Cette thèse s’intéresse à la stabilité financière. Nous considérons plusieurs modèles économétriques visant à offrir une meilleure compréhension des perturbations pouvant affecter les systèmes bancaires et financiers. L’objectif ici est de doter les institutions publiques et réglementaires d’un éventail plus large d’instruments de surveillance. Dans le premier chapitre, nous appliquons un modèle logit visant à identifier les principaux déterminants des crises financières. En plus des variables explicatives traditionnelles suggérées par la littérature, nous considérons une mesure des coûts de transactions (l’écart acheteur-vendeur) sur les marchés financiers. Nos estimations indiquent que des coûts de transactions élevés sont généralement associés à des risques accrus de crises financières. Dans un contexte où l’instauration d’une taxe sur les transactions financières (TTF) ferait augmenter les coûts de transactions, nos résultats suggèrent que l’instauration d’une telle taxe pourrait accroître les probabilités de crises financières. Dans le second chapitre, nous analysons la formation des risques financiers dans un contexte où le nombre de données disponibles est de plus en plus élevé. Nous construisons des prédicteurs de faillites bancaires à partir d’un grand ensemble de variables macro-financières que nous incorporons dans un modèle à variable discrète. Nous établissons un lien robuste et significatif entre les variables issues du secteur immobilier et les faillites bancaires. Le troisième chapitre met l’emphase sur la prévision des créances bancaires en souffrance (nonperforming loans). Nous analysons plusieurs modèles proposés par la littérature et évaluons leur performance prédictive lorsque nous remplaçons les variables explicatives usuelles par des prédicteurs sectoriels construits à partir d’une grande base de données. Nous trouvons que les modèles basés sur ces composantes latentes prévoient les créances en souffrance mieux que les modèles traditionnels, et que le secteur immobilier joue à nouveau un rôle important. / The primary focus of this thesis is on financial stability. More specifically, we investigate different issues related to the monitoring and forecasting of important underlying systemic financial vulnerabilities. We develop various econometric models aimed at providing a better assessment and early insights about the build-up of financial imbalances. Throughout this work, we consider complementary measures of financial (in)stability endowing hence the regulatory authorities with a deeper toolkit for achieving and maintaining financial stability. In the first Chapter, we apply a logit model to identify important determinants of financial crises. Alongwiththetraditionalexplanatoryvariablessuggestedintheliterat ure, weconsider a measure of bid-ask spreads in the financial markets of each country as a proxy for the likely effect of a Securities Transaction Tax (STT) on transaction costs. One key contribution of this Chapter is to study the impact that a harmonized, area- wide tax, often referred to as Tobin Tax would have on the stability of financial markets. Our results confirm important findingsuncoveredintheliterature, butalsoindicatethathighertransactioncostsaregenerally associated with a higher risk of crisis. We document the robustness of this key result to possible endogeneity effects and to the 2008−2009 global crisis episode. To the extent that a widely-based STT would increase transaction costs, our results therefore suggest that the establishment of this tax could increase the risk of financial crises. In the second Chapter, we assess the build-up of financial imbalances in a data-rich environment. Concretely, we concentrate on one key dimension of a sound financial system by monitoring and forecasting the monthly aggregate commercial bank failures in the United States. We extract key sectoral predictors from a large set of macro-financial variables and incorporate them in a hurdle negative binomial model to predict the number of monthly commercial bank failures. We find a strong and robust relationship between the housing industry and bank failures. This evidence suggests that housing industry plays a key role in the buildup of vulnerability in the banking sector. Different specifications of our model confirm the robustness of our results. In the third Chapter, we focus on the modeling of non-performing loans (NPLs), one other dimension along with, financial vulnerabilities are scrutinized. We apply different models proposed in the recent literature for fitting and forecasting U.S. banks non-performing loans (NPLs). We compare the performance of these models to those of similar models in which we replace traditional explanatory variables by key sectoral predictors all extracted from the large set of potential U.S. macro-financial variables. We uncover that the latent-componentbased models all outperform the traditional models, suggesting then that practitioners and researchers could consider latent factors in their modeling of NPLs. Moreover, we also confirm that the housing sector greatly impacts the evolution of non-performing loans over time.

Ce mémoire étudie la possibilité que l'immobilier joue un rôle comme facteur de risque potentiel déterminant le rendement des actifs financiers au Canada. Ce risque étant généralement négligé dans la littérature, son rôle potentiel fut mis en lumière lors de la récente crise financière de 2007-2009. Un modèle d'évaluation d'actifs multifactoriel incorporant un facteur de risque propre à l'immobilier est construit et estimé à l'aide de la méthode des moments généralisée (GMM). Les estimations sont basées sur le rendement excédentaire de 10 portefeuilles formés à partir de 806 actions inscrites à la Bourse de Toronto en janvier 2017. La période d'étude couvre de janvier 2000 à décembre 2016. Le risque immobilier fut mesuré grâce au S&P/TSX Capped REIT Index et grâce à un indice composite prennant en compte l'ensemble des 48 REITs incris à la Bourse de Toronto en janvier 2017. Cette dernière mesure s'est avérée être la plus significative. Les résultats obtenus à la de la méthode GMM suggère fortement que le risque immobilier est l'un des facteurs explicatifs du niveau des rendements des actifs financiers canadiens.