Dynamique des marchés boursiers et modèles à seuil

Stocks markets dynamic and treshold models

• Auteur / Autrice : Yousra Koubaa
• Direction : Valérie Mignon
• Type : Thèse de doctorat
• Discipline(s) : Sciences économiques
• Date : Soutenance en 2004
• Etablissement(s) : Paris 10

Mots clés

Mots clés contrôlés

Marché financier

Résumé

Cette thèse est centrée sur la détection et la modélisation des non linéarités inhérentes aux processus générant les séries de rentabilités boursières. Justifiant l'existence d'effets de seuil par la présence de coûts de transaction, nous envisageons une classe particulière de processus non linéaires : les modèles à changement de régime avec transition lisse. Nous estimons ainsi que ces modèles non linéaires en moyenne de type STAR (Somooth Transition Auto Regressive) sur les rentabilités des indices boursiers des pays du G7. Outre les tests de linéarité standards, des tests robustes à l'hétéroscédasticité et aux points aberrants, ainsi que des tests de mauvaise spécification sont utilisés. Nous comparons ensuite les performances prévisionnelles hors échantillon du modèle STAR à celles des modèles linéaires en adoptant une procédure de simulation dynamique de type bootstrap. Dépassant le cadre univarié, nous nous consacrons à l'étude des effets d'asymétrie liés uniquement à la taille des déviations des cours boursiers et à la vitesse de transition d'un régime à un autre. A cette fin, nous estimons un modèle STECM (Smooth Transition Error Correction Model), dans lequel le terme à correction d'erreur tient compte à la fois des changements structurels relatifs au marché national et au marché de référence. Enfin, nous associons aux modèles non linéaires en moyenne de type STAR des modèles non linéaires en variance dt type GARCH (Generalized Atoregressive Conditional Heteroscedasticity) asymétriques. Nous exploitons ce type de modèle pour rendre compte simultanément des fluctuations asymétriques des cours et du risque boursiers.

This thesis is devoted to the detection and modeling of nonlinearities inherent to stock returns data generating processes. Justifying the presence of threshold effects on financial markets by transaction costs, we consider a particular class of nonlinear models : smooth transition regime switching models. We start by estimating models with nonlinearities in mean like STAR processes (Smooth Transition Auto Regressive) on G7 countries stock returns. In addition to standard linearity tests, we perform several tests that are robust to heteroskedasticity and outliers. We also apply misspecification tests. We then compare out of sample prediction performances of STAR model to other linear ones, using dynamic bootstrap methods. Moreover, going further the simple univariate context, we analyse the asymmetric effetcs linked to the magnitude of stock prices spreads and to the transition speed from one regime to an other. To this end, we estimate an STECM model (Smooth Transition Error Correction Model) with an error correction term taking into account structural changes relating to both the domestic market and the benchmark. Finally, we combine nonlinear models STAR in mean with nonlinear models in variance like asymmetric GARCH (Generalized Autoregressive Conditional Heteroskedasticity) processes. We use this type of model to highlight simultaneously asymmetric fluctuations in stock returns and risk.