Return to search

Essays on numerically efficient inference in nonlinear and non-Gaussian state space models, and commodity market analysis.

The first two articles build procedures to simulate vector of univariate states
and estimate parameters in nonlinear and non Gaussian state space models. We
propose state space speci fications that offer more flexibility in modeling dynamic
relationship with latent variables. Our procedures are extension of the HESSIAN
method of McCausland[2012]. Thus, they use approximation of the posterior density
of the vector of states that allow to : simulate directly from the state vector
posterior distribution, to simulate the states vector in one bloc and jointly with the
vector of parameters, and to not allow data augmentation. These properties allow
to build posterior simulators with very high relative numerical efficiency. Generic,
they open a new path in nonlinear and non Gaussian state space analysis with
limited contribution of the modeler.
The third article is an essay in commodity market analysis. Private firms coexist
with farmers' cooperatives in commodity markets in subsaharan african countries.
The private firms have the biggest market share while some theoretical models predict
they disappearance once confronted to farmers cooperatives. Elsewhere, some
empirical studies and observations link cooperative incidence in a region with interpersonal trust, and thus to farmers trust toward cooperatives. We propose a model
that sustain these empirical facts. A model where the cooperative reputation is a
leading factor determining the market equilibrium of a price competition between
a cooperative and a private firm / Les deux premiers articles élaborent des procédures de simulation du vecteur
d'état et d'estimation des paramètres dans des modèles espace-états non linéaires
et non-Gaussiens. Nous proposons des spécifi cations des modèles espace-états qui
offrent plus de flexibilité dans la modélisation des relations dynamiques avec variables
latentes. Les procédures d'estimation des paramètres dans ces modèles sont
une extension de la méthode HESSIAN de McCausland[2012]. Ainsi, elles utilisent
une approximation de la densité à posteriori du vecteur d'état qui permet de : simuler
directement de la loi à posteriori du vecteur d'état, de simuler en seul bloc le
vecteur d'état et de le simuler conjointement avec le vecteur de paramètres, et de ne
pas admettre l'introduction d'inconnues additionnelles. Ces propriétés permettent
d'obtenir des simulateurs à posteriori avec une efficacité numérique relative très
élevée. Les procédures d'estimation élaborées sont génériques. Elles ouvrent ainsi
une voie pour une analyse des modèles espace-états non linéaires et non-Gaussiens
sans une grande contribution du modélisateur.
Le troisième article est une contribution dans l'analyse des marchés agricoles.
Les firmes privées coexistent avec les coopératives de fermiers dans les marchés
agricoles en Afrique subsaharienne. Les firmes privées accaparent les plus grandes
parts de marché, alors que certains modèles théoriques prédisent leur disparition
une fois confrontées aux coopératives agricoles. Par ailleurs, certaines observations
et études empiriques lient la forte incidence d'une coopérative dans une région à la
confiance interpersonnelle entre les personnes de cette région, et par conséquent la
confiance de ces personnes envers les coopératives existantes. Nous proposons un
modèle théorique qui cadre mieux avec ces observations empiriques. Un modèle où
la réputation de la coopérative est un facteur déterminant de l'équilibre de marché
dans la compétition sur le prix à la livraison entre celle-ci et une firme privée.

Identiferoai:union.ndltd.org:LACETR/oai:collectionscanada.gc.ca:QMU.1866/10209
Date06 1900
CreatorsDjegnéné, Gbowan Barnabé
ContributorsMcCausland, William, Gaudet, Gérard
Source SetsLibrary and Archives Canada ETDs Repository / Centre d'archives des thèses électroniques de Bibliothèque et Archives Canada
LanguageFrench
Detected LanguageFrench
TypeThèse ou Mémoire numérique / Electronic Thesis or Dissertation

Page generated in 0.0025 seconds