Catalogue des Mémoires de master

Titre : |
Inférence Statistique dans les Modèles TGARCH à Coefficients Dépendant du Temps |
Type de document : |
texte imprimé |
Auteurs : |
Malak Soualmi, Auteur ; Cheima Douas, Auteur ; Wissem Nacer, Auteur ; Ines Lescheb, Directeur de thèse |
Editeur : |
CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine |
Année de publication : |
2021 |
Importance : |
54 f. |
Format : |
30 cm. |
Note générale : |
Une copie electronique PDF disponible au BUC |
Langues : |
Français (fre) |
Catégories : |
Sciences Exactes:Mathématiques
|
Tags : |
odËle threshold GARCH periodique strictement pÈriodiquement stationnaire SPS varaisemblance de lÃestimateur quasi-maximum (QMLE) estimateur des moindres carrÈes (LSE) : |
Index. décimale : |
510 Mathématiques |
Résumé : |
Dans ce mÈmoire, nous proposons une extension naturelle des processus de coef-
Öcients invariants dans le temps threshold GARCH (TGARCH) aux coe¢ cients
variant pÈriodiquement dans le temps (PTGARCH). Ainsi, certaines propriÈtÈs
thÈoriques probabilistes de tels modËles sont discutÈes, en particulier, nous Ètablissons dÃabord les conditions nÈcessaires et su¢ santes qui assurent la stricte
stationnaritÈ et ergodacitÈ (au sens pÈriodique) de la solution de PTGARCH.
DeuxiËmement, nous Ètendons les rÈsultats de lÃestimateur de quasi-maximum
de vraisemblance (QMLE) pour estimer les paramËtres inconnus du modËle.
Plus prÈcisÈment, la consistance forte et la normalitÈ asymptotique de QMLE
sont ÈtudiÈes dans les cas o˘ le processus dÃinnovation est un i:i:d (cas fort) ou
non (cas semi-fort). LÃÈchantillon Öni comparÈ ‡ lÃestimateur des moindre carrÈs
(LSE), considÈrÈ comme rÈfÈrence est illustrÈ par une Ètude de Monte Carlo.
Les rÈsultats de la simulation rÈvËlent que (QMLE) et (LSE) sont approximativement sans biais et consistants pour des tailles dÃÈchantillon modestes lorsque
les conditions SPS sont remplies. |
Diplome : |
Master 2 |
Permalink : |
https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=15274 |
Inférence Statistique dans les Modèles TGARCH à Coefficients Dépendant du Temps [texte imprimé] / Malak Soualmi, Auteur ; Cheima Douas, Auteur ; Wissem Nacer, Auteur ; Ines Lescheb, Directeur de thèse . - CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine, 2021 . - 54 f. ; 30 cm. Une copie electronique PDF disponible au BUC Langues : Français ( fre)
Catégories : |
Sciences Exactes:Mathématiques
|
Tags : |
odËle threshold GARCH periodique strictement pÈriodiquement stationnaire SPS varaisemblance de lÃestimateur quasi-maximum (QMLE) estimateur des moindres carrÈes (LSE) : |
Index. décimale : |
510 Mathématiques |
Résumé : |
Dans ce mÈmoire, nous proposons une extension naturelle des processus de coef-
Öcients invariants dans le temps threshold GARCH (TGARCH) aux coe¢ cients
variant pÈriodiquement dans le temps (PTGARCH). Ainsi, certaines propriÈtÈs
thÈoriques probabilistes de tels modËles sont discutÈes, en particulier, nous Ètablissons dÃabord les conditions nÈcessaires et su¢ santes qui assurent la stricte
stationnaritÈ et ergodacitÈ (au sens pÈriodique) de la solution de PTGARCH.
DeuxiËmement, nous Ètendons les rÈsultats de lÃestimateur de quasi-maximum
de vraisemblance (QMLE) pour estimer les paramËtres inconnus du modËle.
Plus prÈcisÈment, la consistance forte et la normalitÈ asymptotique de QMLE
sont ÈtudiÈes dans les cas o˘ le processus dÃinnovation est un i:i:d (cas fort) ou
non (cas semi-fort). LÃÈchantillon Öni comparÈ ‡ lÃestimateur des moindre carrÈs
(LSE), considÈrÈ comme rÈfÈrence est illustrÈ par une Ètude de Monte Carlo.
Les rÈsultats de la simulation rÈvËlent que (QMLE) et (LSE) sont approximativement sans biais et consistants pour des tailles dÃÈchantillon modestes lorsque
les conditions SPS sont remplies. |
Diplome : |
Master 2 |
Permalink : |
https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=15274 |
|
Réservation
Réserver ce document
Exemplaires (1)
|
MSMTH210022 | MSMTH210022 | Document électronique | Bibliothèque principale | Mémoires | Disponible |
Documents numériques
fichier integralAdobe Acrobat PDF | | |