Les trois chapitres suivants examinent: 1) si les taux de change réels d'Asie du Sud-Est sont nonlinéaire, 2) l'inférence bayésienne sur le modèle de série temporelle nonlinéaire avec des applications sur le taux de change réel,et 3) la cyclicité et effet de rebond dans le marché boursier.Depuis la fin des années nonante, les analyses théorique et empirique consacrée au taux de change réel suggèrent que la dynamique pourrait être bien estimés par les modèles non linéaires. Le premier chapitre examine cette possibilité utilisant les données mensuelles de l'ASEAN-5, et il s'étend la recherche existante dans deux directions. Tout d'abord, nous utilisons récemment mis au point des tests de racine unitaire ce qui permettra d'assouplir les modèles non linéaires stationnaires dans le cadre du d'autre alternative que l'couramment utilisés à SETAR ou ESTAR modèle. Deuxièmement, bien que différents modèles nonlinéaires survivre aux tests de mis-spécification, une expérience Monte Carlo à partir de généralisées fonctions de réponse impulsionnelle est utilisé pour comparer leur pertinence relative. Nos résultats i) soutenir l'hypothèse de retour nonlinéaire à la moyenne , et donc la parité de pouvoir d'achat, dans la moitié des cas et ii) indiquent MRLSTAR et ESTAR comme les plus probables processus générant des taux de change réels.Le deuxième chapitre analyse ACR modèle. Nous proposons une approche bayésienne complète d'inférence et une attention particulière est portée sur les paramètres des variables de seuil. Nous discutons le choix des distributions a priori et proposer une chaîne de Markov algorithme de Monte Carlo pour estimer les paramètres et les variables latentes. Une étude de simulation et de l'application à des données taux de change réelles illustrer l'analyse.Le troisième chapitre explore que les différentes formes de recouvrements dans les marchés financiers peuvent présenter dans un modèle de Markov Switching. Elle s'appuie sur les effets de rebond d'abord analysé par Kim, Morley et Piger [2005] dans le cycle des affaires et généralisé par Bec, Bouabdallah et Ferrara [2011] pour permettre une plus souple de type rebond.Nos résultats i) montrer que l'effet de rebond est statistiquement significative et importante dans tous les cas, mais l'Allemagne où la preuve est moins claire et ii) l'impact négatif permanent de marchés baissiers sur l'indice est notablement réduite lorsque le rebond est explicitement pris en compte. / The following three chapters investigate: 1) whether Southeast Asian real exchange rates are nonlinear mean reverting, 2) bayesian inference on nonlinear time series model with applications in real exchange rate, and 3)cyclicality and bounce-back effect in stock market. Since the late nineties, both theoretical and empirical analyses devoted to the real exchange rate suggest that their dynamics might be well approximated by nonlinear models. This paper examines this possibility for post-1970 monthly ASEAN-5 data, extending the existing research in two directions. First, we use recently developed unit root tests which allow for more flexible nonlinear stationary models under the alternative than the commonly used Self-Exciting Threshold or Exponential Smooth Transition AutoRegressions. Second, while different nonlinear models survive the mis-specification tests, a Monte Carlo experiment from generalized impulse response functions is used to compare their relative relevance. Our results support the nonlinear mean-reverting hypothesis, and hence the Purchasing Power Parity, in half the cases and point to the Multiple Regime-Logistic Smooth Transition and the Self-Exciting Threshold AutoRegressive models as the most likely data generating processes of these real exchange rates.Various nonlinear threshold models are employed to mimic the real exchange rate dynamics. A natural question arises: Which model does the best job of modeling the real exchange rate process? It is difficult and not straightforward to formally compare the nonlinear models within classic approach. In the second chapter, we propose to use Bayesian approach to address this issue. The second part of my dissertation actually uses a Bayesian method to estimate some nonlinear time series models, the ACR model, SETAR model, and MAR model. We propose a full Bayesian inference approach and particular attention is paid to the parameters of the threshold variables. We discuss the choice of the prior distributions and propose a Markov-chain Monte Carlo algorithm for estimating both the parameters and the latent variables. A simulation study and the application to real exchange rate data illustrate the analysis. Our empirical results of the second chapter show that i) Bayesian estimations closely match those of the Maximum likelihood for French real exchange rate vis-a-vis Deutsche Mark; ii)the speed of real exchange rate's adjustment to equilibrium level is overestimated if heterogeneous variances in two regimes is not taken into account; iii) ACR model is preferred to other nonlinear threshold models, SETAR and MAR; iv) within ACR class models, the suitable transition function form is selected based on Bayes factor.This paper proposes an empirical study of the shape of recoveries in financial markets from a bounce-back augmented Markov Switching model. It relies on models first applied by Kim, Morley et Piger [2005] to the business cycle analysis. These models are estimated for monthly stock market returns data of five developed countries for the post-1970 period. Focusing on a potential bounce-back effect in financial markets, its presence and shape are formally tested. Our results show that i) the bounce-back effect is statistically significant and large in all countries, but Germany where evidence is less clear-cut and ii) the negative permanent impact of bear markets on the stock price index is notably reduced when the rebound is explicitly taken into account.

Cette thèse est dédiée à une classe particulière de modèles à facteurs dynamiques non linéaires, les modèles à facteurs dynamiques à changement de régime markovien (MS-DFM). Par la combinaison des caractéristiques du modèle à facteur dynamique et celui du modèle à changement de régimes markoviens(i.e. la capacité d’agréger des quantités massives d’information et de suivre des processus fluctuants), ce cadre s’est révélé très utile et convenable pour plusieurs applications, dont le plus important est l’analyse des cycles économiques.La connaissance de l’état actuel des cycles économiques est crucial afin de surveiller la santé économique et d’évaluer les résultats des politiques économiques. Néanmoins, ce n’est pas une tâche facile à réaliser car, d’une part, il n’y a pas d’ensemble de données et de méthodes communément reconnus pour identifier les points de retournement, d’autre part, car les institutions officielles annoncent un nouveau point de retournement, dans les pays où une telle pratique existe, avec un délai structurel de plusieurs mois.Le MS-DFM est en mesure de résoudre ces problèmes en fournissant des estimations de l’état actuel de l’économie de manière rapide, transparente et reproductible sur la base de la composante commune des indicateurs macroéconomiques caractérisant le secteur réel.Cette thèse contribue à la vaste littérature sur l’identification des points de retournement du cycle économique dans trois direction. Dans le Chapitre 3, on compare les deux techniques d’estimation de MS-DFM, les méthodes en une étape et en deux étapes, et on les applique aux données françaises pour obtenir la chronologie des points de retournement du cycle économique. Dans Chapitre 4, sur la base des simulations de Monte Carlo, on étudie la convergence des estimateurs de la technique retenue - la méthode d’estimation en deux étapes, et on analyse leur comportement en échantillon fini. Dans le Chapitre 5, on propose une extension de MS-DFM - le MS-DFM à l’influence dynamique (DI-MS-DFM)- qui permet d’évaluer la contribution du secteur financier à la dynamique du cycle économique et vice versa, tout en tenant compte du fait que l’interaction entre eux puisse être dynamique. / This thesis is dedicated to the study of a particular class of non-linear Dynamic Factor Models, the Dynamic Factor Models with Markov Switching (MS-DFM). Combining the features of the Dynamic Factor model and the Markov Switching model, i.e. the ability to aggregate massive amounts of information and to track recurring processes, this framework has proved to be a very useful and convenient instrument in many applications, the most important of them being the analysis of business cycles.In order to monitor the health of an economy and to evaluate policy results, the knowledge of the currentstate of the business cycle is essential. However, it is not easy to determine since there is no commonly accepted dataset and method to identify turning points, and the official institutions announce a newturning point, in countries where such practice exists, with a structural delay of several months. The MS-DFM is able to resolve these issues by providing estimates of the current state of the economy in a timely, transparent and replicable manner on the basis of the common component of macroeconomic indicators characterizing the real sector. The thesis contributes to the vast literature in this area in three directions. In Chapter 3, I compare the two popular estimation techniques of the MS-DFM, the one-step and the two-step methods, and apply them to the French data to obtain the business cycle turning point chronology. In Chapter 4, on the basis of Monte Carlo simulations, I study the consistency of the estimators of the preferred technique -the two-step estimation method, and analyze their behavior in small samples. In Chapter 5, I extend the MS-DFM and suggest the Dynamical Influence MS-DFM, which allows to evaluate the contribution of the financial sector to the dynamics of the business cycle and vice versa, taking into consideration that the interaction between them can be dynamic.