La crise financière de 2008 a mis en exergue l'instabilité financière des banques en identifiant le caractère procyclique du levier bancaire, la sous-capitalisation des banques, et la nécessité de définir une nouvelle régulation bancaire. La dimension internationale des activités bancaires et l'identification des banques globales complètent ce constat. Les banques européennes, par leurs expositions aux marchés financiers américains, sont diversifiées internationalement: une part de leurs actifs et de leurs dettes est libellée en dollar américain. Le taux de change flottant entre le dollar et l'euro introduit un effet de valorisation et un risque de change qui impactent la stabilité bancaire. Cette thèse étudie l'impact de la diversification internationale des bilans bancaires sur la procyclicité du levier, sur la structure du capital, et sur la volatilité de capital. Quatre chapitres combinent des travaux théoriques et empiriques. Le premier chapitre analyse l'impact théorique de la diversification sur la procyclicité du levier. Le chapitre 2 utilise des données bancaires françaises entre 1999 et 2015 et montre un impact positif. Dans le chapitre 3, les mêmes données sont utilisées afin d'estimer l'impact de la diversification sur la structure du capital. L'introduction de cette dimension est déterminante dans le cadre de cette analyse. Enfin, le chapitre 4 élargit la problématique en reliant l'intégration internationale, la diversification et la volatilité du capital. Nous identifions les différentes sources de risque et nous montrons que la banque peut bénéficier d'un régime de change flottant et d'une diversification internationale. / The 2008 financial crisis has rekindled discussions on the financial stability of banks by identifying the procyclical behavior of banking leverage, the lack of capital in banks' balance sheet and the necessity of introducing a new regulatory framework. It has also highlighted the international dimension of banking activities and the identification of global banks. The significant exposure to the US financial markets leads to an international diversification of European global banks where part of their assets and liabilities are denominated in US dollar. The floating exchange rate regime between the US dollar and the euro then implies a foreign exchange risk and a valuation effect that would affect banking stability. The purpose of thesis is to study the impact of international diversification of bank’s balance sheet on leverage procyclicality, capital structure and equity volatility. I develop four chapters combining theoretical and empirical research. The first chapter analyses the theoretical impact of currency diversification on leverage procyclicality. Chapter 2 uses innovative data on banks located in France from 1999 to 2015 and shows that the relationship is positive. In the third chapter, we use our data to estimate the impact of international diversification on capital structure and we show that introducing this new dimension is determinant to the capital structure. Finally, chapter 4 enlarges the analysis to international integration, diversification and equity volatility. I identify all risk channels a bank supports and show that banks can benefit from both floating foreign exchange regime and international diversification.

Cette thèse traite la contribution des méthodes d'ondelettes sur la modélisation des séries temporelles économiques et financières et se compose de deux parties: une partie univariée et une partie multivariée. Dans la première partie (chapitres 2 et 3), nous adoptons le cas univarié. Premièrement, nous examinons la classe des processus longue mémoire non-stationnaires. Une étude de simulation a été effectuée afin de comparer la performance de certaines méthodes d'estimation semi-paramétrique du paramètre d'intégration fractionnaire. Nous examinons aussi la mémoire longue dans la volatilité en utilisant des modèles FIGARCH pour les données de l'énergie. Les résultats montrent que la méthode d'estimation Exact Local Whittle de Shimotsu et Phillips [2005] est la meilleure méthode de détection de longue mémoire et la volatilité du pétrole exhibe une forte évidence de phénomène de mémoire longue. Ensuite, nous analysons le risque de marché des séries de rendements univariées de marchés boursier, qui est mesurée par le risque systématique (bêta) à différents horizons temporels. Les résultats montrent que le Bêta n'est pas stable, en raison de multi-trading stratégies des investisseurs. Les résultats basés sur l'analyse montrent que le risque mesuré par la VaR est plus concentrée aux plus hautes fréquences. La deuxième partie (chapitres 4 et 5) traite l'estimation de la variance et la corrélation conditionnelle des séries temporelles multivariées. Nous considérons deux classes de séries temporelles: les séries temporelles stationnaires (rendements) et les séries temporelles non-stationnaires (séries en niveaux). / This thesis deals with the contribution of wavelet methods on modeling economic and financial time series and consists of two parts: the univariate time series and multivariate time series. In the first part (chapters 2 and 3), we adopt univariate case. First, we examine the class of non-stationary long memory processes. A simulation study is carried out in order to compare the performance of some semi-parametric estimation methods for fractional differencing parameter. We also examine the long memory in volatility using FIGARCH models to model energy data. Results show that the Exact local Whittle estimation method of Shimotsu and Phillips [2005] is the better one and the oil volatility exhibit strong evidence of long memory. Next, we analyze the market risk of univariate stock market returns which is measured by systematic risk (beta) at different time horizons. Results show that beta is not stable, due to multi-trading strategies of investors. Results based on VaR analysis show that risk is more concentrated at higher frequency. The second part (chapters 4 and 5) deals with estimation of the conditional variance and correlation of multivariate time series. We consider two classes of time series: the stationary time series (returns) and the non-stationary time series (levels). We develop a novel approach, which combines wavelet multi-resolution analysis and multivariate GARCH models, i.e. the wavelet-based multivariate GARCH approach. However, to evaluate the volatility forecasts we compare the performance of several multivariate models using some criteria, such as loss functions, VaR estimation and hedging strategies.