1. Modélisation ARMA-GARCH
Master 1 NRJ
F.BENHMAD
2013-2014

2. Introduction

3. 1/Modélisation ARMA : Box and Jenkins
(1970)

4. 1/Modélisation ARMA : Box and Jenkins
(1970)

8. Skewness / Kurtosis

9. Skewness / Kurtosis

10. On remarque que le skewness est -0.21 <0 , le kurtosis est 8.05 >3. La
probabilité d’occurrence d’événements extrêmes est donc très élevée.
La distribution est leptokurtique (ques épaisses ou lourdes, heavy/fat
tails, tail effect) et asymétrique (rendements réagissent davantage à un
choc négatif qu’à un choc positif ; volatilité plus forte après une baisse
des rendements qu’après une hausse). ASYMETRIE// NONLINEARITE
Cela témoigne d’une très forte volatilité (excess volatility).
L’un des effets stylisés des rendements des actifs financiers y compris
le pétrole est l’alternance de périodes de haute volatilité et de périodes
de basse volatilité (Mandelbrot, 1963).
C’est le phénomène d’agglomération ou d’amas de volatilité (volatility
clustering) dont témoigne l’hétéroscédasticité.
Il faut donc modéliser l’équation de la variance des résidus de DLOIL(t)
par les modèles GARCH .
General Autoregressive Conditional Heteroscedasticity