No description available.

No description available.

Ma thèse est composée de trois chapitres reliés à l'estimation des modèles espace-état et volatilité stochastique. Dans le première article, nous développons une procédure de lissage de l'état, avec efficacité computationnelle, dans un modèle espace-état linéaire et gaussien. Nous montrons comment exploiter la structure particulière des modèles espace-état pour tirer les états latents efficacement. Nous analysons l'efficacité computationnelle des méthodes basées sur le filtre de Kalman, l'algorithme facteur de Cholesky et notre nouvelle méthode utilisant le compte d'opérations et d'expériences de calcul. Nous montrons que pour de nombreux cas importants, notre méthode est plus efficace. Les gains sont particulièrement grands pour les cas où la dimension des variables observées est grande ou dans les cas où il faut faire des tirages répétés des états pour les mêmes valeurs de paramètres. Comme application, on considère un modèle multivarié de Poisson avec le temps des intensités variables, lequel est utilisé pour analyser le compte de données des transactions sur les marchés financières. Dans le deuxième chapitre, nous proposons une nouvelle technique pour analyser des modèles multivariés à volatilité stochastique. La méthode proposée est basée sur le tirage efficace de la volatilité de son densité conditionnelle sachant les paramètres et les données. Notre méthodologie s'applique aux modèles avec plusieurs types de dépendance dans la coupe transversale. Nous pouvons modeler des matrices de corrélation conditionnelles variant dans le temps en incorporant des facteurs dans l'équation de rendements, où les facteurs sont des processus de volatilité stochastique indépendants. Nous pouvons incorporer des copules pour permettre la dépendance conditionnelle des rendements sachant la volatilité, permettant avoir différent lois marginaux de Student avec des degrés de liberté spécifiques pour capturer l'hétérogénéité des rendements. On tire la volatilité comme un bloc dans la dimension du temps et un à la fois dans la dimension de la coupe transversale. Nous appliquons la méthode introduite par McCausland (2012) pour obtenir une bonne approximation de la distribution conditionnelle à posteriori de la volatilité d'un rendement sachant les volatilités d'autres rendements, les paramètres et les corrélations dynamiques. Le modèle est évalué en utilisant des données réelles pour dix taux de change. Nous rapportons des résultats pour des modèles univariés de volatilité stochastique et deux modèles multivariés. Dans le troisième chapitre, nous évaluons l'information contribuée par des variations de volatilite réalisée à l'évaluation et prévision de la volatilité quand des prix sont mesurés avec et sans erreur. Nous utilisons de modèles de volatilité stochastique. Nous considérons le point de vue d'un investisseur pour qui la volatilité est une variable latent inconnu et la volatilité réalisée est une quantité d'échantillon qui contient des informations sur lui. Nous employons des méthodes bayésiennes de Monte Carlo par chaîne de Markov pour estimer les modèles, qui permettent la formulation, non seulement des densités a posteriori de la volatilité, mais aussi les densités prédictives de la volatilité future. Nous comparons les prévisions de volatilité et les taux de succès des prévisions qui emploient et n'emploient pas l'information contenue dans la volatilité réalisée. Cette approche se distingue de celles existantes dans la littérature empirique en ce sens que ces dernières se limitent le plus souvent à documenter la capacité de la volatilité réalisée à se prévoir à elle-même. Nous présentons des applications empiriques en utilisant les rendements journaliers des indices et de taux de change. Les différents modèles concurrents sont appliqués à la seconde moitié de 2008, une période marquante dans la récente crise financière. / My thesis consists of three chapters related to the estimation of state space models and stochastic volatility models. In the first chapter we develop a computationally efficient procedure for state smoothing in Gaussian linear state space models. We show how to exploit the special structure of state-space models to draw latent states efficiently. We analyze the computational efficiency of Kalman-filter-based methods, the Cholesky Factor Algorithm, and our new method using counts of operations and computational experiments. We show that for many important cases, our method is most efficient. Gains are particularly large for cases where the dimension of observed variables is large or where one makes repeated draws of states for the same parameter values. We apply our method to a multivariate Poisson model with time-varying intensities, which we use to analyze financial market transaction count data. In the second chapter, we propose a new technique for the analysis of multivariate stochastic volatility models, based on efficient draws of volatility from its conditional posterior distribution. It applies to models with several kinds of cross-sectional dependence. Full VAR coefficient and covariance matrices give cross-sectional volatility dependence. Mean factor structure allows conditional correlations, given states, to vary in time. The conditional return distribution features Student's t marginals, with asset-specific degrees of freedom, and copulas describing cross-sectional dependence. We draw volatility as a block in the time dimension and one-at-a-time in the cross-section. Following McCausland(2012), we use close approximations of the conditional posterior distributions of volatility blocks as Metropolis-Hastings proposal distributions. We illustrate using daily return data for ten currencies. We report results for univariate stochastic volatility models and two multivariate models. In the third chapter, we evaluate the information contributed by (variations of) realized volatility to the estimation and forecasting of volatility when prices are measured with and without error using a stochastic volatility model. We consider the viewpoint of an investor for whom volatility is an unknown latent variable and realized volatility is a sample quantity which contains information about it. We use Bayesian Markov Chain Monte Carlo (MCMC) methods to estimate the models, which allow the formulation of the posterior densities of in-sample volatilities, and the predictive densities of future volatilities. We then compare the volatility forecasts and hit rates from predictions that use and do not use the information contained in realized volatility. This approach is in contrast with most of the empirical realized volatility literature which most often documents the ability of realized volatility to forecast itself. Our empirical applications use daily index returns and foreign exchange during the 2008-2009 financial crisis.

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

本研究顯著地發展時間轉換Lévy過程在最適投資組合的運用性。在連續Lévy過程模型設定下，槓桿效果直接地產生跨期波動度不對稱避險需求，而波動度回饋效果則透過槓桿效果間接地發生影響。另外，關於無窮跳躍Lévy過程模型設定部分，槓桿效果仍扮演重要的影響角色，而波動度回饋效果僅在短期投資決策中發生作用。最後，在本研究所提出之一般化隨機波動度不對稱資產報酬動態模型下，得出在無窮跳躍的資產動態模型設定下，擴散項仍為重要的決定項。 / This study significantly extends the applicability of time-changed Lévy processes to the portfolio optimization. The leverage effect directly induces the intertemporal asymmetric volatility hedging demand, while the volatility feedback effect exerts a minor influence via the leverage effect under the pure-continuous time-changed Lévy process. Furthermore, the leverage effect still plays a major role while the volatility feedback effect just works over the short-term investment horizon under the infinite-jump Lévy process. Based on the proposed general stochastic asymmetric volatility asset return model, we conclude that the diffusion term is an essential determinant of financial modeling for index dynamics given infinite-activity jump structure.

This thesis brings new evidence on different strands of the literature in macro-finance, international economics and macroeconometrics. The first two chapters combine both theoretical models and empirical techniques to deepen the analysis of important economic phenomena such as the effects of economic policy uncertainty on financial markets, and convergence between emerging market economies and advanced economies on these markets. The third chapter of the thesis, which is co-authored with Hafedh Bouakez, contributes to the literature on the identification of news shocks about future productivity. In the first chapter, I study the effect of monetary and fiscal policy uncertainty on nominal U.S. government bond yields and premiums. I use a New-Keynesian Dynamic Stochastic General Equilibrium model featuring recursive preferences, and both real and nominal rigidities. Policy uncertainty in the DSGE model is defined as a mean-preserving spread of the policy shock distributions. My results show that: (i) When the economy is subject to unpredictable shocks to the volatility of policy instruments, the level of the median yield curve is lower, its slope increases and risk premiums decrease relative to an economy with no stochastic volatility. This negative effect on the level of yields and premiums is due to the asymmetric impact of positive versus negative shocks; (ii) A typical policy risk shock increases yields at all maturities. This is because the fall in yields triggered by higher demand for bonds by households, in order to hedge against higher predicted consumption volatility, is outweighed by the increase in yields due to higher inflation risk premiums. Finally, I use several empirical measures economic policy uncertainty in a structural VAR model to show that the above effects of policy risk shocks on yields are consistent empirical evidence. Chapter 2 looks at the market for government bonds in 12 advanced economies and 8 emerging market economies, during the period 1999-2012, and consider the question of whether or not there has been any convergence of risk between emerging market and advanced economies. I distinguish between default risk and other types of risk, such as inflation, liquidity and exchange rate risk. I make the theoretical case that forward risk premium differentials can be used to distinguish default risk and other risks. I then construct forward risk premium differentials and use these to make the empirical case that there has been little convergence associated with the other types of risk. I also show that differences in countries' macroeconomic fundamentals and political risk play an important role in explaining the large "non-default" risk differentials observed between emerging and advanced economies. Chapter 3 proposes a novel strategy to identify anticipated and unanticipated technology shocks, which leads to results that are consistent with the predictions of conventional new-Keynesian models. It shows that the failure of many empirical studies to generate consistent responses to these shocks is due to impurities in the available TFP series, which lead to an incorrect identification of unanticipated technology shocks---whose estimated effects are inconsistent with the interpretation of these disturbances as supply shocks. This, in turn, contaminates the identification of news shocks. My co-author, Hafedh Bouakez, and I propose an agnostic identification strategy that allows TFP to be affected by both technological and non-technological shocks, and identifies unanticipated technology shocks via sign restrictions on the response of inflation. The results show that the effects of both surprise TFP shocks and news shocks are generally consistent with the predictions of standard new-Keynesian models. In particular, the inflation puzzle documented in previous studies vanishes under the novel empirical strategy. / Cette thèse présente de nouveaux résultats sur différentes branches de la littérature en macro-finance, économie internationale et macro-économétrie. Les deux premiers chapitres combinent des modèles théoriques et des techniques empiriques pour approfondir l’étude de phénomènes économiques importants tels que les effets de l’incertitude liée aux politiques économiques sur les marchés financiers et la convergence entre les pays émergents et les pays avancés sur ces marchés. Le troisième chapitre, qui est le fruit d’une collaboration avec Hafedh Bouakez, contribue à la littérature sur l’identification des chocs anticipés sur la productivité future. Dans le premier chapitre, j’étudie l’effet de l’incertitude relative aux politiques monétaire et fiscale sur les rendements et les primes de risque associés aux actifs nominaux du gouvernement des États-Unis. J’utilise un modèle d’équilibre stochastique et dynamique de type néo-Keynesien prenant en compte des préférences récursives des agents et des rigidités réelles et nominales. En utilisant un modèle VAR structurel. L’incertitude relative aux politiques économiques est définie comme étant une expansion de la distribution des chocs de politique, expansion au cours de laquelle la moyenne de la distribution reste inchangée. Mes résultats montrent que : (i) Lorsque l’économie est sujette à des chocs imprévisibles sur la volatilité des instruments de politique, le niveau médian de la courbe des rendements baisse de 8,56 points de base, sa pente s’accroît de 13,5 points de base et les primes de risque baissent en moyenne de 0.21 point de base. Cet effet négatif sur le niveau de rendements et les primes de risque est dû à l’impact asymétrique des chocs de signes opposés mais de même amplitude; (ii) Un choc positif à la volatilité des politiques économiques entraîne une hausse des rendements pour toutes les durées de maturité. Cet effet s’explique par le comportement des ménages qui, à la suite du choc, augmentent leur demande de bons dans le but de se prémunir contre les fortes fluctuations espérées au niveau de la consommation, ce qui entraîne des pressions à la baisse sur les rendements. De façon simultanée, ces ménages requièrent une hausse des taux d’intérêt en raison d’une espérance d’inflation future plus grande. Les analyses montrent que le premier effet est dominant, entraînant donc la hausse des rendements observée. Enfin, j’utilise plusieurs mesures empiriques d’incertitude de politiques économiques et un modèle VAR structurel pour montrer les résultats ci-dessus sont conformes avec les faits empiriques. Le Chapitre 2 explore le marché des bons du gouvernement de 12 pays avancés et 8 pays émergents, pendant la période 1999-2012, et analyses la question de savoir s’il y a eu une quelconque convergence du risque associé à ces actifs entre les deux catégories de pays. Je fais une distinction entre risque de défaut et autres types de risque, comme ceux liés au risque d’inflation, de liquidité ou de change. Je commence par montrer théoriquement que le différentiel au niveau des primes de risque « forward » entre les deux pays peut être utilisé pour faire la distinction entre le risque « forward » et les utilise pour montrer qu’il est difficile de conclure que ces autres types de risque dans les pays émergents ont convergé vers les niveaux différents de risque politique, jouent un rôle important dans l’explication des différences de primes de risque – autres que celles associées au risque de défaut– entre les pays émergents et les pays avancés. Le Chapitre 3 propose une nouvelle stratégie d’identification des chocs technologiques anticipés et non-anticipés, qui conduit à des résultats similaires aux prédictions des modèles néo-Keynésiens conventionnels. Il montre que l’incapacité de plusieurs méthodes empiriques à générer des résultats rejoignant la théorie est due à l’impureté des données existences sur la productivité totale des facteurs (TFP), conduisant à mauvaise identification des chocs technologiques non-anticipés-dont les effets estimés ne concordent pas avec l’interprétation de tels chocs comme des chocs d’offre. Ce problème, à son tour, contamine l’identification des chocs technologiques anticipés. Mon co-auteur, Hafedh Bouakez, et moi proposons une stratégie d’identification agnostique qui permet à la TFP d’être affectée de façon contemporaine par deux chocs surprises (technologique et non technologique), le premier étant identifié en faisant recours aux restrictions de signe sur la réponse de l’inflation. Les résultats montrent que les effets des chocs technologiques anticipés et non-anticipés concordent avec les prédictions des modèles néo-Keynésiens standards. En particulier, le puzzle rencontré dans les travaux précédents concernant les effets d’un choc non-anticipé sur l’inflation disparaît lorsque notre nouvelle stratégie est employée.

本研究利用美國芝加哥商品交易所針對 18 個城市發行之冷氣指數／暖氣指數衍生性商品與相對應之日均溫進行分析與評價。研究成果與貢獻如下：一、延伸 Alaton, Djehince, and Stillberg (2002) 模型，引入跳躍風險、隨機波動度、波動跳躍等因子，提出新模型以捕捉更多溫度指數之特徵。二、針對不同模型，分別利用最大概似法、期望最大演算法、粒子濾波演算法等進行參數估計。實證結果顯示新模型具有較好之配適能力。三、利用 Esscher 轉換將真實機率測度轉換至風險中立機率測度，並進一步利用　Feynman-Kac 方程式與傅立葉轉換求出溫度模型之機率分配。四、推導冷氣指數／暖氣指數期貨之半封閉評價公式，而冷氣指數／暖氣指數期貨之選擇權不存在封閉評價公式，則利用蒙地卡羅模擬進行評價。五、無論樣本內與樣本外之定價誤差，考慮隨機波動度型態之模型對於溫度衍生性商品皆具有較好之評價績效。六、實證指出溫度市場之市場風險價格為負，顯示投資人承受較高之溫度風險時會要求較高之風險溢酬。本研究可給予受溫度風險影響之產業，針對衍生性商品之評價與模型參數估計上提供較為精準、客觀與較有效率之工具。 / This study uses the daily average temperature index (DAT) and market price of the CDD/HDD derivatives for 18 cities from the CME group. There are some contributions in this study: (i) we extend the Alaton, Djehince, and Stillberg (2002)'s framework by introducing the jump risk, the stochastic volatility, and the jump in volatility. (ii) The model parameters are estimated by the MLE, the EM algorithm, and the PF algorithm. And, the complex model exists the better goodness-of-fit for the path of the temperature index. (iii) We employ the Esscher transform to change the probability measure and derive the probability density function of each model by the Feynman-Kac formula and the Fourier transform. (iv) The semi-closed form of the CDD/HDD futures pricing formula is derived, and we use the Monte-Carlo simulation to value the CDD/HDD futures options due to no closed-form solution. (v) Whatever in-sample and out-of-sample pricing performance, the type of the stochastic volatility performs the better fitting for the temperature derivatives. (vi) The market price of risk differs to zero significantly (most are negative), so the investors require the positive weather risk premium for the derivatives. The results in this study can provide the guide of fitting model and pricing derivatives to the weather-linked institutions in the future.