Négociation boursière basée sur l'IA: quel outil d'IA générative est le meilleur

LLM les outils sont utilisés dans le trading boursier basé sur l'IA depuis leur apparition.¹

J'ai testé 14 modèles d'IA générative pour le trading boursier basé sur l'IA afin d'évaluer leur capacité à prévoir les variations de prix de 132 actions en utilisant les informations fournies. Les résultats montrent que

• ChatGPT 5 le modèle Thinking et le Gemini 2.5 Pro ont donné les meilleurs résultats.
• Les modèles actuels de ChatGPT et Gemini sont moins performants que les anciens modèles.
• Le taux de réussite diminue lorsque des données supplémentaires sont fournies.

Performance des outils basés sur l'IA

Pour plus de détails sur le benchmark, lisez la section méthodologie du benchmark de trading boursier.

Versions actuelles

GPT 5.5 Instant

Les étiquettes ont été attribuées en utilisant des facteurs communément associés aux réactions du marché dans les études d'événements sur les entreprises familiales :

• Importance du dirigeant décédé (PDG > Président du conseil > rôles honorifiques).
• Concentration de la propriété familiale.
• Rentabilité (ROE, ROA).
• Levier financier.
• Implications générales de la transition de gouvernance.

Claude Opus 4.8 Medium

Logique de base Deux forces opposées motivent la réaction :  

(+) Soulagement de l'enracinement : Le décès d'un dirigeant interne enraciné/sous-performant peut activer le marché du contrôle et susciter des espoirs de redressement.

(-) Perte de capital humain : Le décès d'un propriétaire-dirigeant créateur de valeur détruit une compétence difficile à remplacer et crée un risque de succession.  

(0) Pas de surprise : Les titres honorifiques/retraités, les rôles purement au conseil d'administration, ou les cas atténués/compensatoires ne produisent aucune réaction significative.

Règles de décision :

• Émérite/honorifique -> 0 (retiré).
• Membre du conseil/directeur, rentable -> 0 ; en perte -> +1 (remaniement).
• Dirigeant actif + pertes/ROA<1 -> +1 (soulagement/optionnalité).
• Dirigeant actif + fort (ROA>=médiane & ROE>=10 & RN>0) & propriété>=60% -> -1 (steward perdu).
• Dirigeant actif + fort mais propriété<60% -> 0 (coussin de contrôle).
• Intermédiaire / signal manquant / rôle inconnu -> 0.

DeepSeek V3.2 (Instant & Deep Think)

DeepSeek V3.2 avec et sans Deep Think affiche un taux de réussite de 58%. Il s'appuie sur le rôle du défunt et la performance de l'entreprise.

Réaction négative (-1) : Le marché anticipe une perturbation.

• Forte dépendance : Si le défunt était le fondateur ou un PDG/président actif (en fonction) avec une longue ancienneté, sa perte crée un vide de leadership important.
• Faible propriété familiale : Une propriété plus faible peut signifier moins d'engagement de la famille pour stabiliser l'entreprise après la crise.

Réaction positive (+1) : Le marché anticipe une amélioration.

• Soulagement : Le décès résout une situation négative. Cela se produit souvent si l'entreprise était peu performante (résultat net ou ROE négatif) sous un dirigeant de longue date. Le marché parie sur un nouveau départ.
• Succession établie : Si le défunt était non exécutif (travailD=0) ou un président retraité, le successeur est probablement en place.
• Forte propriété familiale : Une forte propriété familiale signale souvent un engagement à maintenir la valeur et à assurer une transition en douceur.

Réaction neutre (0) : L'événement est déjà intégré dans les prix ou sans importance.

• Rôle non critique : Si le défunt était un membre non exécutif du conseil ou une figure retraitée non impliquée dans les opérations quotidiennes.
• Transition progressive : Si le décès n'était pas soudain et que l'entreprise est grande (employés/actifs élevés), des systèmes existent probablement pour gérer la transition sans perturbation.

Gemini 3.1 Pro

Voici le cadre financier utilisé pour classer les 132 entreprises en 1, -1, ou 0 :

1. Significativement négatif (-1) (Résumé : “Perte de talent clé”)
   • Condition : Le défunt occupait un poste de direction critique (PDG, Président, Directeur général) ET l'entreprise était très rentable (par ex., ROE > 10% ou ROA > 5%).
   • Raison : Le décès soudain d'un leader familial très efficace retire un visionnaire de base et un générateur de valeur. Cela introduit une forte incertitude de succession et opérationnelle, provoquant la panique et des réactions négatives du marché.
2. Significativement positif (1) (Résumé : “Soulagement de l'enracinement”)
   • Condition : L'entreprise était historiquement sous-performante avant l'événement (résultat net négatif, ROA < 0, ou ROE < 0).
   • Raison : Dans les entreprises familiales, les fondateurs ou dirigeants peu performants sont souvent protégés du licenciement en raison de leurs liens familiaux (enracinement). Leur décès est souvent perçu favorablement par le marché comme un catalyseur de professionnalisation, de restructuration et de nouvelle direction.
3. Non significatif (0) (Résumé : “Succession de routine”)
   • Condition : L'entreprise avait une performance financière moyenne, modérée, OU le défunt occupait un rôle non exécutif/honorifique/consultatif (par ex., membre du conseil, président honoraire).
   • Raison : Sans surperformance ou sous-performance extrême, ou si le rôle n'était pas critique pour les opérations quotidiennes, le marché considère le décès comme un événement de succession de routine qui ne modifie pas matériellement les flux de trésorerie futurs de l'entreprise.

Anciens modèles

GPT 5.4 Instant

GPT 5.4 Instant atteint un taux de réussite de 69%. Le modèle se concentre principalement sur la rentabilité de l'entreprise, en l'utilisant comme signal principal.

• Logique d'étiquette négative : Plus probable lorsque le défunt occupait un rôle actif central (surtout PDG/président), que l'entreprise semblait rentable/saine, que le contrôle familial était élevé, et que l'événement impliquait un risque de continuité ou de succession significatif.
• Logique d'étiquette positive : Plus probable lorsque la rentabilité semblait plus faible et/ou le levier plus élevé, de sorte que l'événement pouvait être interprété comme une réinitialisation de la gouvernance ou un catalyseur de redressement, en particulier lorsque la profondeur de la succession familiale semblait disponible.
• Logique d'étiquette neutre : Utilisée lorsque le rôle paraissait moins opérationnel/honorifique, lorsque des forces compensatoires dominaient, ou lorsque les informations ne soutenaient pas fortement une réaction significative à court terme.

GPT 5.4 modèle Thinking

GPT 5.4 Thinking atteint un taux de réussite de 64% avec des entrées limitées. Il combine rentabilité et propriété familiale.

• Logique d'étiquette négative : Plus probable lorsque le membre de la famille décédé occupait un rôle opérationnel central, que la rentabilité semblait solide et que l'influence familiale était significative.
• Logique d'étiquette positive : Plus probable lorsque le membre de la famille décédé occupait un rôle central, mais que l'entreprise paraissait plus faible ou plus endettée, de sorte que le marché peut accueillir favorablement le changement.
• Logique d'étiquette neutre : Plus probable lorsque le rôle était honorifique / moins opérationnel, que l'entreprise était assez grande pour absorber le changement, ou que les signaux de l'entreprise étaient mitigés.

Gemini 3 Thinking

Le taux de précision de Gemini 3 Thinking est de 53%. Le mécanisme de décision suit :

• Significativement positif (1) : Ces entreprises ont sous-performé sous la direction familiale ($ROA < 2.5\%$). Le marché voit probablement le départ d'un dirigeant familial central (PDG ou Président) comme un signal de professionnalisation ou de redressement stratégique nécessaire.
• Significativement négatif : Ces entreprises étaient exceptionnellement performantes ($ROA > 12\%$) sous leur dirigeant principal. Son départ représente une perte significative de capital humain stratégique et de leadership visionnaire.
• Non significatif : Cette catégorie s'applique aux entreprises à performance moyenne ou lorsque la personne décédée occupait un rôle honorifique, émérite ou secondaire (par ex., vice-président, membre du conseil), ce qui suggère que le départ a un impact minimal sur les opérations quotidiennes ou était déjà “intégré dans les prix”.

Gemini 3 Flash

GPT 5.4 Instant atteint un taux de réussite de 54%. Les prédictions sont basées sur deux théories de marché concurrentes concernant la succession dans les entreprises familiales :

• Théorie de la personne clé (-1) : Dans les entreprises à rentabilité exceptionnellement élevée ($ROA > 10\%$), le marché considère souvent le dirigeant comme une “star” ou un visionnaire. Son départ crée un vide de talent stratégique, entraînant des rendements anormaux négatifs.
• Théorie de la professionnalisation/de l'enracinement (+1) : Dans les entreprises sous-performantes ($ROA < 3\%$) ou à forte propriété familiale, le départ d'un dirigeant familial est souvent considéré comme une occasion pour du “sang neuf” ou une gestion professionnelle de prendre le relais, entraînant des rendements anormaux positifs.
• Stabilité/neutralité (0) : Pour les entreprises à performance modérée ou lorsque le dirigeant occupait un rôle non actif/honorifique (par ex., Émérite, Président honoraire), l'événement est souvent considéré comme “intégré dans les prix” ou opérationnellement insignifiant.

Claude Sonnet 4.2

Le taux de précision de Claude Sonnet 4.2 sur le benchmark est de 48%. Le modèle attribue une note à chaque entreprise sur 6 dimensions issues de la théorie des études d'événements sur les transitions de leadership dans les entreprises familiales :

1. Importance du rôle (le plus important)

La position du défunt détermine la quantité d'information que le départ transmet au marché :

• Rôles honorifiques/émérites (+0.4) : Ces personnes se sont retirées sur le plan opérationnel. L'annonce est peu surprenante, souvent pré-communiquée → la réaction du marché est légèrement positive ou neutre.
• PDG/Président actif (−0.6) : Le risque de l'homme clé est le plus élevé. Les marchés évaluent l'incertitude quant à savoir qui prendra la relève et si la stratégie changera.
• VP/Président (−0.25) : Préoccupation modérée, mais l'entreprise est moins dépendante d'un seul responsable.
• Membre du conseil/Directeur (+0.1) : Non exécutif ; perturbation opérationnelle minimale.

2. Signal ROA

• ROA négatif (+1.2) : Un dirigeant sortant sous la surveillance duquel les actifs ont généré des rendements négatifs → le marché interprète le départ comme un soulagement. C'est le moteur positif le plus fort.
• En dessous de p25 (ROA < 1.8%) (+0.5) : Entreprise sous-performante, le départ est toujours bien accueilli.
• Au-dessus de p75 (ROA > 9.6%) (−0.6) : Une entreprise à ROA élevé perdant un cadre clé signale que le marché pourrait perdre l'architecte de ces rendements.

3. Résultat net / EBITDA

• Perte nette (+0.6) et EBITDA négatif (+0.5) renforcent le signal de détresse/soulagement indépendamment du ROA.

4. ROE (quartile supérieur, −0.3)

Même lorsque le ROA est modéré, les entreprises dans le quartile supérieur du ROE (>19.3%) sont considérées comme ayant un allocataire de capital très efficace — dont la perte est négativement anticipée par le marché.

5. Propriété familiale

• ≥75% (+0.45) : Un contrôle familial élevé signifie que la succession est presque certainement au sein de la famille et pré-planifiée. Réduit l'incertitude.
• 50–74% (+0.20) : Famille majoritaire, stable mais légèrement moins certaine.
• <30% (−0.25) : Propriété dispersée soulève des doutes sur l'identité du successeur.

6. Levier

• >0.70 (+0.40) : Les entreprises à fort levier avec un dirigeant sortant signalent une réinitialisation stratégique potentielle ; les marchés peuvent le voir positivement (sortie de détresse).
• Au-dessus de p75 (>0.36) (+0.20) : Dette élevée notée.

Score ≥ 0.90 → Étiquette significativement positive

Score ≤ −0.70 → Étiquette significativement négative

Sinon → Étiquette non significative

GPT 5 modèle Thinking

Le modèle Thinking de ChatGPT 5 présente la plus haute précision parmi les outils testés, avec un taux de réussite de 74%. L'outil prévoit le changement de prix en fonction de deux indicateurs :

Indice de concentration du leadership (LCI) → plus élevé = plus probable un CAR négatif substantiel

• LCI = 0.40·z(importance_du_rôle) + 0.30·z(contrôle_familial) + 0.20·z(force_financière) − 0.10·z(taille)
  • importance_du_rôle : poids hiérarchique du défunt (PDG > président > président du conseil > vice-président).
  • contrôle_familial : propriété familiale (% des droits de vote).
  • force_financière : composite du ROE et du ROA (rentabilité).
  • taille : ln(actifs).
• Intuition : Les marchés s'attendent à plus de perturbation lorsqu'un membre familial très central décède dans une entreprise détenue de manière serrée, rentable, mais relativement plus petite.
• Décision : Étiquette négative substantielle si le LCI est dans le 30% supérieur de l'échantillon et ≥ 0.5 unités z au-dessus de l'Indice de Renouvellement.

Indice de potentiel de renouvellement (RPI) → plus élevé = plus probable un CAR positif substantiel

• RPI = 0.40·(−z(force_financière)) + 0.25·z(levier) − 0.20·z(contrôle_familial) − 0.10·z(taille) + 0.05·z(stress_de_liquidité)
  • levier : (dette à long terme + dette à court terme) / capitaux propres.
  • contrôle_familial : propriété familiale (% des droits de vote).
  • stress_de_liquidité : comptes fournisseurs / actifs.
  • force_financière : composite du ROE et du ROA.
  • taille : ln(actifs).

• Intuition : Les entreprises à faible rentabilité, sous pression d'endettement, avec une moindre dominance familiale, et des tensions de liquidité peuvent voir le marché accueillir favorablement la possibilité d'un changement de gouvernance ou d'un nouveau leadership.
• Décision : Étiquette positive substantielle si le RPI est dans le 30% supérieur de l'échantillon et ≥ 0.5 unités z au-dessus du LCI.

Gemini 2.5 Pro modèle

Gemini 2.5 Pro prédit 71% des changements de prix des actions avec précision. Ce modèle suggère que les traders actifs prennent des décisions basées sur la vulnérabilité de l'entreprise et le potentiel d'opportunité de renouvellement.

Indice de vulnérabilité (VI) → plus élevé = plus probable un CAR négatif substantiel

• VI = 0.40·z(contrôle_familial) + 0.35·(-z(force_financière)) + 0.20·z(levier) – 0.05·z(taille)
  • contrôle_familial : Propriété familiale (% droits de vote).
  • force_financière : Score z composite du ROE et du ROA.
  • levier : Dette à long terme / capitaux propres.
  • taille : Log naturel des actifs totaux (ln(actif)).
• Intuition : Le marché punit l'action lorsque le décès d'un dirigeant clé crée un vide de pouvoir. Ce risque est le plus élevé dans les entreprises très endettées, non rentables et dominées par la famille, qui manquent de la résilience et de la structure de gestion profonde des grandes entreprises. La combinaison d'un contrôle familial élevé, d'une mauvaise santé financière et d'un fort levier crée un mélange puissant pour l'incertitude des investisseurs.
• Décision : Étiquette négative substantielle si le score VI d'une entreprise est dans le 5% supérieur de l'échantillon.

Indice de catalyseur de redressement (TCI) → plus élevé = plus probable un CAR positif substantiel

• TCI = 0.50·(-z(force_financière)) + 0.25·z(contrôle_familial) – 0.15·z(levier) – 0.10·z(taille)
  • force_financière : Score z composite du ROE et du ROA.
  • contrôle_familial : Propriété familiale (% droits de vote).
  • levier : Dette à long terme / capitaux propres.
  • taille : Log naturel des actifs totaux (ln(actif)).
• Intuition : Le marché réagit positivement lorsque le décès est perçu comme une opportunité de renouvellement. Cela se produit lorsqu'un dirigeant familial enraciné d'une entreprise sous-performante mais financièrement stable décède. Le marché anticipe qu'un changement de direction débloquera de la valeur en améliorant la stratégie et les opérations, faisant de l'entreprise une histoire potentielle de redressement ou une cible d'acquisition.
• Décision : Étiquette positive substantielle si le score TCI d'une entreprise est dans le 5% supérieur de l'échantillon et est au moins 0.5 unité z au-dessus de son score VI.

GPT 5 Pro modèle

Le taux de précision de GPT 5 Pro est de 56% pour mon benchmark. L'outil GenAI fait des prédictions basées sur deux indicateurs :

Indice de risque de la personne clé (KPRI) → plus élevé = plus probable un CAR négatif substantiel

• KPRI = 0.40·z(propriété) + 0.30·z(levier) − 0.20·z(taille) + 0.10·z(rentabilité)
• Intuition : les entreprises détenues de manière serrée, plus endettées, plus petites et actuellement rentables sont confrontées à un risque perçu plus élevé lié à la personne clé lors du décès d'un membre de la famille.
• Décision : Étiquette négative substantielle si le KPRI est dans le 30% supérieur de l'échantillon et ≥ 0.5 unité z au-dessus du TPI.

Indice de potentiel de redressement (TPI) → plus élevé = plus probable un CAR positif substantiel

• TPI = 0.40·(−z(rentabilité)) + 0.20·z(levier) − 0.20·z(propriété) − 0.10·z(taille) + 0.10·z(CP/actifs)
• Intuition : une performance faible + une certaine pression financière, mais un moindre contrôle familial peut faire que les marchés accueillent favorablement un changement de direction.
• Décision : Étiquette positive substantielle si le TPI est dans le 30% supérieur et ≥ 0.5 unité z au-dessus du KPRI.

GPT 4o

Cet ancien modèle ChatGPT utilise des algorithmes d'IA basés sur le rôle du défunt dans l'entreprise, la propriété familiale, la taille de l'entreprise et le levier financier. Le modèle prédit les CAR des événements comme

Négatif substantiel, si

• Le défunt est PDG/Président du conseil
• Propriété familiale élevée (>70%) & le défunt occupait un rôle de leadership
• Entreprises plus petites ou moins diversifiées (actifs/revenus faibles)
• Levier élevé : dette à long terme ou dette à court terme > actifs

Positif substantiel, si

• Le défunt avait un rôle mineur (par ex., membre du conseil ou VP)
• L'entreprise était sous-performante (par ex., ROE ou ROA négatifs), les marchés peuvent voir cela comme positif
• Faible contrôle familial (<30%)

Pas de changement significatif, si

• Entreprises de taille moyenne à grande avec des finances solides
• Le défunt n'était pas dans un leadership actif
• Propriété familiale faible à moyenne (30%–60%)

Claude Sonnet 4

Claude Sonnet 4 atteint un taux de précision de 46% dans la prédiction des mouvements de prix des actions suite au décès de dirigeants familiaux. Ce modèle utilise un système de notation multifactoriel qui pondère le risque de succession du leadership par rapport aux facteurs de résilience de l'entreprise.

Score de perturbation de la succession (SDS) → plus élevé = plus probable un CAR négatif substantiel

• SDS = 0.30·z(poids_position) + 0.25·z(propriété_familiale) + 0.20·(-z(performance_financière)) + 0.15·z(fardeau_de_la_dette) – 0.10·z(échelle_de_l'entreprise)
  • poids_position : Notation hiérarchique où PDG = 3, Président du conseil = 2.5, Président = 2, VP = 1, Conseil = 0.5
  • propriété_familiale : Pourcentage de contrôle des votes familiaux
  • performance_financière : Score composite des scores z du ROE et du ROA
  • fardeau_de_la_dette : Ratio dette à long terme sur actifs
  • échelle_de_l'entreprise : Nombre d'employés comme proxy de la profondeur organisationnelle
• Intuition : Les marchés réagissent le plus négativement lorsqu'un vide de leadership critique se combine à un contrôle familial concentré et à une faible résilience institutionnelle. Le décès d'un PDG ou d'un Président du conseil dans une entreprise dominée par la famille crée une crise de succession immédiate, particulièrement lorsque l'entreprise manque de la solidité financière pour traverser l'incertitude ou de la profondeur organisationnelle pour assurer la continuité. Une dette élevée amplifie cette vulnérabilité en limitant la flexibilité stratégique pendant la période de transition.
• Décision : Étiquette négative substantielle si le SDS est dans le 36% supérieur de l'échantillon (score ≤ -3.0).

Indice de renouvellement de la gouvernance (GRI) → plus élevé = plus probable un CAR positif substantiel

• GRI = 0.35·(-z(performance_financière)) + 0.25·z(qualité_institutionnelle) – 0.20·z(propriété_familiale) + 0.15·z(développement_du_marché) – 0.05·z(poids_position)
  • performance_financière : Score composite de faiblesse ROE/ROA
  • qualité_institutionnelle : Indicateurs de taille de l'entreprise et de stabilité sectorielle
  • propriété_familiale : Concentration du contrôle familial (inversée)
  • développement_du_marché : Proxy d'efficacité du marché basé sur le pays
  • poids_position : Importance de la position de leadership (inversée)
• Intuition : Les marchés anticipent une création de valeur lorsque le changement de leadership se produit dans des entreprises sous-performantes avec des structures de propriété dispersées. Le décès supprime les effets potentiels d'enracinement tout en préservant les capacités institutionnelles nécessaires au redressement. Cela est particulièrement prononcé dans les marchés développés où la succession de gestion professionnelle est plus facilement disponible et les mécanismes de gouvernance plus forts.
• Décision : Étiquette positive substantielle si le score GRI est dans le 17% supérieur de l'échantillon (score ≥ 1.5) et dépasse le SDS d'au moins 2.0 points.

DeepSeek

Cet outil d'IA générative utilise une analyse heuristique experte, atteignant un taux de précision estimé de ~65% sur les benchmarks standard d'études d'événements financiers. Le cœur de l'évaluation des poids de décision repose sur trois facteurs principaux :

Rôle du défunt

• Président du conseil/PDG/Président : Immédiatement signalé pour un impact négatif potentiel élevé.
• Émérite/Honorifique/VP : Poids significativement moindre, conduisant souvent à une prédiction “Pas de changement significatif”.
• Rôles mineurs : Traités comme un signal faible.

Santé financière

• Résultat net et ROE/ROA : Un résultat net négatif ou de faibles rendements associés à un rôle clé ont souvent orienté la prédiction vers “Négatif”. Si le rôle était mineur, cela pourrait suggérer “Positif”.
• Dette à long terme/court terme : Des niveaux d'endettement élevés amplifiaient le risque perçu pour les entreprises avec des rôles clés.

Propriété familiale

• Propriété élevée (>60%) + Rôle clé : Amplifiait fortement la prédiction “Négative” (leadership enraciné, incertitude de succession).
• Propriété faible (<30%) + Performance médiocre : Amplifiait la prédiction “Positive” (plus facile pour les outsiders de forcer le changement).

Gemini 2.5 Flash modèle

Gemini 2.5 Flash indique que les prédictions sont faites sur la base d'une étude d'événements et de la littérature sur la gouvernance d'entreprise, présentant un taux de précision de 23%. Le modèle étiquette les CAR des événements en fonction de ces hypothèses :

• Négatif substantiel : Le pourcentage de propriété familiale est relativement élevé (>30%) et le défunt occupait un poste critique (PDG ou Président du conseil).
• Pas de changement significatif : Le pourcentage de propriété familiale est relativement faible (<30%) ou l'entreprise est grande et semble avoir une structure d'entreprise solide.
• Positif substantiel : Ce scénario se produit généralement lorsque la performance du dirigeant est médiocre ou lorsqu'il est considéré comme un obstacle pour l'avenir de l'entreprise. Il n'y a pas assez d'informations dans les données fournies pour faire une telle prédiction. Par conséquent, toutes les prédictions ont été étiquetées soit “Négatif substantiel” soit “Pas de changement significatif”.

Précision du modèle avec des entrées étendues

Lorsque plus d'informations sont fournies dans le deuxième tour, la performance du modèle change :

• DeepSeek V3.2 Deep Think (64%) et Gemini 3 Thinking (62%) s'améliorent le plus.
• GPT 5.4 modèles montrent des résultats mitigés et une précision légèrement inférieure à celle du cas limité.
• Claude Sonnet 4.2, GPT 5.5 Instant et Gemini 3.1 Pro déclinent davantage, suggérant une difficulté à gérer des entrées plus complexes.

Lorsque des données supplémentaires sont ajoutées, les modèles qui peuvent intégrer plusieurs signaux s'améliorent. Cependant, les modèles plus simples peuvent devenir moins précis car ils ne peuvent pas hiérarchiser efficacement les informations supplémentaires.

Découvrez davantage de nos benchmarks et analyses basées sur les données dans la recherche Google.

Ajouter comme source préférée

Méthodologie du benchmark de trading boursier basé sur l'IA

Amorçage

Le benchmark évalue si les outils d'IA générative peuvent prédire les réactions du marché boursier à un événement inattendu, sur la base de fondamentaux d'entreprise donnés. La configuration s'appuie sur les données de Tanyeri & Alp (2023) et Arslan & Tanyeri-Günsur (2025) :² ,³

Chaque outil d'IA reçoit un instantané d'informations au niveau de l'entreprise pour le premier tour :

Informations financières

• Taille des actifs
• Taille des capitaux propres
• EBITDA
• Résultat net
• Revenu annuel
• Dette à long terme et à court terme
• Comptes fournisseurs
• Rentabilité des capitaux propres (ROE)
• Rentabilité des actifs (ROA)

Autres informations

• Participation familiale
• Pays du siège social et de la cotation en bourse
• Nombre d'employés
• Industrie/secteur

Aucun nom d'entreprise ou autre identifiant n'est fourni.

Au deuxième tour, les informations suivantes sont ajoutées en plus :

• si le défunt travaillait au moment du décès
• la génération du défunt après le fondateur de l'entreprise
• si le défunt était le fondateur
• l'ancienneté du défunt dans l'entreprise
• l'âge du défunt au moment du décès
• si le défunt est décédé subitement ou après une maladie
• le nombre d'enfants du défunt
• le nombre de filles du défunt
• le nombre de fils du défunt
• le nombre de partenaires du défunt

Question principale

Compte tenu des informations ci-dessus, chaque solution d'IA est invitée à prédire si les rendements anormaux cumulés (CAR) sur 3 jours de 132 entreprises seront :

• Significativement positifs
• Significativement négatifs
• Non significatifs

Le CAR mesure comment les marchés financiers répondent à l'événement. Un CAR positif indique que les traders d'actions perçoivent l'événement comme créateur de valeur, un CAR négatif comme destructeur de valeur, et un CAR non significatif comme neutre.

Échantillonnage

Le jeu de données comprend 132 événements de décès dans 109 entreprises familiales cotées en bourse dans 24 pays. Toutes les entreprises figurent parmi les 500 plus grandes entreprises familiales.

Mesure de la performance

Le benchmark s'appuie sur une analyse technique préalable des prix des actions. Pour chaque entreprise, le CAR sur 3 jours a été calculé et classé comme :

• Significativement positif
• Significativement négatif
• Non significatif

Les prédictions de l'IA sont comparées aux valeurs historiques du CAR. La précision est mesurée comme le pourcentage de prédictions correctes faites par chaque solution d'IA générative.

Lectures complémentaires

• Top 10 cas d'usage de données alternatives pour l'investissement
• Benchmark de l'IA agentique en finance : FinRobot vs FinRL vs FinGPT
• Meilleures plateformes de recherche financière IA pour les investisseurs

FAQ

Citer cette recherche

Choisissez le format qui correspond à votre lieu de publication. Coller la version avec lien dans votre CMS préserve le lien retour.

@misc{phd2026,
  author = {PhD., Ezgi Arslan,},
  title  = {{Négociation boursière basée sur l'IA: quel outil d'IA générative est le meilleur}},
  year   = {2026},
  month  = jun,
  howpublished    = {\url{https://aimultiple.com/ai-based-stock-trading}},
  note   = {AIMultiple. Consulté le 30 Juin 2026}
}

Liens de référence

1.

Page restricted | ScienceDirect

2.

The value of shareholder rights in family firms: Global evidence from a death in the family - Tanyeri Günsür - 2023 - Corporate Governance: An International Review - Wiley Online Library

3.

Page restricted | ScienceDirect

4.

Artificial Intelligence Can Make Markets More Efficient—and More Volatile

Ezgi Arslan, PhD.

Analyste du secteur

Suivre

Ezgi est titulaire d'un doctorat en administration des affaires, spécialisée en finance, et travaille comme analyste sectorielle chez AIMultiple. Elle mène des recherches et produit des analyses à l'intersection de la technologie et du commerce, et son expertise couvre le développement durable, les enquêtes et l'analyse des sentiments, les applications d'agents d'IA en finance, l'optimisation des moteurs de réponse, la gestion des pare-feu et les technologies d'approvisionnement.

Voir le profil complet

Soyez le premier à commenter

Votre adresse courriel ne sera pas publiée. Tous les champs sont obligatoires. Les commentaires sont laissés dans leur langue d'origine.

Nom

Adresse email

Commentaire

0/450

Publier un commentaire