Lorsque les chercheurs d'entreprise analysent les données, ils sont souvent basés sur des hypothèses pour comprendre leurs résultats. Mais, comme toute autre personne, ils peuvent rencontrer de graves problèmes si ces hypothèses se révèlent erronées, ce qui peut se produire plus fréquemment qu'ils ne croient en la finance.
C'est ce que nous avons découvert dans une étude récente qui a analysé les données financières d'environ un millier d'importantes entreprises américaines.
L'une des hypothèses les plus courantes dans l'analyse des données est que les chiffres suivront une distribution normale, un concept statistique central connu sous le nom de courbe Campana. Si vous avez déjà observé un graphique de la stature des gens, vous aurez vu cette courbe: la plupart seront regroupés près du centre, avec moins aux extrémités. Il est symétrique et prévisible, il est souvent pris pour acquis dans l'enquête.
Nous sommes des enseignants qui étudient les entreprises, et dans notre nouvelle étude, nous analysons les données financières des sociétés américaines qui sont citées en bourse: des aspects tels que la valeur marchande de l'entreprise, la part de marché, le total des actifs et d'autres mesures financières et ratios similaires. Les chercheurs analysent généralement ce type de données pour comprendre comment les entreprises travaillent et prennent des décisions.
Nous découvrons que ces chiffres ne suivent souvent pas la courbe de la cloche. Dans certains cas, nous trouvons des valeurs atypiques extrêmes, comme certaines grandes entreprises des milliers de fois plus grandes que les autres plus petites. Nous observons également les distributions « biaisées à droite », ce qui signifie que les données sont regroupées sur le côté gauche du graphique.
En d'autres termes, les valeurs se trouvent à l'extrémité inférieure, mais il y a des chiffres très élevés qui étirent la moyenne. Cela a du sens, car dans de nombreux cas, les mesures financières ne peuvent être positives que; Par exemple, vous ne trouverez pas une entreprise avec un nombre négatif d'employés.
Comment les erreurs de finance servent de boule de neige
Pourquoi est-ce important?
Si les chercheurs d'entreprise sont basés sur des hypothèses erronées, leurs conclusions (ce qui stimule la valeur de l'entreprise, par exemple) pourrait être erronée. Ces erreurs peuvent avoir des répercussions externes et influencer les décisions commerciales, les stratégies des investisseurs ou même les politiques publiques.
Prenons comme exemple la rentabilité des actions. Si une étude suppose que ces rendements sont normalement distribués, mais en réalité, ils sont biaisés ou pleins de valeurs atypiques, les résultats pourraient être déformés. Les investisseurs qui souhaitent utiliser cette recherche pourraient être trompés.
Les chercheurs savent que leur travail a de réelles conséquences, ils consacrent donc souvent des années à perfectionner une étude, à collecter des commentaires et à examiner l'article avant d'être examiné par paires et préparé à la publication. Mais s'ils ne vérifient pas si les données financières sont normalement distribuées, être en mesure d'oublier une défaillance grave. Cela peut nuire même bien à des études conçues.
Compte tenu de cela, nous encourageons les chercheurs à se demander: est-ce que je comprends les méthodes statistiques que j'utilise? Suis-je en train de vérifier mes hypothèses ou simplement en supposant qu'elles sont correctes?
Ce qui n'est pas encore connu
Malgré l'importance des hypothèses de données, de nombreuses études ne présentent pas de preuves de normalité. En conséquence, il n'est pas clair combien de résultats dans la recherche financière et comptable sont basés sur de petites bases statistiques solides. Nous avons besoin de plus de travail pour comprendre la fréquence de ces problèmes et encourager les meilleures pratiques à les évaluer et à les corriger.
Bien que tous les chercheurs ne doivent pas être statistiques, il serait prudent pour ceux qui utilisent des données pour demander: à quel point cela est normal?
Il est professeur agrégé de finance à la Mississippi State University; Il est professeur de systèmes d'information de gestion à l'Université de Virginie Occidental.
