Rattan mor dinsaint, fey Qa ey danve trl, YRup de Umoart to¥ Adee Ania emeot pau rode. encoders oho Pa. Drow que qu Re G Un ARIA. 2 taUlenot one arepooree Ab Vanalys te (Rowmrte abeutovle : => CodslinadsennPinainns do Vype PRU H der pho —momine QR Yeroow'dach we oo an corre Lpuramearint dino bey torclte Atreiplaron ou oe rouse penAp que emo doe et Br, erbuliine dito pe Ox weanthite {yur omntdton ou procturda de Ieee por wl . = Reed ae nerve longue dare Oo rowan Concemne> une pat Or, moire ARIMA fre Xaorwate, motte AREINA our Cavell ou D leo degre de w ‘prrwuer Wo Oba ad 1200N (7 BA des ok A wakes pork b. prodertic mor Orerectarto Ru oaliqueUupprishien Po models, PAH/GARCH Ce : v7 Ore phat ane Ro crt toke + vacle dus dated pun fo roltion Untyind oe mon Und avo (Ue pnotows ptocRadktqute Fomporels- © A amar ondatbadicn of ee PACH Leake in Vhe roi Ru apparent Remgte um The Vib od ti af L Copomee Vune Otto “ren be vragishell One aroubt fpowr & peulye lye 4 cmap Unian depirddnes rant, tha, tvoqemoute abt,” Bema thtijine Wau vena amoto Um Vow da AHN . fe P vrobiyu ent Bene ok Meigues, HRCU pW Mo ptrorers mm odu Lana MOH / Co Wr peemet sane erode! de. vow d'woqutr Ho 2 poms A Paria Ym Wand Cro prumuirolts (roped. din puts frau de px a dar, He nalscy Lory de Oeemep wo) WM de atrdemond - b nor Vena cue’ Og Deol ded vncerlakuhe A_lte piinsipabts mroprteles din rts te Uldbs . b> poube Ut rx AvckP ods undimtrte me oe a del ord mer ppv de Gila pod Aur ptucdiak- Sol Py mex dure dif Lie ah logan Thine he Aorddmrert Consopondor Aye Ln Py —lm Pris aly oe vA Charpsten bot Seuris temperebls.: Vhecaxe appt wluere ictun ve % unc ll, ypratin 4 frmapate nd Wk oda Gna Yrbbddberr tro aberde, : HRggadles Stekaornsest te (now Dolada yte Anpuute Uy pra dent cy eed qencralbenee ror aalremncit, Qu nine WU bo doltxorwn ano" ds pe conck urdar Yortan gare he Pre Wor OnrWule gut terdondds por : Comp ari lfro awe Po mropuste’ do dlakvomna- ah gar cond nde -CoD tondstta'on rye gat Wo moment, dorlentt! Hos ie anh Cen rn Dardan stqatertad qus dt Ulardee alto avkerdh Prasdee mod dar bo Ror Jaron ch oukotouduanc chu (nowsue Ay dow ene und pendonte ay rey + lo ptali cnet’ vehi qure que Da veuanw du mo. ~ Ws ay oF conarante aan (oure dn bemg- od) a Oy drabronr ak “ts Ande, Le CLiaynoolac qu urrtte wo) (Pade de ul CL promon Ur Wagan trad Y ypphicakacr da hot wv O'Rup- 2) mon lala overdal if or -her- eo op de2 - Rutotonelatains do (amt, (Ue vauswaen OX owe: la pend anr0uee aut Cant, dbs Wrhimels prsnte opernsratrnendt ds i. ake. covelahons Vand que OLe auto -cumttaksons ds ba ous Av BAT Yars fusble. ( funds bu Rane ) Uladoinu d euto. rontdalu'im, dt abrchomdnds “onvore a bo mnoNa'en J frien ‘ cdura Py lune adten Vowres 0 orabatre petinrtte RoteORyp dy Utne De aman Umphiyue ove 42 Air dintrly Ortru pte A tyusbite Lomyes du haqus ae rirk ptte poviadl,. ; Quel» gue ook la da fur ben awhnue Qe toureme peussert vont, etre FHA quien rairon de palvae Qu “i buno [ nor ovkhu'ptte Sore UR p. A amtau'pabt cng rath canchhe. lao enti de pudiacno difpinres pm Chase Pray -EC Pra) doived éhomullr, en mm ovemae Ua dorvent Zhe consbles avec ature infosn du D'enoten bb Ain Powmadtion depron Ob ala dade t (fle denitw moped Lob appe (ee Y pup de a! tRogonabue” (rd wy pin Oe ole dLimovtnen yu ot Ey oY auto canst above ba propuck Aa bdo” n'est poo. "p pan sept ln te ouppormre que Cp DU Ur produ PRY) Erase C&r avy oe Vr 07 B® Pereun de groom Meas Fl Fran] on profil aor oncaopt OY cornu On pal ov Oo dake E of pm vo forme dnt ann 2 Vinotmbte Od vnfourabion On pout” One Jui ue Vovoun. 0 postin a (adobe Fathi YY pruaraor? a lo * perods Qumatke w dare pads a prooirle Laure fhe bo. dale Ved .Om apeigue rout Plug de marckis oprunt? Quy ( Nim dont, dn pea Fi ma dacralulten mgvncibe ) 4 tpttde dt Burt orie 20 und que Une dudes bu. lin © ploburkque » Wn rmoint dhe Gas eal, bsurols, a dho-owe Core! prey rond DL 07 eros vali alrnowbin: En fictins. Unt decks Gum Lyokoburh online qus Ao hours Our im veel got tye Perr Une pu o & dey Valoure tollrins. de par oD Aawtae: Pan to, dn Unvedinreret dor ls rnilimeste puivint une Molibulr'en Lyptohunsi Qe toY conrodtrg” COrmre Aaqune 4 Vor tottiy de Runtesio LO montana une decid’ —Praaon PRO ybantiigue : ‘O>le adve due dapYaabulien ante Ue Gutut pode. Ly queute pote Ary ts Ot bs pees Valouro a Gernenkea Hans une ditbulion, Damo & corbeout ferent, Po. danVubula'on fetylatine dito aefsure a nveolio vovminkt (Tang deundiment wtere TRL) ob & fase d'olnobioakin qu cond muble be rd. a Auelle nelle (VA Vv) dun poyal- ureGr downto Feo , ib olay du baie de (% tenn QUA Ur poy ary Un vin veel a tmea Tfbo¥ oF tall pour Bio mn weliores ta, U eouske une pdt pr ralrde’ ques DinveeY taotmlnt COnrdicor Ato inde ° thopicke 4 : Darlens ds dlafitute’ De. ghrorave ropur quent que de fee Viuolteme Yon nan dlmenk, en pinaltenbrt (uundte oe hole Yartahtors - Om drool? dmot” a Ur nagyouyremnant dio valine br duels OU paquets dy rota bbe A Va cle Mnomeine Wr) Or Loup pal Roma wdarri we” ‘Q. dupe &r Comome line imtoo . » Roprbhe 5: Gente b pune, Cop olatlorneble, Mis ane Poe coviqes ds bo vchad bile cDacloung ( px medals ARC 4), bo disbrbrulron Ak Abide Uru LP Punkigne mime 0 Ce Buntoris ea PPro bu Be que donot to mr Condi ormed 0 Propuele’ 6 : do Crvitr 40 Laude Lure "1 ‘ Var ortea ) Wo valbure sa neuahian do valure lu Ly ubli- he oes Lo HN” do (ours yu de amles Guid be e (ours Ferber a Urotmds tr @ lo Meyrick on oo by vols We rupee a drclnrse (rune Paroe Abs tours le mime Orghour « (oth proidhe’ om te po a cOnfonde awe able ol doy _nilaw de Oo dickububion Me cots gu ds ards. crank, (proniedt &) 7K olagih Lu One chores do ly udulion Lont be va permtt, dr (Ur OU rindliminte d ba vole bdo’ ole re lermtrs . Ropueke? « padjerralte” Ler lean parted 08 mombrunee pPeromints de Dedeerrnelile’( off vo week -bd youn. >) Ae taste ane Mes bats acdand® quai Mend & rwedhe soars de Lees Vautehre » ohne _ perenral Vo proses bo pplakrques a ttn date xb puiods in Ae va pn ope do Pe J ord UCtdites DAU oh aktn dare be dillerahuy Pour anor She dances dur dio ehanklon , dts period. wt aur mourn do mothodckon ite preserHant . ot ge yore les m& ehayen Do a ebudee os i Uff jena de Uaflh werk et enenes aur © mrancky Le vin dyppardib Ina Hee epee ee pee a fit _W' 4Yor ausee Um Naffk rade” Keim (4m) © Pennine Qderor” 122 Volt yore or orkint plus Bunt qut ba capltabroalion chur Hae tor fut p Gm pe aleve anianee une Coy calson ole Ture Pare o> neWn sts. Bo Shes caphedirasin No done Unt Yarns rmtoune pe ds rout, dont & pruce Qa bes a door gt mm don tah Urmpeviante CMa Cours do Vannes , rede que Co unvashsrtune ont vlad & Ue Vtrdag tr fin ol cunnie pour andre emdinn Vide Parabenrdnt dus Ble , quilte ic Coo no dlin Olney foro, ee FB ak” iat’ notammot po Franch (49% ayy G1 Blom ek Ute (4964). Ab gyerrtvelmat ddr Wt your dl comarrs « encrredent D plusrmanquay Prt Weune oka Go plot price de Palas cue ~cahion JAW pheronina ef dsbale. ns puke Avance Urovle a portale. que Qaogue Qe ordnypwoes Or Aa rrawlnidiol mounds a Ornenunr, oth. onl’ yprerallimnt [Link] . Coty fle taal cabior eva prow pur (or-Verncorlt - ary(i ec de oo o Una balin dio ure ef OntrtllmanT daget hu ae fin de mourn oat bane gues fa 7G ayes hue = ba der mh amend mn ne eth w datas bm bar mon aie sta poet Arndt valli ¢ Dent 7. ~ lh a rd Lt oe (fol que la moyenne: (iors2 le Modebe ARH mobiles Damir, dP pptsiaton Porton 0. modilesh RIA puppesnt den orrien Ve Ps diame Condlate pd Remorodaoriatt) (eto an gtolisalson ay ‘ge tothe pr crrodicn CoMtinsne Lore b foreun npordned ce & do Mntque (x om odale, do lype AR cH: Budo Regunnive fone pod Uchroowdediuty pomelleal de mmodsbist, ete Duomgnes frimu tue gus on uns rebar ene’ f. Vvanono OU carats ) Uncle !Brnanes ques daphnd dx pot Yornty do mowrmre Oh dr Vierianrn pout the ade pre Cry be ar AG v2 (Be om de hon gurek por ' ous : GAA, CORR Ratt Mt --sARTICLES MODELES ARCH UNE REVUE DE LA LITTERATURE par Jean-Michel ZAKOIAN ‘Chercheur au CREST-ENSAE Résumé Les modtles ARCH se sont révélés particulidrement adapiés Ala prise en compte de caractéristiques importantes des séries financitres (volatilité, leptokurticité, asymétrie...). Ils fournissent également un cadre adapté au test des principales théories financitres classiques. Les problémes probabilistes, statistiques et économé- triques qu’ils suscitent ont donné liew & une littérature importante, que ce papier tente de passer en revue. Une bibliographic partielle est également proposée. Abstract ARCH models have prooven to be an effective tool for modelling several important characteristics of financial time-series such as volatility clustering, leptokurticity or asymmetry. They also provide an adequate framework for testing ‘most of the classical financial theories. The probabilist, statistic and econometric problems that they raise have implied an important literature, which the paper attempts to survey. It also includes a partial bibliography. 1, Introduction Depuis lintroduction des moddles autorégressifs par Yule en 1927, et jusqu’au début des années 1980, les séries temporelles ont été dominées par la référence aux modeles ARMA (linéaires). Dans ces formulations, la valeur présente de la variable est écrite comme une fonction linéaire de ses valeurs passées ainsi que de valeurs Drésentes et passées d’un bruit. Ces modiles tirent leur généralité de la décomposition de Wold (qui permet d’écrire tout processus stationnaire régulier sous forme d'une moyenne mobile infinie) et leur simplicité de la linéarté (Q la fois par rapport aux variables et aux paramétres). Celle-ci implique cependant des restrictions importantes sur les types de trajectoires: les composantes périodiques sont de périodes fixes, les phases ascendantes et descendantes des cycles sont SJoural de la Sovitté de Statistique de Pais, tome 133, n° 1, 1992 4)MODELES ARCH : UNE REVUE DE LA LITERATURE symétriques... Parmi les séries pour lesquelles les formulations classiques sont notoirement insuffisantes figurent celles de la finance (taux d’intért, taux de change, prix d’actifs.). Leur caractéristique la plus importante este fait que leur variabilité instantanée (volarilité) est une fonction du temps. Typiquement, se succ&dent des périodes oi la volatlté est élevée (grandes valeurs) et d'autres ob elle est faible (Petites valeurs), comme Iillustre la trajectoire suivante beeeareae ‘Taux de change Livre/Dollar, 1974-83 Les modes ARCH (Autorégressifs Conditionnellement Hétéroseédastiques) {ntroduits par Engle (1982) reposent sur une paramétrisation endogéne de la variance conditionnelle et permettent 1a prise en compte de ce type de propriéiés. Is foumnissent également un cadre permettant de tester la validité de diverses théories financitres (APT, CAPM, ...). Suite & un développement trés rapide, la littérature consacrée aux modéles ARCH atteint aujourd'hui une taille impressionnante’ et couvre un champ tres étendu de domaines. Ce papier tente de passer en revue VFessentiel de la littérature statistique et économétrique des modéles ARCH. IL présente également un large éventail des applications, principalement financitres, Qui s'y rattachent, La premitre parti est consacrée l'étude des principales propriétés probabilistes des mod’les ARCH classiques : stationnarité faible et forte, moddles intégrés et effets de persistance... D'autres paramétrisations de la variance conditionnelle sont ‘ensuite présentées. L'inférence statistique fait l'objet de la deuxitme partie. Les 1, Phusieurs cenines daniles sy ratachent, de prts ou de loin. a $2MODELES ARCH : UNE REVUE DE LA LITTERATURE, principales méthodes 4’estimation (par moindres carrés, maximum de vraisemblance, ‘non paramétriques) sont décrites ainsi que les procédures de ce test. Enfin, la derniére section traite des principales applications de cette classe de modales. A cette occasion, diverses extensions (multivariée, GARCH-M, en temps continu) sont analysées. 2. Modéles ARCH De manitze générale un processus ARCH univarié peut étre défini comme solution d'un modele de la forme 4025 ® ‘od (Z,) est un processus 1.4, indépendant du passé de, centé, de viriance unité, et ob , est une fonction mesurable du passé de ,. Notons €,-1=(6,-1, 6-2.) la tibu engendrée par les valeurs passées de ¢,. Les deux premiers moments conditionnels de ¢, découlent simplement de la éfiniton : a E(Gle2)=0, V(6l623)= 0. @ Ainsi (¢,) est un processus centré non commélé mais sa variance conditionnelle peut évoluer avec le temps et sa variance marginale peut ou non existe. Le plus souvent en'est pas supposé directement observable mais apparat plutot soit comme innovation d'un processus ¥ dans un mod’le ARMA, écrit sous forme polynomiale (L. désignant I'opérateur retard) OMY=0)4, ® soit comme l'innovation dans un modele de régression Yam (Kan At en @ ‘ob m (X,-1; B) désigne une fonction d'une variable X,; contenue dans l'ensemble information & la date 1 — 1 et A un vecteur de paramétres, La classe de moddles ainsi définie est trés large et I'hypothése (1) t8s générale, Nous nous intéressons dans un premier temps & une sous-classe particulitrement importante, introduite dds l'article fondateur d’Engle (1982). 2.1. Modiles ARCH Linéaires : ARCH(q) et GARCH(p,q) arr La premiére famille considérée repose sur une paramétsation quadratique de la variance conditionnelle. A la suite de Higgins et Bera (1988), Bollerslev, Chou et Kroner (1990), nous qualifions de linéaires ces modtles pour lesquels les méthodes des séries temporelles classiques (ARMA) restent 'outil de base, appliquées au caré du processus d’innovation. D’autres spécifications seront ensuite ‘considérées qui prendront en compte divers effets de variance caractéristiques de 1a non-linéarité, a a male tale love drour, 2e ten Core ‘honelle ON Up ral aii ie asdLea Prodtars GPROEN oY ocmilunr. Cua fro loa, 4 pene ic os ou & dons Q Appar duh come & days Le 0 parks ator yrciot OF p COmm ealur oo ta panice om ol - labo, Qivroptuinn Bo effela ot veeavalien . Lu Mpvames Conds orneOP oF Ab Revminss (tr le cams'dle 4 Onan, Wy do p Motuss arcu UNEREVUEDELA LITERATURE YALU run corolltion, ~ > un prossns ARCH) del par Pétion (1) ot we yeti 7, fonction affine de valeurs passées du carré du bruit : ohm 04+ $ atts = 04+ aL), 6) P T aate AL) sol L4de od pl %>0, 20 i=l, 9, © ‘qui garantissent la stricte positving de la variance conditionnelle. ‘Une généralisation naturelle (GARCH(p,q), Bollerslev (1986)), analogue a celle des AR(p) pares ARMA (p,q), pennet de prendre en compte des processus Amémoire Tongue avec un nombre restreint de parametres : spLpsO => as aot wei +S pti=a0+ @(L) e+ BIL) o%, o een ; = avec %>0, 20 fie0, i=, 4. Oop potqadd, La propriété fondamentale de ce type de représentation tient dans la remarque z Mo suivante. Si l'on note (u,) l'innovation correspondant au carré du processus €, soit ve 4, =~ 3, il apparait que I’équation (7) s*interpréte, en réarrangeant les termes, ‘comme un modéle ARMA. pour le processus (€2)*: U = aL) ~ BO) ef = ao + Ud ~ BLY) ® Cette nouvelle écriture permet de traiter tres simplement le probléme de la stationnarité faible du processus €. Celle-ci repose en effet sur l’existence d'une variance Ve,=Eo} (asymptotiquement) indépendante du temps. La condition nécessaire et suffisante s'écrit: WLemrao-SarSact. Conds d Geb eomeusl Plus généralement, des conditions (nécessaires et suffisantes) d'existence des ‘moments ont été obtenues dans le cas des ARCH(q) (Milhoj (1985)) et des GARCH(1,1) Bollerslev (1986)) mais leur expression est assez compliquée. Le calcul explicite de ces divers moments est également possible, par exemple de manitre récursive, L’obtention des moments dordre deux et quatre permet ainsi de mettre en évidence une propriété de leptokurtiité caractéristique de ces moddles. ‘On constate en effet un accroissement de Ia Kurtosis (définie comme le rapport du ‘moment d’ordre 4 et da camré du moment d’ordre deux) lorsque l'on passe des lois conditionnelles aux lois non conditionnelles (voir Gouriéroux (1991)). La représentation ARMA pour le carré du bruit, peut également étre utilise pour I'étude des autocorrélations et autocorrélations panielles. Avec Phypothése avec les contraintes Wee oes conditions Ia postvté de of ext assure, mais elles ne sont pas nécssires; voir et Cao (1991). it Neon 2. Notons cependant que le processus (,) n'est pas nécessarement de variance constant i n'est as non pls id “aMODELES ARCH : UNE REVUE DE LA LITTERATURE d'existence du moment d’ordre quatre, on obtient en effet des équations de Yule-Walker pour Ia suite des autocovariances du processus ¢. Celles-ci peuvent tre ts utiles comme outi] (préliminaire) d’ identification des ordres pet (voir Bollerslev (1988))'. ‘Une autre représentation importante porte sur la variance conditionnelle. En remplagant ¢7-, par 07-127, il vient : Gx ao+ PAZ. r=MaK(P.g), AZ=aZhit By i=lr, ay avec des conventions de notation évidentes. Cette relation est surtout utilisée ‘pour ‘obtenir des propriétés de stationnarité stricte du processus &. Le Premier, Nelson (19902) a posé le probleme de I’existence d'une solution strictement stationnaire et V’a résolu dans le cas GARCH(1,1)*. La condition (nécessaire et ‘suffisante) s’écrit E [Log (2)1=E (Ln(aiZ? + )) <0. 2) Le probléme a également été résolu pour le GARCH(p,q) général par Bougerol et Picard (1990) et la condition porte sur le plus grand ‘exposant de Lyapounov associé & une famille de matrices. Les conditions de "mélangeance" (mixing) n'ont Par contre pas été établies pour les modéles ARCH (voir ‘Hansen (1990) pour I’étude d'une notion de dépendance voisine dans le cas GARCH(I,1)). La contrainte (12) aceci de remarquable qu'elle est moins forte que celle de stationnarité faible. Ainsi, et ceci a pu étre vérifié pour d'autres spécifications de la variance conditionnelle (voir partie 2.2), lorsque le processus est stationnaire au sens faible il I’est au sens strict. Ceci est particulidrement important pour I'application de procédures estimation fondées sur la vraisemblance, qui reposent sur des hypotheses ergodicité des divers processus (voir Gouriéroux et Monfort (1990)). Inversement, Je processus peut ne pas avoir de variance mais admettre une loi invariante | (A queues ‘€paisses). C'est en particulier le cas des processus iniégrés ou IGARCH introduits par Engle et Bollerslev (1986). >> __ Un processus IGARCH(p.q) correspond a une racine unité dans le polyndme “@(L)+ B(L). Comme les modéles ARIMA, il se caractérise par un effet de persistance mais dans la variance’. Un choc sur la variance conditionnelle présente ‘se répercute sur les prévisions de toutes ses valeurs futures. Par exemple dans le cas du IGARCH(1,1), avec ai + Ai=1, on a E [of.a/€;]= 02.1 +(k—1) ap. En Particulier, si a=0, 1a prévision est la m&me quel que soit "horizon, de manidre analogue & Ja marche aléatoire usuelle sur la moyenne. Par contre la variance de cette prévision croft exponentiellement avec k (voir Geweke (1986). Plus séoéralement, si aj + ,21 on a toujours persistance en moyenne mais Ia Persistance trajectoire par trajectoire n'a lieu que si E (Log (a2? + B,)]=0 (voir Gouriéroux (1991). 1. Malbeareusemen,'ARMA éuant ordre (Max (p, 4), p) est pas toujours ideaifiahe sis. 2. Dans ce cas, on revouve Iaspctlindaire de In paramétization reenue pug of ext ARC) (aves innovation de variance consume si ¢ admet un moment ord ()) 3. Notons que analogic avec les ARIMA n'est pas totale pukgue les IGARCH sont ergodiques. “4‘MODELES ARCH : UNE REVUE DE LA LITERATURE 2.2, Moddles ARCH pon lnéatres, Depuis Particle d’Engle (1982) qui proposait déja diverses paramétisations alternatives de la variance conditiomnelle, de nombreuses paramétrisations sont apparves. Il s'agit principalement de rompre avec I'aspect syméique des formulations quadratiques pour lesquelles seule "amplitude des valeurs passées de innovation est prise en compte et non leur signe. Nous verrons en effet (partie 4) ue cette propriété entre souvent en contradiction avec le comportement des séries financidres. —> Le moidle GARCH exponentie! (EGARCH(p.q)) a été introduit par Nelson (1990e). La spécification porte ici sur le Togarithme de la variance conditionnelle (voir également Geweke (1986), Pantula (1986), ce qui permet d'éviter les contraintes de positivits : Lape 09+ 3, 020+ li E121) +86 Lago a3) Dans ce modale les effets de signe et de module sont prs en compte séparément par Vintermédiaire des paramétres 6 et y. Le choix des variables Z,-, plutot que 4-1 dans (13) permet d'obtenir des conditions de stationnarté faible qui portent uniquement sur le polynéme 6(L). Ces contraintes assurent également I'existence de tous les moments :I'aspect leptokurtique est donc moins marque que dans le cas linéaire. Par ailleurs, Iexistence d'une représentation ARMA pour le carré du bruit n'a pas d’équivalent ic —> Le modtic ARCH a seuil (Threshold ARCH, voir Zakoian (1990), Rabemanan- R Peaea ‘jara et Zakoian (1991)), spécifie P conditionnel comme une fonction linéaire par morceaux des valeurs passées du bruit. En introduisant les Parties Positives et négatives de l'innovation (¢/=Max(¢,,0), £ =Min(¢,,0)) on a (GTARCH(p.q)) + a= 06+ ae a7 +3 from 20+ a*(L) ef = a(L) e+ B(L) aay avec %>0, a7 20, a7 20, B20, i=lg. as) Ainsi effet surla variance conditionnelle présente dun choc ¢,., surla variable observable dépend ala fois du signe et de I'amplitude de ce choc. Avec les contraintes (15), ce modble présente également des propriétés de linéarité qui le rendent tres maniable. On monte en effet que si p=0 (TARCH(q)), le vecteur (e7, >) est solution d'un modle AR(a). Par ailleurs, on obtient aisément es analogues de (11) pour le processus 0. Enfin, il est possible de supprimer les contraintes sur les a, a; et A; puisque la spécification ne porte pas sur un earré, Cette suppression, vantageuse d'un point de vue pratique, permet la prise en compte de phénomenes non linéaires sur la volailté. Gouriéroux et Monfort (1990) ont proposé un traitement symétrique des moyennes 4s 56‘MODELES ARCH : UNE REVUE DE LA LITTERATURE, t varianceyconditionnelies a l'aide de fonctions constantes par morceaux : Hex Daily (¥e-0)+ 2 Bl a, 6) A at ‘ob (A,), estune partition de R. Les propriétés probebilistes sont obtenues ici grice la théorie des chaines de Markov. En particulier, il est possible d'obtenir une représentation ARMA de Y,. Notons enfin que la généralisation multivariée est immédiate et que les estimateurs des divers paramétres ont des ‘expressions tres ‘simples. D'autres formulations ont été proposées qui apparaissent plutét comme des ‘généralisations de la forme quadratique. Citons par exemple Higgins et Bera (1988), Pour qui la variance conditionnelle est fonction linéaire d’une puissance de valeurs passées de £}. Bera et Lee (1989) introduisent dans la volailité des produits croisés de valeurs passées du bruit (Augmented ARCH). Plus généralement Sentana (1990) considére une forme quadratique quelconque, fondée sur un développement de Taylor de la variance conditionnelle. Ces modéles ‘impliquent évidemment des contraintes fortes sur les parametres afin d’ assurer la positivité de o?. Enfin, Harvey ‘et Ruiz (1990) considdrent des modéles avec variables inobservables (Structural ARCH) dans lesquels l'effet ARCH est placé a la fois sur Véquation d'état et sur celle de mise & jour. L’utilisation de tels modéles repose ‘sur des techniques de filtre de Kalman. 3. Estimation et test Les techniques usuelles d’estimation (fondées surla vraisemblance, par moindes ccarrés, non paramétrique) s'appliquent aux modéles ARCH. ‘Nous considérons dans cette partie le modile ARMA défini par les équations (1), 2) et 3) ou, indifféremment d'un point de vue théorique, le modale de régression (1), @) et(4). On examined’ abord le cas ob la variance conditionnelle est paramétrée, 3.1, Méthodes fondées sur la vraisemblance Notons 1, Ia log-vraisemblance associée & ¥; conditionnelle au passé et 6 le vecteur des paramétres du modale. La log-vraisemblance de Y,,..., ¥; conditionnelle de Yo est L(O= (UTI he an ‘Si f() désigne la fonction de densité de (Z,), |, s’écrit 4 =Log f(¢,0;')—Log o,. (18) ‘Lrestimateur est défini comme une solution du probléme de maximisation de Ly (6). 6 yMODELES ARCH : UNE REVUE DE LA LITERATURE Lorsque la loi de (Z,) est normale, on a l,= — 1/2 (Log 2+ (¢,0/'))]-Log o,. On sait que cette densité peut étre utilisée pour calculer lestimateur méme si la vraie distribution n'est pas normale (méthode du pseudo-maximum de vraisem- blance, voir Gouriéroux et Monfort (1989)). Des conditions suffisantes de régularité permettant d'obtenir des propriétés de convergence et de normalité asymptotique Ont été Gtablies dans le cas des ARCH (linéaires) par Weiss (1984) et (1986) (voir également Bollerslev et Woolridge (1990) pour une classe plus générale). La plus contraignante d'entre elles (rarement vérifiée dans la pratique iti existence du moment d'ordre 4 pour ¢,. Lumsdaine (1990) montre qu'il est possible de s‘affranchir de cette contrainte dans le cas GARCH(I,1) et que méme dans le cas IGARCH(1,1), les estimateurs du pseudo-maximum de vraisemblance des divers parambtres sont convergents et asymptotiquement normaux. La précision de Vestimateur s'exprime en fonction des matrices 1 et J habituelles (voir Engle (1982), Gouriéroux (1991), Il est important de noter que lorsque la vraie densité conditionnelle est effectivement normale, les estimateurs de la moyerine et ceux de Ja variance (conditionnelles) sont asymptotiquement non corrélés: ils peuvent ainsi ‘re estimés séparément sans perte d'efficacité. Cette propriété tombe lorsque l'on sort de Ia classe des modales ARCH linéaires (ARCH A seuil par exemple), Lestimateur est obtenu en résolvant les équations du premier ordre, qui dans le «as de modéles de type GARCH contiennent une parte cursive (la dérivée de la variance conditionnelle par rapport aux paramétres s'exprime en fonction de ses valeurs passées. La résolution numérique peut &tre menée par diverses techniques (Oda PRA (OU ARCH) pert dle Nobu a wn Quy igure dane & re ou Cer dhur ha 1 Bar. MOA donas 2X plo gurrald of mt JR Pte D ndalien fuduro ae. ba rong’ 4 64 le, (nodasv= = wetee Bic nt (ornae afratarta 9S ON an compedened ofprore: ’ bah dan Roc p Bo ds valour. prveramerk oh 08 reper Dun wre, 02 la plus jumpoede ° le, S mecwi? Don @ Aron Roe Un} : Cindi tm Con nl act ai Dunc. a dre © duunaltt, bun de dy Po peud mn euis eee pore mare ou J equitdda “iradusl! ( UTagrn (908) 6 I d& C rr xf ah ee Ue Wal (146) pm ula tabien dd m ustrnt Rrovrn tns a Wornnourse wd, bunks Q unroune hae “Soups [Atyp0) Carbine (4084) Minot too (nov Porth -ooiewrai. aotes BALE VOB. (> prowmvs ont 1b blordirn Oak (Oa Odhatnnatrs = Puunus SAREIC A