Objectifs :
Le cours vise à fournir aux étudiants quelques bases d’analyse empirique des données financières. Il s’appuie sur des notions familières pour l’analyse technique et chartiste et sur l’économétrie des régressions linéaires et des modèles à volatilité stochastique. Le cours est orienté dans un sens pratique : après avoir exposé les concepts, des illustrations pratiques sont fournies à partir de données. Tous les étudiants apprennent à étudier un logiciel GRETL auquel ils ont accès gratuitement. Le cours couvre les notions suivantes : introduction aux méthodes d’analyse non-paramétriques pour étudier les distributions, modélisations ARMA et ARCH-GARCH pour la prévision, estimation des modèles CAPM et APT à l’aide de modèles linéaires, modèle VaR.
Plan du cours détaillé :
Chapitre 1. Exploration des données financières
1.- Les principales propriétés des séries financières
1.1.- Notion de rendement d’une série financière
1.2.- Autocorrélation des rendements et des rendements au carré : les marchés sont-ils efficients ?
1.3.- Distribution des rendements : sont-ils gaussiens
-Kurtosis, Asymétrie
2.- Tests
2.1.- Les graphiques quantile-quantile
2.2.- Quelques tests (Chi2, Kolmogorov-Smirnov, Shapiro, Jarque-Bera)
3.- Applications
Étude des distributions des CDS souverains et des rendements obligataires des pays européens, données journalières sur la période 2008-2009
Étude des propriétés des indices boursiers de 5 pays d’Amérique Latine : Argentine, Brésil, Mexique, Chili, Pérou, données journalières de 2004 à 2009.
Chapitre 2. Modéliser les séries financières
1.-Rappels sur les estimateurs des MCO et des MCQG
1.1.- Le modèle de régression linéaire simple : estimateur, précision, significativité
1.2.-Le modèle de régression linéaire multiple
1.3.- Estimateur MCQG : test de Durbin-Watson, Correction de l’autocorrélation des résidus
2.- Applications
2.1.- Estimation d’un modèle CAPM pour mesurer le Beta d’un actif financier
Application sur des données journalières du CAC40 de 1995 à 2012
2.2.- La volatilité des indices boursiers américains a-t-elle été influencée par la crise financière de 2008.
Application sur des données journalières sur la période 2008-2009. Étude d’une régression entre un indicateur de volatilité et des indicateurs de crise financière (spreads, liquidité des marché, volatilité).
2.3.- Estimation d’un modèle à facteurs.
3.- Modélisation ARMA
3.1.- Présentation des processus de Box-Jenkins : fonctions ACF, estimation et prévision
3.2.-Application 1 : Calcul du taux cible de la BCE, prévision de l’inflation
3.3.- Comparaison des prévisions des indices boursiers : méthodes chartistes versus modèles ARMA
3.4.- Application 3 : marché obligataires et marchés des CDS : qui dirige l’autre ? Une application aux pays de la zone euro
Chapitre 3. Modèles de gestion du risque
1.-Les modèles ARCH-GARCH
1.1.- Présentation, estimation et prévision
1.2.- Les différentes familles de modèles GARCH
1.3.- Application : modélisation de la volatilité des obligations souveraines à 5 ans des pays de la zone euro.
2.- Modèles VaR et valeurs extrêmes
2.1.-Présentation : comment mesurer l’exposition maximale au risque de marché ?
2.2.-Un modèle type
2.3.-Exemple : VaR d’un indice boursier à partir d’un modèle GARCH, et, calcul de la VaR à partir d’une distribution GEV.