Arash Aloosh, professeur à NEOMA, a contribué à l’un des plus importants projets de recherche de l’histoire de la littérature économique et financière.

« Non-Standard Errors » a été annoncé à la fin novembre 2021 lors d’un événement organisé par Deutsche Börse, la Bourse allemande.

Contribuant au développement de la littérature sur les crises de réplication (ou crises de réplicabilité/reproductibilité, ndlt), 341 chercheurs et économistes réputés ont collaboré au projet, dont :

• 164 équipes d’universitaires, venus entre autres, de NYU, Columbia, Cornell, Duke, Berkeley, HEC et INSEAD ;
• Des économistes venus de banques centrales, y compris ceux de la Banque centrale européenne (BCE), de la Réserve fédérale de New York, d’Angleterre et de Norvège ;
• Une équipe de coordination de neuf spécialistes, dirigée par Albert Menkveld (VU Amsterdam), a attiré plusieurs intervenants de grande renommée, dont Yacin Ait-Sahalia (Princeton) et Lubos Pastor (Chicago-Booth), parmi d’autres.

Arash Aloosh, professeur assistant de finance à NEOMA Business School, a participé à cet incroyable projet. « Cette expérience unique a abouti à un résultat d’une importance exceptionnelle. Les équipes de recherche ont testé six hypothèses en utilisant le même échantillon de 720 millions de contrats à terme sur indice EuroStoxx50. Nous avons découvert que les erreurs atypiques entre les équipes sont énormes et difficiles à expliquer. Néanmoins, elles diminuent après un feedback par les pairs. Étant donné la force de la variété des approches de recherche « non conventionnelles », il est important de prendre en compte tant les erreurs types que les erreurs atypiques. En d’autres mots, alors que c’est sans intérêt pour les approches de recherche normalisées qui ont leurs propres avantages et inconvénients, nous devrions quantifier la généralisabilité des résultats afin de contrôler les crises de réplication en cours. »

Menkveld, Albert et al. (2021). Non-Standard Errors. SSRN Electronic Journal. 10.2139/ssrn.3961574.

Résumé

En statistique, les échantillons sont prélevés dans une population au cours d’un processus générateur de données (PGD). Les erreurs types mesurent l’incertitude dans les estimations par échantillon des paramètres de population. En science, des données probantes sont générées afin de tester des hypothèses lors d’un processus générateur de données factuelles (PGDF). Nous affirmons que les variations entre les chercheurs lors du PGDF ajoutent de l’incertitude : ce sont les erreurs atypiques. Pour les étudier, nous avons demandé à 164 équipes de tester six hypothèses sur le même échantillon. Nous avons trouvé que les erreurs atypiques sont importantes, à un niveau équivalent aux erreurs types. Leur ampleur (i) ne covarie que faiblement selon les qualités de l’équipe, la reproductibilité ou l’évaluation par les pairs, (ii) elle diminue largement après un feedback effectué par des pairs, et (iii) elle est sous-estimée par les participants.

source