Thèse numérisée par la Division de la gestion de documents et des archives de l'Université de Montréal.

Thèse numérisée par la Division de la gestion de documents et des archives de l'Université de Montréal

Depuis la crise boursi`ere du secteur des Nouvelles Technologies en 2000 et la croissance très grande de la volatilité des actifs boursiers par rapport à ce qui a précédé cette année, la modélisation de cette volatilité et son effet de contagion à travers les marchés boursiers dans le monde, a suscité beaucoup de discussions et de recherches. Nous nous intéressons par conséquent, à la modélisation de la volatilité de trois indices technologiques : NASDAQ-100, IT.CAC et NEMAX et cinq indices globaux : Dow Jones Industrial Average, Standard & Poor 500, NASDAQ Composite, DAX et CAC40, afin de vérifier si le risque d'investissement, mesuré par la valeur à risque (VaR) a changé suite à la crise technologique et afin de montrer que la crise technologique, parmi toutes les crises boursières vécues, est la crise qui a le plus affecté les marchés boursiers à travers le monde. Notre calcul de la VaR exige une modélisation précise de la volatilité des séries étudiées et l'identification de la présence de corrélations conditionnelles dynamiques ou non. Nous utilisons différents modèles pour modéliser la volatilité des indices étudiés, notamment différents modèles à changements de régimes (SWARCH, SWGARCH et MSVECM) et le modèle GARCH multivari é à corrélations conditionnelles dynamiques (DCC-MVGARCH). Nous utilisons les modèles à changements de régimes et les modèles VAR afin de montrer l'existence d'effets de co-mouvements et de contagion entre les indices étudiés et le modèle DCC-MVGARCH afin de montrer l'effet de la crise technologique sur l'augmentation de la volatilité des marchés boursiers et la présence de corrélations dynamiques qui les lient, ainsi que pour le calcul de la VaR. Nous comparons à la fin les VaR calculées par le modèle DCC-MVGARCH avec des VaR calculée par la méthode non-paramétrique des copules.

Thèse numérisée par la Direction des bibliothèques de l'Université de Montréal.

L’intérêt des modèles non-linéaires réside, d’une part, dans une meilleure prise en compte des non-linéaritéscaractérisant les séries macroéconomiques et financières et, d’autre part, dans une prévision plus riche en information.A ce niveau, l’originalité des intervalles (asymétriques et/ou discontinus) et des densités de prévision (asymétriqueset/ou multimodales) offerts par cette nouvelle forme de modélisation suggère qu’une amélioration de la prévisionrelativement aux modèles linéaires est alors possible et qu’il faut disposer de tests d’évaluation assez puissants pourvérifier cette éventuelle amélioration. Ces tests reviennent généralement à vérifier des hypothèses distributionnellessur les processus des violations et des transformées probabilistes associés respectivement à chacune de ces formes deprévision. Dans cette thèse, nous avons adapté le cadre GMM fondé sur les polynômes orthonormaux conçu parBontemps et Meddahi (2005, 2012) pour tester l’adéquation à certaines lois de probabilité, une approche déjà initiéepar Candelon et al. (2011) dans le cadre de l’évaluation de la Value-at-Risk. Outre la simplicité et la robustesse de laméthode, les tests développés présentent de bonnes propriétés en termes de tailles et de puissances. L’utilisation denotre nouvelle approche dans la comparaison de modèles linéaires et de modèles non-linéaires lors d’une analyseempirique a confirmé l’idée selon laquelle les premiers sont préférés si l’objectif est le calcul de simples prévisionsponctuelles tandis que les derniers sont les plus appropriés pour rendre compte de l'incertitude autour de celles-ci. / The interest of non-linear models is, on the one hand, to better take into account non-linearities characterizing themacroeconomic and financial series and, on the other hand, to get richer information in forecast. At this level,originality intervals (asymmetric and / or discontinuous) and forecasts densities (asymmetric and / or multimodal)offered by this new modelling form suggests that improving forecasts according to linear models is possible and thatwe should have enough powerful tests of evaluation to check this possible improvement. Such tests usually meanchecking distributional assumptions on violations and probability integral transform processes respectively associatedto each of these forms of forecast. In this thesis, we have adapted the GMM framework based on orthonormalpolynomials designed by Bontemps and Meddahi (2005, 2012) to test for some probability distributions, an approachalready adopted by Candelon et al. (2011) in the context of backtesting Value-at-Risk. In addition to the simplicity androbustness of the method, the tests we have developed have good properties in terms of size and power. The use of ournew approach in comparison of linear and non-linear models in an empirical analysis confirmed the idea according towhich the former are preferred if the goal is the calculation of simple point forecasts while the latter are moreappropriated to report the uncertainty around them.

L'intérêt des modèles non-linéaires réside, d'une part, dans une meilleure prise en compte des non-linéaritéscaractérisant les séries macroéconomiques et financières et, d'autre part, dans une prévision plus riche en information.A ce niveau, l'originalité des intervalles (asymétriques et/ou discontinus) et des densités de prévision (asymétriqueset/ou multimodales) offerts par cette nouvelle forme de modélisation suggère qu'une amélioration de la prévisionrelativement aux modèles linéaires est alors possible et qu'il faut disposer de tests d'évaluation assez puissants pourvérifier cette éventuelle amélioration. Ces tests reviennent généralement à vérifier des hypothèses distributionnellessur les processus des violations et des transformées probabilistes associés respectivement à chacune de ces formes deprévision. Dans cette thèse, nous avons adapté le cadre GMM fondé sur les polynômes orthonormaux conçu parBontemps et Meddahi (2005, 2012) pour tester l'adéquation à certaines lois de probabilité, une approche déjà initiéepar Candelon et al. (2011) dans le cadre de l'évaluation de la Value-at-Risk. Outre la simplicité et la robustesse de laméthode, les tests développés présentent de bonnes propriétés en termes de tailles et de puissances. L'utilisation denotre nouvelle approche dans la comparaison de modèles linéaires et de modèles non-linéaires lors d'une analyseempirique a confirmé l'idée selon laquelle les premiers sont préférés si l'objectif est le calcul de simples prévisionsponctuelles tandis que les derniers sont les plus appropriés pour rendre compte de l'incertitude autour de celles-ci.

Les caractéristiques des fluctuations des concentrations de polluants dans un environnement intérieur normalement occupé dépendent fortement de plusieurs paramètres, en particulier des occupants et de leurs activités et comportement, qui altèrent de manière considérable la nature statistique de leur variabilité temporelle. Ces fluctuations sont rarement disponibles et décrites dans la littérature. La mise à disposition de mesures en continu de la concentration en formaldéhyde et en particules (de 0,35 à 20 µm de diamètre) dans l’air d’un environnement de bureau et d’une maison expérimentale sur plusieurs mois avec un pas de temps fin (entre 1 min et 1 heure) a permis d’engager une réflexion sur la nature de ces fluctuations et leur prévisibilité. L’objectif de la thèse se décline en trois axes de recherche : (i) la caractérisation des fluctuations des concentrations des polluants cible ; (ii) la mise en évidence des sources de variabilité de ces fluctuations et (iii) la prévision des concentrations de ces polluants. Le premier axe concerne la détermination des caractéristiques communes partagées par les différents polluants. Le deuxième axe porte, à l'aide des approches par séparation aveugle des sources, sur l'estimation des déterminants des sources de variabilité. Le troisième axe est consacré à la prévision des fluctuations de concentration des polluants. L'analyse des séries temporelles pour ce type de données (hautes fréquences) doit prendre en compte l’échelle de temps sur laquelle évoluent plusieurs microstructures. Plusieurs outils ont été employés : l'analyse spectrale (dépendance à long terme par la mesure fractale et la statistique R/S), la mesure de l’oméga-prédictibilité, ainsi que la décomposition des séries en composantes latentes par STL (seasonal trend decomposition using Loess), SSA (singular spectrum analysis) et SBD (spectral band decomposition).L'identification des sources de variabilité de particules a été abordée par les méthodes de séparation aveugle des sources basées sur une factorisation matricielle en profils et contributions, sous contrainte statistique d'indépendance (ACI) ou de non-négativité (NNMF ou PMF). Les factorisations ont été appliquées à la matrice constituée des séries temporelles de différentes gammes de taille des particules. Certains profils ou contributions des sources ont pu été interprétés grâce aux variables exogènes "traceurs" de certaines sources (comme le CO2 indicateur de la présence de la source occupants).Concernant la prévision des concentrations de polluants, le choix des modèles a été basé sur la structure de la série temporelle, mise en évidence lors de l’étape de caractérisation. On constate de meilleures performances de prévisions sur la série ayant subi un prétraitement statistique de décomposition STL, SSA ou SBD. Plusieurs types de modèles stochastiques (linéaires ou non linéaires) ont été appliqués ensuite à ces composantes et le résultat final de la prévision est donné par leur combinaison. La caractéristique de non-linéarité qui apparaît sous forme de changements abrupts de concentration causée en grande partie par la manipulation des ouvrants et qui se greffe sur l'évolution régulière du système dynamique mérite un traitement spécial. Un nouveau type de modèles de prévision a été développé pour répondre aux exigences de la nature des données hautes fréquences présentant ce type de non linéarité. Ce modèle associe une étape de décomposition des séries en bandes spectrales (SBD) couplée avec une étape de modélisation par des modèles autorégressifs à seuil (TAR) ou par la dynamique du chaos : FFT-(TAR/Chaos).Les résultats montrent que le prétraitement par décomposition en bandes spectrales ou STL améliore sensiblement la prévision des concentrations de formaldéhyde et des particules fines jusqu’à un horizon de 10 heures pour le formaldéhyde (pas de temps 1 minute) et de 1 à 4 jours pour les particules selon leur taille (pas de temps horaire) / The time fluctuation features of particulate concentrations in a real occupied indoor environment are strongly dependent of several parameters and in particular the occupation and occupants’ activities and behaviors. These parameters considerably alter the statistical variability of the time series dynamics. These fluctuations are rarely available and described in the literature. These types of fluctuations are rarely available and described in the literature. The availability of continuous measurements of concentrations of formaldehyde and particulate matter (from 0.35 to 20 µm of diameter) in an indoor environment (office and a test house) during several months with a fine time resolution (from 1 min to 1 hour) permitted to initiate a process of reflection on the nature of these fluctuations and their predictability. The aim of the thesis follows three main axis of research: (i) characterizing indoor environment pollutant concentrations variability; (ii) revealing the sources of variability of these fluctuations and (iii) forecasting the pollutant concentrations in a real indoor environment. The first axis concerns the determination of the common features shared by the different pollutants. The second axis focuses on the sources variability estimating using a Blind Source Separation (BSS) approach. Lastly, the third axis focuses on the forecasting of pollutant concentrations. The time series analysis for this type of data (high frequency) should take into account the time scale on which microstructures evolve. Several tools were employed, such as the spectral analysis (long-range dependency by fractal dimension measures and R/S statistic), the omega-predictability, as well as the time series decomposition into latent components by STL (Seasonal Trend Decomposition using Loess), SSA (Singular Spectrum Analysis) and SBD (Spectral Band Decomposition).The identification of the sources of particles concentrations is developed using BSS based methods which are based on a matrix factorization as profiles and contributions under a statistical independence constraint (ICA) or a non-negativity constraint (NNMF or PMF). The factorizations were applied to the matrix of the time series of different particle size bins. Some profiles or source contributions could be interpreted using exogenous variables as fingerprints of some sources (such as CO2 concentrations used as indicator of the “occupation”).Concerning the pollutant concentrations forecasting, the model selection was made in agreement with the time series structures, highlighted in the characterization stage. One can notice better performances forecasts when using the series having been preprocessed by decomposition: STL, SSA or decomposition in spectral bands (based Transform Fourier), SBD. Several types of stochastic models (linear or nonlinear) were then applied to these components and the final forecast result is given by their combination. A special type of nonlinearities involving a special treatment is the abrupt concentration changes in time series concentrations due mainly to windows manipulation and graft on the regular evolution of the dynamic system. A new type of forecast models has been developed in adequacy with the requirements of the nature of high-frequency data. This model combine spectral band decomposition step (SBD) coupled with a modeling stage based on autoregressive switching threshold model (TAR) or chaos dynamic: FFT- (TAR / Chaos).The results show that the pretreatment by spectral band decomposition or STL improves significantly formaldehyde and fine particles concentrations forecast on 10-hour horizon for formaldehyde (sampled every minute) and on a horizon of 1 to 4 days for the particles (sampled every hour), depending on their size bins

Cette thèse vise à mieux comprendre le processus d’implantation des initiatives d’amélioration de la qualité des soins en Haïti. Un programme national d’amélioration continue de la qualité, HEALTHQUAL-Haïti, a été choisi pour la réalisation d’une analyse d’implantation. Pour être systématique dans cette recherche évaluative, le modèle logique du programme d’amélioration continue de la qualité (PACQ) HEALTHQUAL-Haïti a été réalisé. Ce modèle a permis par la suite de poser les bonnes questions pour déterminer le degré de mise en œuvre de HEALTHQUAL-Haïti. Puis les facteurs qui ont facilité ou entravé la mise en œuvre du PACQ ont été analysés. Il s’agit d’une thèse par article. Trois (3) articles constituent le cœur de cette thèse : le premier présente le processus d’élaboration du modèle logique de HEALTHQUAL-Haïti ; le second apprécie le degré de mise en œuvre du programme HEALTHQUAL-Haïti ; le troisième présente les facteurs qui influencent le degré de mise en œuvre de HEALTHQUAL-Haïti. Ce dernier montre un cadre conceptuel avec différentes perspectives théoriques pour expliquer la mise en œuvre du programme HEALTHQUAL-Haïti tenant compte de la réalité empirique. Des facteurs externes et des facteurs internes influencent la mise en œuvre du programme HEALTHQUAL : les facteurs externes, particulièrement les caractéristiques des réseaux, la capacité de négociation, la capacité de mobilisation de ressources, la capacité de vaincre les résistances au changement, l’héritage politique, les normes institutionnelles, la situation socio-politique du pays et des facteurs internes comme le leadership partagé, l’appropriation du processus par les acteurs, le jeu de pouvoir, l’apprentissage organisationnel, la structure organisationnelle, le degré de motivation des prestataires, la culture des prestataires et la disponibilité des ressources. Un résultat fondamental, c’est que les modèles du changement, pris de façon isolée, n’expliquent que partiellement la mise en œuvre. Par ailleurs, c’est une configuration de facteurs tant externes qu’internes qui déterminent le degré de mise en œuvre à un moment donné. Sept (7) modèles du changement ont été retenus : le modèle politique, néo-institutionnel, psychologique, de l’apprentissage organisationnel, du développement organisationnel, le modèle structurel et le modèle rationnel. La culture organisationnelle interagit avec les variables des différents modèles du changement soit pour faciliter ou entraver la mise en œuvre du programme HEALTHQUAL. Ces différentes combinaisons de facteurs forment des archétypes, qui, à un moment donné, déterminent le degré d’implantation du programme HEALTHQUAL. / This thesis aims to better understand the process of implementing initiatives to improve the quality of care in Haiti. We have chosen a national continuous quality improvement program, HEALTHQUAL-Haïti, to conduct an implementation analysis using case studies. To be systematic in our evaluative research, we first produced the logic model of the Continuous Quality Improvement Program, HEALTHQUAL-Haiti. This model then allowed us to ask the right questions and select the right variables to analyze the degree of implementation of HEALTHQUAL-Haïti. We then looked at the factors that facilitated or hindered the implementation of the HEALTHQUAL-Haiti program. We have opted for a thesis by articles. Three (3) articles constitute this thesis: The first presents the process of developing the logical model of HEALTHQUAL-Haiti; the second assesses the degree of implementation of the HEALTHQUAL-Haiti program; the third presents the factors that influence the degree of implementation of HEALTHQUAL-Haiti. This last one describes a conceptual framework taking into account different theoretical perspectives to explain the implementation of the HEALTHQUAL-Haïti program. External and internal factors influence the implementation of the HEALTHQUAL program: external factors, particularly the characteristics of networks, negotiation capacity, capacity to mobilize resources, capacity to overcome resistance to change, political heritage, institutional norms, socio-political situation of the country, and internal factors such as shared leadership, ownership of the process by actors, power, organizational learning, organizational structure, level of motivation of providers, culture of providers, and availability of resources. What has been found is that models of change, taken in isolation, only partially explain implementation. Furthermore, we observed that it was a configuration of both external and internal factors that determined the degree of implementation at any given time. The different variables or concepts of seven models of change were considered: the political, neo-institutional, psychological, organizational learning, organizational development, structural and rational models. Organizational culture interacts with the variables of the different change models either to facilitate or hinder the implementation of the HEALTHQUAL program. These different combinations of factors form archetypes, which at any given time determine the implementation of the HEALTHQUAL program.