Comprendre l'impact des déclarations d'initiés sur le marché

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.

Une publication d’initié ne dit pas tout, mais le carnet d’ordres, lui, réagit tout de suite.

Le sujet a l’air simple. Un dirigeant achète, ou vend, le marché l’apprend, le cours bouge. En pratique, c’est un petit laboratoire de microstructure, avec des horloges mal alignées, des carnets parfois creux, des annonces concurrentes et une question centrale, presque embarrassante par sa sobriété, quel est l’average abnormal return, jour par jour, après publication, de T+0 à T+30 ?

Faute de bloc de données chiffrées extrait de votre base de 162k déclarations pour cet article, il faut rester méthodique et ne pas improviser des décimales décoratives. Nous allons donc traiter la mécanique, les ordres de grandeur documentés par la littérature, les pièges empiriques, et ce que l’on peut raisonnablement attendre d’un profil quotidien de rendements anormaux après publication.

La réaction commence au moment où l’information devient réellement publique

T+0 n’est pas un jour, c’est un problème d’horodatage

Dire « T+0 » comme s’il s’agissait d’un objet propre est déjà une approximation. Pour une déclaration d’initié, il faut distinguer au moins trois instants, la date d’exécution de la transaction, la date de notification à l’émetteur et à l’autorité, puis la date et l’heure de publication effective. Sous MAR, les personnes exerçant des responsabilités dirigeantes et les personnes qui leur sont étroitement liées notifient dans un délai de trois jours ouvrés. L’émetteur ou l’autorité rend ensuite l’information publique, selon les circuits nationaux.

Pour la microstructure, la seule date qui compte pour l’event study est la première diffusion observable par le marché. Si la publication tombe à 18h47, T+0 n’est pas la séance entière. C’est, au mieux, le reliquat de l’après-bourse, et, dans beaucoup d’études quotidiennes, cela devient de facto T+1. Cette banalité détruit beaucoup de graphiques trop propres.

Le carnet d’ordres absorbe d’abord le signal, puis le contexte

Une déclaration d’achat du directeur général n’a pas le même contenu informationnel qu’une vente partielle d’un administrateur non exécutif. Le marché essaie de décoder quatre choses en même temps :

1. le signe, achat contre vente ;
2. l’intensité, en valeur absolue et relative ;
3. la qualité supposée de l’informé ;
4. la possibilité d’une explication non informationnelle, fiscalité, diversification, exercice d’options, donation, plan préétabli.

À T+0 et T+1, la réaction est souvent dominée par la lisibilité immédiate du signal. Les achats « propres », en cash, sans jargon d’options ni compensation, sont les plus faciles à interpréter. Les ventes, elles, souffrent d’un problème classique, elles sont fréquentes, souvent mécaniques, et donc moins informatives en moyenne. Le marché le sait. Il n’a pas lu tous les papiers académiques, mais il a de bons réflexes.

Ce que la littérature suggère sur le profil T+0 à T+30

Les achats ont tendance à porter un signal plus net que les ventes

Le résultat le plus robuste de la littérature est ancien, répliqué, et peu glamour, les achats d’initiés sont plus informatifs que les ventes. Seyhun, Jeng, Metrick et d’autres ont montré sur données américaines que les achats agrégés d’initiés précèdent en moyenne des performances supérieures, alors que les ventes ont un pouvoir prédictif plus faible et plus instable. Cela ne signifie pas que chaque publication d’achat produit un rallye. Cela signifie qu’en moyenne, après contrôle statistique, le marché n’incorpore pas toujours immédiatement toute l’information contenue dans ces achats.

Sur une fenêtre quotidienne après publication, le schéma attendu est généralement le suivant :

• T+0 à T+2 : réaction initiale, surtout sur les achats, plus forte pour les petites capitalisations et les titres moins liquides ;
• T+3 à T+10 : poursuite éventuelle, si le signal était sous-réagi ou si l’information se diffuse lentement ;
• T+11 à T+30 : décroissance du signal moyen, avec une dispersion élevée selon la taille, le secteur et le type d’initié.

Ce profil n’est pas une loi physique. C’est une moyenne de moyennes, donc une créature statistique fragile. Mais c’est précisément pour cela qu’elle est utile.

L’average abnormal return quotidien est souvent front-loaded

Dans beaucoup d’event studies, une part importante du rendement anormal cumulé se matérialise très tôt. C’est cohérent avec un marché qui réagit vite à une information publique simple, mais pas parfaitement. Les frictions qui expliquent le reliquat ne sont pas mystérieuses :

• couverture analyste limitée ;
• faible attention des investisseurs ;
• coûts de traitement de l’information ;
• liquidité insuffisante pour un ajustement instantané ;
• ambiguïté sur la nature exacte de la transaction.

Autrement dit, si vous tracez l’average abnormal return par jour, il est fréquent de voir un pic ou un saut au début, puis une pente plus modeste. Si vous tracez le cumulative abnormal return, vous obtenez souvent une courbe qui monte vite, puis s’aplatit. La finance empirique adore ces courbes. Les lecteurs aussi, tant que l’axe vertical n’est pas un crime.

En Europe, l’effet existe, mais il est plus hétérogène qu’aux États-Unis

L’environnement européen est plus fragmenté, malgré MAR. Les formats de diffusion, la couverture médiatique, la liquidité, la structure de l’actionnariat et les usages locaux varient. Une publication sur une mid cap française suivie par deux analystes n’a pas la même trajectoire informationnelle qu’une large cap très couverte. Le résultat agrégé « Europe » peut donc être vrai et peu utile à la fois.

C’est ici que l’angle quotidien T+0 à T+30 devient intéressant. Plus l’horizon est court, plus on voit la microstructure locale. Plus il s’allonge, plus on mélange le signal initial avec le bruit ordinaire du marché, les résultats, les guidance, les rotations sectorielles et les humeurs macroéconomiques du moment, qui ont souvent le mauvais goût de ne pas demander la permission.

Construire l’étude correctement, ou comment éviter un faux positif bien habillé

Première exigence, définir l’événement comme publication, pas transaction

Le piège classique consiste à ancrer l’étude sur la date de transaction de l’initié. C’est parfois pertinent pour étudier l’information privée ex ante. Ce n’est pas le bon ancrage pour mesurer la réaction du marché à la publication. Si l’angle éditorial est « de la déclaration au cours », l’événement doit être la mise à disposition publique de la déclaration.

Cela paraît évident. Cela ne l’est pas assez, vu le nombre d’analyses qui mélangent les deux.

Deuxième exigence, traiter les publications après clôture

Une règle opérationnelle simple est la suivante :

• publication pendant la séance avant une heure butoir définie, l’événement reste sur la séance courante ;
• publication après clôture, l’événement est assigné à la séance suivante ;
• publication pendant une suspension ou un jour férié local, l’événement bascule au prochain jour de cotation.

Sans cette discipline, T+0 et T+1 deviennent un brouet statistique. Le marché pardonne beaucoup. Les reviewers, moins.

Troisième exigence, choisir un benchmark qui ne raconte pas d’histoires

Pour calculer un abnormal return journalier, plusieurs options existent :

• rendement brut moins indice domestique large ;
• modèle de marché estimé sur une fenêtre pré-événement ;
• modèles multifactoriels, type Fama-French, éventuellement momentum ;
• matching par taille et book-to-market.

Le choix dépend de l’objectif. Pour une lecture éditoriale claire sur T+0 à T+30, le modèle de marché ou l’ajustement à l’indice sont souvent suffisants, à condition de le dire franchement. Sur des small caps, un simple CAC All-Tradable ou STOXX local peut laisser beaucoup de bruit idiosyncratique. C’est acceptable si l’échantillon est vaste. Cela l’est moins si l’on prétend à une précision de laboratoire.

Quatrième exigence, exclure ou annoter les annonces concurrentes

Résultats trimestriels, profit warning, M&A, changement de direction, litige, placement accéléré, rachat d’actions, guidance. Une publication d’initié isolée est une chose. Une publication le même jour qu’un avertissement sur résultats en est une autre. Sans filtre d’annonces concurrentes, l’average abnormal return mesuré après publication mélange l’effet de l’initié avec celui de tout le reste.

La bonne pratique n’est pas forcément d’exclure agressivement, au risque de jeter la moitié de l’échantillon. C’est souvent de produire deux versions :

• un échantillon complet ;
• un sous-échantillon « propre » sans annonces majeures dans une fenêtre courte.

Si les deux racontent la même histoire, vous avez gagné en crédibilité. Si elles divergent, vous avez appris quelque chose d’utile.

Ce qui fait varier la courbe quotidienne, bien plus que le simple achat ou vente

Le statut de l’initié compte, parfois plus que le montant brut

Toutes les signatures ne se valent pas. Les achats du CEO ou du CFO sont généralement lus comme plus informatifs que ceux d’un administrateur indépendant. Non par hiérarchie morale, mais par proximité supposée avec l’information opérationnelle. De même, des achats coordonnés de plusieurs dirigeants ont souvent plus de poids qu’un achat isolé.

Sur un profil T+0 à T+30, cela peut se traduire par :

• une réaction initiale plus forte ;
• une persistance plus longue ;
• une dispersion plus faible autour de la moyenne.

Le marché aime les signaux convergents. C’est presque touchant.

La taille relative de la transaction est souvent plus utile que sa valeur absolue

Un achat de 100 000 euros n’a pas le même sens sur une société de 200 millions de capitalisation que sur une large cap de 80 milliards. Il faut idéalement normaliser par la capitalisation, le flottant, ou, mieux encore, par la richesse estimée de l’initié si l’on veut approcher le « pain threshold », l’idée qu’une transaction est plus informative quand elle engage réellement le patrimoine de celui qui la réalise.

Dans la pratique, les bases de données n’offrent pas toujours cette granularité. Une normalisation par capitalisation ou volume moyen échangé est déjà un progrès substantiel.

La liquidité détermine la vitesse d’incorporation

Sur un titre liquide, un signal public est absorbé vite. Sur une small cap peu traitée, il peut mettre plusieurs séances à se diffuser et à se monétiser. Cela ne veut pas dire que les small caps sont un distributeur automatique d’alpha. Cela veut dire que l’average abnormal return quotidien y est souvent plus étalé, avec des écarts plus grands et des coûts de transaction moins sympathiques.

Il faut donc regarder, au minimum, des sous-groupes par capitalisation et liquidité. Une courbe agrégée tous titres confondus masque souvent l’essentiel.

À quoi pourrait ressembler un résultat propre sur 162k déclarations

Le tableau de base à produire

Même sans vos chiffres live ici, on peut définir la sortie analytique minimale. Pour chaque jour de bourse de T+0 à T+30 :

• nombre d’événements actifs ce jour-là ;
• average abnormal return ;
• t-stat ou intervalle de confiance ;
• cumulative abnormal return ;
• ventilation achats versus ventes ;
• ventilation par capitalisation ;
• ventilation par rôle de l’initié.

Le point n’est pas l’esthétique du tableau. Le point est de permettre au lecteur de voir si le signal est concentré au début, s’il persiste, et s’il survit à la segmentation.

Le graphe qui compte vraiment, ce n’est pas seulement la moyenne

Une moyenne quotidienne peut être positive avec une distribution très désagréable, par exemple quelques gros gagnants et beaucoup de cas plats. Il faut donc idéalement compléter avec :

• hit rate, part des observations positives ;
• médiane des abnormal returns ;
• dispersion, écart-type ou quantiles ;
• winsorisation ou non.

Si la moyenne est portée par quelques observations extrêmes, le signal éditorial change. On ne passe plus de « le marché réagit » à « parfois, il réagit fort ».

Les fenêtres courtes et longues ne racontent pas la même histoire

T+0 à T+2 mesure surtout l’absorption immédiate. T+3 à T+10 mesure davantage la diffusion. T+11 à T+30 commence à ressembler à un test de persistance, voire à un test de contamination par d’autres nouvelles.

Une bonne lecture consiste donc à traiter ces fenêtres comme trois questions distinctes :

1. le marché voit-il la publication ;
2. la comprend-il immédiatement ;
3. continue-t-il à l’intégrer après quelques séances.

C’est plus rigoureux que de brandir un CAR à 30 jours comme s’il résumait tout. Un CAR à 30 jours résume surtout 30 jours.

Ce que l’on peut déjà dire, même sans vos chiffres internes publiés ici

Hypothèse centrale, les achats devraient montrer un profil positif, surtout au début

Sur la base de la littérature et de l’expérience de marché, l’hypothèse de travail la plus raisonnable est la suivante :

• achats : average abnormal return positif à T+0/T+1, potentiellement prolongé sur quelques jours, puis atténuation ;
• ventes : effet moyen plus faible, parfois proche de zéro après nettoyage des cas mécaniques ;
• small caps / faible liquidité : réaction plus dispersée, parfois plus persistante ;
• dirigeants exécutifs : signal plus fort que non-exécutifs.

Ce n’est pas une prophétie. C’est la baseline à tester.

Ce qui invaliderait rapidement une lecture trop optimiste

Trois résultats seraient des signaux d’alarme méthodologiques :

1. un effet énorme sur T+0, puis inversion nette dès T+1, ce qui suggère souvent un problème d’horodatage ou de contamination ;
2. des ventes aussi informatives que les achats, sans distinction de type de vente, ce qui est possible mais suspect ;
3. un signal identique sur grandes et petites capitalisations, ce qui arrive rarement sans un benchmark très grossier.

Quand tout est trop propre, il faut vérifier les tuyaux. La finance empirique n’est pas un concours de symétrie.

Pourquoi le marché ne corrige pas toujours instantanément

La question sous-jacente est celle de l’efficience informationnelle. Si une déclaration d’initié est publique, pourquoi un abnormal return positif subsisterait-il après publication ? Les explications les plus crédibles sont modestes et cumulatives :

• l’information est publique, mais peu saillante ;
• elle est coûteuse à interpréter ;
• elle arrive dans un flux d’informations dense ;
• elle concerne souvent des titres peu suivis ;
• certains investisseurs ne peuvent pas ou ne veulent pas agir sur des signaux de petite taille.

Le résultat, c’est une sous-réaction moyenne possible, surtout sur les achats et sur les segments moins liquides. Rien de mystique. Juste des frictions ordinaires.

Comment transformer cet angle en article quant convaincant

La meilleure version éditoriale, une courbe simple, puis des coupes utiles

Si l’objectif est un papier de marché lisible, la structure quantitative idéale est :

1. courbe de l’average abnormal return quotidien de T+0 à T+30 pour tous les achats et toutes les ventes ;
2. courbe du cumulative abnormal return correspondant ;
3. sous-graphes par taille de capitalisation ;
4. sous-graphes par rôle de l’initié ;
5. annexe méthodologique sur l’horodatage et les exclusions.

Le lecteur doit pouvoir répondre en trente secondes à la question principale, puis passer cinq minutes sur les nuances qui changent réellement l’interprétation.

Les statistiques à ne pas oublier

Pour éviter l’article qui ressemble à une note de courtier de 2004 retrouvée dans un tiroir, il faut afficher :

• nombre d’observations par jour ;
• méthode de calcul du rendement attendu ;
• traitement des publications multiples sur le même titre et le même jour ;
• clustering des erreurs, au minimum par date d’événement ou par titre ;
• robustesse avec médiane et winsorisation.

Ce n’est pas de la coquetterie académique. C’est ce qui sépare un signal d’une anecdote agrégée.

Et si le résultat est faible ?

Très bien. Un résultat faible est une information. Il peut signifier plusieurs choses :

• le marché incorpore vite l’information ;
• l’échantillon mélange trop de transactions hétérogènes ;
• les ventes mécaniques diluent le signal ;
• le benchmark ou l’horodatage sont mal spécifiés ;
• le signal économique existe mais est trop petit pour survivre aux coûts de transaction.

Un bon article n’a pas besoin d’un effet spectaculaire. Il a besoin d’un effet bien mesuré, ou d’une démonstration honnête de son absence. C’est moins vendeur qu’un miracle statistique, mais plus durable.

Le vrai gain, pour un lecteur professionnel, n’est pas de savoir qu’un initié a acheté. C’est de savoir quand le marché a tendance à l’intégrer, où cet effet est le plus net, et quels filtres empêchent de confondre information et bruit. La prochaine étape est donc très concrète, produire sur votre base de 162k déclarations la courbe quotidienne T+0 à T+30, séparée au minimum entre achats et ventes, avec un horodatage publication-compatible et un sous-échantillon sans annonces concurrentes. Si une question reste ouverte, c’est celle-ci, la persistance observée après T+3 vient-elle encore du signal d’initié, ou seulement de la lenteur habituelle des small caps à digérer n’importe quelle information publique ?

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 analyse révèlent que les déclarations d'initiés n'ont pas eu l'impact escompté sur les rendements boursiers. Avec 220,691 transactions évaluées sur une période de 90 jours à travers 17 marchés, nous observons un rendement moyen de -1,70 % et un taux de réussite de seulement 41,82 %. De plus, le Sharpe annualisé est de -0,08, indiquant une performance inférieure à celle du marché. En élargissant notre perspective à l'ensemble des 227,594 dépôts d'achats, les résultats demeurent similaires, avec un rendement moyen de -1,70 % et un Sharpe de -0,08. Ces chiffres suggèrent que les transactions basées sur les déclarations d'initiés ne garantissent pas de rendements positifs, remettant en question leur efficacité en tant qu'indicateur de performance. Il convient de noter que ces résultats reposent sur un échantillon considérable et un horizon temporel de 90 jours.

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