Mon mémoire vérifie si les répondants aux questions d'intentions de vote dichotomiques posées par questionnaires téléphoniques sont influencés par l'ordre de présentation des candidats. La théorie du contentement prédit l'absence d'effet d'ordre. Mon mémoire teste cette hypothèse de "non-effet". J'élabore le cadre d'analyse du tir à la corde, distinguant six scénarios éventuellement cachés derrière les effets mesurés. Deux scénarios correspondent à mon hypothèse. Ma stratégie de recherche consiste à éliminer les scénarios rivaux jusqu'à ce qu'il ne reste que les deux scénarios de non-effet. Les intentions de vote de la campagne présidentielle américaine de 2008 sont extraites du Roper Center. L'expérience 1 effectue une méta-analyse des effets d'ordres dans 53 questions. Trois scénarios rivaux sont éliminés. L'expérience 2 confirme que les effets mesurés sont dus à des divisions légèrement asymétriques des échantillons lors de la rotation aléatoire des candidats, éliminant le dernier scénario rival. Ce test échoue à rejeter l'hypothèse de non-effet.

La démocratie est fondée sur l’idée que les gouvernements sont sensibles à l’opinion des citoyens qu’ils sont élus pour représenter. Des mesures fiables de l’opinion publique sont requises afin de permettre aux élus de gouverner de manière efficace. Les sources traditionnelles d’information sur l’opinion publique se complexifient avec l’accroissement des modalités de communication et les changements culturels qui y sont associés. La diversification des technologies de l’information et de la communication ainsi que la forte baisse des taux de réponse aux enquêtes de sondages provoquent une crise de confiance dans les méthodes d’échantillonnage probabiliste classique. Une source d’information sur l’opinion publique de plus en plus riche, mais relativement peu exploitée, se présente sous la forme d’ensembles de données extraordinairement volumineuses et complexes, communément appelées Big Data. Ces données présentent de nombreux défis liés à l’inférence statistique, notamment parce qu’elles prennent généralement la forme d’échantillons non probabilistes. En combinant des avancées récentes en sciences sociales numériques, en statistiques et en technologie de l’information, cette thèse, constituée de trois articles, aborde certains de ces défis en développant de nouvelles approches, permettant l’extraction d’informations adaptées aux larges ensembles de données. Ces nouvelles approches permettent d’étudier l’opinion publique sous de nouveaux angles et ainsi de contribuer à des débats théoriques importants dans la littérature sur la recherche sur l’opinion publique en rassemblant les preuves empiriques nécessaires afin de tester des théories de la science politique qui n’avaient pas pu être abordées, jusqu’à présent, en raison du manque des données. Dans le premier article, sur le placement idéologique des utilisateurs sur les médias sociaux, nous développons un modèle permettant de prédire l’idéologie et l’intention de vote des utilisateurs sur les médias sociaux en se basant sur le jargon qu’ils emploient dans leurs interactions sur les plateformes de médias sociaux. Dans le second article, sur l’identité nationale au Canada, nous présentons une approche permettant d’étudier l’hétérogénéité de l’identité nationale en explorant la variance de l’attachement à des symboles nationaux parmi les citoyens à partir de données provenant d’un vaste sondage en ligne. Dans le troisième article portant sur les prédictions électorales, nous introduisons une approche se basant sur le concept de la sagesse des foules, qui facilite l’utilisation de données à grande échelle dans le contexte d’études électorales non-aléatoires afin de corriger les biais de sélection inhérents à de tels échantillons. Chacune de ces études améliore notre compréhension collective sur la manière dont les sciences sociales numériques peuvent accroître notre connaissance théorique des dynamiques de l’opinion publique et du comportement politique. / Democracy is predicated on the idea that governments are responsive to the publics which they are elected to represent. In order for elected representatives to govern effectively, they require reliable measures of public opinion. Traditional sources of public opinion research are increasingly complicated by the expanding modalities of communication and accompanying cultural shifts. Diversification of information and communication technologies as well as a steep decline in survey response rates is producing a crisis of confidence in conventional probability sampling. An increasingly rich, yet relatively untapped, source of public opinion takes the form of extraordinarily large, complex datasets commonly referred to as Big Data. These datasets present numerous challenges for statistical inference, not least of which is that they typically take the form of non-probability sample. By combining recent advances in social science, computer science, statistics, and information technology, this thesis, which combines three distinct articles, addresses some of these challenges by developing new and scalable approaches to facilitate the extraction of valuable insights from Big Data. In so doing, it introduces novel approaches to study public opinion and contributes to important theoretical debates within the literature on public opinion research by marshalling the empirical evidence necessary to test theories in political science that were previously unaddressed due to data scarcity. In our first article, Ideological scaling of social media users, we develop a model that predicts the ideology and vote intention of social media users by virtue of the vernacular that they employ in their interactions on social media platforms. In our second article, The symbolic mosaic, we draw from a large online panel survey in Canada to make inferences about the heterogeneous construction of national identities by exploring variance in the attachment to symbols among various publics. Finally, in our third article, Crowdsourcing the vote, we endeavour to draw on the wisdom of the crowd in large, non-random election studies as part of an effort to control for the selection bias inherent to such samples. Each of these studies makes a contribution to our collective understanding of how computational social science can advance theoretical knowledge of the dynamics of public opinion and political behaviour.

Cette thèse, organisée en trois chapitres, porte sur la modélisation et la prévision des séries chronologiques économiques et financières. Les deux premiers chapitres proposent de nouveaux modèles économétriques pour l'analyse des données économiques et financières en relaxant certaines hypothèses irréalistes habituellement faites dans la littérature. Le chapitre 1 développe un nouveau modèle de volatilité appelé TVP[indice ANN]-GARCH. Ce modèle offre une dynamique riche pour modéliser les données financières en considérant une structure GARCH (Generalized autoregressive conditional heteroscedasticity) dans laquelle les paramètres varient dans le temps selon un réseau de neurones artificiels (ANN). L'utilisation des ANNs permet de résoudre le problème de l'évaluation de la vraisemblance (présent dans les modèles à paramètres variables dans le temps (TVP)) et permet également l'utilisation de variables explicatives supplémentaires. Le chapitre développe également un algorithme Monte Carlo séquentiel (SMC) original et efficace pour estimer le modèle. Une application empirique montre que le modèle se compare favorablement aux processus de volatilité populaires en termes de prévisions de court et de long terme. L'approche peut facilement être étendue à tout modèle à paramètres fixes. Le chapitre 2 développe trois polynômes de retard autorégressifs (AR) parcimonieux qui génèrent des fonctions d'autocorrélation à décroissance lente, comme on l'observe généralement dans les séries chronologiques financières et économiques. La dynamique des polynômes de retard est similaire à celle de deux processus très performants, à savoir le modèle MSM (Multifractal Markov-Switching) et le modèle FHMV (Factorial Hidden Markov Volatility). Ils sont très flexibles car ils peuvent être appliqués à de nombreux modèles populaires tels que les processus ARMA, GARCH et de volatilité stochastique. Une analyse empirique met en évidence l'utilité des polynômes de retard pour la prévision de la moyenne conditionnelle et de la volatilité. Ils devraient être considérés comme des modèles de prévision alternatifs pour les séries chronologiques économiques et financières. Le dernier chapitre s'appuie sur une approche de régression prédictive en deux étapes pour identifier l'impact des nouvelles macroéconomiques américaines sur les rendements obligataires de trois petites économies ouvertes (Canada, Royaume-Uni et Suède). Nos résultats suggèrent que les nouvelles macroéconomiques américaines sont significativement plus importantes pour expliquer la dynamique de la courbe des taux dans les petites économies ouvertes (PEO) que les nouvelles nationales elles-mêmes. Les nouvelles relatives à la politique monétaire américaine ne sont pas les seuls facteurs importants des variations des rendements obligataires des PEO, mais les nouvelles relatives au cycle économique jouent également un rôle significatif. / This thesis, organized in three chapters, focuses on modelling and forecasting economic and financial time series. The first two chapters propose new econometric models for analysing economic and financial data by relaxing unrealistic assumptions usually made in the literature. Chapter 1 develops a new volatility model named TVP[subscript ANN]-GARCH. The model offers rich dynamics to model financial data by allowing for a generalized autoregressive conditional heteroscedasticity (GARCH) structure in which parameters vary over time according to an artificial neural network (ANN). The use of ANNs for parameters dynamics is a valuable contribution as it helps to deal with the problem of likelihood evaluation (exhibited in time-varying parameters (TVP) models). It also allows for the use of additional explanatory variables. The chapter develops an original and efficient Sequential Monte Carlo sampler (SMC) to estimate the model. An empirical application shows that the model favourably compares to popular volatility processes in terms of out-of sample fit. The approach can easily be extended to any fixed-parameters model. Chapter 2 develops three parsimonious autoregressive (AR) lag polynomials that generate slowly decaying autocorrelation functions as generally observed financial and economic time series. The dynamics of the lag polynomials are similar to that of two well performing processes, namely the Markov-Switching Multifractal (MSM) and the Factorial Hidden Markov Volatility (FHMV) models. They are very flexible as they can be applied in many popular models such as ARMA, GARCH, and stochastic volatility processes. An empirical analysis highlights the usefulness of the lag polynomials for conditional mean and volatility forecasting. They could be considered as forecasting alternatives for economic and financial time series. The last chapter relies on a two steps predictive regression approach to identify the impact of US macroeconomic releases on three small open economies (Canada, United Kingdom, and Sweden) bond yields at high and low frequencies. Our findings suggest that US macro news are significantly more important in explaining yield curve dynamics in small open economies (SOEs) than domestic news itself. Not only US monetary policy news are important drivers of SOEs bond yield changes, but business cycle news also play a significant role.

Dans un contexte d'amplification d'évènements climatiques majeurs, la population fait face à différents impacts négatifs, touchant autant leur bien-être que leur environnement. Ce mémoire de maîtrise consiste à réaliser une analyse géographique de la vulnérabilité de la population québécoise face aux inondations. Une analyse plus approfondie est effectuée sur les municipalités de Châteauguay, Montmagny et Sainte-Brigitte-de-Laval. Jusqu'à ce jour, peu d'indicateurs étaient disponibles pour analyser la vulnérabilité de la population face à cet aléa climatique à l'échelle du Québec. Cette étude permet d'identifier et d'analyser les zones vulnérables aux inondations à l'échelle des municipalités québécoises. Dans le but de cartographier ces phénomènes, la sélection de variables retenues d'après une revue de littérature, la création d'indicateurs synthétiques et d'une cartographie synthétique de la vulnérabilité sont primordiales. La mise en place d'une cartographie participative auprès des acteurs municipaux a été effectuée afin de connaître la situation spécifique des municipalités face aux inondations et de valider les résultats obtenus lors de l'élaboration des indicateurs synthétiques. Cette recherche, autant au niveau méthodologique que cartographique, se base sur deux dimensions de la vulnérabilité, soit la sensibilité et la capacité à faire face. À terme, cette étude a permis de mettre en évidence les zones se retrouvant dans une situation de vulnérabilité à la survenue de cet aléa climatique extrême, correspondant ainsi aux zones sensibles et où la capacité à faire face aux inondations est moindre. Mots-clés : Vulnérabilité, inondation, sensibilité, capacité à faire face, cartographie, municipalités québécoises.

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 performance à long terme du réseau routier au Québec est fortement influencée par le climat et les conditions météorologiques (Doré et Zubeck, 2008). Parmi ces facteurs, des niveaux élevés de saturation dans les sols et les matériaux de chaussée peuvent être une cause importante de la détérioration des routes. Selon des scénarios de changements climatiques établis par Ouranos, le sud du Québec subira des augmentations de précipitations moyennes mensuelles de -0,1 % à 8,45 % sur un horizon de 2010 à 2039. Le but de ce projet est de quantifier l’effet de ces futures augmentations sur le comportement mécanique des structures de chaussées et des sols. Basé sur les données collectées dans des sections de routes instrumentées, une relation entre les précipitations et l’augmentation du niveau de saturation des couches de chaussée est proposée. Afin de déterminer la relation entre les propriétés mécaniques et la teneur en eau, les comportements en module réversible et en déformation permanente (quatre différents sols) ont été déterminés avec des essais triaxiaux et ont été validés avec un simulateur de charge routier. Une analyse d’endommagement est effectuée afin de quantifier la diminution de la durée de vie utile causée par les changements climatiques. Il a été montré que les augmentations de précipitations, prévues au Québec, auront un impact significatif sur la performance des chaussées. Ainsi, certaines techniques de mitigation seront proposées pour pallier la diminution de la vie utile des chaussées. / The long-term performance of the road network of the province of Quebec (Canada) is strongly influenced by the climate and the weather conditions. Amongst other factors, high levels of saturation in soils and pavement materials are believed to be an important cause of pavement deterioration. According to the climate change scenarios established by Ouranos (2010), the North and South of Quebec will undergo an average precipitation increase from -0.1% to 8.45% in a future horizon of 2010-2039. The purpose of this project is to quantify the effect of these expected precipitation increases on the mechanical behavior of road structures, materials and soils. Based on literature and on data collected on instrumented road sections, a relationship between precipitation increase and saturation level of pavement layers is proposed. The resilient modulus and permanent deformation behavior for various water contents and four different subgrade soils was determined using triaxial tests, which were validated using small-scale heavy vehicle simulator, in order to determine the existing relationship between mechanical properties and moisture contents. Using the precipitation increase scenarios and the preset models, a damage analysis is performed to quantify the decrease of pavements service life caused by climate change. It is found that climate change, and more precisely the increase of precipitation expected in the Province of Quebec, will have a significant impact on pavement performance and that adapted pavement structures and materials, such as improved drainage, increased structural capacity or materials with reduced sensitivity to water, are possible options to reduce the loss of pavement life associated with climate change.

Les entreprises du bois d’oeuvre ont besoin d’une part de synchroniser les activités de production, d’approvisionnement et de ventes, et d’autre part, de maximiser les profits face à une demande hétérogène et saisonnière. L’objectif de cette thèse de doctorat est de développer et d’évaluer de nouvelles approches intégrées de gestion de la demande dans un contexte de capacité limitée, afin de mieux orienter ces entreprises de façon à maximiser les profits et à améliorer la satisfaction des clients les plus prioritaires. Le cas d’étude, inspiré de la réalité des entreprises du bois d’oeuvre québécoises, considère différents clients hétérogènes, des processus de production divergents et plusieurs usines oeuvrant dans un mode de fabrication pour les stocks, où les plans d’approvisionnement, de production et de ventes sont pilotés par les prévisions de la demande et des prix. Dans cette thèse, on commence par définir un cadre décisionnel mutiniveau afin de supporter les décisions d’allocation prises aux niveaux tactique et opérationnel, ainsi que les promesses de livraison conclues en temps réel. En particulier, on propose un processus de gestion de la demande intégrant la planification des ventes et des opérations (S&OP) avec la promesse de livraison basée sur les concepts de gestion des revenus : une nouvelle formulation mathématique, intégrant un modèle S&OP adapté à l’industrie du bois d’oeuvre et un modèle de promesse de livraison utilisant des limites de réservation imbriquées, est fournie. Cette formulation offre la possibilité de changer les décisions d’allocation en temps réel tant que les commandes fermes ne sont pas expédiées. Une plateforme d’optimisation et de simulation en horizon roulant est développée afin d’évaluer la valeur de l’intégration de la planification des ventes et des opérations et de la gestion des revenus. Les résultats de simulation ont démontré la capacité d’un processus intégrant le S&OP et la gestion des revenus, dans un contexte de capacité limitée et face à une demande hétérogène et saisonnière, à réaliser des meilleurs profits et à mieux satisfaire les clients prioritaires que les processus conventionnels de gestion de la demande. La plateforme d’optimisation et de simulation développée est utilisée, dans une seconde étape, pour étudier la performance de différents processus intégrés de gestion de la demande face à différentes situations du marché. En effet, on compare différentes séquences d’arrivée des commandes et deux approches de promesse de livraison. A cette fin, on adopte une nouvelle procédure de planification et d’analyse des expériences dans un contexte de gestion de la chaîne d’approvisionnement : un plan de remplissage d’espace est utilisé pour définir des scénarios variés du marché et des métamodèles de krigeage sont générés pour analyser les résultats. L’analyse des résultats a mis en évidence l’amélioration potentielle de performance qu’on peut atteindre en utilisant les concepts de gestion des revenus et a démontré l’impact de la séquence d’arrivée des commandes sur le profit annuel et le niveau de satisfaction des clients prioritaires. Les implications managériales qui découlent de cette analyse sont également présentées. Dans une troisième étape, on analyse l’effet de la substitution et de certains concepts de gestion des revenus. En particulier, on investigue l’intérêt d’offrir à certains clients privilégiés un produit de qualité supérieure au prix du produit original demandé (soit l’équivalent d’un sur-classement pour les entreprises de service), ce qui est une pratique assez commune dans l’industrie du bois d’oeuvre. À cette fin, on introduit la dimension produit dans le modèle de promesse de livraison basée sur les concepts de gestion des revenus et on mène une simulation en horizon roulant afin de comparer différentes approches intégrées de promesse de livraison. Les résultats de simulation soulignent l’efficacité d’une approche de promesse de livraison intégrant le sur-classement et les concepts de gestion des revenus, comparée aux pratiques communes utilisées pour satisfaire la demande dans un contexte de capacité limitée. En effet, le sur-classement s’avère significativement bénéfique s’il est associé aux concepts de gestion des revenus, vu que l’utilisation de limites de réservation empêche de proposer un sur-classement si le produit en question a été alloué à des commandes plus rentables. / This thesis addresses the need of softwood lumber firms operating in a supply-constrained environment and facing heterogeneous and seasonal market, to synchronize between the different business units of supply chain and to maximize profits. The objective is to develop and to evaluate new integrated demand management approaches for limited capacity contexts in a way to maximize profits and enhance the service level offered to high-priority customers. Our case study, inspired from softwood lumber manufacturers located in Eastern Canada, considers heterogeneous customers, divergent production processes and several mills considered as an MTS environment since operations and sales plans are driven by forecasts. In this thesis, we first define a multilevel decision framework in order to support mediumterm, short-term and real-time sales decisions. We propose a demand management process integrating sales and operations planning (S&OP) and revenue management (RM) concepts : we present a new mathematical formulation integrating an S&OP network model in the softwood lumber industry and an order promising model using nested booking limits. This formulation offers the possibility of changing decisions of how confirmed orders have to be fulfilled as late as possible, which we called order reassignment. Considering current demand management practices and existing IT-systems, we developed a simulationoptimization platform in order to evaluate the demand management process performance the benefits of integrating S&OP and RM concepts in various scenarios. Simulation results provide evidence of the value of integrating RM and S&OP and show that we can offer better service level to high-priority customers and higher profit margin compared to common demand management practices. The simulation-optimization platform is used, in a second step, to investigate how an integrated demand management process, that can be configured differently, can perform facing various order arrival sequences and market disturbances. For this purpose, we use relatively novel techniques – a space-filling design and Kriging metamodeling – in supply chain settings to address the impact of decision and environmental factors on the performance of the integrated demand management process. The simulation results affirm the use of nested booking limits can be a powerful tool to maximize revenues facing different environmental conditions. We also show how order arrival sequence can play a relevant role, especially with a high customer heterogeneity. In addition, as motivated by an industrial problem, we discuss the potential implications of the analysis presented for firms operating in supplyconstrained environments, such as Canadian softwood firms. As a third step, we investigate the benefits of integrating revenue management and product substitution in a manufacturing context. We particularly examine the situation when a higher quality substitute is provided at the original product’s price, which is called an upgrade. Upgrading is a common demand fulfillment practice in the Canadian softwood lumber industry. Thus, we generalize the order promising model using nested booking limits and we add a product dimension to enable product substitution. Then, we conduct a rolling horizon simulation in order to compare different demand fulfillment approaches. The simulation results demonstrate that integrating RM and upgrading achieves better performance than common demand fulfillment approaches in a limited capacity context. The value of upgrading is more significant when integrated with RM concepts since the use of nested booking limits prevents from doing unprofitable upgrades. Thus, inventories are preserved for future profitable orders.

La démographie québécoise est actuellement caractérisée par de lourdes tendances, se traduisant dans la composition de la population par un vieillissement marqué. Ce phénomène est porteur de bouleversements qui s'opéreront sur quelques décennies et qui soulèvent des enjeux socio-économiques très importants. Cette rédaction propose donc une étude de cette mutation démographique en cours, par l'analyse de la structure de population changeante, avec une attention toute particulière aux changements affectant la population active. À partir de ces transformations démographiques appréhendées, une évaluation des impacts probables sur le marché du travail établira quelques unes des répercussions importantes du vieillissement sur l'évolution de l'offre de main-d'oeuvre québécoise. Une étude des variations d'offre de travailleurs projetée pour chacune des régions du Québec introduira le lecteur aux possibles déséquilibres des interactions sur le marché du travail liés à une réduction substantielle de l'offre de main-d'oeuvre.

Dans ce mémoire, nous adressons l'efficacité du marché financier de l'électricité en Amérique du Nord. Nous regardons spécifiquement la complexité des modèles à terme et la qualité de leurs prévisions. Nous concentrons notre étude sur deux modèles à terme, le modèle simple de Black et Scholes et un plus complexe, défini par Pilipovic. Nous regardons six marchés dans les États-Unis comme la MidColombia, le NP15, le ComEd, le Cinergy, le PJM et le NePool. La plage des données quotidiennes utilisées est de 1997 à 2002, soit pré et post Enron. Nous avons incorporé dans les modèles les propriétés stochastiques fondamentales associées aux prix à terme comme la diffusion de saut et moyenne inversée. Nous employons le facteur de corrélation pour étudier les modèles contre des prix passés et les données projetés. Nos résultats montrent que Black-Scholes est légèrement supérieur pour prévoir le prix court à terme. Les deux modèles ne sont pas appropriés pour l'évaluation à long terme. / In this thesis, we address the efficiency of the financial market of electricity in North America. We specifically look at the complexity of future models and the quality of the forecast. We focus our study on two future models, from a basic model, the Black-Scholes to a more complex, one defined by Pilipovic. We look at six markets in United-States as Mid-Colombia, NP15, ComEd, Cinergy, PJM and NePool. The daily data range from 1997 to 2 002, as pre and post Enron. We incorporated fundamental stochastic properties associated to spot and futures prices as jump diffusion and mean reversion. We use a correlation factor to define the fitness of the models against past and real prices. Our findings show that Black-Scholes is slightly better to foresee short term price. Both models are not appropriate for long term pricing.

Les marchés financiers sont sujets quotidiennement à la diffusion de statistiques économiques ainsi que leurs prévisions par des institutions publiques et privées. Ces annonces sont prévues ou non prévues. Les annonces prévues sont organisées selon un calendrier connu à l’avance par tous les opérateurs. Ces annonces telles que les statistiques d'activité, d’exportation ou de sentiments, sont publiées une fois par mois par des agences spécialisées telles que Bloomberg. La diffusion d’une statistique économique ou financière est toujours précédée par la publication de sa prévision calculée comme la médiane de toutes les prévisions individuelles fournies par les agents. Cette médiane est un proxy de la vision commune des opérateurs et aide à la construction d'une représentation collective de l'environnement économique. Le premier chapitre de ma thèse a pour objectif d'analyser l'hétérogénéité dans la prévision des annonces macroéconomiques est testée grâce à des données mensuelles de prévisions issues d'enquêtes conduites par Bloomberg, sur une série d'indicateurs macroéconomiques. S’ensuit alors une deuxième problématique. Quels sont aux yeux des investisseurs, les critères qui permettent de considérer qu’une annonce est plus importante qu’une autre ? L’analyse du processus par lequel une information est incorporée dans les cours, nous a éclairés sur l’existence d’une forte rotation dans les statistiques considérées comme importantes (Market Mover indicators). Le deuxième chapitre tente donc de répondre à cette problématique. Dans un dernier chapitre je m’interroge sur la dynamique des prix post-publications d’annonces macroéconomiques et financières. Des connections sont réalisées entre les Jumps sur les cours des actifs et les annonces macroéconomiques, financières mais aussi imprévues. / Financial markets are subjected daily to the diffusion of economic indicators and their forecasts by public institutions and even private ones. These annoncements can be scheduled or unscheduled. The scheduled announcements are organized according to a specific calendar and known in advance by all operators. These news such as activity indicators, credit, export or sentiments’ surveys, are published monthly or quarterly by specialized agencies to all operators in real time. Our thesis contributes to diferent literatures and aims to thoroughly analyze the three phases of the diffusion process of new information on financial markets : anticipation of the announcement before its publication, interest that arouse its publication and impact of its publication on market dynamics. The aim of the first chapter is to investigate heterogeneity in macroeconomic news forecasts using disaggregate data of monthly expectation surveys conducted by Bloomberg on macroeconomic indicators from January 1999 to February 2013. The second chapter examines the impact of surprises associated with monthly macroeconomic news releases on Treasury-bond returns, by paying particular attention to the moment at which the information is published in the month. In the third chapter we examine the intraday effects of surprises from scheduled and unscheduled announcements on six major exchange rate returns (jumps) using an extension of the standard Tobit model with heteroskedastic and asymmetric errors.