La littérature existante sur la façon d'estimer et d'anticiper les rendements boursiers est très diversifiée. En effet, de nombreux auteurs estiment que les modèles linéaires tels que les processus de longue mémoire expliquent mieux les fluctuations sur les marchés boursiers. D'autres estiment plutôt que les modèles non linéaires sont plus adaptés, car les fluctuations sont plutôt déterminées par des chocs structurels. Ainsi un modèle non linéaire tel que celui faisant usage des changements de régimes de Markov serait préférable Notre étude qui est une application empirique des travaux de Haldrup et al (2010), cherche à estimer simultanément ces aspects linéaires et non linéaires, pour les rendements des indices boursiers de Londres (FTSE100), New York (S&P500), Tokyo (NIKKEI225) et Toronto (SPTSX). S'effectuant sur une période de 1984-2010, elle considérera également l'intérêt marginal que pourrait apporter une spécification multivariée plutôt qu'univariée à la prévision des rendements. L'estimation des paramètres de longue mémoire et des changements de régimes de Markov dans les rendements boursiers, confirme les conclusions de nos prédécesseurs. Cependant, suite à la réalisation des prévisions, nous obtiendrons que les modèles Vecteur Autorégressif avec changement de régime de Markov présentent de meilleures propriétés en terme de prévision que les modèles Vecteur Autorégressif avec Longue Mémoire et ceux avec Vecteur Autorégressif avec Changement de Régime de Markov et Longue Mémoire.

L’objectif de cette thèse est d’examiner le rôle joué par les élites stratégiques du régime de Z.A. Ben Ali dans son fonctionnement, sa chute puis sa transformation. En prenant appui sur l’analyse des relations intersectorielles et inter-élitaires qui structurent le régime autoritaire contesté en 2011, il nous a été possible de rendre compte de l’activité de ces acteurs en période de crise politique. Le résultat en est une configuration révolutionnaire originale : la chute du régime de Ben Ali s’est déroulée en l’absence de crise de régime avant le départ du chef. À son tour, ce changement de régime vient modifier les institutions et la place des élites sectorielles qui ordonnent le nouveau système politique. La transition politique est marquée par une rapide « élitisation » de la crise et par une continuité des caractéristiques sociales des agents, malgré un remarquable bouleversement institutionnel.

Cette thèse pose les questions suivantes : quels sont les rôles de la corruption et du clientélisme politique dans la gouvernance et la pérennisation des régimes autoritaires; et comment ces pratiques persistent ou se transforment dans les périodes de transformation politique et de changement de régime. Ces questions sont abordées à travers la lentille du cas tunisien, et aussi cette thèse s’appuie-t-elle sur une enquête de terrain conduite, d’un côté, auprès des acteurs de la lutte contre la corruption; et de l’autre auprès de cadres et de professionnels de l’industrie du ciment. Elle souligne que le clientélisme politique sous le régime Ben Ali, en tant qu’institution informelle, s’est transformé de façon concomitante aux transformations des institutions économiques et politiques formelles. Ensuite, après le changement de régime, les discours sur la corruption et la lutte contre la corruption indiquent que les institutions « démocratiques » émergentes peinent à s’affirmer face aux pratiques informelles du clientélisme politique, qui s’avèrent exceptionnellement résilientes.

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

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

Depuis la crise boursi`ere du secteur des Nouvelles Technologies en 2000 et la croissance très grande de la volatilité des actifs boursiers par rapport à ce qui a précédé cette année, la modélisation de cette volatilité et son effet de contagion à travers les marchés boursiers dans le monde, a suscité beaucoup de discussions et de recherches. Nous nous intéressons par conséquent, à la modélisation de la volatilité de trois indices technologiques : NASDAQ-100, IT.CAC et NEMAX et cinq indices globaux : Dow Jones Industrial Average, Standard & Poor 500, NASDAQ Composite, DAX et CAC40, afin de vérifier si le risque d'investissement, mesuré par la valeur à risque (VaR) a changé suite à la crise technologique et afin de montrer que la crise technologique, parmi toutes les crises boursières vécues, est la crise qui a le plus affecté les marchés boursiers à travers le monde. Notre calcul de la VaR exige une modélisation précise de la volatilité des séries étudiées et l'identification de la présence de corrélations conditionnelles dynamiques ou non. Nous utilisons différents modèles pour modéliser la volatilité des indices étudiés, notamment différents modèles à changements de régimes (SWARCH, SWGARCH et MSVECM) et le modèle GARCH multivari é à corrélations conditionnelles dynamiques (DCC-MVGARCH). Nous utilisons les modèles à changements de régimes et les modèles VAR afin de montrer l'existence d'effets de co-mouvements et de contagion entre les indices étudiés et le modèle DCC-MVGARCH afin de montrer l'effet de la crise technologique sur l'augmentation de la volatilité des marchés boursiers et la présence de corrélations dynamiques qui les lient, ainsi que pour le calcul de la VaR. Nous comparons à la fin les VaR calculées par le modèle DCC-MVGARCH avec des VaR calculée par la méthode non-paramétrique des copules.

Thèse numérisée par la Direction des bibliothèques de l'Université de Montréal.

Nous étudions quelques applications du contrôle stochastique aux options réelles et au risque de liquidité. Plus précisément, dans la première partie, nous nous intéressons à un problème de sélection du portefeuille optimal sous un modèle de risque de liquidité, puis dans la deuxième partie, à deux options réelles: un problème de changement de régime et un problème couplé de contrôle singulier et de changement de régime pour une politique de dividende avec investissement réversible, et enfin, dans la dernière partie, à l'existence d'un équilibre dans un marché compétitif sous asymétrie d'information. Dans la résolution de ces problèmes, surtout dans les deux premières parties, des techniques de contrôle stochastique seront utilisées. L'approche typique consiste à exprimer le principe de la programmation dynamique lié à chaque problématique afin d'obtenir une caractérisation par EDP des fonctions de valeur. Par cette approche, nous montrons, dans le problème de risque de liquidité et les deux options réelles, que les fonctions de valeur correspondantes sont l'unique solution du système d'inégalités variationnelles d'HJB associé. Dans chaque problème des deux premières parties, on peut obtenir les solutions, en particulier les contrôles optimaux, soit d'une manière explicite, soit par une méthode itérative.

Cette thèse tente d'évaluer l'intégration des marchés émergents dans une perspective régionale et intra-régionale. Elle contribue à la littérature existante en développant un modèle dynamique d’évaluation des actifs financiers à l’international (ICAPM) avec changement de régime. Spécifiquement, les rentabilités attendues peuvent passer du régime de segmentation parfaite au régime d’intégration parfaite ou inversement en fonction d’un certain nombre de facteurs nationaux, régionaux et internationaux qui sont susceptibles d’influencer le processus d’intégration financière. Le champ d’étude s’étend aux pays de l’Asie de Sud-est, d’Europe Sud-est, de l’Amérique Latine et du Moyen Orient sur la période 1996-2008. Nous développons le modèle de Bekaert et Harvey (1995) où la PPA n’est pas vérifiée, et les variances et covariances conditionnelles sont modélisées grâce à un processus GARCH multivarié. Cette approche permet de déterminer simultanément le niveau d’intégration au cours du temps de toutes les zones dans le marché mondial et le niveau d’intégration intra-régionale dans chaque région. Il permet aussi d’analyser la formation de la prime de risque totale. Nos résultats empiriques montrent que les marchés émergents restent encore très segmentés du marché mondial et des marchés régionaux. Ces résultats suggèrent que l’inclusion des actifs des marchés émergents continue à générer des gains de diversification substantiels, et que les règles d’évaluation devraient être conformes à un état d’intégration partielle. / The purpose of this thesis is to study the dynamics of the global integration process of four emerging market regions into the world and the regional market, while taking into account the importance of exchange rate and local market risk. An international capital asset pricing model suitable for partially integrated markets and departure from purchasing power parity was developed in the spirit of Bekaert and Harvey (1995)’s regime-switching model in order to explain the time-variations in expected returns on regional emerging market indices. In its fully functional form, the model allows the market integration measure as well as the global and local risk premiums to vary through time. We mainly find that the integration degree in emerging market regions (Latin America, Asia, Southeastern Europe, and the Middle East) varied widely through time over the period 1996-2008 and is satisfactorily explained by global, regional and national factors. Even though it reaches fairly high values during several periods, and exhibit an upward trend towards the end of the estimation period, the emerging market regions under consideration still remain segmented from the world and regional market. These results thus suggest that diversification into emerging market assets continue to produce substantial profits and that the asset pricing rules should reflect a state of partial integration. Our investigation, which addresses the evolution and formation of total risk premiums, confirm this empirically.

Les caractéristiques des fluctuations des concentrations de polluants dans un environnement intérieur normalement occupé dépendent fortement de plusieurs paramètres, en particulier des occupants et de leurs activités et comportement, qui altèrent de manière considérable la nature statistique de leur variabilité temporelle. Ces fluctuations sont rarement disponibles et décrites dans la littérature. La mise à disposition de mesures en continu de la concentration en formaldéhyde et en particules (de 0,35 à 20 µm de diamètre) dans l’air d’un environnement de bureau et d’une maison expérimentale sur plusieurs mois avec un pas de temps fin (entre 1 min et 1 heure) a permis d’engager une réflexion sur la nature de ces fluctuations et leur prévisibilité. L’objectif de la thèse se décline en trois axes de recherche : (i) la caractérisation des fluctuations des concentrations des polluants cible ; (ii) la mise en évidence des sources de variabilité de ces fluctuations et (iii) la prévision des concentrations de ces polluants. Le premier axe concerne la détermination des caractéristiques communes partagées par les différents polluants. Le deuxième axe porte, à l'aide des approches par séparation aveugle des sources, sur l'estimation des déterminants des sources de variabilité. Le troisième axe est consacré à la prévision des fluctuations de concentration des polluants. L'analyse des séries temporelles pour ce type de données (hautes fréquences) doit prendre en compte l’échelle de temps sur laquelle évoluent plusieurs microstructures. Plusieurs outils ont été employés : l'analyse spectrale (dépendance à long terme par la mesure fractale et la statistique R/S), la mesure de l’oméga-prédictibilité, ainsi que la décomposition des séries en composantes latentes par STL (seasonal trend decomposition using Loess), SSA (singular spectrum analysis) et SBD (spectral band decomposition).L'identification des sources de variabilité de particules a été abordée par les méthodes de séparation aveugle des sources basées sur une factorisation matricielle en profils et contributions, sous contrainte statistique d'indépendance (ACI) ou de non-négativité (NNMF ou PMF). Les factorisations ont été appliquées à la matrice constituée des séries temporelles de différentes gammes de taille des particules. Certains profils ou contributions des sources ont pu été interprétés grâce aux variables exogènes "traceurs" de certaines sources (comme le CO2 indicateur de la présence de la source occupants).Concernant la prévision des concentrations de polluants, le choix des modèles a été basé sur la structure de la série temporelle, mise en évidence lors de l’étape de caractérisation. On constate de meilleures performances de prévisions sur la série ayant subi un prétraitement statistique de décomposition STL, SSA ou SBD. Plusieurs types de modèles stochastiques (linéaires ou non linéaires) ont été appliqués ensuite à ces composantes et le résultat final de la prévision est donné par leur combinaison. La caractéristique de non-linéarité qui apparaît sous forme de changements abrupts de concentration causée en grande partie par la manipulation des ouvrants et qui se greffe sur l'évolution régulière du système dynamique mérite un traitement spécial. Un nouveau type de modèles de prévision a été développé pour répondre aux exigences de la nature des données hautes fréquences présentant ce type de non linéarité. Ce modèle associe une étape de décomposition des séries en bandes spectrales (SBD) couplée avec une étape de modélisation par des modèles autorégressifs à seuil (TAR) ou par la dynamique du chaos : FFT-(TAR/Chaos).Les résultats montrent que le prétraitement par décomposition en bandes spectrales ou STL améliore sensiblement la prévision des concentrations de formaldéhyde et des particules fines jusqu’à un horizon de 10 heures pour le formaldéhyde (pas de temps 1 minute) et de 1 à 4 jours pour les particules selon leur taille (pas de temps horaire) / The time fluctuation features of particulate concentrations in a real occupied indoor environment are strongly dependent of several parameters and in particular the occupation and occupants’ activities and behaviors. These parameters considerably alter the statistical variability of the time series dynamics. These fluctuations are rarely available and described in the literature. These types of fluctuations are rarely available and described in the literature. The availability of continuous measurements of concentrations of formaldehyde and particulate matter (from 0.35 to 20 µm of diameter) in an indoor environment (office and a test house) during several months with a fine time resolution (from 1 min to 1 hour) permitted to initiate a process of reflection on the nature of these fluctuations and their predictability. The aim of the thesis follows three main axis of research: (i) characterizing indoor environment pollutant concentrations variability; (ii) revealing the sources of variability of these fluctuations and (iii) forecasting the pollutant concentrations in a real indoor environment. The first axis concerns the determination of the common features shared by the different pollutants. The second axis focuses on the sources variability estimating using a Blind Source Separation (BSS) approach. Lastly, the third axis focuses on the forecasting of pollutant concentrations. The time series analysis for this type of data (high frequency) should take into account the time scale on which microstructures evolve. Several tools were employed, such as the spectral analysis (long-range dependency by fractal dimension measures and R/S statistic), the omega-predictability, as well as the time series decomposition into latent components by STL (Seasonal Trend Decomposition using Loess), SSA (Singular Spectrum Analysis) and SBD (Spectral Band Decomposition).The identification of the sources of particles concentrations is developed using BSS based methods which are based on a matrix factorization as profiles and contributions under a statistical independence constraint (ICA) or a non-negativity constraint (NNMF or PMF). The factorizations were applied to the matrix of the time series of different particle size bins. Some profiles or source contributions could be interpreted using exogenous variables as fingerprints of some sources (such as CO2 concentrations used as indicator of the “occupation”).Concerning the pollutant concentrations forecasting, the model selection was made in agreement with the time series structures, highlighted in the characterization stage. One can notice better performances forecasts when using the series having been preprocessed by decomposition: STL, SSA or decomposition in spectral bands (based Transform Fourier), SBD. Several types of stochastic models (linear or nonlinear) were then applied to these components and the final forecast result is given by their combination. A special type of nonlinearities involving a special treatment is the abrupt concentration changes in time series concentrations due mainly to windows manipulation and graft on the regular evolution of the dynamic system. A new type of forecast models has been developed in adequacy with the requirements of the nature of high-frequency data. This model combine spectral band decomposition step (SBD) coupled with a modeling stage based on autoregressive switching threshold model (TAR) or chaos dynamic: FFT- (TAR / Chaos).The results show that the pretreatment by spectral band decomposition or STL improves significantly formaldehyde and fine particles concentrations forecast on 10-hour horizon for formaldehyde (sampled every minute) and on a horizon of 1 to 4 days for the particles (sampled every hour), depending on their size bins