Les modèles de volatilité stochastique, alias SVOL, sont plus durs à estimer que les modèles traditionnels de type ARCH. La littérature récente offre des estimateurs éprouvés pour un modèle SVOL univarié de base. Ce modèle est trop contraignant pour une utilisation en économie financière. Les prévisions de volatilité qu'il produit peuvent etre biaisées, particulièrement quand la volatilité est élevée. Nous généralisons le modèle de base en y ajoutant des effets de levier par le biais d'une corrélation entre les chocs observables et de variance, et la possibilité de distributions conditionnelles à queues épaisses. Nous développons un algorithme bayésien à chaînes markoviennes de Monte Carlo. Nous développons aussi un algorithme pour l'analyse d'un modèle SVOL multivarié à facteurs. Ces estimateurs permettent une inférence en échantillon fini pour les paramètres et les volatilités. Nous documentons les performances de l'estimateur et montrons que les extensions sont nécessaires. Nous testons la normalité des distributions conditionnelles. Cette méthode est mise en oeuvre sur plusieurs séries financières. Il y a une forte évidence (1) de distributions conditionnelles à queues épaisses, et (2) d'effets de levier pour les actifs financiers. Les résultats sont robustes et ont d'importantes implications sur les décisions fondées sur les prédictions de volatilité, particulièrement pour la gestion de risques.

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 :