De la modélisation multifréquentielle pour la prévision économique
Auteur / Autrice : | Clément Marsilli |
Direction : | Juan-Pablo Ortega, Laurent Ferrara |
Type : | Thèse de doctorat |
Discipline(s) : | Mathematiques |
Date : | Soutenance le 06/05/2014 |
Etablissement(s) : | Besançon |
Ecole(s) doctorale(s) : | École doctorale Carnot-Pasteur (Besançon ; Dijon ; 2012-....) |
Partenaire(s) de recherche : | Equipe de recherche : Laboratoire de Mathématiques de Besançon (Besançon) |
Laboratoire : Laboratoire de Mathématiques de Besançon | |
Jury : | Président / Présidente : Sébastien Laurent |
Examinateurs / Examinatrices : Juan-Pablo Ortega, Laurent Ferrara, Sébastien Laurent, Luc Bauwens, Frédérique Bec, Yacouba Boubacar Mainassara | |
Rapporteurs / Rapporteuses : Luc Bauwens, Frédérique Bec |
Mots clés
Résumé
La prévision macroéconomique à court terme est un exercice aussi complexe qu’essentiel pour la définition de la politique économique et monétaire. Les crises financières récentes ainsi que les récessions qu’ont endurées et qu’endurent aujourd’hui encore, en ce début d’année 2014, nombre de pays parmi les plus riches, témoignent de la difficulté d’anticiper les fluctuations économiques, même à des horizons proches. Les recherches effectuées dans le cadre de la thèse de doctorat qui est présentée dans ce manuscrit se sont attachées à étudier, analyser et développer des modélisations pour la prévision de croissance économique. L’ensemble d’informations à partir duquel construire une méthodologie prédictive est vaste mais également hétérogène. Celle-ci doit en effet concilier le mélange des fréquences d’échantillonnage des données et la parcimonie nécessaire à son estimation. Nous évoquons à cet effet dans un premier chapitre les éléments économétriques fondamentaux de la modélisation multi-fréquentielle. Le deuxième chapitre illustre l’apport prédictif macroéconomique que constitue l’utilisation de la volatilité des variables financières en période de retournement conjoncturel. Le troisième chapitre s’étend ensuite sur l’inférence bayésienne et nous présentons par ce biais un travail empirique issu de l’adjonction d’une volatilité stochastique à notre modèle. Enfin, le quatrième chapitre propose une étude des techniques de sélection de variables à fréquence multiple dans l’optique d’améliorer la capacité prédictive de nos modélisations. Diverses méthodologies sont à cet égard développées, leurs aptitudes empiriques sont comparées, et certains faits stylisés sont esquissés.