L'intérêt du modèle GARCH à changement de régimes markoviens est de combiner deux approches en économétrie financière dans le but d'offrir un meilleur ajustement aux données financières et de mieux refléter leurs dynamiques. L'estimation de ce modèle est une tâche difficile, car la fonction de vraisemblance dépend de toute la trajectoire des régimes de la chaîne de Markov. Ceci a conduit certains chercheurs à proposer des simplifications au modèle afin d'éviter ce problème et ainsi rendre l'estimation par maximum de vraisemblance possible. D'autres auteurs ont suggéré des techniques d'estimation qui ne dépendent pas de la vraisemblance. Jusqu'à ce jour, il n'y a pas de méthode pouvant calculer l'estimateur du maximum de vraisemblance sans recourir à une simplification du modèle. Une nouvelle approche est développée basée sur l'algorithme Monte Carlo EM et sur l'échantillonnage préférentiel permettant d'obtenir l'estimateur du maximum de vraisemblance et sa matrice de variance-covariance asymptotique. L'efficacité de cette méthode est démontrée sur des données simulées et empiriques.

Date : Lundi le 7 janvier 2013
Heure : 11h00
Lieu : Pavillon André-Aisenstadt
Salle :6214
Conférencier : MACIEJ AUGUSTYNIAK