Inférance statistique dans les processus autorégressifs moyennes mobiles / Ouahiba Achelache 

Public ISBD Titre : Inférance statistique dans les processus autorégressifs moyennes mobiles Type de document : texte imprimé Auteurs : Ouahiba Achelache, Auteur ; Zahra Charouel, Auteur ; Ines Lescheb, Directeur de thèse Editeur : CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine Année de publication : 2017 Importance : 52 f. Format : 30 cm. Note générale : Une copie electronique PDF disponible en BUC Langues : Français (fre) Catégories : Sciences Exactes:Mathématiques Tags : Séries chronologiques  Stationnarité  Processus ARMA, Mé- thode MLE  Méthode OLS  Consistance  Normalité asymptotique  Simulation. Index. décimale : 510 Mathématiques Résumé : Dans ce travail, nous nous intéressons à l’étude des modèles ARMA et leurs propriétés. Dans un premier lieu on a présenté un aperçu général sur les modèles ARMA, on a présenté les fonctions caractéristiques de ces modèles. Ensuite, on a estimé les paramètres de notre modèle par deux di¤érentes méthodes d’esti- mation : la méthode de maximum de vraisemblance MLE et la méthode des moindres carrés ordinaires OLS. En n, on termine notre étude par une compa- raison entre les estimateurs obtenus. Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=3855 Inférance statistique dans les processus autorégressifs moyennes mobiles [texte imprimé] / Ouahiba Achelache, Auteur ; Zahra Charouel, Auteur ; Ines Lescheb, Directeur de thèse . - CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine, 2017 . - 52 f. ; 30 cm. Une copie electronique PDF disponible en BUC Langues : Français (fre) Catégories : Sciences Exactes:Mathématiques Tags : Séries chronologiques  Stationnarité  Processus ARMA, Mé- thode MLE  Méthode OLS  Consistance  Normalité asymptotique  Simulation. Index. décimale : 510 Mathématiques Résumé : Dans ce travail, nous nous intéressons à l’étude des modèles ARMA et leurs propriétés. Dans un premier lieu on a présenté un aperçu général sur les modèles ARMA, on a présenté les fonctions caractéristiques de ces modèles. Ensuite, on a estimé les paramètres de notre modèle par deux di¤érentes méthodes d’esti- mation : la méthode de maximum de vraisemblance MLE et la méthode des moindres carrés ordinaires OLS. En n, on termine notre étude par une compa- raison entre les estimateurs obtenus. Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=3855

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MSMTH170007	MSMTH170007	Document électronique	Bibliothèque principale	Mémoires	Disponible

Documents numériques

texte intégre Adobe Acrobat PDF

Inférance statistique dans les processus moyenne mobile / Ratiba Boucharab 

Public ISBD Titre : Inférance statistique dans les processus moyenne mobile Type de document : texte imprimé Auteurs : Ratiba Boucharab, Auteur ; Saida Felifla‡, Auteur ; Ines Lescheb, Directeur de thèse Editeur : CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine Année de publication : 2017 Importance : 52 f. Format : 30 cm. Note générale : Une copie electronique PDF disponible en BUC Langues : Français (fre) Catégories : Sciences Exactes:Mathématiques Tags : Sérieschronologiques  Stationnarité  Processus MA  Méthode MLE  Méthode OLS  Consistance  Normalitéasymptotique  Simulation Index. décimale : 510 Mathématiques Résumé : Lebutdecemémoireestl’étudedelamodélisation MA dessérieschronolo- giques.Cetteméthoded’analysedessérieschronologiques,populariséeparBox etJenkins,estutiliséepourmodéliseretprévoirlesvaleursfuturesdelasérie chronologiqueàpartirdesesvaleursobservéesdanslepasséetleprésent.Dans cemémoire,leconceptdesériechronologiqueestintroduitetl’ons’intéresseaux modèlesimportantstelquelesmodèles MA ainsiquecertainsrésultatsthéo- riques.Ensuite,nousavonspasséàl’estimationdesparamètresdecemodèleen utilisantdeuxdi¤érentesméthodesquisontlaméthodedemaximumdevraisem- blanceetlaméthodedesmoindrescarrés.Pourprouvernosrésultatsthéoriques obtenus,nousavonsfaitunesimulationenutilisantlogicielR. Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=3853 Inférance statistique dans les processus moyenne mobile [texte imprimé] / Ratiba Boucharab, Auteur ; Saida Felifla‡, Auteur ; Ines Lescheb, Directeur de thèse . - CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine, 2017 . - 52 f. ; 30 cm. Une copie electronique PDF disponible en BUC Langues : Français (fre) Catégories : Sciences Exactes:Mathématiques Tags : Sérieschronologiques  Stationnarité  Processus MA  Méthode MLE  Méthode OLS  Consistance  Normalitéasymptotique  Simulation Index. décimale : 510 Mathématiques Résumé : Lebutdecemémoireestl’étudedelamodélisation MA dessérieschronolo- giques.Cetteméthoded’analysedessérieschronologiques,populariséeparBox etJenkins,estutiliséepourmodéliseretprévoirlesvaleursfuturesdelasérie chronologiqueàpartirdesesvaleursobservéesdanslepasséetleprésent.Dans cemémoire,leconceptdesériechronologiqueestintroduitetl’ons’intéresseaux modèlesimportantstelquelesmodèles MA ainsiquecertainsrésultatsthéo- riques.Ensuite,nousavonspasséàl’estimationdesparamètresdecemodèleen utilisantdeuxdi¤érentesméthodesquisontlaméthodedemaximumdevraisem- blanceetlaméthodedesmoindrescarrés.Pourprouvernosrésultatsthéoriques obtenus,nousavonsfaitunesimulationenutilisantlogicielR. Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=3853

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MSMTH170006	MSMTH170006	Document électronique	Bibliothèque principale	Mémoires	Disponible

Documents numériques

texte intégre Adobe Acrobat PDF

Inference statistique dans les modeles garch / Djamel Akhdar 

Public ISBD Titre : Inference statistique dans les modeles garch Type de document : texte imprimé Auteurs : Djamel Akhdar, Auteur ; Nour el houda Maafi, Auteur ; Oussama Gacem, Auteur ; Alla eddine Aloui, Auteur ; Ines Lescheb, Directeur de thèse Editeur : CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine Année de publication : 2019 Importance : 38 f. Format : 30 cm. Note générale : Une copie électronique PDF disponible en BUC. Langues : Français (fre) Catégories : Sciences Exactes:Mathématiques Tags : SÈries ÖnanciËres  Variance conditionnelle  StationnaritÈ  ModËles GARCH  modËles ARCH  Estimateur MLE  Comportement asymptotique. Index. décimale : 510 Mathématiques Résumé : Le but de ce mÈmoire est líÈtude probabiliste des modËles GARCH des sÈries ÖnanciËres. Cette classe de modËles, introduite par Bollerslev [1], est jouÈe un rÙle primordial au niveau de la description des sÈries ÖnanciËres vu le comportement hÈtÈroscÈdastique de leur variance. Dans ces modËles, celle-ci síÈcrit comme une fonction a¢ ne des valeurs passÈes du carrÈ de la sÈrie. Dans ce mÈmoire, nous avons considÈrÈ les modËles courants de sÈries ÖnanciËres, ce sont les modËle AutorÈgressifs Conditionnellement HÈtÈroscÈdastiques gÈnÈralisÈs notÈs GARCH. Les conditions de stationnaritÈ au sens strict et au second-ordre sont abordÈes ainsi que certains rÈsultats thÈoriques importants. Ensuite, nous avons passÈ ‡ estimer les paramËtres de notre modËle par la mÈthode de maximum de vraisemblance notÈe MLE, par la suite, nous avons dÈrivÈ les propriÈtÈs asymptotique de cet estimateur. On termine avec un ensemble díexpÈriences numÈriques qui nous permet de conÖrmer nos rÈsultats thÈoriques en utilisant le logiciel R. Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=11296 Inference statistique dans les modeles garch [texte imprimé] / Djamel Akhdar, Auteur ; Nour el houda Maafi, Auteur ; Oussama Gacem, Auteur ; Alla eddine Aloui, Auteur ; Ines Lescheb, Directeur de thèse . - CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine, 2019 . - 38 f. ; 30 cm. Une copie électronique PDF disponible en BUC. Langues : Français (fre) Catégories : Sciences Exactes:Mathématiques Tags : SÈries ÖnanciËres  Variance conditionnelle  StationnaritÈ  ModËles GARCH  modËles ARCH  Estimateur MLE  Comportement asymptotique. Index. décimale : 510 Mathématiques Résumé : Le but de ce mÈmoire est líÈtude probabiliste des modËles GARCH des sÈries ÖnanciËres. Cette classe de modËles, introduite par Bollerslev [1], est jouÈe un rÙle primordial au niveau de la description des sÈries ÖnanciËres vu le comportement hÈtÈroscÈdastique de leur variance. Dans ces modËles, celle-ci síÈcrit comme une fonction a¢ ne des valeurs passÈes du carrÈ de la sÈrie. Dans ce mÈmoire, nous avons considÈrÈ les modËles courants de sÈries ÖnanciËres, ce sont les modËle AutorÈgressifs Conditionnellement HÈtÈroscÈdastiques gÈnÈralisÈs notÈs GARCH. Les conditions de stationnaritÈ au sens strict et au second-ordre sont abordÈes ainsi que certains rÈsultats thÈoriques importants. Ensuite, nous avons passÈ ‡ estimer les paramËtres de notre modËle par la mÈthode de maximum de vraisemblance notÈe MLE, par la suite, nous avons dÈrivÈ les propriÈtÈs asymptotique de cet estimateur. On termine avec un ensemble díexpÈriences numÈriques qui nous permet de conÖrmer nos rÈsultats thÈoriques en utilisant le logiciel R. Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=11296

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MSMTH190005	MSMTH190005	Document électronique	Bibliothèque principale	Mémoires	Disponible

Documents numériques

MSMTH190005 Adobe Acrobat PDF

Inférence statistique dans les modèles PARCH (1) / Safa Boutouatou 

Public ISBD Titre : Inférence statistique dans les modèles PARCH (1) Type de document : texte imprimé Auteurs : Safa Boutouatou, Auteur ; Sabrina Amari, Auteur ; Ines Lescheb, Directeur de thèse Editeur : CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine Année de publication : 2021 Importance : 38 f. Format : 30 cm. Note générale : Une copie electronique PDF disponible au BUC Langues : Français (fre) Catégories : Sciences Exactes:Mathématiques Tags : PARCH (modËle PÈriodique Autoregressive conditionnelle HÈ- tÈroscÈdastique)  SPS (pÈriodiquement strictement stationnaire)  PC (pÈriodiquement corrÈllÈe),QMLE (quasi-maximum de vraisemblance)  CAN (consistance forte et normalitÈ asymptotique) Index. décimale : 510 Mathématiques Résumé : Vu líintÈrÍt du modËle PÈriodique Autoregressive conditionnelle HÈtÈroscÈ- dastique PARCH(1) de pÈriode s introduit par Bollerslev et Ghysels [14]. Dans la mÈsure de la volatilitÈ dans les sÈriÈs ÖnanciËres, nous souhaitons dans ce prÈsent mÈmoire donner une panoramique sur ces pertinents modËles. Nous donnons en premier temps la dÈÖnition díun processus PARCH(1), nous montrons que sous certaines conditions ce modËle admet une solution non anticipative strictement pÈriodiquement stationnaire. nous montrons que sous ces conditions cette solution est aussi pÈriodiquement stationnaire au second ordre, ainsi líexistence des moments díordre supÈrieurs. En suite, nous Ètablissons la consistance forte et la normalitÈ asymptotique (CAN) de líestimateur du quasi-maximum de vraisemblance notÈ QMLE pour les processus ARCH(1) avec des paramËtres variant pÈriodiquement dans le temps. On termine notre mÈmoire avec líÈtude de simulation qui nous permet de conÖrmer nos rÈsultats thÈoriques en utilisant logiciel MATLAB. Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=15303 Inférence statistique dans les modèles PARCH (1) [texte imprimé] / Safa Boutouatou, Auteur ; Sabrina Amari, Auteur ; Ines Lescheb, Directeur de thèse . - CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine, 2021 . - 38 f. ; 30 cm. Une copie electronique PDF disponible au BUC Langues : Français (fre) Catégories : Sciences Exactes:Mathématiques Tags : PARCH (modËle PÈriodique Autoregressive conditionnelle HÈ- tÈroscÈdastique)  SPS (pÈriodiquement strictement stationnaire)  PC (pÈriodiquement corrÈllÈe),QMLE (quasi-maximum de vraisemblance)  CAN (consistance forte et normalitÈ asymptotique) Index. décimale : 510 Mathématiques Résumé : Vu líintÈrÍt du modËle PÈriodique Autoregressive conditionnelle HÈtÈroscÈ- dastique PARCH(1) de pÈriode s introduit par Bollerslev et Ghysels [14]. Dans la mÈsure de la volatilitÈ dans les sÈriÈs ÖnanciËres, nous souhaitons dans ce prÈsent mÈmoire donner une panoramique sur ces pertinents modËles. Nous donnons en premier temps la dÈÖnition díun processus PARCH(1), nous montrons que sous certaines conditions ce modËle admet une solution non anticipative strictement pÈriodiquement stationnaire. nous montrons que sous ces conditions cette solution est aussi pÈriodiquement stationnaire au second ordre, ainsi líexistence des moments díordre supÈrieurs. En suite, nous Ètablissons la consistance forte et la normalitÈ asymptotique (CAN) de líestimateur du quasi-maximum de vraisemblance notÈ QMLE pour les processus ARCH(1) avec des paramËtres variant pÈriodiquement dans le temps. On termine notre mÈmoire avec líÈtude de simulation qui nous permet de conÖrmer nos rÈsultats thÈoriques en utilisant logiciel MATLAB. Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=15303

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MSMTH210036	MSMTH210036	Document électronique	Bibliothèque principale	Mémoires	Disponible

Documents numériques

fichier integral Adobe Acrobat PDF

Inférence Statistique dans les Modèles TGARCH à Coefficients Dépendant du Temps / Malak Soualmi 

Public ISBD 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 líestimateur 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 díabord 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 líestimateur 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 díinnovation est un i:i:d (cas fort) ou non (cas semi-fort). LíÈchantillon Öni comparÈ ‡ líestimateur 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 díÈchantillon 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 líestimateur 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 díabord 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 líestimateur 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 díinnovation est un i:i:d (cas fort) ou non (cas semi-fort). LíÈchantillon Öni comparÈ ‡ líestimateur 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 díÈchantillon 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)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MSMTH210022	MSMTH210022	Document électronique	Bibliothèque principale	Mémoires	Disponible

Documents numériques

fichier integral Adobe Acrobat PDF

Inférence statistique sur les modèles TARCH à Coefficients périodiques / Chahrazed Negrou 

Permalink

Modélisation des séries chronologiques / Aboumosab Seidi 

Permalink

---

1 (1 - 7 / 7)