Les modèles de volatilité stochastique (ci-après) SVOL sont singulièrement plus difficiles à estimer que les modèles de type ARCH qui connaissent un grand succès. Dans cet article, nous développons des méthodes en échantillons finis pour l'inférence et la prédiction, ceci pour un nombre de modèles SVOL univariés et multivariés. Plus précisément nous modélisons des distributions conditionnelles non-normales, des modèles avec effets de levier, et deux modèles multivariés; un modèle a structure de facteurs et un modèle d'escompte dynamique. Nous spécifions les modèles par une hiérarchie de distributions conditionnelles : p(données|volatilités), p(volatilités|paramètres), et p(paramètres). Cette hiérarchie fournit un environnement naturel pour l'élaboration de modèles de volatilité stochastique plus généraux que le modèle de base. Pour un modèle et un échantillon, l'inférence et la prédiction sont fondées sur la distribution postérieure jointe des volatilités et des paramètres que nous simulons avec des méthodes de Chaînes de Markov et de Monte Carlo (MCMC). Notre approche fournit aussi une analyse de sensitivité pour les paramètres et une analyse pour les outliers. Le cadre d'estimation fournit donc une perspective générale sur la spécification et l'implémentation des modèles de volatilité stochastique. Nous appliquons plusieurs extensions du modèle SVOL de base à de nombreuses séries financières. Il y a une forte évidence de non-normalité des distributions conditionnelles. Il y aussi une certaine évidence de corrélation des erreurs pour les retours sur actions. Ces élaborations du modèle de base ont une influence sur la persistance et devraient être incorporées en vue de prédictions de volatilité.

Voir le document

Dernières publications

2017s-08 CS
An experimental investigation of rating-market regulation
Claudia Keser, Asri Özgümüs, Emmanuel Peterlé et Martin Schmidt
Voir le document

2017s-07 CS
Statistical tests of the demand for insurance: an “all or nothing” decision
Anne Corcos, François Pannequin et Claude Montmarquette
Voir le document

2017RP-02 RP
Politiques favorables à l’innovation en santé
Nadia Benomar, Joanne Castonguay, Marie-Hélène Jobin et François Lespérance
Voir le document

2017RP-01 RP
Évaluation économique du service de premiers répondants sur le territoire de l’agglomération de Montréal
Nathalie de Marcellis-Warin, François Vaillancourt, Ingrid Peignier, Brigitte Bouchard-Milord et Alain Vaillancourt
(document non-disponible)

2017MO-02 MO
Perception des risques - Baromètre Cirano 2017
Nathalie de Marcellis-Warin et Ingrid Peignier
Voir le document


Centre interuniversitaire de recherche en analyse des organisations
1130 rue Sherbrooke Ouest, suite 1400
Montréal, Québec (Canada) H3A 2M8
(514) 985-4000
(514) 985-4039
reception@cirano.qc.ca

© 2017 CIRANO. Tous droits réservés.



Partenaire de :