Modélisation ARMA-GARCH

Master 1 NRJF.BENHMAD

2013-2014

Introduction

1/Modélisation ARMA : Box and Jenkins (1970)

1/Modélisation ARMA : Box and Jenkins (1970)

Skewness / Kurtosis

Skewness / Kurtosis

On remarque que le skewness est -0.21 <0 , le kurtosis est 8.05 >3. La probabilité d’occurrence d’événements extrêmes est donc très élevée. La distribution est leptokurtique (ques épaisses ou lourdes, heavy/fat tails, tail effect) et asymétrique (rendements réagissent davantage à un choc négatif qu’à un choc positif ; volatilité plus forte après une baisse des rendements qu’après une hausse). ASYMETRIE// NONLINEARITECela témoigne d’une très forte volatilité (excess volatility).

L’un des effets stylisés des rendements des actifs financiers y compris le pétrole est l’alternance de périodes de haute volatilité et de périodes de basse volatilité (Mandelbrot, 1963). C’est le phénomène d’agglomération ou d’amas de volatilité (volatility clustering) dont témoigne l’hétéroscédasticité.Il faut donc modéliser l’équation de la variance des résidus de DLOIL(t) par les modèles GARCH . General Autoregressive Conditional Heteroscedasticity