Les cahiers du CREAD
Volume 33, Numéro 122, Pages 29-53
2017-11-15
Auteurs : Retia Mohamed . Gaidi Khemissi .
Cet article a pour objet d’analyser les propriétés de mémoire longue à travers des modèles ARFIMA avec erreurs GARCH, notée Arfima-GARCH. Nous avons étudié les rendements journaliers du Dow Jones du 12/03/2007 au 10/03/2017 (n = 2610) et testé le type de la structure de dépendance de série. A cette fin ont été mises en œuvre des analyses R/S (Rescaled rang), et diverses techniques ARFIMA, Nous décrivons une méthode d'estimation pour les paramètres des modèles stationnaires ou non-stationnaires, La méthode fonctionne bien en échantillon fini, et donne des résultats comparables. Les résultats prédictifs montrent que les chocs ont des conséquences durables sur la volatilité et que le modèle ARFIMA-GARCH possède une supériorité évidente sur d’autres modèles pour des horizons longs et/ou courts.
Modèle ARFIMA- GARCH, Exposant de Hurst, mémoire longue, prévision
Bouhafs Ibtihal
.
pages 409-424.
عياد هشام
.
مشري مريم
.
ص 158-181.
Benyammi Youcef
.
pages 366-389.
Bekadja Mohamed-amine
.
Mansour Belkacem
.
Ouldjeriouat Hafida
.
Entasoltan Badra
.
Osmani Soufi
.
Amani Kamila
.
Bouchama Samira
.
Charef Leila
.
Brahimi Mohamed
.
Arabi Abdessamed
.
Bouhass Rachid Amar
.
Yafour Nabil
.
pages 747-754.
Djeghar Achraf
.
pages 264-271.