Abstract FR:

Récemment de nombreux travaux théoriques et empiriques ont mis l'accent sur certains problèmes souvent rencontrés lors de l'uilisation des modèles à changement de régimes : i) Il apparaît souvent que différents modèles à changements de régimes sont significatifs lorsque l'hypothèse nulle de linéarité est rejetée. Ii) De même, l'analyse des fonctions d'autocorrélations des modèles à changements de régimes montre la présence de comportements de longue mémoire. Ces deux problèmes ont de fortes implications sur le choix du bon modèle, et par conséquent sur l'analyse de l'impact des chocs et la bonne "qualité" des prévisions. L'objectif de ce travail de thèse est d'apporter des solutions à ces problèmes. Précisément, nous proposons deux nouvelles méthodes dans le but de différencier les modèles à changements de régimes de ceux à mémoire longue. La première méthode est basée sur la comparaison du paramètre de mémoire longue d avant et après filtrage des points de ruptures. La deuxième méthode est basée sur l'évolution temporelle du paramètre d. La validité, sur le plan empirique, de ces deux méthodes est faite sur la base, d'une part des séries de rendements de sept grandes entreprises du CAC40 et de l'indice lui-même et d'autre part sur la base des séries du taux d'inflation des Etats-Unis, du Canada, de la France et de l'Italie. Enfin, nous avons étudié empiriquement l'efficience des marchés des changes sur la base de l'estimation de modèles à changement de régime et de processus à mémoire longue.