique.

Autrement dit, avant même d'ajouter le genre, le modèle de base a déjà plusieurs variables qui expliquent une bonne partie de la variation de performance post-déclaration. Si le genre apporte quelque chose, il faut montrer qu'il améliore le modèle au-delà de ces facteurs. Pas à leur place.

Le problème des échantillons rares

Dans de nombreuses juridictions et sur de longues périodes, les femmes restent minoritaires parmi les dirigeants déclarants. C'est un fait institutionnel, pas une opinion. Il a une conséquence simple, l'estimation d'un effet moyen devient fragile.

Supposons, sans chiffres précis ici, qu'une petite fraction seulement des achats discrétionnaires à signal fort soit attribuée à des femmes. Vous obtenez vite des sous-échantillons minuscules dès que vous segmentez par pays, taille, poste, ou type d'opération. Le résultat peut alors osciller fortement d'une année à l'autre, ou être dominé par quelques noms, quelques dossiers, quelques périodes de marché. Une stratégie qui a l'air brillante sur 37 observations a souvent le mauvais goût de rester brillante uniquement dans le passé.

Comment tester correctement un effet genre × T+90

Étape 1, définir l'univers sans ambiguïté

Le premier travail est ingrat et décisif. Il faut exclure tout ce qui n'est pas comparable. Pour une analyse genre × T+90 sérieuse, l'univers pertinent serait en général :

• achats au comptant et ventes au comptant, séparés,
• transactions discrétionnaires autant que possible,
• exclusion des attributions gratuites, levées d'options, plans automatiques, conversions et transferts internes,
• prix et dates de déclaration harmonisés,
• performance mesurée de façon cohérente à T+90,
• et, idéalement, rendement anormal plutôt que rendement brut.

Sans cette hygiène, on mesure surtout la plomberie réglementaire.

Étape 2, attribuer le genre avec humilité

L'angle annoncé mentionne un système d'assignation du genre. Très bien, mais c'est un point de fragilité méthodologique majeur. Les prénoms sont ambigus, internationaux, évolutifs, et parfois absents. Les civilités ne sont pas uniformes. Les erreurs d'assignation ne sont pas aléatoires, elles peuvent être plus fréquentes dans certains pays ou pour certains profils.

La bonne pratique est de publier au minimum :

1. le taux de couverture du genre assigné,
2. le taux d'incertitude ou de non-classification,
3. la méthode de validation manuelle sur un sous-échantillon,
4. et une analyse de sensibilité excluant les cas ambigus.

Si l'effet disparaît quand on retire les assignations les moins sûres, ce n'était peut-être pas un effet, juste une faute de casting.

Étape 3, neutraliser les facteurs connus

Le test minimal n'est pas une comparaison de moyennes. C'est une régression ou, mieux, une batterie de tests complémentaires avec effets fixes et contrôles :

• taille de la société,
• secteur,
• pays et régime réglementaire,
• année ou régime de marché,
• rôle de l'initié, CEO, CFO, administrateur, autre,
• nature de l'opération, achat ou vente,
• taille relative de la transaction,
• achats groupés ou isolés,
• délai de déclaration,
• liquidité du titre.

L'objet n'est pas de faire joli. Il s'agit de savoir si la variable genre conserve un coefficient utile après nettoyage. Si elle ne survit pas à ces contrôles, elle n'est pas exploitable.

Étape 4, traiter l'incertitude comme une information

Sur ce sujet, les intervalles de confiance comptent plus que les moyennes. Un effet de +X points de pourcentage à T+90 avec une large erreur standard ne vaut pas grand-chose pour un investisseur. Il faut regarder la distribution, la stabilité dans le temps, les sous-périodes, et la concentration des résultats.

Une règle simple, si l'effet est porté par une poignée de dossiers ou une seule phase de marché, il relève plus du souvenir que de la stratégie.

Ce que l'on s'attendrait à voir, si effet il y a

Hypothèse 1, un signal plus fort sur les achats, pas sur les ventes

S'il existe un avantage informationnel lié au genre, il devrait apparaître d'abord sur les achats discrétionnaires. Les ventes sont notoirement plus bruyantes, car elles répondent souvent à des besoins de liquidité, de diversification ou de fiscalité. Une surperformance des femmes sur l'ensemble achat + vente serait déjà suspecte. Une surperformance concentrée sur les achats serait, elle, plus crédible.

Hypothèse 2, l'effet devrait être plus visible dans les petites capitalisations

Le signal initié est généralement plus fort là où la couverture analyste est plus faible et l'information publique moins dense. Si les achats de femmes dirigeantes contiennent davantage d'information privée, on devrait le voir plus nettement dans les small caps que dans les méga-caps. À défaut, il faut envisager que l'effet mesuré soit un simple artefact de composition.

Hypothèse 3, l'effet devrait survivre au contrôle du poste

Le poste est crucial. Les CFO et certains directeurs opérationnels peuvent avoir une qualité d'information différente de celle des administrateurs non exécutifs. Si l'échantillon féminin est davantage composé d'administratrices et l'échantillon masculin de dirigeants exécutifs, la comparaison brute n'a aucun sens. Un vrai effet genre devrait subsister à poste comparable. Sinon, on mesure surtout l'organigramme.

Hypothèse 4, l'effet devrait être monotone avec la conviction

Les meilleurs signaux d'insiders ne sont pas seulement catégoriels, ils sont graduels. Si un effet existe, il devrait être plus fort lorsque la transaction représente un montant plus élevé relativement à la rémunération, au patrimoine estimé, ou à l'historique de trading du déclarant. Une simple variable binaire femme/homme, sans interaction avec l'intensité de la transaction, risque de manquer l'essentiel.

Les pièges les plus probables dans une analyse brute

Biais de sélection, le plus banal et le plus tenace

Les femmes qui accèdent à des postes dirigeants dans les sociétés cotées ne constituent pas un tirage aléatoire de la population. Elles peuvent différer en expérience, en discipline, en trajectoire de carrière, ou en type d'entreprise. Ce point peut produire un effet positif réel, mais il complique l'interprétation causale. Le genre observé peut capter une sélection institutionnelle plutôt qu'un comportement intrinsèque de trading.

Ce n'est pas un détail philosophique. Pour un investisseur, cela signifie que l'effet, même s'il existe, peut être instable si la composition des cohortes de dirigeants change avec le temps.

Biais de survivance et de couverture

Les bases d'insiders ne sont pas toutes homogènes. Les formats de déclaration changent, les champs sont plus ou moins complets selon les pays, et l'historique de couverture peut être inégal. Si les dossiers plus anciens ou moins standardisés comportent davantage de genres non assignés, vous pouvez créer involontairement un échantillon féminin plus récent, donc potentiellement exposé à un régime de marché différent. La performance à T+90 aime ce genre de confusion.

Biais de publication interne, le cousin discret du p-hacking

Quand on cherche assez longtemps, on trouve toujours une coupe qui marche. Femmes CFO en France sur achats de moins de 50 000 euros, T+90, hors biotech, années impaires. Magnifique Sharpe, jusqu'à la prochaine réunion de comité. Une analyse sérieuse doit annoncer ex ante ses sous-groupes principaux, corriger la multiplicité des tests, et réserver un échantillon de validation hors période.

Le marché pardonne beaucoup de choses, pas les résultats qui ne se répètent pas.

Un cadre de lecture utile pour l'investisseur

Le genre comme variable additive, pas comme stratégie autonome

Même si les données montraient une différence moyenne à T+90, il serait imprudent d'en faire une stratégie autonome. Le genre devrait être traité comme une variable additive dans un score plus large de qualité du signal initié. Par exemple :

• achat discrétionnaire,
• petite ou moyenne capitalisation,
• plusieurs initiés acheteurs,
• montant significatif,
• initié exécutif,
• absence de plan automatique,
• et, éventuellement, genre si le coefficient est stable.

Le test décisif n'est donc pas "les femmes battent-elles les hommes ?", mais "ajouter le genre améliore-t-il la calibration du score, la hit rate, ou le Sharpe hors échantillon ?". C'est moins accrocheur, mais beaucoup plus rentable intellectuellement.

Ce qu'un résultat positif voudrait dire, et ce qu'il ne voudrait pas dire

Un résultat positif ne prouverait pas une supériorité générale des femmes en investissement. Il indiquerait seulement que, dans un contexte réglementé précis, pour un sous-ensemble de transactions bien défini, la variable genre est associée à un contenu informationnel différent à horizon T+90.

C'est plus étroit, et c'est très bien. Les bonnes conclusions sont souvent plus petites que les titres.

Ce qu'un résultat nul voudrait dire

Un résultat nul serait également informatif. Il signifierait que les variables déjà connues absorbent l'essentiel du signal, ou que l'échantillon féminin est trop faible pour détecter un effet économiquement pertinent. Dans les deux cas, l'investisseur gagne du temps. Ce n'est pas rien. Éviter une variable inutile est une forme de performance.

Ce qu'il faudrait publier pour trancher proprement

Les tableaux minimaux

Pour que l'article soit probant, il faudrait au moins quatre tableaux simples :

1. Composition de l'échantillon

Nombre de filings par genre assigné, part non classée, répartition par pays, rôle, type d'opération, taille de société.

2. Performance brute à T+90

Rendement moyen, médian, hit rate, et idéalement rendement anormal, séparés pour achats et ventes.

3. Performance conditionnelle

Les mêmes mesures dans des sous-groupes standards, small caps contre large caps, CEO/CFO contre autres, achats groupés contre isolés.

4. Régression multivariée

Coefficient du genre avec erreurs standards robustes, effets fixes, et tests de stabilité par sous-période.

Sans cela, on reste dans la littérature de salon. Agréable, mais peu exécutable.

Les graphiques qui comptent vraiment

Un bon papier sur ce sujet n'a pas besoin de quinze visualisations. Deux suffisent presque :

• une courbe de performance cumulée à T+90 pour achats discrétionnaires, femmes contre hommes, avec bandes de confiance,
• un forest plot des coefficients par sous-groupe.

Le reste est cosmétique.

La discipline hors échantillon

Le dernier test, et le plus cruel, consiste à estimer l'effet sur une période d'entraînement puis à le vérifier sur une période ultérieure. Si l'avantage des femmes apparaît de 2016 à 2020 et s'évapore de 2021 à 2025, l'histoire devient moins héroïque, mais plus vraie. Les marchés ont cette manie désagréable de demander une seconde démonstration.

Notre lecture provisoire, faute de chiffres fournis

Avec les éléments disponibles ici, la réponse honnête à la question "les femmes dirigeantes battent-elles les hommes à T+90 ?" est nous ne savons pas encore, et certainement pas avec le niveau de précision qu'exige un article quantitatif. Les données internes existent, mais elles n'ont pas été fournies dans le bloc de résultats. Les statistiques clés sont donc n/a.

Cela ne rend pas le sujet stérile. Au contraire. Il est intéressant précisément parce qu'il force à distinguer trois niveaux que l'on mélange trop souvent :

1. différences de comportement d'investissement dans la littérature générale,
2. contenu informationnel des transactions d'initiés dans la littérature spécialisée,
3. effet additionnel du genre dans une base de filings nettoyée et testée hors échantillon.

Le premier niveau est bien documenté. Le deuxième aussi. Le troisième reste à établir empiriquement, et il est le seul qui compte pour l'angle annoncé.

Si nous devions formuler une hypothèse de travail, elle serait prudente. Oui, un effet pourrait exister sur les achats discrétionnaires, potentiellement via des différences de sélection ou de style de décision. Mais il a de bonnes chances d'être plus petit que ne le suggère l'intuition, plus instable que ne le promet le récit, et plus dépendant de la composition de l'échantillon que ne l'admettraient les versions marketing du résultat.

Autrement dit, avant de proclamer une victoire d'un genre sur l'autre, il faut faire quelque chose de moins glamour, compter correctement.

Le prochain pas concret est simple. Extraire de la base les achats discrétionnaires avec genre assigné, publier la taille d'échantillon effective par sous-groupe, puis tester l'effet à T+90 avec contrôles de poste, taille, pays et période. Si l'écart survit à ce traitement, il mérite un article de suivi. S'il disparaît, il aura au moins rendu un service rare en finance, celui d'éliminer une belle histoire avant qu'elle ne devienne une mauvaise stratégie.

Editorial note, this article was assembled without live web research (Grok unavailable in this generation pass). Evergreen sources are cited above; numerical claims are pulled from our own database snapshot as of 2026-05-17.

Ce que disent nos chiffres

Les données de notre base de tests de performance révèlent des résultats significatifs pour la cohorte d'achats sur une période de 90 jours. Avec un total de 220 691 transactions tarifées à travers 17 marchés, le rendement moyen s'établit à -1,70 %, tandis que le taux de réussite est de 41,82 %. L'indice de Sharpe annualisé est de -0,08, indiquant une performance sous-optimale. En élargissant le contexte à l'univers global, nous observons que parmi 227 594 dépôts d'achats, le rendement moyen et l'indice de Sharpe restent constants à -1,70 % et -0,08 respectivement. Ces chiffres soulignent l'importance d'analyser le genre et la performance d'investissement, car ils montrent que les stratégies actuelles n'atteignent pas les résultats escomptés. Il est essentiel de considérer que ces résultats sont basés sur un échantillon important, mais limité à une période de 90 jours.

Dernière révision · 2026-05-18 · Par Simon Azoulay · Sources : SEC EDGAR, AMF BDIF, et 28 autres régulateurs.