La prévision de la volatilité future constitue l'un des principaux enjeux actuels dans la finance contemporaine. De ce fait, une estimation précise de la volatilité, seul paramètre inobservable sur le marché, est cruciale pour la prise de décision en allocation d'actifs et en gestion des risques. Les modèles GARCH se basent sur les cours boursiers passés pour calculer ou estimer la volatilité. L'hypothèse qui se cache derrière cette approche est que l'on peut se servir du passé pour prédire l'avenir. Les modèles GARCH semblent toutefois peu adaptés à la prévision à long terme puisqu'ils présentent un retour à la moyenne. Nous avons alors utilisé le modèle EWMA qui présente l'avantage de ne pas retourner à la moyenne et nous avons estimé les paramètres des modèles étudiés pour reconstruire une volatilité historique de l'indice S&P500 par le biais de chaque modèle afin de les comparer avec le modèle de la volatilité réalisée. Les résultats de notre recherche montrent que la volatilité estimée par le modèle GARCH de Heston et Nandi (2000) n'est pas en mesure de reproduire la trajectoire suivie par la volatilité de l'indice S&P500 et ce modèle ne pourrait donc être employé pour faire des prévisions sur celle-ci. Nous avons trouvé également que le modèle EWMA semble significativement reproduire la même trajectoire que celle associée à la volatilité réalisée de l'indice et par conséquent on peut l'utiliser pour prévoir la volatilité future de l'indice S&P500. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Volatilité, S&P500, GARCH, EWMA, Heston et Nandi, VIX.
Identifer | oai:union.ndltd.org:LACETR/oai:collectionscanada.gc.ca:QMUQ.1217 |
Date | January 2008 |
Creators | Fares, Carole |
Source Sets | Library and Archives Canada ETDs Repository / Centre d'archives des thèses électroniques de Bibliothèque et Archives Canada |
Detected Language | French |
Type | Mémoire accepté, PeerReviewed |
Format | application/pdf |
Relation | http://www.archipel.uqam.ca/1217/ |
Page generated in 0.0017 seconds