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

2017RP-03 RP
La surqualification professionnelle chez les diplômés des collèges et des universités : État de la situation au Québec
Brahim Boudarbat et Claude Montmarquette
Voir le document

2017s-11 CS
The social cost of contestable benefits
Arye Hillman et Ngo Van Long
Voir le document

2017s-09 CS
Fiscal Surprises at the FOMC
Dean Croushore et Simon van Norden
Voir le document

2017MO-04 MO
Méthodes avancées d’évaluation d’investissements / Advanced Methods of Investment Evaluation - Tome 2
Marcel Boyer
Voir le document

2017MO-03 MO
Méthodes avancées d’évaluation d’investissements / Advanced Methods of Investment Evaluation - Tome 1
Marcel Boyer
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 :