Exemple d’application des modèles ARCH –M1 ECONOMIE QUANTITATIVE.

UNIVERSITE De Bejaia- 04- Mars 2024 -

heures Enseignant Mr ABDERRAHMANI
Modélisation de la séries taux de change journalier :

Constat : à la lecture du graphique ci-haut, l’on présume une non stationnarité en variance (à cause de la forte variabilité ou volatilité
de la série).
Les statistiques descriptives

Le corrélogramme de la série log ((TSX)

Augmented Dickey-Fuller test (ADF) de la série log(TSX)

Constat : le lag «3 » correspond au nombre de retard ou termes significativement différents de zéro. « ADF » (|ADF|<|Mackinnon| au
seuil de 5%), l’on confirme que la série « log (TSX) » est non stationnaire en niveau du type DS (sans tendance et sans dérive). Pour

1
 Exemple d’application des modèles ARCH –M1 ECONOMIE QUANTITATIVE. UNIVERSITE De Bejaia- 04- Mars 2024 -
heures Enseignant Mr ABDERRAHMANI
la stationnariser, nous procédons par les filtres aux différences :
Augmented Dickey-Fuller test (ADF) de la série différenciée d (log (TSX))

Le corrélogramme de la série différenciée d (log ((TSX))

Le graphe de la série différenciée

Statistiques descriptives de la série différenciée

L’identification et l’estimation d’un modèle adéquat

Pour identifier le processus adéquat dans la famille ARIMA – celui qui soit susceptible de reproduire le mode opératoire de

2
 Exemple d’application des modèles ARCH –M1 ECONOMIE QUANTITATIVE. UNIVERSITE De Bejaia- 04- Mars 2024 -
heures Enseignant Mr ABDERRAHMANI
la série « log (TSX) » – nous nous référons d’abord au corrélogramme de la série stationnaire « D (log (TSX), ensuite
jugerons de la significativité du modèle ainsi identifié. Nous pouvons identifier un modèle ARMA (3,3)

L’inférence statistique (diagnostic/validation du modèle estimé)

le test de normalité de Jarque-Bera (le test de bruit blanc)

Test de Box Pierce

Test ARCH
Heteroskedasticity Test: ARCH

F-statistic 161.6634 Prob. F (1,1251) 0.0000

Obs*R-squared 143.3918 Prob. Chi-Square (1) 0.0000
Modèle [2]

3
 Exemple d’application des modèles ARCH –M1 ECONOMIE QUANTITATIVE. UNIVERSITE De Bejaia- 04- Mars 2024 -
heures Enseignant Mr ABDERRAHMANI

L’inférence statistique (diagnostic/validation du modèle estimé)

Test de normalité

Test de Box pierce

Test ARCH

Heteroskedasticity Test : ARCH

F-statistic 123.5568 Prob. F (1,1251) 0.0000

Obs*R-squared 112.6302 Prob. Chi-Square (1) 0.0000
Modèle [3]

4
 Exemple d’application des modèles ARCH –M1 ECONOMIE QUANTITATIVE. UNIVERSITE De Bejaia- 04- Mars 2024 -
heures Enseignant Mr ABDERRAHMANI

L’inférence statistique (diagnostic/validation du modèle estimé)

Test de normalité

Test de Box Pierce

Test ARCH

Heteroskedasticity Test: ARCH

F-statistic 127.7702 Prob. F(1,1251) 0.0000

Obs*R-squared 116.1151 Prob. Chi-Square(1) 0.0000

Constat : les résidus des trois modèles estimés ne sont pas normalement distribués (présomption d’une non linéarité) : ils
sont leptokurtiques (Skewness > 3) D’où, nous rejetons la spécification ARIMA au profit de la modélisation
hétéroscédastique (ARCH) – qui est adaptée à l’étude des séries chronologiques accusant une forte
variabilité/volatilité (impliquant la non stationnarité, la non normalité ou la non linéarité) – pour prévoir l’évolution future
de la série log (TSX).
Modélisation de l’hétéroscédasticité
Détermination du nombre de retard d’un modèle ARCH pour ARMA (3,3)

5
 Exemple d’application des modèles ARCH –M1 ECONOMIE QUANTITATIVE. UNIVERSITE De Bejaia- 04- Mars 2024 -
heures Enseignant Mr ABDERRAHMANI

Pour ARMA (3,3) on retient P=3 ARCH (3)

Détermination du nombre de retard d’un modèle ARCH pour AR (3)

Détermination du nombre de retard d’un modèle ARCH pour MA (3)

Pour MA (3) on retient P=3 ARCH (3)

Estimation des modèles ARCH identifiés : Modèle ARMA (3.3) avec erreur ARCH 3

Heteroskedasticity Test: ARCH

6
 Exemple d’application des modèles ARCH –M1 ECONOMIE QUANTITATIVE. UNIVERSITE De Bejaia- 04- Mars 2024 -
heures Enseignant Mr ABDERRAHMANI
F-statistic 0.463328 Prob. F(3,1244) 0.7079
Obs*R-squared 1.392896 Prob. Chi-Square(3) 0.7072

Modèle AR (3) avec erreur ARCH (3)

Heteroskedasticity Test: ARCH

F-statistic 0.465990 Prob. F(3,1244) 0.7061

Obs*R-squared 1.400892 Prob. Chi-Square(3) 0.7053

Autocorrélation

Modèle MA (3) avec erreur ARCH (3)

7
 Exemple d’application des modèles ARCH –M1 ECONOMIE QUANTITATIVE. UNIVERSITE De Bejaia- 04- Mars 2024 -
heures Enseignant Mr ABDERRAHMANI

Heteroskedasticity Test: ARCH

F-statistic 0.453320 Prob. F(3,1247) 0.7150

Obs*R-squared 1.362837 Prob. Chi-Square(3) 0.7143

Test d’autocorrélation