Login
Modeling latent variables in economics and finance
Abstract Le sujet des variables latentes est au coeur de cette thèse. Ces variables latentes (i.e., non observables) doivent être inférées à l’aide de modèles statistiques ou de variables proxy observables. Les objectifs de ma thèse de doctorat sont de développer et de tester de nouveaux modèles statistiques pour déduire ces variables afin de les utiliser pour l’amélioration des décisions économiques et financières.
Dans mon premier chapitre de thèses, je traite de l’évaluation des modèles de volatilité qui intègre de possible changement (latent) structurels dans les paramètres du modèle. Il est d’une importance capitale pour capturer ces changements structurels rapidement, comme une mesure précise de la volatilité est cruciale pour la prise optimale de décision qui nécessite un compromis entre le rendement prévu et le risque, ainsi que pour des applications dans l’évaluation des prix d’actifs et en gestion des risques. Cependant, aucune étude empirique n’a été réalisée pour évaluer la performance globale de modèles de volatilité qui prennent en compte les changements structurels. À cette fin, j’entreprends une étude à grande échelle empirique pour comparer la performance de prévision de modèle GARCH sans changement de régime et de modèle GARCH à changement de régimes Markovien (MSGARCH) du point de vue d’un gestionnaire des risques. Les résultats indiquent que, pour tous les horizons de prédictions considérées, les modèles MS-GARCH génère des prédictions plus précises de la Value-at-risk, d’Expected Shortfall et de la densité que les modèles GARCH sans changement de régime. De plus, mes résultats indiquent que la prise en compte de l’incertitude des paramètres améliore les prévisions de la densité, indépendamment de l’inclusion du mécanisme Markovien.
Tandis que mon premier chapitre de thèses à une emphase sur la modélisation de variables latentes d’un point de vue de la modélisation statistique, le second et troisième chapitres tentent de capturer une variable plus originale: le sentiment exprime´ dans les communications écrites.
Mon deuxième chapitre de thèses fait face au développement et l’évaluation de nouveau proxy de sentiment économique basé sur des document textuelles. Spécifiquement, j’introduis une in-frastructure générale de développement d’indices de sentiment qui sont optimisés avec l’objectif de faire de la prédiction dans un contexte de régression à grande dimension. J’applique cette nouvelle méthodologie à la prédiction de la production industrielle américaine. Mes résultats indiquent que, compare´ à l’utilisation unique de variables économiques et financières, l’ajout de l’utilisation d’indices de sentiments textuelle économiques optimisés ajoute de manière importante au pouvoir de prédiction de la croissance économique américaine pour des horizons de neuf mois et un ans.
Mon troisième chapitre de thèses à comme emphase l’analyse de la dynamique de sentiment textuelles anormaux près d’évènement financier. J’introduis, en autre, l’analyse d’évènement basé sur le sentiment anormal cumulatif et le Generalized Word Power, une méthode de calcul du sentiment. J’applique ces méthodologies sur des articles médiatiques provenant de journaux, du web et de fil de presse qui discutent des entreprises publiques non-financières près de l’annonce des résultats trimestriels. Les résultats indiquent que le sentiment anormal est plus sensible aux surprises de bénéfices négatives qu’aux surprises de bénéfices positives. De plus, je note que les investisseurs ont une réaction trop forte à la contribution au sentiment anormal des articles provenant du web. Cela, en autre, fait en sorte que l’on observe un inversement du prix de l’action après l’annonce des bénéfices pour le mois qui suit les annonces. Les résultats sont conformes avec des évidences dans le domaine de la psychologie humaine telle que le biais heuristique de représentation. De plus, les résultats mettent en évidence qu’il y a de l’hétérogénéité dans la valeur de l’information de différents types de médias.
   
Keywords Rendement anormaux, sentiment anormaux, annonce de bénéfices, elastic net, expected shortfall, pouvoir de prédictions, GARCH, generalized word power, étude à grande échelle, MSGARCH, articles médiatiques, gestion des risques, analyse du sentiment, sentometrics, sentiment textuelle, aggregation temporelle, sentiment par sujet, production industrielle américaine, value–at–risk
   
Citation Bluteau, K. (2019). Modeling latent variables in economics and finance. Doctorat, Neuchâtel, Neuchâtel.
   
Type Thesis (English)
Year 2019
Academic department Institut d'analyse financière
University Neuchâtel (Neuchâtel)
Degree Doctorat