Trading boursier basé sur l'IA: quel outil d'IA générative est le meilleur

LLM tools ont été utilisés dans le trading boursier basé sur l’IA depuis leur émergence.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 Thinking model et le modèle Gemini 2.5 Pro ont offert les meilleures performances.
• Les modèles actuels de ChatGPT et Gemini sont moins performants que les modèles plus anciens.
• Le taux de succès 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 couramment associés aux réactions du marché dans les études d’événements d’entreprises familiales :

• Importance du dirigeant sortant (PDG > Président > rôles honorifiques).
• Concentration de l’actionnariat familial.
• Rentabilité (ROE, ROA).
• Levier financier.
• Implications générales de transition de gouvernance.

Claude Opus 4.8 Medium

Logique de base : deux forces opposées déterminent la réaction :  

(+) Allègement de l’enracinement : La mort d’une personne interne enracinée/sous-performante peut activer le marché du contrôle et susciter des espoirs de retournement.

(-) Perte de capital humain : La mort 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 cérémoniels/de retraite, les rôles purement au conseil d’administration, ou les cas atténués/compensatoires n’entraînent pas de 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 (allègement/optionnalité).
• Dirigeant actif + forte (ROA>=médiane & ROE>=10 & NI>0) & actionnariat>=60% -> -1 (intendant perdu).
• Dirigeant actif + fort mais actionnariat<60% -> 0 (coussin de surveillance).
• Intermédiaire / signal manquant / rôle inconnu -> 0.

DeepSeek V3.2 (Instant & Deep Think)

DeepSeek V3.2 avec et sans Deep Think affiche un taux de succès de 58%. Il s’appuie sur le rôle du défunt et les performances 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 significatif.
• Faible actionnariat familial : Un actionnariat plus faible peut signifier moins d’« implication personnelle » de la part 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 actif (workD=0) ou un président retraité, le successeur est probablement en place.
• Forte propriété familiale : Une propriété familiale élevée 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 d’administration ou une personnalité retraitée non impliquée dans les opérations quotidiennes.
• Transition progressive : Si le décès n’était pas soudain et que l’entreprise est grande (nombreux employés/actifs), des systèmes sont probablement en place 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 : La mort subite d’un dirigeant familial très efficace retire un visionnaire central et un générateur de valeur. Cela introduit une grave incertitude de succession et opérationnelle, entraînant de 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 contre le 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 routinière »)
   • Condition : L’entreprise avait une performance financière modérée et moyenne, OU le défunt occupait un rôle non exécutif/honorifique/consultatif (par ex., membre du conseil d’administration, 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 routinier qui ne modifie pas matériellement les flux de trésorerie futurs de l’entreprise.

Modèles plus anciens

GPT 5.4 Instant

GPT 5.4 Instant atteint un taux de succès de 69%. Le modèle se concentre principalement sur la rentabilité de l’entreprise, qu’il utilise comme signal principal.

• Logique d’étiquette négative : Plus probable lorsque le défunt occupait un rôle central actif (en particulier 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 retournement, surtout lorsque la profondeur de la succession familiale semblait disponible.
• Logique d’étiquette neutre : Utilisée lorsque le rôle apparaissait moins opérationnel/cérémoniel, lorsque des forces compensatoires dominaient, ou lorsque les informations ne soutenaient pas fortement une réaction significative à court terme.

GPT 5.4 Thinking model

GPT 5.4 Thinking atteint un taux de succès de 64% avec des entrées limitées. Il combine rentabilité et actionnariat familial.

• Logique d’étiquette négative : Plus probable lorsque le membre de la famille décédé avait 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 avait un rôle central, mais que l’entreprise semblait 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 d’exactitude de Gemini 3 Thinking est de 53%. Le mécanisme de décision sous-jacent est le suivant :

• Significativement positif (1) : Ces entreprises ont sous-performé sous la direction familiale ($ROA < 2.5\%$). Le marché considère probablement le départ d'un dirigeant familial central (PDG ou Président) comme un signal de professionnalisation ou de retournement stratégique nécessaire.
• Significativement négatif : Ces entreprises étaient exceptionnellement performantes ($ROA > 12\%$) sous leur dirigeant central. Leur départ représente une perte significative de capital humain stratégique et de leadership visionnaire.
• Non significatif : Cette catégorie s’applique aux entreprises ayant une performance moyenne ou lorsque la personne décédée occupait un rôle honorifique, émérite ou secondaire (par ex., vice-président, membre du conseil d’administration), 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 succès de 54%. Les prévisions reposent sur deux théories de marché concurrentes concernant la succession dans les entreprises familiales :

• Théorie de la personne clé (-1) : Dans les entreprises affichant une 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/enracinement (+1) : Dans les entreprises sous-performantes ($ROA < 3\%$) ou à forte participation familiale, le départ d’un dirigeant familial est souvent perçu comme une opportunité pour du « sang neuf » ou une gestion professionnelle d’intervenir, 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 « déjà intégré » ou insignifiant sur le plan opérationnel.

Claude Sonnet 4.2

Le taux d’exactitude de Claude Sonnet 4.2 sur le benchmark est de 48%. Le modèle attribue un score à chaque entreprise selon 6 dimensions dérivées de la théorie des études d’événements sur les transitions de leadership dans les entreprises familiales :

1. Proéminence du rôle (le plus important)

La position du défunt détermine la quantité d’informations 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 personne clé est le plus élevé. Les marchés évaluent l’incertitude quant à la succession et à l’éventuel changement de stratégie.
• VP/Président (−0.25) : Préoccupation modérée, mais l’entreprise est moins dépendante d’un seul dirigeant.
• Membre du conseil/Directeur (+0.1) : Non exécutif ; perturbation opérationnelle minimale.

2. Signal ROA

• ROA négatif (+1.2) : Un dirigeant sortant sous la direction duquel les actifs ont dégagé des rendements négatifs → le marché lit 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 reste bien accueilli.
• Au-dessus de p75 (ROA > 9.6%) (−0.6) : Une entreprise à ROA élevé qui perd 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 soulagement de la détresse indépendamment du ROA.

4. ROE (quartile supérieur, −0.3)

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

5. Actionnariat familial

• ≥75% (+0.45) : Un contrôle familial élevé signifie que la succession est presque certainement interne à la famille et planifiée à l’avance. Réduit l’incertitude.
• 50–74% (+0.20) : Majorité familiale, stable mais un peu moins certaine.
• <30% (−0.25) : L’actionnariat dispersé soulève des doutes sur l’identité du successeur.

6. Levier

• >0.70 (+0.40) : Les entreprises à fort levier qui perdent un dirigeant signalent une réinitialisation stratégique potentielle ; les marchés peuvent le voir positivement (sortie de détresse).
• Au-dessus de p75 (>0.36) (+0.20) : Endettement élevé noté.

Score ≥ 0.90 → Étiquette Significativement positif

Score ≤ −0.70 → Étiquette Significativement négatif

Sinon → Étiquette Non significatif

GPT 5 Thinking model

Le modèle Thinking de ChatGPT 5 présente la meilleure précision parmi les outils testés, avec un taux de succès de 74%. L’outil prévoit la variation de prix en fonction de deux indicateurs :

Indice de concentration du leadership (LCI) → plus élevé = plus probable 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 : actionnariat familial (% des droits de vote).
  • force_financière : composite de ROE et ROA (rentabilité).
  • taille : ln(actifs).
• Intuition : Les marchés anticipent plus de perturbations lorsqu’un membre familial très central décède dans une entreprise à actionnariat concentré, rentable mais relativement plus petite.
• Décision : Étiqueter Négatif substantiel si le LCI est dans les 30% supérieurs 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 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 : actionnariat familial (% des droits de vote).
  • stress_de_liquidité : comptes créditeurs / actifs.
  • force_financière : composite de ROE et ROA.
  • taille : ln(actifs).

• Intuition : Les entreprises à faible rentabilité, avec une certaine pression de la dette, une moindre domination 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 : Étiqueter Positif substantiel si le RPI est dans les 30% supérieurs de l’échantillon et ≥ 0.5 unités z au-dessus du LCI.

Gemini 2.5 Pro model

Gemini 2.5 Pro prédit correctement 71% des variations de prix boursiers. Ce modèle suggère que les traders actifs prennent des décisions en fonction de la vulnérabilité de l’entreprise et du potentiel d’opportunité de renouvellement.

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

• VI = 0.40·z(contrôle_familial) + 0.35·(-z(force_financière)) + 0.20·z(levier) – 0.05·z(taille)
  • contrôle_familial : Actionnariat familial (% droits de vote).
  • force_financière : Score z composite du ROE et du ROA.
  • levier : Dette à long terme / capitaux propres.
  • taille : Logarithme naturel de l’actif total (ln(actif)).
• Intuition : Le marché punit l’action lorsque la mort 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 direction profonde des grandes entreprises. La combinaison d’un contrôle familial élevé, d’une mauvaise santé financière et d’un levier élevé crée un mélange puissant d’incertitude pour les investisseurs.
• Décision : Étiqueter Significativement négatif si le score VI d’une entreprise se situe dans les 5% supérieurs de l’échantillon.

Indice de catalyseur de retournement (TCI) → plus élevé = plus probable 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 : Actionnariat familial (% droits de vote).
  • levier : Dette à long terme / capitaux propres.
  • taille : Logarithme naturel de l’actif total (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 dans une entreprise sous-performante mais financièrement stable disparaît. 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 de retournement potentielle ou une cible d’acquisition.
• Décision : Étiqueter Significativement positif si le score TCI d’une entreprise se situe dans les 5% supérieurs de l’échantillon et est au moins 0.5 unités z au-dessus de son score VI.

GPT 5 Pro model

Le taux d’exactitude de GPT 5 Pro est de 56% pour mon benchmark. L’outil d’IA générative émet des prédictions en fonction de deux indicateurs :

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

• KPRI = 0.40·z(actionnariat) + 0.30·z(levier) − 0.20·z(taille) + 0.10·z(rentabilité)
• Intuition : les entreprises à actionnariat concentré, plus endettées, plus petites et actuellement rentables font face à un risque perçu plus élevé de personne clé lors du décès d’un membre de la famille.
• Décision : Étiqueter négatif substantiel si le KPRI se situe dans les 30% supérieurs de l’échantillon et ≥ 0.5 unités z au-dessus du TPI.

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

• TPI = 0.40·(−z(rentabilité)) + 0.20·z(levier) − 0.20·z(actionnariat) − 0.10·z(taille) + 0.10·z(CP/actifs)
• Intuition : une faible performance + une certaine pression financière, mais un moindre contrôle familial peut amener les marchés à accueillir favorablement un changement de direction.
• Décision : Étiqueter positif substantiel si le TPI se situe dans les 30% supérieurs et ≥ 0.5 unités 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 participation familiale, la taille de l’entreprise et le levier financier. Le modèle prédit les CAR d’événements comme suit

Négatif substantiel, si

• Le défunt est PDG/Président
• Forte participation familiale (>70%) et le défunt occupait un poste de direction
• Entreprises plus petites ou moins diversifiées (faibles actifs/revenus)
• 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 négatif), les marchés peuvent y voir un point 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 en direction active
• Participation familiale faible à moyenne (30%–60%)

Claude Sonnet 4

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

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

• SDS = 0.30·z(poids_du_poste) + 0.25·z(actionnariat_familial) + 0.20·(-z(performance_financière)) + 0.15·z(fardeau_de_la_dette) – 0.10·z(échelle_de_l’entreprise)
  • poids_du_poste : Notation hiérarchique où PDG = 3, Président = 2.5, Directeur général = 2, VP = 1, Conseil = 0.5
  • actionnariat_familial : Pourcentage de contrôle des votes par la famille
  • performance_financière : Score composite des scores z du ROE et du ROA
  • fardeau_de_la_dette : Ratio dette à long terme / actifs
  • échelle_de_l’entreprise : Nombre d’employés comme indicateur 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 dans une entreprise dominée par la famille crée une crise de succession immédiate, surtout lorsque l’entreprise manque de la solidité financière pour résister à l’incertitude ou de la profondeur organisationnelle pour assurer la continuité. Un endettement élevé amplifie cette vulnérabilité en limitant la flexibilité stratégique pendant la période de transition.
• Décision : Étiqueter Significativement négatif si le SDS se situe dans les 36% supérieurs de l’échantillon (score ≤ -3.0).

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

• GRI = 0.35·(-z(performance_financière)) + 0.25·z(qualité_institutionnelle) – 0.20·z(actionnariat_familial) + 0.15·z(développement_du_marché) – 0.05·z(poids_du_poste)
  • performance_financière : Score composite de faiblesse ROE/ROA
  • qualité_institutionnelle : Taille de l’entreprise et indicateurs de stabilité sectorielle
  • actionnariat_familial : Concentration du contrôle familial (inversé)
  • développement_du_marché : Indicateur d’efficience du marché par pays
  • poids_du_poste : Importance du poste de direction (inversé)
• Intuition : Les marchés anticipent une création de valeur lorsque le changement de direction survient dans des entreprises sous-performantes avec des structures d’actionnariat dispersées. Le décès supprime les effets potentiels d’enracinement tout en préservant les capacités institutionnelles nécessaires au retournement. Cela est particulièrement prononcé dans les marchés développés où la succession par une direction professionnelle est plus facilement disponible et où les mécanismes de gouvernance sont plus solides.
• Décision : Étiqueter Significativement positif si le score GRI se situe dans les 17% supérieurs 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 d’exactitude estimé d’environ 65% sur les benchmarks standard d’études d’événements financiers. Le cœur de la décision repose sur l’évaluation de trois facteurs principaux :

Rôle du défunt

• Président/PDG/Directeur général : 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 des rendements faibles associés à un rôle clé poussaient souvent la prédiction vers « Négatif ». Si le rôle était mineur, cela pouvait suggérer « Positif ».
• Dette à long terme/court terme : Des niveaux d’endettement élevés amplifiaient le risque perçu pour les entreprises à rôles clés.

Actionnariat familial

• Actionnariat élevé (>60%) + Rôle clé : Amplifiait fortement la prédiction « Négatif » (direction enracinée, incertitude de succession).
• Actionnariat faible (<30%) + Mauvaise performance : Amplifiait la prédiction « Positif » (plus facile pour des outsiders d’imposer un changement).

Gemini 2.5 Flash model

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 d’exactitude de 23%. Le modèle étiquette les CAR d’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).
• 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 à l’avenir de l’entreprise. Il n’y a pas suffisamment 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 davantage d’informations sont fournies au deuxième tour, les performances des modèles changent :

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

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

Méthodologie du benchmark de trading boursier basé sur l’IA

Prompting

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

Chaque outil d’IA reçoit un aperçu des informations au niveau de l’entreprise pour le premier tour :

Informations financières

• Taille des actifs
• Taille des capitaux propres
• Bénéfice avant intérêts, impôts, dépréciation et amortissement (EBITDA)
• Résultat net
• Revenu annuel
• Dette à long terme et à court terme
• Comptes créditeurs
• Rentabilité des capitaux propres (ROE)
• Rentabilité des actifs (ROA)

Autres informations

• Part de l’actionnariat familial
• 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 :

• 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 d’enfants de sexe féminin du défunt
• le nombre d’enfants de sexe masculin du défunt
• le nombre de partenaires du défunt

Question principale

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

• Significativement positifs
• Significativement négatifs
• Non significatifs

Le CAR mesure comment les marchés financiers réagissent à l’événement. Un CAR positif indique que les opérateurs boursiers perçoivent l’événement comme créateur de valeur, un CAR négatif comme destructeur de valeur, et un CAR non significatif comme neutre.

Échantillonnage

L’ensemble de données comprend 132 événements de décès dans 109 entreprises familiales cotées en bourse réparties dans 24 pays. Toutes les entreprises sont classées parmi les 500 plus grandes entreprises familiales.

Mesure de la performance

Le benchmark s’appuie sur une analyse technique antérieure des cours boursiers. Pour chaque entreprise, le CAR sur 3 jours a été calculé et catégorisé 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.

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

Ajouter comme source préférée

Lectures complémentaires

• Top 10 cas d’usage de données alternatives pour l’investissement
• Benchmark d’IA agentique en finance : FinRobot vs FinRL vs FinGPT
• Meilleures plateformes de recherche financière par IA pour les investisseurs
• Benchmark IA VC : 11 agents IA sur des tâches réelles de capital-risque

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  = {{Trading boursier basé 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 sectorielle

Suivre

Ezgi est titulaire d'un doctorat en administration des affaires avec une spécialisation en finance et travaille comme analyste sectorielle chez AIMultiple. Elle pilote la recherche et les analyses à l'intersection de la technologie et des affaires, avec une expertise couvrant la durabilité, l'analyse des enquêtes et des sentiments, les applications des agents IA en finance, l'optimisation pour les moteurs de réponse, la gestion des pare-feux 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