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

---

1 (1 - 1 / 1)