Les recherches empiriques standards portant sur la dynamique des sauts dans les rendements et dans la volatilité sont plutôt complexes en raison de la présence de facteurs inobservables en temps continu. Nous présentons un nouveau cadre d'étude en temps discret qui combine des processus hétéroscédastiques et des caractéristiques à concentration élevée de sauts dans les rendements et dans la volatilité. Nos modèles peuvent être facilement évalués à l'aide des méthodes standards du maximum de vraisemblance. Nous offrons une démarche souple de neutralisation du risque pour cette catégorie de modèles, ce qui permet de modéliser distinctement les primes de risque liées aux sauts et celles liées aux innovations normales. Nous imbriquons nos modèles dans la littérature en établissant leurs limites en temps continu. Ces derniers sont évalués en intégrant un échantillon de rendements à long terme de l'indice S&P 500 et en évaluant un vaste échantillon d'options. Nous trouvons un solide appui empirique en ce qui a trait aux intensités de sauts variant dans le temps. Un modèle avec intensité de saut affine dans la variance conditionnelle est particulièrement efficace sur les plans de l'ajustement des rendements et de l'évaluation des options. La mise en œuvre de notre modèle permet de multiples sauts par jour et les données appuient cette caractéristique, plus particulièrement en ce qui a trait au lundi noir d'octobre 1987. Nos résultats confirment aussi l'importance des primes liées au risque de sauts pour l'évaluation du prix des options : les sauts ne peuvent contribuer à améliorer considérablement la performance des modèles utilisés pour fixer les prix des options, sauf en présence de primes de risque de sauts assez importantes.