Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
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
Programme de formation
Plan du cours
1
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.
- Analyser la volatilité50 XP
- Calcul des rendements100 XP
- Écart type sur des sous-échantillons100 XP
- Roulez, roulez, roulez100 XP
- L’équation GARCH pour la prévision de la volatilité50 XP
- Réaction d’un GARCH(1,1) à des chocs ponctuels50 XP
- Erreurs de prédiction100 XP
- La nature récursive de la variance GARCH100 XP
- Le package rugarch50 XP
- Spécifier et goûter aux variantes du modèle GARCH100 XP
- Prévisions hors échantillon100 XP
- Ciblage de la volatilité dans l’allocation tactique d’actifs100 XP
2
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.
3
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.
4
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.
R
Modèles GARCH en R
Cours
terminé
