Abstract FR:

Les modèles à facteurs forment une large classe d'outils statistiques, utilisés pour modéliser les données de grande dimension. Après un tour d'horizon de ces modèles et de leurs variations, nous généralisons ces modèles au cadre dynamique, lorsque les facteurs proviennent des modèles usuels de Série Temporelles, tels les modèles à hétéroscédasticité conditionnelle, ou à changements de régime markoviens. Nous proposons dans ce cadre une procédure d'estimation en deux étapes qui soit réalisable du point de vue calculatoire. Nous étudions les propriétés asymptotiques de cette procédure, dont le comportement reste convenable (efficacité à un pas), et en proposons plusieurs variantes. La finance de marché est un domaine nécessitant la mise en œuvre de tels outils, étant donnée la grande complexité des données recueillies. Deux applications y sont consacrées: la première revisite le modèle CAPM et propose une manière originale de détecter statistiquement les arbitrages et les chocs ayant lieu sur les marchés, grâce à un modèle d'ACI dynamique. La seconde traite de d'exécution d'ordres: le risque de cet activité peut être mesuré et contrôlé en recourant à des prévisions fiables des volumes échangés sur les marchés. Les modèle à facteurs permettent ici d'améliorer grandement ces prévisions.