Modèles GARCH et à volatilité stochastique
|
|
- Achille Laroche
- il y a 8 ans
- Total affichages :
Transcription
1 Christian Francq Chapitre 3: GARCH asymétriques
2 Plan 1 Asymétrie des séries financières et inadéquation des GARCH standard 2 3
3 1 Asymétrie des séries financières et inadéquation des GARCH standard 2 3
4 Constatation empirique : l accroissement de volatilité dû à une baisse des prix est généralement supérieur à celui résultant d une hausse de même ampleur. Symétrie des modèles GARCH standard Si (ɛ t ) suit un GARCH où η t a une loi symétrique cov(σ t,ɛ t h ) = 0, h > 0. Preuve cov(ɛ + t,ɛ t h) = cov(ɛ t,ɛ t h) = 0, h > 0, où ɛ + t = max(ɛ t,0), ɛ t = min(ɛ t,0).
5 Autocorrélations empiriques du CAC 40 ( ) ˆρ(ɛ t,ɛ t h ) ˆρ( ɛ t, ɛ t h ) ˆρ(ɛ + t,ɛ t h ) En rouge les paramètres statistiquement significatifs au niveau 5%, en utilisant 1/n comme approximation de la variance des autocorrélations, pour n = 2380.
6 Modèle EGARCH Modèle TGARCH 1 Asymétrie des séries financières et inadéquation des GARCH standard 2 Modèle EGARCH Modèle TGARCH 3
7 Modèle EGARCH Modèle TGARCH Modèle GARCH exponentiel (EGARCH) de Nelson (1991) où { ɛt = σ t η t logσ 2 t = ω + q i=1 α ig(η t i ) + p j=1 β j logσ 2 t j g(η t i ) = θη t i + γ[ η t i E η t i ]. Modélisation multiplicative de la volatilité σ 2 t = q p ( ) eω exp{α i g(η t i )} σ 2 βj t j i=1 Pas de contraintes de signes a priori mais les conditions j=1 γ < θ < γ, α i 0, β j 0. assurent que σ 2 t croît avec le module des innovations passées (à signe fixé).
8 Modèle EGARCH Modèle TGARCH Modèle GARCH exponentiel (EGARCH) où { ɛt = σ t η t logσ 2 t = ω + q i=1 α ig(η t i ) + p j=1 β j logσ 2 t j g(η t i ) = θη t i + γ[ η t i E η t i ]. Pb d identifiabilité : γ = 1. Asymétrie prise en compte par le paramètre θ. L asymétrie des séries financières impose θ < 0. Ecriture de σ 2 t en fonction des innovations normalisées (η t i ). logσ 2 t est un ARMA car (g(η t )) est un bruit blanc iid de variance Var[g(η t )] = θ 2 + γ 2 Var( η t ) + 2θγCov(η t, η t ).
9 Modèle EGARCH Modèle TGARCH Modèle difficile à estimer et à utiliser pour faire des prévisions Stationnarité stricte : si β(z) = 1 p β i z i a toutes ses racines de module strictement plus grand que 1, alors σ 2 t = ϕ(η u,u < t). Inversibilité : σ 2 t est une fonction compliquée de {ɛ u,u < t} i=1 ( ) logσ 2 t = ω + αg ɛt 1 + βlogσ 2 t 1 σ. t 1 modèle délicat à estimer (cf O. Wintenberger et S. Cai, 2011).
10 Modèle EGARCH Modèle TGARCH α(l) β(l) = i=1 λ il i, g η (x) = E[exp{xg(η t )}] Cas Gaussien Moments du processus EGARCH(p, q) Soit m un entier positif. Sous les conditions de stationnarité stricte et si µ 2m = E(η 2m t ) <, g η (mλ i ) <, (ɛ 2 t ) admet un moment à l ordre m i=1 E(ɛ 2m t ) = µ 2m e mω g η (mλ i ). Dans le cas gaussien, tous les moments existent. Le modèle n est alors pas adapté à la prise en compte de la propriété de leptokurticité. i=1
11 Modèle EGARCH Modèle TGARCH 1 Asymétrie des séries financières et inadéquation des GARCH standard 2 Modèle EGARCH Modèle TGARCH 3
12 Modèle EGARCH Modèle TGARCH Modèle GARCH à seuil (TGARCH ou ZARCH de Zakoïan, 1994) σ t { ɛt = σ t η t = ω + q i=1 α i,+ɛ + t i α i, ɛ t i + p j=1 β jσ t j Contraintes de positivité ω > 0, α i,+ 0, α i, 0, β i 0. A travers les α i,+ et α i,, la volatilité présente dépend à la fois du module et du signe des innovations passées. Modèle symétrique si pour tout i = 1,...,q, α i,+ = α i, = α i. q p σ t = ω + α i ɛ t i + β j σ t j i=1 j=1
13 Modèle EGARCH Modèle TGARCH News impact curve News impact curves pour les modèles ARCH(1) : ɛ t = ɛ 2 t 1 η t (pointillés) et TARCH(1) : ɛ t = (1 0.5ɛ t ɛ+ t 1 )η t (trait plein).
14 Modèle EGARCH Modèle TGARCH Stationnarité : étude fondée sur Conséquences : ɛ + t = σ t η + t, ɛ t = σ t η t. max{p,q} σ t = ω + a i (η t i )σ t i, a i (z) = α i,+ z + α i, z + β i. i=1 En particulier si p = q = 1 le modèle admet une unique solution strictement stationnaire non anticipative ssi E{loga(η t )} < 0. TARCH(1) avec (η t ) de loi symétrique : α 1,+ α 1, < e 2E log η t.
15 Modèle EGARCH Modèle TGARCH Toujours si p = q = 1 le modèle admet une solution stationnaire au second-ordre ssi E[(α 1,+ η + t α 1, η t + β 1) 2 ] < 1. Asymétrie : sous l hypothèse de stationnarité au second ordre, en supposant symétrique la distribution de η t, on a par exemple pour le modèle TARCH(1) : dès que α 1,+ α 1,. cov(σ t,ɛ t 1 ) = α 1,+ E(ɛ + t 1 )2 α 1, E(ɛ t i )2 = (α 1,+ α 1, )E(ɛ + t i )2 0
16 Modèle EGARCH Modèle TGARCH Stationnarité du modèle TGARCH(p, q) : étude similaire à celle du modèle GARCH(p,q) avec la représentation vectorielle : z t = b t + A t z t 1 où b t = b(η t ) = ωη + t ωη t 0. ω 0. 0 R p+2q, z t = ɛ + t ɛ t. ɛ + t q+1 ɛ t q+1 σ t. σ t p+1 R p+2q,
17 Modèle EGARCH Modèle TGARCH Stationnarité du modèle TGARCH(p, q) : étude similaire à celle du modèle GARCH(p,q) avec la représentation vectorielle : z t = b t + A t z t 1 où A t = α 1,+ η + t α q,+ η + t α q, η + t β 1 η + t β p η + t α 1,+ η t α q,+ η + t α q, η t β 1 η t β p η t I 2(q 1) 0 2(q 1) 1 0 2(q 1) 1 0 2(q 1) (p 1) 0 2(q 1) 1 α 1,+ α q,+ α q, β 1 β p 0 (p 1) 2(q 1) 0 (p 1) 1 0 (p 1) 1 I p 1 0 p 1 1.
18 1 Asymétrie des séries financières et inadéquation des GARCH standard 2 3
19 Application : estimation de modèles sur l indice CAC Corrélogramme h ˆρ( rt, r t h ) des valeurs absolues du CAC 40 et corrélogramme croisé h ˆρ( rt,r t h ) mesurant les effets de levier Les traits en pointillé correspondant à ±1.96/ n
20 Ajustement par des modèles GARCH asymétriques GARCH(1,1) strandard EGARCH(1,1) r t = ɛ t, ɛ t = σ t η t, η t N (0,1) ( ) σ 2 t = ɛ 2 t σ2 t 1 ( ) (0.02) (0.02) r t = ɛ t, ɛ t = σ t η t, η t N (0,1) ( ) logσ 2 t = ( 0.53 η t 1 + η t 1 2π ) (0.15) (0.03) (0.14) logσ 2 t 1 (0.02) QGARCH(1,1) r t = 3.10 ( ) + ɛ t, ɛ t = σ t η t, η t N (0,1) σ 2 t = ɛ 2 t ɛ t σ 2 t 1 ( ) (0.01) ( ) (0.03)
21 Ajustement par des modèles GARCH asymétriques GJR-GARCH(1,1) r t = ɛ t, ɛ t = σ t η t, η t N (0,1) ( ) σ 2 t = ɛ 2 t ɛ 2 t 1 1l {ɛ t 1 >0} σ 2 t 1 ( ) (0.02) (0.02) (0.03) TGARCH(1,1) r t = ɛ t, ɛ t = σ t η t, η t N (0,1) ( ) σ t = ɛ + t ɛ t σ t 1 ( ) (0.01) (0.02) (0.02). Log-vraisemblance des différents modèles GARCH EGARCH QGARCH GJR-GARCH TGARCH logl n
22 Volatilités des modèles estimés 500 premières valeurs de l indice CAC40 et volatilité estimée ( 10 4 ) par les modèles GARCH(1,1) ordinaire, EGARCH(1,1), QGARCH(1,1), GJR-GARCH(1,1) et TGARCH(1,1)
23 Distances entre modèles estimés : Moyenne des carrés des écarts entre les volatilités estimées ( ). GARCH EGARCH QGARCH GJR TGARCH GARCH EGARCH QGARCH GJR TGARCH volatilités estimées par modèles EGARCH et TARCH, puis TGARCH et GJR-GARCH : nuage des points ( σ 2 ) t,tgarch σ2 t,garch,σ2 t,egarch σ2, (graphe de droite) ( t,garch σ 2 ) t,tgarch σ2 t,garch,σ2 t,gjr-garch σ2 (graphe de gauche) t,garch
24 Loi marginale : série réelle vs modèles estimés Variance ( 10 4 ) et Kurtosis de la série du CAC 40 et de simulations de longueur des 5 modèles estimés. CAC 40 GARCH EGARCH QGARCH GJR TGARCH Kurtosis Variance Nombre de rendements du CAC en dehors de r ± 3 ˆσ t THEO est la valeur théorique moyenne quand la loi conditionnelle est N (0, ˆσ 2 t ). THEO GARCH EGARCH QGARCH GJR TGARCH
25 Asymétries : série réelle vs modèles estimés Corrélogramme h ρ( rt, r t h ) des valeurs absolues (graphes de gauche) et corrélogramme croisé h ρ( rt,r t h ) mesurant les effets de levier (graphes de droite) : pour la série du CAC 40 (graphes du haut), et pour le GARCH standard (graphes du milieu) et le TGARCH (graphes du bas) estimés sur la série du CAC
26 Asymétrie des séries financières et inadéquation des GARCH standard Fin du chapitre 3
27 Symétrie des GARCH standard Notons que σ t est une fonction de η 2 t 1,...,η2 t h ɛ 2 t h 1,ɛ2,..., que l on note t h 2 et de h(η 2 t 1,...,η2 t h,ɛ2 t h 1,ɛ2 t h 2,...). Puisque η t h est indépendante des autres variables de h, on a pour tout h Cov(σ t,ɛ t h ) = E { E ( σ t ɛ t h η t 1,...,η t h+1,ɛ t h 1,ɛ t h 2,... )} { } = E h(η 2 t 1,...,η2 t h+1,x2,ɛ 2 t h 1,ɛ2 t h 2,...)xσ t hdp η (x) = 0 quand la distribution P η est symétrique. Retour
28 Calcul de g η (λ) = E exp { λg(η) }, g(η) = θη + γ( η E η ) Soit φ la densité de η N (0,1), et On a donc Ee λη = 0 e λx φ(x)dx = E η = e λ2 2 φ(x λ)dx = e λ 2 2 Φ(λ) xφ(x)dx = 2/π. g η (λ) = e λγ 2/π [ e λ2 (θ+γ) 2 /2 Φ { λ(θ + γ) } + e λ2 (θ γ) 2 /2 Φ { λ(θ γ) }] Puisque Φ(x) 1/2 + xφ(0) et log2φ(x) 2xφ(0) quand x 0, logg η (λ) = O(λ), λ 0. Retour
TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION
TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION Bruno Saussereau Laboratoire de Mathématiques de Besançon Université de Franche-Comté Travail en commun
Plus en détailModèle GARCH Application à la prévision de la volatilité
Modèle GARCH Application à la prévision de la volatilité Olivier Roustant Ecole des Mines de St-Etienne 3A - Finance Quantitative Décembre 2007 1 Objectifs Améliorer la modélisation de Black et Scholes
Plus en détailTempérature corporelle d un castor (une petite introduction aux séries temporelles)
Température corporelle d un castor (une petite introduction aux séries temporelles) GMMA 106 GMMA 106 2014 2015 1 / 32 Cas d étude Temperature (C) 37.0 37.5 38.0 0 20 40 60 80 100 Figure 1: Temperature
Plus en détailMASTER ECONOMETRIE ET STATISTIQUE APPLIQUEE (ESA) Econométrie pour la Finance
MASTER ECONOMETRIE ET STATISTIQUE APPLIQUEE (ESA) Université d Orléans Econométrie pour la Finance Modèles ARCH - GARCH Applications à la VaR Christophe Hurlin Documents et Supports Année Universitaire
Plus en détailTests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA
Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Soutenance de doctorat, sous la direction de Pr. Bilodeau, M. et Pr. Ducharme, G. Université de Montréal et Université
Plus en détailFormations EViews FORMATIONS GENERALES INTRODUCTIVES INTRO : INTRODUCTION A LA PRATIQUE DE L ECONOMETRIE AVEC EVIEWS
Formations EViews FORMATIONS GENERALES INTRODUCTIVES DEB : DECOUVERTE DU LOGICIEL EVIEWS INTRO : INTRODUCTION A LA PRATIQUE DE L ECONOMETRIE AVEC EVIEWS FORMATIONS METHODES ECONOMETRIQUES VAR : MODELES
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
Plus en détail2 TABLE DES MATIÈRES. I.8.2 Exemple... 38
Table des matières I Séries chronologiques 3 I.1 Introduction................................... 3 I.1.1 Motivations et objectifs......................... 3 I.1.2 Exemples de séries temporelles.....................
Plus en détailMéthodes de Simulation
Méthodes de Simulation JEAN-YVES TOURNERET Institut de recherche en informatique de Toulouse (IRIT) ENSEEIHT, Toulouse, France Peyresq06 p. 1/41 Remerciements Christian Robert : pour ses excellents transparents
Plus en détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détail4 Distributions particulières de probabilités
4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailModèle de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes
de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes Zohra Guessoum 1 & Farida Hamrani 2 1 Lab. MSTD, Faculté de mathématique, USTHB, BP n 32, El Alia, Alger, Algérie,zguessoum@usthb.dz
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailContents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes
Université Claude Bernard Lyon 1 Institut de Science Financière et d Assurances Système Bonus-Malus Introduction & Applications SCILAB Julien Tomas Institut de Science Financière et d Assurances Laboratoire
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détailAnalyse de la relation entre primes de terme et prime de change dans un cadre d équilibre international
ANNALES D ÉCONOMIE ET DE STATISTIQUE. N 46 1997 Analyse de la relation entre primes de terme et prime de change dans un cadre d équilibre international Hubert de LA BRUSLERIE, Jean MATHIS * RÉSUMÉ. Cet
Plus en détailUne application de méthodes inverses en astrophysique : l'analyse de l'histoire de la formation d'étoiles dans les galaxies
Une application de méthodes inverses en astrophysique : l'analyse de l'histoire de la formation d'étoiles dans les galaxies Ariane Lançon (Observatoire de Strasbourg) en collaboration avec: Jean-Luc Vergely,
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détail1 Définition de la non stationnarité
Chapitre 2: La non stationnarité -Testsdedétection Quelques notes de cours (non exhaustives) 1 Définition de la non stationnarité La plupart des séries économiques sont non stationnaires, c est-à-direqueleprocessusquiles
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailINTRODUCTION INTRODUCTION
INTRODUCTION INTRODUCTION Les options sont des actifs financiers conditionnels qui donnent le droit mais pas l'obligation d'effectuer des transactions sur des actifs supports. Leur intérêt réside dans
Plus en détailMots clés : Relation contemporaine, regroupement de volatilité, effet de levier, GARCH, EGARCH.
Etude empirique de la dynamique de la relation du volume des transactions, des rendements et de la volatilité dans les marchés des pays émergents et moins développés d Afrique Habibou Woroucoubou 1 Abstract
Plus en détailMÉTHODE DE MONTE CARLO.
MÉTHODE DE MONTE CARLO. Alexandre Popier Université du Maine, Le Mans A. Popier (Le Mans) Méthode de Monte Carlo. 1 / 95 PLAN DU COURS 1 MÉTHODE DE MONTE CARLO 2 PROBLÈME DE SIMULATION Théorème fondamental
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailNON-LINEARITE ET RESEAUX NEURONAUX
NON-LINEARITE ET RESEAUX NEURONAUX Vêlayoudom MARIMOUTOU Laboratoire d Analyse et de Recherche Economiques Université de Bordeaux IV Avenue. Leon Duguit, 33608 PESSAC, France tel. 05 56 84 85 77 e-mail
Plus en détailSoutenance de stage Laboratoire des Signaux et Systèmes
Soutenance de stage Laboratoire des Signaux et Systèmes Bornes inférieures bayésiennes de l'erreur quadratique moyenne. Application à la localisation de points de rupture. M2R ATSI Université Paris-Sud
Plus en détailValue at Risk. CNAM GFN 206 Gestion d actifs et des risques. Grégory Taillard. 27 février & 13 mars 20061
Value at Risk 27 février & 13 mars 20061 CNAM Gréory Taillard CNAM Master Finance de marché et estion de capitaux 2 Value at Risk Biblioraphie Jorion, Philippe, «Value at Risk: The New Benchmark for Manain
Plus en détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
Plus en détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
Plus en détailDébouchés professionnels
Master Domaine Droit, Economie, Gestion Mention : Monnaie, Banque, Finance, Assurance Spécialité : Risque, Assurance, Décision Année universitaire 2014/2015 DIRECTEUR de la spécialité : Monsieur Kouroche
Plus en détail1 Complément sur la projection du nuage des individus
TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent
Plus en détailLeçon N 4 : Statistiques à deux variables
Leçon N 4 : Statistiques à deux variables En premier lieu, il te faut relire les cours de première sur les statistiques à une variable, il y a tout un langage à se remémorer : étude d un échantillon d
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailLe financement adossé de l immobilier en gestion de patrimoine : une modélisation simple
Le financement adossé de l immobilier en gestion de patrimoine : une modélisation simple Laurent Batsch ahier de recherche n 2005-01 Le financement adossé est une des modalités de financement de l investissement
Plus en détailProcessus aléatoires avec application en finance
Genève, le 16 juin 2007. Processus aléatoires avec application en finance La durée de l examen est de deux heures. N oubliez pas d indiquer votre nom et prénom sur chaque feuille. Toute documentation et
Plus en détailI3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M 20 20 80 80 100 100 300 300
I3, Probabilités 2014 Travaux Dirigés TD 1 : rappels. Exercice 1 Poker simplié On tire 3 cartes d'un jeu de 52 cartes. Quelles sont les probabilités d'obtenir un brelan, une couleur, une paire, une suite,
Plus en détailLa survie nette actuelle à long terme Qualités de sept méthodes d estimation
La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg
Plus en détailTravaux dirigés d introduction aux Probabilités
Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailStatistiques descriptives
Statistiques descriptives L3 Maths-Eco Université de Nantes Frédéric Lavancier F. Lavancier (Univ. Nantes) Statistiques descriptives 1 1 Vocabulaire de base F. Lavancier (Univ. Nantes) Statistiques descriptives
Plus en détailLa théorie des anticipations de la structure par terme permet-elle de rendre compte de l évolution des taux d intérêt sur euro-devise?
ANNALES D ÉCONOMIE ET DE STATISTIQUE. N 62 2001 La théorie des anticipations de la structure par terme permet-elle de rendre compte de l évolution des taux d intérêt sur euro-devise? Éric JONDEAU * RÉSUMÉ.
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailPrincipe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
Plus en détailÉtude des résultats des investisseurs particuliers sur le trading de CFD et de Forex en France
Étude des résultats des investisseurs particuliers sur le trading de CFD et de Forex en France Le 13 octobre 2014 Autorité des marchés financiers 17, place de la Bourse 75082 Paris cedex 02 Tél. : 01 53
Plus en détailPeut-on encore stabiliser les prix des matières premières?
DEA Analyse et Politique Économiques École des Hautes Études en Sciences Sociales, Paris Peut-on encore stabiliser les prix des matières premières? Étude d un mécanisme de lissage par moyenne mobile Sébastien
Plus en détailEtude des propriétés empiriques du lasso par simulations
Etude des propriétés empiriques du lasso par simulations L objectif de ce TP est d étudier les propriétés empiriques du LASSO et de ses variantes à partir de données simulées. Un deuxième objectif est
Plus en détailChocs, Chocs de Volatilité et Contagion entre les Marchés Boursiers : Application d un modèle ICSS-MGARCH
Chocs, Chocs de Volatilité et Contagion entre les Marchés Boursiers : Application d un modèle ICSS-MGARCH Kamel Malik Bensafta 1 Gervasio Semedo 2 Cet article étudie la dynamique multi variée des rendements
Plus en détailIntérêt du découpage en sous-bandes pour l analyse spectrale
Intérêt du découpage en sous-bandes pour l analyse spectrale David BONACCI Institut National Polytechnique de Toulouse (INP) École Nationale Supérieure d Électrotechnique, d Électronique, d Informatique,
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détail3. Caractéristiques et fonctions d une v.a.
3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailSéries temporelles : régression, et modélisation ARIMA(p,d,q)
Séries temporelles : régression, et modélisation ARIMA(p,d,q) 2 décembre 2012 Enseignant : Florin Avram Objectif : La prédiction des phénomènes spatio-temporaux est une des preoccupations principales dans
Plus en détailCompression et Transmission des Signaux. Samson LASAULCE Laboratoire des Signaux et Systèmes, Gif/Yvette
Compression et Transmission des Signaux Samson LASAULCE Laboratoire des Signaux et Systèmes, Gif/Yvette 1 De Shannon à Mac Donalds Mac Donalds 1955 Claude Elwood Shannon 1916 2001 Monsieur X 1951 2 Où
Plus en détailI. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.
I. Introduction. 1. Objectifs. Le but de ces quelques séances est d introduire les outils mathématiques, plus précisément ceux de nature probabiliste, qui interviennent dans les modèles financiers ; nous
Plus en détailExercice du cours Gestion Financière à Court Terme : «Analyse d un reverse convertible»
Exercice du cours Gestion Financière à Court Terme : «Analyse d un reverse convertible» Quand la trésorerie d une entreprise est positive, le trésorier cherche le meilleur placement pour placer les excédents.
Plus en détail23. Interprétation clinique des mesures de l effet traitement
23. Interprétation clinique des mesures de l effet traitement 23.1. Critères de jugement binaires Plusieurs mesures (indices) sont utilisables pour quantifier l effet traitement lors de l utilisation d
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailIncertitudes expérimentales
Incertitudes expérimentales F.-X. Bally et J.-M. Berroir Février 2013 Table des matières Introduction 4 1 Erreur et incertitude 4 1.1 Erreurs............................................. 4 1.1.1 Définition
Plus en détailUNIVERSITÉ D ORLÉANS ÉCOLE DOCTORALE SCIENCES DE L HOMME ET DE LA SOCIETE LABORATOIRE D ECONOMIE D ORLEANS THÈSE. présentée par : Sessi N.
UNIVERSITÉ D ORLÉANS ÉCOLE DOCTORALE SCIENCES DE L HOMME ET DE LA SOCIETE LABORATOIRE D ECONOMIE D ORLEANS THÈSE présentée par : Sessi N. TOKPAVI soutenue le : 02 décembre 2008 pour obtenir le grade de
Plus en détailArbres binaires de décision
1 Arbres binaires de décision Résumé Arbres binaires de décision Méthodes de construction d arbres binaires de décision, modélisant une discrimination (classification trees) ou une régression (regression
Plus en détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détailCompte rendu de LA37 B, TP numéro 1. Evolution de la température et du degrée d'hydratation
4 6 8 2 4 8 22 26 3 34 38 42 46 5 54 58 62 66 7 74 78 83 89 96 8 44 Bertin Morgan Compte rendu de LA37 B, TP numéro. Les essais effectués par le laboratoire des ponts et chaussés nous ont fournis la température
Plus en détailCorrection du bac blanc CFE Mercatique
Correction du bac blanc CFE Mercatique Exercice 1 (4,5 points) Le tableau suivant donne l évolution du nombre de bénéficiaires de minima sociaux en milliers : Année 2002 2003 2004 2005 2006 2007 2008 2009
Plus en détailQuepeut-ondiredelavolatilitédel euro?
Virginie Coudert avril 2000 Quepeut-ondiredelavolatilitédel euro? Contribution au rapport du CNCT 2000 La création de l'euro et la disparition des monnaies sous-jacentes ont profondément modifié la structure
Plus en détailIFT3245. Simulation et modèles
IFT 3245 Simulation et modèles DIRO Université de Montréal Automne 2012 Tests statistiques L étude des propriétés théoriques d un générateur ne suffit; il estindispensable de recourir à des tests statistiques
Plus en détailDéveloppement décimal d un réel
4 Développement décimal d un réel On rappelle que le corps R des nombres réels est archimédien, ce qui permet d y définir la fonction partie entière. En utilisant cette partie entière on verra dans ce
Plus en détail«Etude de la performance d une Value-at-Risk chaotique pour l indice CAC 40»
«Etude de la performance d une Value-at-Risk chaotique pour l indice CAC 40» Rachida HENNANI, Michel TERRAZA DR n 2011-18 Etude de la performance d une Value-at-Risk chaotique pour l indice CAC 40 R. HENNANI
Plus en détailDe la mesure à l analyse des risques
De la mesure à l analyse des risques Séminaire ISFA - B&W Deloitte Jean-Paul LAURENT Professeur à l'isfa, Université Claude Bernard Lyon 1 laurent.jeanpaul@free.fr http://laurent.jeanpaul.free.fr/ 0 De
Plus en détailExo7. Limites de fonctions. 1 Théorie. 2 Calculs
Eo7 Limites de fonctions Théorie Eercice Montrer que toute fonction périodique et non constante n admet pas de ite en + Montrer que toute fonction croissante et majorée admet une ite finie en + Indication
Plus en détailPROJET MODELE DE TAUX
MASTER 272 INGENIERIE ECONOMIQUE ET FINANCIERE PROJET MODELE DE TAUX Pricing du taux d intérêt des caplets avec le modèle de taux G2++ Professeur : Christophe LUNVEN 29 Fevrier 2012 Taylan KUNAL - Dinh
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailLes indices à surplus constant
Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailComment évaluer une banque?
Comment évaluer une banque? L évaluation d une banque est basée sur les mêmes principes généraux que n importe quelle autre entreprise : une banque vaut les flux qu elle est susceptible de rapporter dans
Plus en détailChapitre 1 : Évolution COURS
Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir
Plus en détailFONCTION DE DEMANDE : REVENU ET PRIX
FONCTION DE DEMANDE : REVENU ET PRIX 1. L effet d une variation du revenu. Les lois d Engel a. Conditions du raisonnement : prix et goûts inchangés, variation du revenu (statique comparative) b. Partie
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailTests du χ 2. on accepte H 0 bonne décision erreur de seconde espèce on rejette H 0 erreur de première espèce bonne décision
Page n 1. Tests du χ 2 une des fonctions des statistiques est de proposer, à partir d observations d un phénomène aléatoire (ou modélisé comme tel) une estimation de la loi de ce phénomène. C est que nous
Plus en détailChapitre 3 : Le budget des ventes. Marie Gies - Contrôle de gestion et gestion prévisionnelle - Chapitre 3
Chapitre 3 : Le budget des ventes Introduction 2 Rappel des différents budgets opérationnels - budget des ventes (chapitre 3) - budget de production (chapitre 4) - budget des approvisionnements et des
Plus en détailThéorie et Codage de l Information (IF01) exercices 2013-2014. Paul Honeine Université de technologie de Troyes France
Théorie et Codage de l Information (IF01) exercices 2013-2014 Paul Honeine Université de technologie de Troyes France TD-1 Rappels de calculs de probabilités Exercice 1. On dispose d un jeu de 52 cartes
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailING Turbos Infinis. Avantages des Turbos Infinis Potentiel de rendement élevé. Pas d impact de la volatilité. La transparence du prix
ING Turbos Infinis Produit présentant un risque de perte en capital et à effet de levier. Les Turbos sont émis par ING Bank N.V. et sont soumis au risque de défaut de l émetteur. ING Turbos Infinis Les
Plus en détailComprendre le financement des placements par emprunt. Prêts placement
Comprendre le financement des placements par emprunt Prêts placement Comprendre le financement des placements par emprunt Le financement des placements par emprunt consiste simplement à emprunter pour
Plus en détailBTS Groupement A. Mathématiques Session 2011. Spécialités CIRA, IRIS, Systèmes électroniques, TPIL
BTS Groupement A Mathématiques Session 11 Exercice 1 : 1 points Spécialités CIRA, IRIS, Systèmes électroniques, TPIL On considère un circuit composé d une résistance et d un condensateur représenté par
Plus en détailAnalyse en Composantes Principales
Analyse en Composantes Principales Anne B Dufour Octobre 2013 Anne B Dufour () Analyse en Composantes Principales Octobre 2013 1 / 36 Introduction Introduction Soit X un tableau contenant p variables mesurées
Plus en détailCHAPITRE 5. Stratégies Mixtes
CHAPITRE 5 Stratégies Mixtes Un des problèmes inhérents au concept d équilibre de Nash en stratégies pures est que pour certains jeux, de tels équilibres n existent pas. P.ex.le jeu de Pierre, Papier,
Plus en détail