Scribd Logo
Importer

Bienvenue sur Scribd !

  • 35 vues

    Sujet-Session 2

    Transféré par

    Oumaima Radouan
    Le document présente une analyse de séries temporelles du prix du pétrole réalisée pour une banque d'investissement. L'analyse montre que le processus générateur suit un modèle ARMA(2,2) dont les résidus suivent un processus GARCH(1,1) permettant de modéliser la volatilité conditionnelle. Cette modélisation est utilisée pour estimer la Value at Risk du portefeuille exposé au prix du pétrole.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd

    Sujet-Session 2

    Transféré par

    Oumaima Radouan
    35 vues4 pages
    Le document présente une analyse de séries temporelles du prix du pétrole réalisée pour une banque d'investissement. L'analyse montre que le processus générateur suit un modèle ARMA(2,2) dont les résidus suivent un processus GARCH(1,1) permettant de modéliser la volatilité conditionnelle. Cette modélisation est utilisée pour estimer la Value at Risk du portefeuille exposé au prix du pétrole.

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Le document présente une analyse de séries temporelles du prix du pétrole réalisée pour une banque d'investissement. L'analyse montre que le processus générateur suit un modèle ARMA(2,2) dont les résidus suivent un processus GARCH(1,1) permettant de modéliser la volatilité conditionnelle. Cette modélisation est utilisée pour estimer la Value at Risk du portefeuille exposé au prix du pétrole.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    35 vues4 pages

    Sujet-Session 2

    Transféré par

    Oumaima Radouan
    Le document présente une analyse de séries temporelles du prix du pétrole réalisée pour une banque d'investissement. L'analyse montre que le processus générateur suit un modèle ARMA(2,2) dont les résidus suivent un processus GARCH(1,1) permettant de modéliser la volatilité conditionnelle. Cette modélisation est utilisée pour estimer la Value at Risk du portefeuille exposé au prix du pétrole.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    sur 4

    UNIVERSITÉ DE MONTPELLIER

    FACULTÉ D’ÉCONOMIE
    Année universitaire 2018-2019 - EXAMENS

    Année d’étude : Master 1 Enseignant : F.BENHMAD


    Matière : Econométrie des séries temporelles Durée : 1h 30
    Semestre : 2 Session : 2

    Documents autorisés non


    Dictionnaires autorisés pour les étudiants non francophones oui
    Calculatrices non programmables autorisées non

    L’utilisation du téléphone portable durant les épreuves est formellement interdite.


    ---------------------------------------------------------------------------------------------------------------------------

    Une banque d’investissement souhaite évaluer l’espérance du rendement et le risque inhérent


    à la détention du pétrole comme actif au sein de son portefeuille. Il demande alors à un
    étudiant du Master 1 MBFA d’analyser la série temporelle journalière du prix de pétrole.

    1/ A l’aide des documents ci-dessous, analyser la stationnarité du processus générateur du


    prix du pétrole.

    Figure 1 : Prix international du pétrole de 1/1/2003 à 29/12/2018

    1
    Figure 2 : Corrélogramme du prix du pétrole

    Tableau 1. Test de KPSS

    2/ L’analyse de la série temporelle des rendements selon l’algorithme de Box-Jenkins permet


    la sélection du processus ARMA(2,2) comme processus générateur de la série.

    2.1 En quoi consiste l’algorithme de Box-Jenkins ?


    2.2 Quels sont les critères selon lesquels le processus ARMA(2,2) peut-t-il être choisi ?

    3/ Les résidus issus de l’estimation du modèle ARMA(2,2) présentent les statistiques


    descriptives suivantes :

    Quelles sont les informations fournies par ces statistiques ?

    2
    4/ Afin de valider le modèle ARMA(2,2), on fait appel à plusieurs tests de diagnostic.

    Test 1

    Test 2

    Quelles sont les conclusions issues de l’application de ces tests d’adéquation ?

    5/ L’estimation d’un modèle GARCH(1,1) pour les résidus du modèle ARMA(2,2) donne les
    résultats suivants :

    Comment construit-on un modèle GARCH (1,1) ? Commenter les résultats de l’estimation de


    ce modèle.

    3
    6/ La modélisation GARCH est utilisée pour capter la dynamique d’un phénomène particulier
    qui caractérise les marchés financiers.

    De quel phénomène s’agit-il ? Quelles sont les caractéristiques de ce phénomène décrites par
    les figures suivantes ?

    7/ La banque d’investissement exposée au prix du pétrole décide d’utiliser la modélisation


    ARMA-GARCH pour en estimer la Value at Risk.

    7.1 Définir la Value at Risk (VaR).

    7.2 Afin d’effectuer le backtesting de la VaR, le gérant de portefeuille fait appel à plusieurs
    lois de distribution de probabilité.

    - Définir le backtesting
    - Justifier l’usage de lois de probabilités autres que la loi normale.

    Vous aimerez peut-être aussi