Cette thèse exploite les données de haute fréquence, plus proches des « vrais » processus de prix, mais qui engendrent un certain nombre de problèmes techniques qui nous permettent de réexaminer certains modèles d'évaluation des actifs financiers et la gestion des risques financiers. Nous commençons par explorer un phénomène dénommé « Rose des vents » découvert par Crack et Ledoit (1996) caractérisant les échanges à très haute fréquence. Cette question a déjà fait l'objet de plusieurs études qui n'ont pu complètement caractériser les conditions de cette structure sur quelques titres du marché français. Nous montrons dans un deuxième essai que la précision d'une mesure de risque efficiente, appelée Valeur-en-risque, est améliorée lorsqu'on utilise des données de haute fréquence. Nous exploitons une Analyse en Composants Indépendantes pour extraire les facteurs de risques, et nous montrons qu'elle donne des résultats plus robustes, hors échantillon, qu'une extraction par composantes principales. Nous généralisons ensuite les modèles traditionnels d'évaluation des prix des actifs aux moments d'ordres supérieurs « réalisés ». Nous montrons que cette généralisation améliore sensiblement les estimations. Nous terminons cette thèse par une extension sur l'extraction d'un temps d'échanges implicite qui permet de retrouver une distribution Gaussienne des rendements. Nous obtenons, à partir d'une méthode d'optimisation directe, un temps implicite sur plusieurs titres du marché français des actions.

Cette thèse a pour objectif principal d’estimer la volatilité des données financières à haute fréquence par le modèle Score-GARCH, dans le contexte de la crise financière récente (2007-2008). La contribution effective de notre thèse couvre trois axes majeurs. Premièrement, nous avons mis en évidence les faits stylisés observés empiriquement dans les données financières à haute fréquence, dans le cas de quatre actifs financiers de CAC40. Cette étude nous a permis d’analyser la dynamique et l’asymétrie des rendements des actifs financiers à haute fréquence. Deuxièmement, compte tenu des faits stylisés en relation avec le comportement de la volatilité, nous avons modélisé la volatilité des actifs financiers à haute fréquence par le modèle Score-GARCH, et nous l’avons comparé avec le modèles GARCH asymétriques classiques (modèles de référence). Le troisième axe propose des mesures du risque (VaR) de marché intra-journalier dans le contexte particulier des données à haute fréquence régulièrement espacées dans le temps (toutes les cinq minutes). / The main objective of this thesis is to estimate the volatility of high-frequency financial data by the Score-GARCH model in the context of the recent financial crisis (2007-2008). The actual contribution of our thesis covers three major axes. First, we have highlighted the stylized facts observed empirically in high-frequency financial data, in the case of four CAC40 financial assets. This study allowed us to analyze the dynamics and asymmetry of the returns of high-frequency financial assets. Second, given the stylized facts in relation to the behavior of volatility, we have modeled the volatility of high-frequency financial assets by the Score-GARCH model, and compared it with the classic asymmetric GARCH models (reference models ). The third axis proposes intraday market risk measures (VaR) in the particular context of high frequency data regularly spaced over time (every five minutes).