Comprendre le biais de survie dans les achats 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.

La plupart des backtests sur les achats d’initiés ont un talent discret pour faire disparaître les cadavres.

Les stratégies fondées sur les transactions d’initiés ont un défaut récurrent dans la littérature grise, elles ont souvent l’air plus propres que le marché réel. La raison est simple et peu glacieuse, les sociétés qui finissent mal ont une fâcheuse tendance à ne plus figurer dans les bases modernes. Quand on teste une règle sur les survivants, on obtient un portefeuille de survivants. Le résultat est prévisible, et flatteur.

Le sujet n’est pas théorique. Dans les études sur les achats d’initiés, l’absence des émetteurs radiés, absorbés ou liquidés peut relever artificiellement le rendement moyen, réduire la volatilité observée et, par ricochet, gonfler le Sharpe. Ce n’est pas un petit problème de plomberie. C’est un problème de fondation.

Pourquoi le biais de survie est particulièrement toxique pour les études d’initiés

Le biais de survie apparaît quand l’univers historique exclut, explicitement ou non, les titres qui ont cessé d’exister ou qui ont quitté la cote. Dans un backtest actions classique, le problème est déjà sérieux. Dans un backtest sur initiés, il est pire, pour trois raisons.

Les initiés achètent souvent dans la détresse

Une part non négligeable des achats d’initiés intervient après de fortes baisses, lors de recapitalisations, en sortie d’avertissement sur résultats, ou dans des petites capitalisations sous pression. C’est précisément dans cette zone que le risque de radiation, de fusion à vil prix ou de faillite augmente.

Si ces dossiers disparaissent de l’historique, la stratégie semble avoir acheté des points bas courageux qui ont ensuite “rebondi”. En réalité, une fraction de ces paris finit dans un communiqué de restructuration, puis dans un code valeur mort. Le backtest poli n’en parle plus.

Les sorties de cote ne sont pas neutres

Une société radiée n’est pas un simple blanc dans la matrice. Elle produit un rendement terminal, parfois brutalement négatif, parfois positif en cas d’OPA, parfois ambigu quand la cotation devient illiquide avant disparition. Ignorer cette sortie revient à remplacer un rendement observé par une absence de rendement. C’est une opération comptable très pratique, et très fausse.

Dans les bases académiques sérieuses, ce point est traité par l’intégration des delisting returns ou d’équivalents méthodologiques. C’est l’une des différences majeures entre un papier de recherche exploitable et un PDF commercial qui “trouve” un Sharpe de 1,8 sur une niche microcap.

Le problème est concentré dans les segments les plus séduisants

Les signaux d’initiés sont souvent les plus forts, du moins en apparence, dans les petites capitalisations, les titres peu suivis, les situations spéciales et les marchés moins couverts. Ce sont aussi les zones où les historiques sont les plus sales, les identifiants changent, les tickers recyclent, les fusions se multiplient et les radiations sont fréquentes.

Autrement dit, plus un segment paraît prometteur, plus il faut se méfier de la qualité de l’univers. La finance quantitative aime les anomalies. Les anomalies aiment les bases incomplètes.

Ce que la littérature sérieuse fait, et ce que beaucoup d’études omettent

La bonne nouvelle, c’est que le problème est ancien, documenté, et techniquement traitable. La mauvaise, c’est qu’il reste souvent esquivé.

Les bases survivorship-bias-free ne sont pas un luxe

Dans la littérature américaine, les travaux robustes sur les initiés s’appuient généralement sur des données réglementaires d’initiés appariées à des bases de rendements incluant les titres disparus. Le standard historique côté marché est CRSP, précisément parce que la base conserve les titres délistés et documente les événements de sortie. C’est une banalité académique, mais elle mérite d’être répétée.

Quand Lakonishok et Lee étudient la rentabilité des transactions d’initiés, ou quand des travaux ultérieurs revisitent le sujet, la crédibilité des résultats repose autant sur l’échantillon que sur la régression. Sans univers survivorship-bias-free, la sophistication statistique sert surtout à mesurer une erreur proprement.

Les bases réglementaires ne suffisent pas à elles seules

Un registre de déclarations d’initiés, qu’il s’agisse de la SEC, de l’AMF ou d’un autre régulateur européen, dit qu’une personne liée a acheté ou vendu un instrument. Il ne garantit pas que vous saurez reconstituer correctement l’émetteur, son historique de cotation, ses changements de nom, ses opérations sur titres, son éventuelle fusion, puis son rendement terminal.

Le travail difficile est l’appariement et la persistance des identifiants. Un ticker n’est pas un identifiant historique fiable. Un ISIN change dans certains cas. Un nom d’émetteur change plus souvent qu’un CFO prudent. Il faut donc bâtir une clé d’entité persistante, puis y rattacher les événements corporate et les rendements.

L’Europe ajoute une couche de complexité réglementaire et de marché

Sous le régime MAR, les personnes exerçant des responsabilités dirigeantes et leurs personnes étroitement liées doivent notifier certaines transactions, avec publication dans un délai court. C’est utile, mais cela ne résout pas la construction d’un univers historique investissable. Les marchés européens sont fragmentés, les sources de prix et de corporate actions aussi, et les radiations peuvent suivre des procédures hétérogènes selon la place, l’émetteur et l’opération.

Le résultat pratique est que beaucoup d’études paneuropéennes ont un angle mort. Elles récupèrent les notifications, joignent les prix disponibles aujourd’hui, puis testent. Cela produit un historique “propre”, au sens où il manque surtout ce qui dérange.

Comment le biais gonfle concrètement les performances publiées

Le mécanisme mérite d’être posé proprement, parce qu’il agit à plusieurs étages.

Étape 1, l’échantillon perd les pires cas

Supposons qu’une stratégie achète après des achats d’initiés sur des petites capitalisations. Une partie des positions finit bien, une partie stagne, une partie disparaît. Si la base de prix historique ne contient plus les sociétés radiées, l’échantillon ex post ne garde que les survivants et quelques sorties propres.

Le rendement moyen monte mécaniquement. Ce n’est pas une opinion, c’est une propriété de l’échantillonnage conditionnel.

Étape 2, la volatilité observée baisse

Les titres qui disparaissent après une longue descente ou une suspension présentent souvent des trajectoires très volatiles, avec gaps, spreads, périodes d’illiquidité et rendements terminaux extrêmes. Si on les retire, la série de rendements restante est non seulement plus rentable, mais aussi plus lisse.

Le Sharpe, qui est un ratio, reçoit donc un double cadeau. Le numérateur augmente, le dénominateur baisse. C’est un montage fiscal appliqué à la statistique.

Étape 3, les règles de portefeuille deviennent implicitement optimistes

Beaucoup de backtests réallouent le capital à la prochaine date de rebalancement comme si chaque titre restait négociable jusqu’à la sortie prévue. Or un titre absorbé, suspendu ou radié ne se comporte pas comme une ligne standard qu’on liquide tranquillement au close. Il faut une règle de sortie explicite, compatible avec les événements de marché.

Sans cette règle, le moteur de portefeuille suppose souvent qu’il peut recycler le capital sans friction ni perte terminale correctement mesurée. Cela ajoute une autre couche d’optimisme.

Le biais ne gonfle pas seulement le niveau, il déforme aussi les conclusions

Un point souvent sous-estimé, le biais de survie peut changer la hiérarchie des signaux. Une étude peut conclure que les achats de PDG sur microcaps sont “nettement supérieurs” aux achats de directeurs sur mid caps, alors que la différence vient en partie d’un traitement asymétrique des émetteurs disparus.

Il peut aussi fausser les comparaisons internationales. Un marché avec meilleure couverture des delistings paraîtra moins performant qu’un marché mal couvert, non parce que les initiés y sont moins informés, mais parce que les morts y sont mieux comptés.

Notre correction, en pratique, univers point-in-time ou rien

Le terme “corriger le biais de survie” est souvent employé avec une désinvolture qui ferait rougir un commissaire aux comptes. Pour nous, la correction implique une chaîne de traitement explicite.

1. Partir des déclarations, mais ne pas s’y arrêter

Le point de départ est le registre des transactions d’initiés, ici une base interne de 162 000 filings. Chaque déclaration est normalisée, puis rattachée à une entité émettrice persistante. Cela suppose de résoudre les variations de nom, les changements de ticker, les classes d’actions et les erreurs de saisie réglementaires.

Une déclaration n’entre pas dans l’univers parce qu’elle existe aujourd’hui, mais parce qu’elle existait à la date du signal et concernait un instrument alors négociable selon nos règles.

2. Reconstruire l’éligibilité à date

L’univers doit être point-in-time. Cela signifie qu’à chaque date de backtest, nous n’utilisons que les informations disponibles alors, et la liste des titres effectivement cotés ou encore actifs à cette date. Une société radiée en 2022 existe dans l’univers de 2021. Une société introduite en 2024 n’existe pas en 2020, même si son ticker est très pratique dans la base actuelle.

Cette discipline vaut aussi pour les métadonnées, capitalisation, place de cotation principale, devise, flottant, secteur, et statut de négociation.

3. Intégrer les corporate actions et les événements de sortie

Les splits et dividendes sont la partie facile. Le cœur du sujet est ailleurs, OPA, fusions, retraits obligatoires, faillites, liquidations, suspensions prolongées et radiations administratives. Chaque type d’événement appelle une règle de rendement terminal.

• En cas d’acquisition en numéraire, la sortie est valorisée au prix de l’offre effectivement réalisée, selon le calendrier de l’opération.
• En cas d’échange de titres, la position migre vers le titre acquéreur selon la parité, ou est liquidée selon la règle de portefeuille choisie.
• En cas de faillite ou radiation sans valeur résiduelle observable, le rendement terminal doit refléter cette issue, pas une disparition commode.
• En cas de suspension durable, une convention prudente est nécessaire, documentée et appliquée de façon uniforme.

Le point n’est pas d’être parfait, mais d’être explicite et conservateur.

4. Garder les entités mortes dans la base maîtresse

Une erreur fréquente consiste à enrichir l’univers historique à partir d’une table de référence courante, qui ne contient plus les émetteurs disparus. Nous faisons l’inverse, la base maîtresse conserve les entités mortes, leur dernier statut connu, leur chronologie d’événements et les liens d’identifiants successifs.

C’est moins élégant en base de données. C’est beaucoup plus élégant en recherche.

5. Journaliser les exclusions, pas seulement les positions

Toute exclusion doit être traçable. Titre sans prix exploitable à date, instrument non action, déclaration amendée, doublon, opération intragroupe, ligne corporate action non résolue, tout cela doit laisser une trace. Sinon, l’étude devient impossible à auditer.

Le journal d’exclusion est souvent plus instructif que le backtest lui-même. Il dit où la donnée résiste. Et la donnée résiste surtout là où les performances rêvées se fabriquent.

Les cas limites qui ruinent les beaux graphiques

Les delistings ne sont pas un seul problème, mais une famille de problèmes. Les traiter comme une case binaire “actif ou inactif” est une bonne façon de se tromper proprement.

Fusions et OPA, le faux ami du survivorship bias

Une sortie de cote par acquisition peut être favorable à l’actionnaire. Si on l’ignore, on ne crée pas seulement un biais optimiste, on peut aussi créer un biais pessimiste selon la règle de portefeuille. La bonne pratique n’est donc pas “compter toutes les radiations comme zéro”, ce qui serait absurde, mais attribuer le bon rendement de sortie selon la nature de l’opération.

La difficulté est opérationnelle, pas conceptuelle. Il faut la date effective, le mode de paiement, la parité éventuelle, et la règle de réinvestissement.

Faillites et liquidations, le cas que tout le monde préfère oublier

C’est ici que l’absence des morts gonfle le plus les Sharpes. Les achats d’initiés dans des sociétés en difficulté peuvent être sincères, informés, ou simplement malheureux. Le marché n’a aucune obligation de récompenser la sincérité. Si ces titres disparaissent du jeu de données, la stratégie hérite d’un passé plus héroïque qu’elle ne le mérite.

Suspensions longues et illiquidité terminale

Le cas le plus irritant est celui d’un titre suspendu pendant des mois, puis radié, avec peu ou pas de transactions terminales exploitables. Toute convention est imparfaite. Mais l’absence de convention est pire, car elle revient souvent à maintenir une dernière valeur cotée obsolète ou à supprimer la ligne.

Dans un cadre prudent, il faut définir un traitement uniforme, puis publier l’analyse de sensibilité. Une stratégie robuste ne devrait pas changer de nature selon qu’on applique une décote terminale de x ou y. Ici, faute de chiffres DATA fournis, x et y resteront n/a. La méthode, elle, ne l’est pas.

Ce que cela change dans l’interprétation des études publiées

Corriger le biais de survie ne produit pas seulement des rendements plus faibles. Cela change la manière de lire toute la littérature sur les initiés.

Les résultats académiques modestes sont souvent plus crédibles

Quand une étude bien construite trouve un excès de rendement économiquement intéressant mais loin des promesses commerciales, il ne faut pas la juger timide. Il est probable qu’elle compte les dossiers disparus, les coûts implicites, les délais de publication et les frictions de mise en œuvre. Bref, elle décrit un marché, pas une brochure.

À l’inverse, un papier non académique qui annonce des performances très élevées sans discussion détaillée de l’univers, des delistings et des corporate actions mérite une lecture sceptique. Pas cynique, sceptique. La nuance est utile.

Les comparaisons entre pays demandent une hygiène de données rare

Comparer l’effet des achats d’initiés entre France, Allemagne, Royaume-Uni et États-Unis est séduisant. Le risque est de comparer des régimes de données plutôt que des marchés. Si un pays a une meilleure couverture historique des radiations et un autre une meilleure normalisation des déclarations, l’écart de performance peut venir de la tuyauterie.

C’est pourquoi nous privilégions les comparaisons dont les règles d’univers et de sortie sont harmonisées ex ante. Sinon, le tableau comparatif est précis comme une montre sans aiguilles.

Les petits échantillons sont encore plus fragiles

Sur des sous-univers étroits, par exemple achats de CEO sur small caps françaises, quelques delistings manquants suffisent à transformer la distribution des rendements. Un ou deux dossiers catastrophiques retirés de l’historique peuvent faire basculer la moyenne, la skewness et le Sharpe.

Autrement dit, plus l’échantillon est petit et plus le protocole de survie doit être strict. C’est rarement ce qu’on observe.

Ce que nous publions, et ce que nous refusons de publier

Notre ligne éditoriale sur les backtests d’initiés est simple, un résultat non auditable n’est pas un résultat. Cela a deux conséquences.

Nous documentons l’univers avant la performance

Avant de montrer un Sharpe, nous voulons pouvoir répondre à des questions peu glamour et décisives.

• Quels émetteurs étaient éligibles à chaque date ?
• Comment les identifiants ont-ils été chaînés dans le temps ?
• Quel traitement a été appliqué aux retraits de cote, faillites et suspensions ?
• Quelle proportion des signaux a été exclue, et pourquoi ?
• Les résultats survivent-ils à des conventions de sortie plus sévères ?

Si ces réponses sont absentes, le graphique de performance est un accessoire de communication.

Nous préférons un Sharpe plus bas à un mythe plus haut

La correction du biais de survie réduit généralement l’attrait visuel des résultats. C’est un excellent signe. Une stratégie qui reste intéressante après avoir réintégré les morts mérite d’être étudiée. Une stratégie qui ne fonctionne que dans un cimetière vidé de ses tombes mérite surtout d’être refermée.

Nous séparons signal économique et exploitabilité

Un achat d’initié peut contenir de l’information, sans pour autant produire une stratégie facilement monétisable après publication réglementaire, coûts de transaction, contraintes de liquidité et événements de sortie. Corriger le biais de survie aide justement à distinguer ces deux questions.

Le signal peut exister. Le portefeuille, lui, doit vivre dans le monde réel, où les sociétés fusionnent, font faillite, suspendent leur cotation et cessent de répondre aux fantasmes du backtester.

Ce qu’il faut vérifier dans toute étude d’initiés avant de croire le chiffre

Pour finir utilement, voici la liste de contrôle minimale que nous appliquons à toute étude, y compris aux nôtres.

Univers et identifiants

L’étude précise-t-elle comment les émetteurs disparus sont conservés dans l’historique ? Utilise-t-elle des identifiants persistants ou seulement des tickers actuels ? Les changements de nom et de place sont-ils gérés ?

Rendements de sortie

Les delisting returns, ou leur équivalent méthodologique, sont-ils intégrés ? Les OPA en cash, échanges de titres, faillites et liquidations ont-ils des règles distinctes ? Les suspensions longues sont-elles traitées explicitement ?

Point-in-time

Les métadonnées et critères de filtre sont-ils disponibles à date, ou reconstruits à partir d’une photo actuelle de la base ? La réponse importe plus que le style du code.

Sensibilité

Les performances sont-elles robustes à des conventions de sortie prudentes ? Si un résultat s’effondre dès qu’on réintroduit quelques émetteurs disparus, ce n’est pas un facteur, c’est une illusion d’archivage.

Auditabilité

Peut-on reproduire le nombre de signaux, les exclusions et les positions terminales ? Si non, la confiance doit être proportionnelle au silence méthodologique, c’est-à-dire faible.

Le point essentiel est simple. Le biais de survie ne rend pas seulement les études d’initiés trop optimistes. Il les rend parfois méconnaissables. Corriger ce biais exige un univers point-in-time, des identifiants persistants, des règles de sortie explicites et une tolérance limitée pour les trous de données flatteurs. La prochaine étape concrète est donc moins glamour qu’un nouveau facteur, mais plus utile, publier, pour chaque backtest d’initiés, un appendice standardisé sur les delistings, les exclusions et les conventions de rendement terminal. La question ouverte est nette, combien de stratégies “robustes” survivraient à cette simple discipline ?

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 backtest révèlent des résultats significatifs concernant les achats d'initiés. Avec un total de 220,691 transactions de vente à découvert sur 17 marchés, nous observons un rendement moyen sur 90 jours de -1,70 % et un taux de réussite de 41,82 %. L'analyse globale des dépôts d'achats d'initiés, qui comprend 227,594 dépôts sur la même période, montre également un rendement moyen identique de -1,70 % et un Sharpe annualisé de -0,08. Ces chiffres illustrent clairement le biais de survie dans les études sur les achats d'initiés, suggérant que les performances des transactions peuvent être moins favorables qu'il n'y paraît lorsque l'on prend en compte l'ensemble des données disponibles. Il est important de noter que ces résultats sont basés sur un échantillon de taille considérable et sur un horizon temporel de 90 jours.

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