Name: Modèles GARCH en R
Rating: 4.83 (100 reviews)

Description du cours

Vous vous interrogez sur le rythme auquel bat le cœur des marchés financiers ? Vous voulez savoir quand un marché stable devient turbulent ? Dans ce cours sur les modèles GARCH, vous découvrirez une approche prospective pour équilibrer risque et rendement dans la décision financière. Le cours progresse du modèle GARCH(1,1) normal standard vers des modèles de volatilité plus avancés intégrant un effet de levier, une spécification GARCH-in-mean et l’utilisation de la loi t de Student asymétrique pour modéliser les rendements d’actifs. Les applications sur des rendements d’actions et de taux de change couvrent l’optimisation de portefeuille, l’évaluation de prévisions par fenêtre glissante, la prévision de la value-at-risk et l’étude de covariances dynamiques.

Prérequis

Time Series Analysis in R Manipulating Time Series Data in R

Programme de formation

Plan du cours

Le modèle GARCH standard comme modèle de base

Commençons sans tarder. Une analyse en fenêtre glissante de rendements quotidiens d’actions montre que leur écart-type varie fortement dans le temps. A posteriori, nous avons donc la preuve d’une volatilité variable dans le temps. À l’avenir, nous devons estimer la volatilité des rendements futurs. C’est précisément ce que fait un modèle GARCH ! Dans ce chapitre, vous apprendrez les bases de l’utilisation du package rugarch pour spécifier et estimer le modèle GARCH(1,1) de référence dans R. Nous terminerons en montrant son utilité pour l’allocation tactique d’actifs.

Commencer le chapitre

Améliorations du modèle GARCH normal

Les marchés montent par les escaliers et descendent par l’ascenseur. Cette sagesse de Wall Street a des conséquences importantes pour spécifier un modèle de volatilité réaliste. Elle impose d’abandonner l’hypothèse de normalité ainsi que la réponse symétrique de la volatilité aux chocs. Dans ce chapitre, vous découvrirez des modèles GARCH avec effet de levier et innovations suivant une t de Student asymétrique. À la fin, vous serez en mesure d’utiliser des modèles GARCH pour estimer plus de dix mille spécifications différentes de modèles GARCH.

Commencer le chapitre

Évaluation des performances

Les modèles GARCH produisent des prévisions de volatilité qui servent d’entrée à la prise de décision financière. Leur usage en pratique suppose d’évaluer d’abord la qualité de ces prévisions. Dans ce chapitre, vous étudierez l’analyse de la significativité statistique des paramètres GARCH estimés, les propriétés des rendements standardisés, l’interprétation des critères d’information et l’utilisation d’estimations GARCH roulantes et d’erreurs quadratiques moyennes de prévision pour analyser la précision des prévisions de volatilité.

Commencer le chapitre

Applications

À ce stade, vous maîtrisez la spécification, l’estimation et la validation standard des modèles GARCH avec le package rugarch. Ce chapitre présente des fonctionnalités spécifiques de rugarch pour estimer la value-at-risk, utiliser le modèle GARCH en production et simuler des rendements GARCH. Vous verrez aussi que la présence d’une dynamique GARCH dans la variance a des implications pour la simulation des rendements logarithmiques, l’estimation du bêta d’une action et la recherche du portefeuille à variance minimale.