Abstract FR:

La volatilité en tant que mesure de risque revêt un intérêt majeur pour les acteurs financiers. En effet, le risque joue un rôle fondamental dans la plupart des domaines de la finance tels que les modèles d'évaluation des actifs, les stratégies de couverture ou la gestion de portefeuilles. La recherche permanente d'une amélioration de l'estimation et de la précision du risque est essentielle pour tout gestionnaire financier, notamment dans le cadre d'une gestion active. A cet égard, Engle en 1982 développe les modèles AECH qui permettent de répondre en partie au phénomène de leptokurticité fréquemment observé sur les séries financières. Toutefois, l'estimation des paramètres de ces modèles est fortement sensible à la présence de valeurs atypiques dans les chroniques. Dans cette thèse, nous nous intéressons au effet des observations aberrantes sur la modélisation de la volatilité. Plus précisément, nous introduisont une deuxième dynamique de comportement des valeurs singulières (innovative outliers) dans le modèle de Franses et Ghijsels (1999). En effet, ces derniers ne s'intéressent qu'à la détection et à la correction des "additive outliers". Or, divers travaux ont souligné la présence d'"innovative outliers" dans les chroniques financières. La mise en œuvre de simulations de Monte Carlo souligne l'intérêt de prendre en considération ce type de points dans toute analyse. En outre, une application empirique portant sur l'indice boursier français Cac40 et sur dix neuf de ses composantes est réalisée. Cette analyse confirme les résultats obtenus par simulation.