Global ETD Search

11	Inférences dans les modèles ARCH : tests localement asymptotiquement optimaux / Inference in ARCH models : asymptotically optimal local tests Lounis, Tewfik 16 November 2015 (has links) L'objectif de cette thèse est la construction des tests localement et asymptotiquement optimaux. Le problème traité concerne un modèle qui contient une large classe de modèles de séries chronologiques. La propriété de la normalité asymptotique locale (LAN) est l'outil fondamental utilisé dans nos travaux de recherches. Une application de nos travaux en finance est proposée / The purpose of this phD thesis is the construction of alocally asymptotically optimal tests. In this testing problem, the considered model contains a large class of time series models. LAN property was the fundamental tools in our research works. Our results are applied in financial area Contiguïté Modèles ARCH Normalité asymptotique locale (LAN) Optimalité Suites centrales Statistique de Neyman-Pearson Troisième Lemme de Le Cam Tests Autoregressif models ARCH models Contiguity Discrete estimates Le Cam third Lemma Optimality Statistics of Neyman-Pearson Tests 519.56 330.015 195
12	Risques extrêmes en finance : analyse et modélisation / Financial extreme risks : analysis and modeling Salhi, Khaled 05 December 2016 (has links) Cette thèse étudie la gestion et la couverture du risque en s’appuyant sur la Value-at-Risk (VaR) et la Value-at-Risk Conditionnelle (CVaR), comme mesures de risque. La première partie propose un modèle d’évolution de prix que nous confrontons à des données réelles issues de la bourse de Paris (Euronext PARIS). Notre modèle prend en compte les probabilités d’occurrence des pertes extrêmes et les changements de régimes observés sur les données. Notre approche consiste à détecter les différentes périodes de chaque régime par la construction d’une chaîne de Markov cachée et à estimer la queue de distribution de chaque régime par des lois puissances. Nous montrons empiriquement que ces dernières sont plus adaptées que les lois normales et les lois stables. L’estimation de la VaR est validée par plusieurs backtests et comparée aux résultats d’autres modèles classiques sur une base de 56 actifs boursiers. Dans la deuxième partie, nous supposons que les prix boursiers sont modélisés par des exponentielles de processus de Lévy. Dans un premier temps, nous développons une méthode numérique pour le calcul de la VaR et la CVaR cumulatives. Ce problème est résolu en utilisant la formalisation de Rockafellar et Uryasev, que nous évaluons numériquement par inversion de Fourier. Dans un deuxième temps, nous nous intéressons à la minimisation du risque de couverture des options européennes, sous une contrainte budgétaire sur le capital initial. En mesurant ce risque par la CVaR, nous établissons une équivalence entre ce problème et un problème de type Neyman-Pearson, pour lequel nous proposons une approximation numérique s’appuyant sur la relaxation de la contrainte / This thesis studies the risk management and hedging, based on the Value-at-Risk (VaR) and the Conditional Value-at-Risk (CVaR) as risk measures. The first part offers a stocks return model that we test in real data from NSYE Euronext. Our model takes into account the probability of occurrence of extreme losses and the regime switching observed in the data. Our approach is to detect the different periods of each regime by constructing a hidden Markov chain and estimate the tail of each regime distribution by power laws. We empirically show that powers laws are more suitable than Gaussian law and stable laws. The estimated VaR is validated by several backtests and compared to other conventional models results on a basis of 56 stock market assets. In the second part, we assume that stock prices are modeled by exponentials of a Lévy process. First, we develop a numerical method to compute the cumulative VaR and CVaR. This problem is solved by using the formalization of Rockafellar and Uryasev, which we numerically evaluate by Fourier inversion techniques. Secondly, we are interested in minimizing the hedging risk of European options under a budget constraint on the initial capital. By measuring this risk by CVaR, we establish an equivalence between this problem and a problem of Neyman-Pearson type, for which we propose a numerical approximation based on the constraint relaxation Value-At-Risk Value-At-Risk Conditionnelle Lois puissances Modèles de Markov cachés Processus de Lévy Transformée de Fourier rapide Lemme de Neyman-Pearson Value-At-Risk Conditional Value-At-Risk Power laws Hidden Markov models Lévy processes Fast Fourier transforms Neyman-Pearson Lemma 332.015 1
13	Sur les familles des lois de fonction de hasard unimodale : applications en fiabilité et analyse de survie Saaidia, Noureddine 24 June 2013 (has links) En fiabilité et en analyse de survie, les distributions qui ont une fonction de hasard unimodale ne sont pas nombreuses, qu'on peut citer: Gaussienne inverse ,log-normale, log-logistique, de Birnbaum-Saunders, de Weibull exponentielle et de Weibullgénéralisée. Dans cette thèse, nous développons les tests modifiés du Chi-deux pour ces distributions tout en comparant la distribution Gaussienne inverse avec les autres. Ensuite nousconstruisons le modèle AFT basé sur la distribution Gaussienne inverse et les systèmes redondants basés sur les distributions de fonction de hasard unimodale. / In reliability and survival analysis, distributions that have a unimodalor $\cap-$shape hazard rate function are not too many, they include: the inverse Gaussian,log-normal, log-logistic, Birnbaum-Saunders, exponential Weibull and power generalized Weibulldistributions. In this thesis, we develop the modified Chi-squared tests for these distributions,and we give a comparative study between the inverse Gaussian distribution and the otherdistributions, then we realize simulations. We also construct the AFT model based on the inverseGaussian distribution and redundant systems based on distributions having a unimodal hazard ratefunction. Distribution Gaussienne inverse, Distribution log-normale, Distribution log-logistique, Distribution de Birnbaum-Saunders, Distribution de Weibull exponentielle, Distribution de Weibull généralisée, Test du Chi-deux, Test modifié du Chi-deux, Fiabilité, Analyse de survie, Modèle de Sedyakin, Modèle AFT, Systèmes redondants, Intervalle de confiance, Temps de panne, Maximum de vraisemblance, Estimation, Classes de Neyman-Pearson. Inverse Gaussian distribution, Log-normal distribution, Log-logistic distribution, Birnbaum-Saunders Distribution , Exponential Weibull distribution, Power generalized Weibull distribution, Chi-square test, Modified Chi-squared, Reliability, Survival analysis, Sedyakin's model, AFT model, Redundant system, Confidence interval, Failure time, Maximum likelihood , Estimation, Neyman-Pearson classes Maximum de vraisemblance,
14	Statistical Inference Chou, Pei-Hsin 26 June 2008 (has links) In this paper, we will investigate the important properties of three major parts of statistical inference: point estimation, interval estimation and hypothesis testing. For point estimation, we consider the two methods of finding estimators: moment estimators and maximum likelihood estimators, and three methods of evaluating estimators: mean squared error, best unbiased estimators and sufficiency and unbiasedness. For interval estimation, we consider the the general confidence interval, confidence interval in one sample, confidence interval in two samples, sample sizes and finite population correction factors. In hypothesis testing, we consider the theory of testing of hypotheses, testing in one sample, testing in two samples, and the three methods of finding tests: uniformly most powerful test, likelihood ratio test and goodness of fit test. Many examples are used to illustrate their applications. finite population correction factor statistical hypothesis type I error composite hypothesis power Central limit theorem Basu theorem critical value goodness of fit test likelihood ratio test Lehmann-Scheffe theorem complete statistic ancillary statistic P-value type II error Rao-Blackwell theorem simple hypothesis one-sided test two-sided test significance level sufficient statistic alternative hypothesis testing hypothesis null hypothesis rejection region confidence interval confidence level minimum variance unbiased estimator interval estimation uniformly most powerful test Cramer-Rao inequality likelihood function mean square error moment estimator error of estimation point estimation maximum likelihood estimator bias consistent estimator minimal sufficient statistic factorization theorem unbiased estimator statistic most powerful test test statistics Neyman-Pearson lemma decision rule

Page generated in 0.0381 seconds