L’objet de la thèse est d’exposer une démarche méthodologique qui vise à prendre en compte, dans les modèles de séries temporelles, des effets exogènes mesurés à l’aide de variables additionnelles, et de l’illustrer par un certain nombre d’applications au secteur des transports. Dans ces applications, le pas de temps est le jour, le mois, le trimestre voire le semestre : il s’est agi de prendre en compte des effets exogènes, de nature transitoire ou de nature durable, qui se manifestent dans le court terme. La première partie de la thèse traite de la modélisation des séries temporelles. Nous situons le cadre formel des modèles auxquels nous nous intéressons, nous exposons la démarche suivie dans le cadre des modèles ARMA avec variables explicatives, puis dans le cadre des modèles markoviens avec variables explicatives en y détaillant le cas particulier des modèles structurels. Les deuxième et troisième parties de la thèse regroupent deux ensembles d’applications. Le premier porte sur des données de trafics, de voyageurs et de marchandises, agrégées par mode de transport ou par grande catégorie de réseau, et le second sur des données d’accidents corporels et de victimes de la circulation routière, agrégées par grande catégorie de réseau routier. La période couverte la plus large est 1970-2000. La plupart des applications intègre la prise en compte des effets transitoires, de nature climatique et calendaire, sur la demande de transport et sur le risque routier, et nous donnons dans la thèse les premiers résultats détaillés démontrant pour la France la significativité du facteur climatique sur le bilan routier national, mesuré en nombres d’accidents corporels et de tués / The aim of the thesis is to set out a methodology that includes in time-series modelling exogenous effects measured by additional variables. This methodology is illustrated by a number of applications relating to transport. In these applications, time is measured in days, months, quarters and semesters (half years). We aim to take account of exogenous effects which are either transitory or durable lasting and which manifest themselves in the short term The first part of the thesis deals with time-series modelling. We provide a typology of timeseries models and place our approach within it. We describe the approach used in ARMA modelling with explanatory variables and then in state space modelling with explanatory variables, paying special attention to structural time-series modelling. The second and third parts bring together two groups of applications. The first group considers traffic datasets, for passengers and for freight, aggregated by mode and by main network type. The second group considers numbers of road injury accidents and casualties, aggregated by main network type. The largest period covered is 1970-2000. Most of the applications address the transitory effects on transport demand and road risk of weather and calendar factors. We provide the first detailed results that demonstrate the significance of weather factor on road safety in France, measured by numbers of injury accidents and fatalities

L'objet de la thèse est d'exposer une démarche méthodologique qui vise à prendre en compte, dans les modèles de séries temporelles, des effets exogènes mesurés à l'aide de variables additionnelles, et de l'illustrer par un certain nombre d'applications au secteur des transports. Dans ces applications, le pas de temps est le jour, le mois, le trimestre voire le semestre : il s'est agi de prendre en compte des effets exogènes, de nature transitoire ou de nature durable, qui se manifestent dans le court terme. La première partie de la thèse traite de la modélisation des séries temporelles. Nous situons le cadre formel des modèles auxquels nous nous intéressons, nous exposons la démarche suivie dans le cadre des modèles ARMA avec variables explicatives, puis dans le cadre des modèles markoviens avec variables explicatives en y détaillant le cas particulier des modèles structurels. Les deuxième et troisième parties de la thèse regroupent deux ensembles d'applications. Le premier porte sur des données de trafics, de voyageurs et de marchandises, agrégées par mode de transport ou par grande catégorie de réseau, et le second sur des données d'accidents corporels et de victimes de la circulation routière, agrégées par grande catégorie de réseau routier. La période couverte la plus large est 1970-2000. La plupart des applications intègre la prise en compte des effets transitoires, de nature climatique et calendaire, sur la demande de transport et sur le risque routier, et nous donnons dans la thèse les premiers résultats détaillés démontrant pour la France la significativité du facteur climatique sur le bilan routier national, mesuré en nombres d'accidents corporels et de tués

Cette thèse a pour objet de proposer une réponse à la question : « quels sont les déterminants de la qualité de l’information comptable diffusée par les entreprises libyennes dans leurs rapports annuels. ». La réponse apportée est à la fois théorique et empirique. Pour ce faire, au plan théorique, nous proposons une approche théorique et institutionnelle de la diffusion d’informations comptables. Ensuite, pour avoir une mesure numérique de la qualité de l’offre d’informations d’un rapport annuel, un système de pondération est attachée aux items de la liste. Cette pondération est établie sur la base des points attribués par différents utilisateurs, à savoir les analystes financiers et les experts comptables, présentés sous forme d’un questionnaire. Elle permet de calculer un indice numérique de qualité. L’indice de qualité de l’information comptable diffusée est une mesure de la satisfaction des besoins des analystes financiers et experts-Comptables. L’indice de qualité sert à évaluer les rapports annuels, pour ce faire, nous allons utiliser la méthode de l’équipondération qui semble qualifié comme objective. Les rapports annuels seront évaluer à l’aide de liste d’items pour la période 2007-2008-2009, par une méthode dichotomique en prenant 1 si l’item est présent et dans le cas contraire 0, afin de déterminer le score d’indice.L’indice de qualité obtenu pour chaque rapport annuel des entreprises étudiées nous aidera à explorer les déterminants potentiels de la qualité d’informations comptables diffusées dans le rapport annuel. L’étude statistique pour les dix hypothèses permet d’approfondir la connaissance des déterminants des pratiques de diffusion en Libye, et pour ce faire, nous allons utiliser principalement la méthode de régression linéaire multiple. En parallèle, nous évaluerons le niveau d’harmonisation comptable au sein des entreprises libyennes pour la période (2009) en utilisant l’indice C de comparabilité de Van der Tas (1988).Les résultats de cette recherche contribuent à la connaissance de la pratique de diffusion d’informations en Libye. / No abstract available

Le but de ce mémoire de maîtrise est de décrire les propriétés de la loi double Pareto-lognormale, de montrer comment on peut introduire des variables explicatives dans le modèle et de présenter son large potentiel d'applications dans le domaine de la science actuarielle et de la finance. Tout d'abord, nous donnons la définition de la loi double Pareto-lognormale et présentons certaines de ses propriétés basées sur les travaux de Reed et Jorgensen (2004). Les paramètres peuvent être estimés en utilisant la méthode des moments ou le maximum de vraisemblance. Ensuite, nous ajoutons une variable explicative à notre modèle. La procédure d'estimation des paramètres de ce mo-\\dèle est également discutée. Troisièmement, des applications numériques de notre modèle sont illustrées et quelques tests statistiques utiles sont effectués. / The purpose of this Master's thesis is to describe the double Pareto-lognormal distribution, show how the model can be extended by introducing explanatory variables in the model and present its large potential of applications in actuarial science and finance. First, we give the definition of the double Pareto-lognormal distribution and present some of its properties based on the work of Reed and Jorgensen (2004). The parameters could be estimated by using the method of moments or maximum likelihood. Next, we add an explanatory variable to our model. The procedure of estimation for this model is also discussed. Finally, some numerical applications of our model are illustrated and some useful statistical tests are conducted.

Nous proposons dans cette thèse la méthode STREE de construction d'arbres de décision avec des données symboliques. Ce type de données permet de caractériser des individus de niveau supérieur qui peuvent être des classes ou catégories d’individus ou des concepts au sens des treillis de Galois. Les valeurs des variables, appelées variables symboliques, peuvent être des ensembles, des intervalles ou des histogrammes. Le critère de partitionnement récursif est une combinaison d'un critère par rapport aux variables explicatives et d'un critère par rapport à la variable à expliquer. Le premier critère est la variation de la variance des variables explicatives. Quand il est appliqué seul, STREE correspond à une méthode descendante de classification non supervisée. Le second critère permet de construire un arbre de décision. Il s'agit de la variation de l'indice de Gini si la variable à expliquer est nominale et de la variation de la variance si la variable à expliquer est continue ou bien est une variable symbolique. Les données classiques sont un cas particulier de données symboliques sur lesquelles STREE peut aussi obtenir de bons résultats. Il en ressort de bonnes performances sur plusieurs jeux de données UCI par rapport à des méthodes classiques de Data Mining telles que CART, C4.5, Naive Bayes, KNN, MLP et SVM. STREE permet également la construction d'ensembles d'arbres de décision symboliques soit par bagging soit par boosting. L'utilisation de tels ensembles a pour but de pallier les insuffisances liées aux arbres de décisions eux-mêmes et d'obtenir une décision finale qui est en principe plus fiable que celle obtenue à partir d'un arbre unique. / In this thesis, we propose the STREE methodology for the construction of decision trees with symbolic data. This data type allows us to characterize individuals of higher levels which may be classes or categories of individuals or concepts within the meaning of the Galois lattice. The values of the variables, called symbolic variables, may be sets, intervals or histograms. The criterion of recursive partitioning is a combination of a criterion related to the explanatory variables and a criterion related to the dependant variable. The first criterion is the variation of the variance of the explanatory variables. When it is applied alone, STREE acts as a top-down clustering methodology. The second criterion enables us to build a decision tree. This criteron is expressed as the variation of the Gini index if the dependant variable is nominal, and as the variation of the variance if thedependant variable is continuous or is a symbolic variable. Conventional data are a special case of symbolic data on which STREE can also get good results. It has performed well on multiple sets of UCI data compared to conventional methodologies of Data Mining such as CART, C4.5, Naive Bayes, KNN, MLP and SVM. The STREE methodology also allows for the construction of ensembles of symbolic decision trees either by bagging or by boosting. The use of such ensembles is designed to overcome shortcomings related to the decisions trees themselves and to obtain a finaldecision that is in principle more reliable than that obtained from a single tree.

Ce mémoire s’intéresse aux modèles de Markov à variables latentes, une famille de modèles dans laquelle une chaîne de Markov latente régit le comportement d’un processus stochastique observable à travers duquel transparaît une version bruitée de la chaîne cachée. Pouvant être vus comme une généralisation naturelle des modèles de mélange, ces processus stochastiques bivariés ont entre autres démontré leur faculté à capter les dynamiques variables de maintes séries chronologiques et, plus spécifiquement en finance, à reproduire la plupart des faits stylisés des rendements financiers. Nous nous intéressons en particulier aux chaînes de Markov à temps discret et à espace d’états fini, avec l’objectif d’étudier l’apport de leurs reformulations hiérarchiques et de la relaxation de l’hypothèse d’homogénéité de la matrice de transition à la qualité de l’ajustement aux données et des prévisions, ainsi qu’à la reproduction des faits stylisés. Nous présentons à cet effet deux structures hiérarchiques, la première permettant une nouvelle interprétation des relations entre les états de la chaîne, et la seconde permettant de surcroît une plus grande parcimonie dans la paramétrisation de la matrice de transition. Nous nous intéressons de plus à trois extensions non-homogènes, dont deux dépendent de variables observables et une dépend d’une autre variable latente. Nous analysons pour ces modèles la qualité de l’ajustement aux données et des prévisions sur la série des log-rendements du S&P 500 et du taux de change Canada-États-Unis (CADUSD). Nous illustrons de plus la capacité des modèles à reproduire les faits stylisés, et présentons une interprétation des paramètres estimés pour les modèles hiérarchiques et non-homogènes. Les résultats obtenus semblent en général confirmer l’apport potentiel de structures hiérarchiques et des modèles non-homogènes. Ces résultats semblent en particulier suggérer que l’incorporation de dynamiques non-homogènes aux modèles hiérarchiques permette de reproduire plus fidèlement les faits stylisés—même la lente décroissance de l’autocorrélation des rendements centrés en valeur absolue et au carré—et d’améliorer la qualité des prévisions obtenues, tout en conservant la possibilité d’interpréter les paramètres estimés. / This master’s thesis is centered on the Hidden Markov Models, a family of models in which an unobserved Markov chain dictactes the behaviour of an observable stochastic process through which a noisy version of the latent chain is observed. These bivariate stochastic processes that can be seen as a natural generalization of mixture models have shown their ability to capture the varying dynamics of many time series and, more specifically in finance, to reproduce the stylized facts of financial returns. In particular, we are interested in discrete-time Markov chains with finite state spaces, with the objective of studying the contribution of their hierarchical formulations and the relaxation of the homogeneity hypothesis for the transition matrix to the quality of the fit and predictions, as well as the capacity to reproduce the stylized facts. We therefore present two hierarchical structures, the first allowing for new interpretations of the relationships between states of the chain, and the second allowing for a more parsimonious parameterization of the transition matrix. We also present three non-homogeneous models, two of which have transition probabilities dependent on observed explanatory variables, and the third in which the probabilities depend on another latent variable. We first analyze the goodness of fit and the predictive power of our models on the series of log returns of the S&P 500 and the exchange rate between canadian and american currencies (CADUSD). We also illustrate their capacity to reproduce the stylized facts, and present interpretations of the estimated parameters for the hierarchical and non-homogeneous models. In general, our results seem to confirm the contribution of hierarchical and non-homogeneous models to these measures of performance. In particular, these results seem to suggest that the incorporation of non-homogeneous dynamics to a hierarchical structure may allow for a more faithful reproduction of the stylized facts—even the slow decay of the autocorrelation functions of squared and absolute returns—and better predictive power, while still allowing for the interpretation of the estimated parameters.