Cette thèse, composée de trois essais, identifie des modèles factoriels dynamiques de prévisions en temps réel du cycle économique. Il a pour objectif principal de proposer une structure de modèles d’analyse du cycle économique avec des données à hautes fréquences dans un contexte de révisions de donnée. Ceci est pertinent pour trois raisons. Premièrement, la prévision du cycle économique est une question centrale en macroéconométrie. Deuxièmement, les décideurs politiques bénéficieraient à avoir des informations à hautes fréquences et évaluées en temps réel sur les conditions économiques pour leur prise de décisions. Enfin, les décisions sont souvent prises en se basant sur les données sujettes à des révisions et l’incertitude relative de ces données doit être incorporée dans le processus d’élaboration de décision. Après un bref survol de la littérature sur le cycle économique et des modèles d’analyse des points tournants, nous proposons une structure rigoureuse d’estimation du Produit Intérieur Brut (PIB) mensuel réel des États-Unis. Le problème récurrent rencontré dans l’estimation de cette classe de modèles est que les estimations du PIB mensuel ne sont pas cohérentes avec celles trimestrielles et ces dernières à leur tour ne sont pas cohérentes avec les estimations annuelles. Notre approche résout ce genre de problème et facilite les interprétations intrapériodes. Dans le premier essai (chapitre 2), nous développons et estimons un modèle factoriel dynamique traitant le PIB mensuel comme une variable inobservable. Contrairement aux approches existantes, la moyenne trimestrielle de nos estimations mensuelles est exactement égale à l’estimation trimestrielle du «Bureau of Economic Analysis». Par contruction, nos estimations mensuelles ont l’avantage d’être à la fois en temps réel et facile à interpréter. Le second essai (chapitre 3) est une extension de la structure précédente en y ajoutant un modèle markovien de changements de régimes du cycle économique au modèle factoriel dynamique. Le modèle est maintenant un modèle avec trois niveaux à deux composantes inobservables. Nous portons une attention particulière à la sensibilité des indicateurs usuels du cycle économique aux points tournants. L’indice de production industrielle, les ventes manufacturières et de commerce transmettent plus rapidement à la composante commune (PIB mensuel) les chocs qu’ils subissent du cycle économique que l’emploi. Dans le dernier essai (chapitre 4), nous intégrons les révisions de données dans le modèle factoriel dynamique à régimes markoviens dans une perspective d’évaluer leurs effets sur le cycle économique. Il apparait que les révisions de données ont un impact significatif sur les comouvements entre les variables et les points tournants sans compromettre la nature asymétrique du cycle économique. Mots clés : Modèle Factoriel Dynamique (MFD), Haute fréquence, Temps réel, Régimes markoviens, Composantes inobservables, Révisions, Comouvement, Points tournants, Asymétrie, Cycle économique. / This thesis is composed of three essays on real-time forecasting dynamic factor models. The main objective is to provide frameworks for high-frequency business cycle analysis in the presence of data revisions. This is relevant for three reasons. First, business cycle forecasting is a central question in macroeconometrics. Secondly, policy-makers would benefit from having access to timely, high-frequency information about business conditions to inform their decisions. Finally, decisions must frequently be made based on data that are subject to revision, and this data uncertainty should be incorporated into the decision-making process. After a review of the empirical business cycle literature and of models of business cycle turning points, we propose a rigorous framework for estimating monthly real US Gross Domestic Product (GDP). A recurring problem in this class of models is that estimates for monthly GDP are generally not consistent with quarterly estimates in the same way that quarterly estimates are not consistent with annual data. Our approach solves this problem. In the first essay (chapter 2), we develop and estimate a dynamic factor model treating the monthly Gross Domestic Product (GDP) as an unobservable latent variable. In contrast with existing approaches, the quarterly averages of our monthly estimates are exactly equal to the Bureau of Economic Analysis quarterly estimates. By construction, our monthly estimates have the advantage of being both timely and easy to interpret. The second essay (chapter 3) extends this framework by adding a Markov-switching model of business cycle regimes to the dynamic factor model. The model is now one with three levels, two of which have latent dependent variables. We pay particular attention to the sensibility of the usual indicators at turning points. The industrial production index, manufacturing and trade sales transmit more information about business cycle shocks to the common component (monthly GDP) than does employment. Finally, we integrate data revisions into our Markov- switching dynamic factor model in order to evaluate the effects of the revisions process on monthly estimates. It appears that data revisions have a significant impact on the co-movement of variables and on turning points without compromising the asymmetric nature of the business cycle. Keywords : Dynamic Factor Model (DFM), High-frequency, Real-time, Markov-switching, unobservable components, Revisions, co-movement, Turning points, Asymmetric, Business cycle.

La titrisation des créances est une opération qui permet aux banques de se financer sur les marchés financiers à moindre coût et sans trop de risques. Pour réaliser l’opération, les banques cèdent les prêts qu’elles ont octroyés à une structure qui se chargera ensuite de les placer auprès des investisseurs. De plus, la titrisation permet également aux banques de gérer les risques liés aux prêts. Avec l’avènement de cette opération, les banques se soucient moins de la qualité et de la capacité financière des emprunteurs. Une fois le prêt accordé, les banques vont créer des portefeuilles de créances qui seront cédés par la suite. Une autre forme de titrisation permet de transférer uniquement le risque lié aux prêts sans toutefois sortir ces prêts du bilan de la banque: c’est la titrisation synthétique. Ces deux formes de titrisation, classique et synthétique, ont été utilisées auxÉtats-Unis et ont contribué à l’explosion de la bulle immobilière qui a entraîné une crise financière en 2008 : la crise des subprimes. La titrisation a donc occasionné le mouvement de contagion des risques qui s’en est suivi sur les marchés financiers. Les subprimes sont des prêts hypothécaires à risque accordés à un taux variable aux ménages américains à faible capacité financière. Le taux est bas les premières années, mais augmente progressivement. Titriser ce type de prêts revient à propager le risque de non-remboursement des emprunteurs à tous les différents intervenants de la chaîne. Et c’est ce qui s’est produit: les taux ont été relevés et les emprunteurs n’ont pas été capables d’assurer le paiement des différentes mensualités entraînant un blocage de tout le circuit. Les choses se sont passées de cette façon parce que, sur les marchés à cette période, l’appât du gain l’avait emporté sur le respect des règles d’encadrement des marchés, quasi inexistantes. Cette thèse propose des solutions d’encadrement du marché financieret de l’opération de titrisation en particulier. Entre la loi du marché, le droit et l’éthique, les recommandations faites dans cette dissertation se veulent complémentaires aux actions des différents régulateurs, nationaux et internationaux. / Securitization of receivables is an operation that allows banks to finance themselves on the financial markets at a lower cost and without too much risk. To carry out the operation, the banks sell the loans they have granted to a structure which will then be responsible for placing them with investors. In addition, securitization also allows banks to manage the risks associated with loans. With the advent of this operation, banks are less concerned about the quality and financial capacity of borrowers. Once the loan is granted, they create portfolios of receivables that will be transferred later. Another form of securitization is to transfer only the risk associated with the loans without taking these loans out of the bank's balance sheet: It’s a synthetic securitization. These two forms of securitization, traiditional and synthetic, were used in the United States and contributed to the explosion of the housing bubble that led to a financial crisis in 2008: the subprime crisis. Securitization has, therefore, caused the risk-spreading movement that has followed on the financial markets. The subprimes are variable risk mortgage loans to low-income US households. The rate is low the first years but increases gradually. Securitizing this type of loan is to propagate the risk of non-repayment of borrowers to all the various stakeholders in the chain. And that's what happened: the rates were raised, and the borrowers were not able to ensure the payment of different monthly payments causing a blockage of the entire circuit. Things happened this way because in the markets at that time, the lure of gain prevailed over the respect of almost non existent rules. This thesis proposes solutions for financial market supervision and for securitization operations specifically. Between the law of the market, the rule of law and ethics, the recommendations made in this dissertation are complementary to the actions of the various regulators, national and international.

Dans ce mémoire, nous investiguons le niveau d’intérêt de la clientèle résidentielle de Gaz Métro pour remplacer une partie de leur consommation de gaz naturel par du biométhane. Plus particulièrement, nous tentons d’identifier les caractéristiques pouvant expliquer un intérêt plus ou moins important pour le paiement d’un supplément pour consommer du biométhane. L’analyse se base sur un échantillon de 200 clients de Gaz Métro. Ces données ont l’avantage de fournir beaucoup d’information sur les caractéristiques socio-économiques des répondants, incluant le niveau de revenu, le niveau d’éducation ainsi que la taille du ménage. Afin de décomposer l’effet de chacune de ces caractéristiques sur l’intérêt pour le biométhane (exprimé sous forme de variables discrètes), la méthode économétrique retenue repose sur un modèle logit multinomial ordonné. Nous découvrons un lien positif entre l’intérêt à payer un supplément pour consommer le biométhane et le fait d’avoir un revenu élevé, d’être jeune ainsi que la sensibilité environnementale. À l’inverse, le fait d’être plus âgé a un effet négatif sur l’intérêt pour le biométhane.