Le comportement grégaire sur le marché des cryptomonnaies : Une revue critique de la littérature empirique

Abstract

Résumé

L’essor rapide des cryptomonnaies a engendré de profondes mutations dans les marchés financiers, attirant l’attention croissante des chercheurs sur les comportements des investisseurs. Parmi ces comportements, le comportement grégaire, qui se traduit par la tendance des individus à imiter les décisions des autres plutôt qu’à se baser sur leurs propres analyses, constitue un champ d’étude central dans l’univers des actifs numériques. Cette revue de littérature propose une synthèse critique des principales recherches empiriques portant sur ce phénomène dans le marché cryptomonnaies.

Les résultats montrent que le comportement grégaire dans les cryptomonnaies est conditionnel, asymétrique et instable dans le temps, fortement influencé par la volatilité du marché, les chocs exogènes (tels que la pandémie de COVID-19), les effets de réseau et le sentiment médiatique. Les modèles dynamiques s’avèrent plus performants que les modèles statiques pour détecter ce comportement, notamment en périodes de stress. Le phénomène peut entraîner des effets de contagion entre cryptomonnaies ou vers d’autres actifs. Certaines études identifient également des comportements anti-grégaires, révélant la diversité des stratégies d’investissement dans ce marché hétérogène.

Sur le plan méthodologique, la revue met en lumière des limites récurrentes : recours à des modèles peu adaptés, données historiques restreintes, biais d’échantillonnage et utilisation de proxys approximatifs pour le sentiment ou la liquidité. Ces faiblesses réduisent la robustesse des résultats et leur généralisabilité.

En conclusion, cette revue identifie les tendances dominantes, les zones d’incertitude et les lacunes théoriques qui freinent l’avancement de la recherche. Elle recommande le recours à des modèles dynamiques multi-régimes, à des données comportementales en temps réel, et à des approches interdisciplinaires. Ces pistes visent à améliorer la compréhension des dynamiques collectives dans un marché en mutation rapide, tout en offrant des enseignements utiles aux chercheurs, aux investisseurs et aux régulateurs.

Mots clés : Comportement grégaire, Cryptomonnaies, Contagion, Modèles dynamiques, Comportement anti-grégaire, Sentiment des investisseurs, finance comportementale.

Abstract

The rapid rise of cryptocurrencies has profoundly transformed financial markets, drawing increasing attention from researchers to investor behavior. Among these behaviors, herding—defined as the tendency of individuals to imitate others’ decisions rather than rely on their own analysis—has emerged as a central topic in the digital asset ecosystem. This literature review offers a critical synthesis of the main empirical studies examining herding in cryptocurrency markets.

Findings indicate that herding behavior in cryptocurrencies is conditional, asymmetric, and time varying, significantly influenced by market volatility, external shocks (such as the COVID-19 pandemic), network effects, and media sentiment. Dynamic models outperform static ones in detecting this behavior, especially during periods of market stress. The phenomenon can lead to contagion effects between cryptocurrencies or across other asset classes. Some studies also highlight anti-herding or contrarian behaviors, reflecting the heterogeneity of investment strategies in this evolving market.

Methodologically, the review reveals several recurring limitations: reliance on inadequate models, short historical data windows, sample selection biases, and the use of imprecise proxies for sentiment or liquidity. These weaknesses undermine the robustness and generalizability of existing findings.

In conclusion, the review identifies dominant patterns, areas of uncertainty, and theoretical gaps that hinder further progress in the field. It calls for the adoption of multi-regime dynamic models, the integration of real-time behavioral data, and interdisciplinary approaches. These directions aim to enhance our understanding of collective dynamics in a rapidly evolving market while providing valuable insights for researchers, investors, and regulators.

Keywords: Herding behavior, Cryptocurrencies, Contagion, Dynamic models, Anti-herding behavior, Investor sentiment, Behavioral finance.