Afficher la notice abrégée
dc.contributor.author |
Boulkheloua, Nadjet |
|
dc.contributor.author |
Cheraitia, Hassen |
|
dc.date.accessioned |
2021-02-14T13:41:21Z |
|
dc.date.available |
2021-02-14T13:41:21Z |
|
dc.date.issued |
2020-07 |
|
dc.identifier.uri |
http://dspace.univ-jijel.dz:8080/xmlui/handle/123456789/5900 |
|
dc.description.abstract |
Ce travail est juste une petite introduction des modèles ARCH/GARCH et comment
les modéliser en utilisant les commandes du Logiciel R. On a donné quelques outils
de base de la théorie des séries temporelles pour présenter ses phénomènes ainsi les
modèles ARCH permettent de prendre en compte des faits stylisés inhérents à la volatilité.
Dans la partie pratique : après avoir différencier notre série, nous avons suit la méthodologie de Box et Jenkins : estimation et validation des modèles condidats, la commande auto.arima basé sur des critères (AIC, SC,...) nous a aidé de déterminer le ARMA(2,1) comme meilleur modèle.
Par ailleurs, la modélisation ARMA se révèle insuffisante pour notre série à cause de non
normalité des résidus, cette série risque d’être caractériser par une dynamique non linéaire et une volatilité variable au cours du temps. Ce conditionnement nous a amené à entamer une modélisation non linéaire (les modèles Autorégressif Conditionnellement Hétéroscidastique) qui nous a donné un modèle ARMA (2,1) avec erreur GARCH(1,1).
Mots Clés: Processus Conditionnellement Hétéroscédastiques, Modèles non linéaires ARCH-GARCH, Probabilités et Statistique |
fr_FR |
dc.language.iso |
fr |
fr_FR |
dc.publisher |
University of Jijel |
fr_FR |
dc.relation.ispartofseries |
;Mat.Sta.07-20 |
|
dc.subject |
Mots Clés: Processus Conditionnellement Hétéroscédastiques, Modèles non linéaires ARCH-GARCH, Probabilités et Statistique |
fr_FR |
dc.title |
Modèles non linéaires ARCH-GARCH applications et simulations |
fr_FR |
dc.type |
Thesis |
fr_FR |
Fichier(s) constituant ce document
Ce document figure dans la(les) collection(s) suivante(s)
Afficher la notice abrégée