Cette thèse présente une contribution à l’analyse de l’hétérogénéité des comportements sur les marchés boursiers. Elle propose, d’une part, une revue de la littérature des modèles d’hétérogénéité qui permettent de reproduire des faits observés sur les marchés réels tels que la volatilité excessive des cours, le volume important des transactions, les volatilités groupées, la queue de distribution épaisse et le retour à la moyenne, ce qui contredit l’efficience des marchés et l’hypothèse d’un agent représentatif. Ces modèles permettent également d’expliquer l’apparition des bulles et les comportements parfois chaotiques des prix. La prise en compte explicite de l’hétérogénéité, dans la modélisation, conduit donc à des représentations plus adéquates avec la réalité. D’autre part, nous proposons des travaux empiriques sur l’hétérogénéité des comportements des investisseurs sur le marché des actions français, au niveau des titres individuels et suivant différentes fréquences d’observations. La première estimation considère un modèle de sélection évolutionnaire des stratégies. Nous avons aussi constaté une certaine persistance de l’écart entre les prix et les valeurs fondamentales. Nous avons aussi remarqué la désorientation des investisseurs pendant les périodes de crise avec un changement brutal entre les stratégies et ce souvent pour la majorité des investisseurs. Nous avons conclu pendant ces périodes qu’il existe des phénomènes d’imitation liés probablement au manque d’information et au climat d’incertitude. Ce résultat s’accorde avec ce qu’on observe sur le marché pendant la formation et à l’éclatement d’une bulle. Ces résultats ont été globalement confirmés par une deuxième estimation d’un modèle de type LSTAR-GARCH qui tient compte explicitement de la variance conditionnelle et pose des hypothèses différentes du premier. / This PhD dissertation presents a contribution to the analysis of the behaviour’s heterogeneity on the stock markets. It proposes, firstly, a review of the literature of heterogeneous agents’ models which allow reproducing stylised facts observed in the real markets such as an excessive volatility of prices, an important transaction’s volume, grouped volatilities, a fat tail distribution and a mean return, which contradicts the markets efficiency and the assumption of a representative agent. These models also, allow explaining the bubbles emergence and prices behaviours sometimes chaotic. The explicit heterogeneity hypothesis, in modelling, leads representations more adequate with reality. In addition, we propose empirical works on investor’s behaviours heterogeneity in the French stock market, for individuals stocks and following different observation frequencies. The first estimation considers a model of evolutionary strategies selection. We noted the persistence of the difference between prices and fundamental values. We also noticed the confusion of investors in crisis periods with a brutal change between strategies and this often for the majority of investors. We concluded for these periods that there are imitation phenomena related on lack of information and uncertainty climate. This result agrees with real market during bubble formation and bursting of a bubble. These results are generally confirmed by the second estimation of the LSTAR-GARCH model which explicitly considers a conditional variance and supposes different assumptions from the first.

摘 要 本文係以LSTAR及Switching Regression 模型作為計量分析工具，嘗試使用不同之狀態變數來解釋經濟狀之移轉，同時，利用LM Test檢驗各種法則中，目標變數前之係數在不同狀態下，是否會有顯著差異；即央行是否會因處經濟狀態之不同而有不同之貨幣政策行為。 經由實證結果可知：在LSTAR模型之下，我們無法確定央行是否會因所處狀態之差異而存在不同的貨幣政策行為；但是，在Switching Regression 模型之下，則可以明顯得出央行會在不同的狀態下，存在不同之貨幣政策行為；其中，在本文中所設定之各種央行目標下，央行對於實產出缺口具有較高之敏感性，亦即在不同狀態下，央行會給予實產出缺口不同之權重，其貨幣政策的確具有不對稱性。

With modern computer systems becoming more and more complicated, theimportance of rigorous testing to ensure the quality of the product increases.This, however, means that the cost to perform tests also increases. In orderto address this problem, a lot of research has been conducted during thelast years to find a more automated way of testing software systems. Inthis thesis, different algorithms to automatically explore and test a systemhave been implemented and evaluated. In addition to this, a second setof algorithms have been implemented with the objective to isolate whichinteractions with the system were responsible for a failure. These algorithmswere also evaluated and compared against each other. In the first evaluationtwo explorers, which I called DeBruijn and LStarExplorer, were consideredsuperior to the other. The first used a DeBruijn sequence to brute forcea solution while the second used the L*-algorithm to build an FSM overthe system under test. This FSM could then be used to provide a moreaccurate description for when the failure occurred. The result from thesecond evaluation were two reducers which both tried to recreate a failureby first applying interactions performed just before the failure occurred. Ifthis was not successful, they tried interactions further and further away, untilthe failure was triggered. In addition to this, the thesis contains descriptionsabout the framework used to run the different strategies. / D ̊a v ̊ara moderna datasystem blir allt mer komplicerade,  ̈okar detta st ̈andigtbehovet av rigor ̈osa tester f ̈or att s ̈akerst ̈alla kvaliteten p ̊a den slutgiltiga pro-dukten. Det h ̈ar inneb ̈ar dock att kostnaden f ̈or att utf ̈ora testerna ocks ̊ao  ̈ kar. F ̈or att f ̈ors ̈oka hitta en l ̈osning p ̊a det h ̈ar problemet har forsknin-gen under senare tid arbetat med att ta fram automatiserade metoder atttesta mjukvarusystem. I den h ̈ar uppsatsen har olika algoritmer, f ̈or attutforska och testa ett system, implementerats och utv ̈arderats. D ̈arut ̈overhar ocks ̊a en grupp algoritmer implementerats som ska kunna isolera vilkainteraktioner med ett system som f ̊ar det att fallera.  ̈aven dessa algoritmerhar utv ̈arderats och testats mot varandra. Resultatet fr ̊an det f ̈orsta ex-perimentet var tv ̊a explorers, h ̈ar kallade DeBruijn och LStarExplorer, somvisade sig vara b ̈attre  ̈an de andra. Den f ̈orsta av dessa anv ̈ande en DeBruijn-sekvens f ̈or att hitta felen, medan den andra anv ̈ande en L*-algoritm f ̈or attbygga upp en FSM  ̈over systemet. Den h ̈ar FSM:en kunde sedan anv ̈andasf ̈or att mer precist beskriva n ̈ar felet uppstod. Resultatet fr ̊an det andraexperimentet var tv ̊a reducers, vilka b ̊ada f ̈ors ̈okte  ̊aterskapa fel genom attf ̈orst applicera interaktioner som ursprungligen utf ̈ordes percis innan feletuppstod. Om felet inte kunde  ̊aterskapas p ̊a detta s ̈att, fortsatte de medatt applicera interaktioner l ̈angre bort tills felet kunde  ̊aterskapas. Ut ̈overdetta inneh ̊aller uppsatsen ocks ̊a beskrivningar av ramverken som anv ̈andsf ̈or att k ̈ora de olika strategierna.