Estimation de la volatilité des données financières à haute fréquence : une approche par le Modèle Score-GARCH
Auteur / Autrice : | Hisseine Saad Mahamat |
Direction : | Michel Terraza |
Type : | Thèse de doctorat |
Discipline(s) : | Sciences Économiques |
Date : | Soutenance le 24/11/2017 |
Etablissement(s) : | Montpellier |
Ecole(s) doctorale(s) : | École doctorale Economie Gestion de Montpellier (2015-.... ; Montpellier) |
Partenaire(s) de recherche : | Laboratoire : Laboratoire Montpelliérain d'Économie Théorique et Appliquée / LAMETA |
Jury : | Président / Présidente : Stéphane Mussard |
Examinateurs / Examinatrices : Michel Terraza, Stéphane Mussard, Walter Briec, Zied Ftiti, François Benhmad | |
Rapporteurs / Rapporteuses : Walter Briec, Zied Ftiti |
Mots clés
Résumé
Cette thèse a pour objectif principal d’estimer la volatilité des données financières à haute fréquence par le modèle Score-GARCH, dans le contexte de la crise financière récente (2007-2008). La contribution effective de notre thèse couvre trois axes majeurs. Premièrement, nous avons mis en évidence les faits stylisés observés empiriquement dans les données financières à haute fréquence, dans le cas de quatre actifs financiers de CAC40. Cette étude nous a permis d’analyser la dynamique et l’asymétrie des rendements des actifs financiers à haute fréquence. Deuxièmement, compte tenu des faits stylisés en relation avec le comportement de la volatilité, nous avons modélisé la volatilité des actifs financiers à haute fréquence par le modèle Score-GARCH, et nous l’avons comparé avec le modèles GARCH asymétriques classiques (modèles de référence). Le troisième axe propose des mesures du risque (VaR) de marché intra-journalier dans le contexte particulier des données à haute fréquence régulièrement espacées dans le temps (toutes les cinq minutes).