Note ABES Price Dynamics of Cryptocurrency and its Determinants La Dynamique des prix des Cryptomonnaies et ses déterminants Bitcoin Crypto-monnaies Prédictions Rentabilité Volatilité Bulles Bitcoin Cryptocurrency Forecast Returns Volatility Bubble Cryptomonnaie Bitcoin Rentabilité Volatilité (finances) Spéculation Investissements Psychologie Cette thèse examine la dynamique du prix du Bitcoin en mettant l’accent sur l’influence des facteurs comportementaux, tels que le sentiment, les émotions (peur, joie), l’attention des investisseurs, etc. En mobilisant des outils récents de l’économétrie non linéaire, des techniques avancées de machine learning et des bases de données de haute fréquence, elle démontre l’importance de ces variables comportementales dans l’explication et la prévision de l’évolution du prix du Bitcoin. La thèse est structurée en quatre chapitres. Le premier chapitre, à vocation théorique, introduit les fondements technologiques de la blockchain et présente les principales caractéristiques du marché des cryptomonnaies. Il propose également un état des lieux des faits stylisés propres à ce marché, souvent difficilement conciliables avec les hypothèses d’efficience des marchés et de rationalité des investisseurs. Les trois chapitres suivants adoptent une approche empirique à travers trois essais distincts. Le deuxième chapitre analyse l’impact du sentiment et des émotions des investisseurs sur la rentabilité du Bitcoin. Le troisième chapitre explore le rôle du sentiment et de l’attention des investisseurs dans la dynamique de la volatilité. Le quatrième et dernier chapitre s’intéresse à la capacité des variables émotionnelles à détecter les phases spéculatives et les bulles sur le marché du Bitcoin. Cette recherche apporte deux contributions principales. D’une part, elle propose une nouvelle mesure du sentiment et de l’attention des investisseurs en exploitant des données issues de vidéos YouTube, à l’aide d’outils récents de traitement du langage naturel basés sur le machine learning, tels que FinBERT. Cette approche permet notamment de distinguer les émotions positives et négatives exprimées dans les contenus audiovisuels. D’autre part, à travers différents modèles économétriques, la thèse met en évidence le rôle déterminant des facteurs comportementaux dans la prévision de la rentabilité, de la volatilité et de la probabilité d’émergence de bulles sur le marché du Bitcoin. Par exemple, nos résultats montrent que les compétences des investisseurs en matière de blockchain constituent un déterminant majeur de la volatilité du Bitcoin. De plus, les facteurs émotionnels permettent d’identifier les phases de surchauffe du marché, tels que les cycles haussiers excessifs ou les bulles spéculatives. Enfin, nos modèles surpassent les approches traditionnelles de trading en termes de performance prédictive. This thesis explores the behavioral foundations of Bitcoin price dynamics by focusing on the role of sentiment, emotions (fear, panic, joy), and investor attention. Using recent developments in nonlinear econometrics, advanced machine learning techniques, and high-frequency datasets, the study provides empirical evidence on the significant explanatory and predictive power of behavioral factors in cryptocurrency markets. Structured into four chapters, the thesis begins with a theoretical overview of blockchain technology and the main features of the crypto market, highlighting key stylized facts that challenge traditional assumptions of market efficiency and investor rationality. The remaining chapters are empirical and consist of three distinct essays. The first empirical essay examines the impact of investor sentiment and emotions on Bitcoin returns, the second investigates the role of sentiment and attention in shaping Bitcoin’s volatility, and the third explores the potential of emotional indicators to detect speculative bubbles. Our research offers two main contributions. First, it develops a novel measure of investor sentiment and attention by applying natural language processing (e.g., FinBERT) to YouTube video content, helping us to differentiate between positive and negative emotions. Second, it uses various econometric models to demonstrate the key role of behavioral variables in forecasting returns, volatility, and the likelihood of bubbles. The findings reveal that blockchain literacy among investors significantly drives volatility, while emotional factors are instrumental in identifying speculative cycles. Moreover, the proposed models outperform traditional trading approaches in terms of predictive accuracy. Electronic Thesis or Dissertation Text en PDF 3770082 https://pepite-depot.univ-lille.fr/LIBRE/EDSJPG/2025/2025ULILD015.pdf https://theses.hal.science/tel-05293348 https://theses.fr/2025ULILD015/abes https://theses.hal.science/tel-05293348 https://theses.hal.science/tel-05293348 https://theses.hal.science/tel-05293348 Fay Pierre 1987-09-24 FR 289299950 0998015588C 129455 https://theses.fr/2025ULILD015 2025ULILD015 https://doi.org/10.70675/56798a48zba3ez4802z8071z73d762c1257d 2025-09-03 Gestion Université de Lille (2022-....) 259265152 Doctorat Docteur es non oui Jawadi Fredj MADS_DIRECTEUR_DE_THESE_1 104615060 Bourghelle David MADS_DIRECTEUR_DE_THESE_2 092002765 Cousin Jean-Gabriel MADS_MEMBRE_DU_JURY_1 097883360 Binner Jane M. MADS_MEMBRE_DU_JURY_2 083383840 Taffler Richard MADS_MEMBRE_DU_JURY_3 275820297 Veryzhenko Iryna MADS_MEMBRE_DU_JURY_4 167241354 Bathia Deven MADS_RAPPORTEUR_1 290531071 D'Hondt Catherine MADS_RAPPORTEUR_2 076885372 École doctorale des Sciences Juridiques, Politiques et de Gestion (Lille ; 1992-....) MADS_ECOLE_DOCTORALE_1 74 050154788 LUMEN - Lille University Management MADS_PARTENAIRE_DE_RECHERCHE_1 1071874 264260171 ddc:650 Jawadi Fredj Bourghelle David Cousin Jean-Gabriel Binner Jane M. Taffler Richard Veryzhenko Iryna Bathia Deven D'Hondt Catherine École doctorale des Sciences Juridiques, Politiques et de Gestion (Lille ; 1992-....) LUMEN - Lille University Management PDF 3770082