Search

This study aims to describe the transmission of uncertainty between the stock markets of four aggregate regions: North America, Europe non Euro-zone, Asia and the euro area. We use a non-linear VAR model with innovations following a Multivariate GARCH with variance regime change. The interest of the model with regime change is to correct the estimation bias caused by the overestimation of the shocks persistence. We apply the non-linear VAR model with regime change in daily MSCI data aggregated from four regions over the period from June 2005 to October 2013. This period included the crisis episodes in 2007 and 2011. Our results indicate the importance of taking into account changes in variance in measuring the persistence of volatility shocks. They also show the high exposure of European and Asian markets to the uncertainties of North American markets. The transmission in time of crisis is higher compared to the quiet period. This result confirms the contagious nature of the crises of 2007 and 2011 and supports the thesis of the contingency theory to crisis., Cette étude cherche à décrire la transmission de la volatilité entre les marchés boursiers de quatre régions agrégées : l'Amérique du nord, l'Europe non Zone euro, l'Asie et la zone euro. Nous utilisons un modèle VAR non linéaire avec des innovations suivant un GARCH Multivarié avec changement de régime. L'intérêt du modèle avec changement de régime est de répondre au biais d'estimation causé par la surestimation de la persistance des chocs. Nous appliquons le modèle VAR non linéaire avec changement de régime à des données journalières d'indice MSCI agrégés des quatre régions sur la période de Juin 2005 à Octobre 2013. Cette période incluse les épisodes de crise de 2007 et de 2011. Nos résultats indiquent l'importance de la prise en compte des changements de régime en variance dans la mesure de la persistance des chocs de volatilité. Ils montrent également la forte exposition des marchés européens et asiatiques aux incertitudes des marchés d'Amérique du Nord. La transmission en période de crise est plus importante comparativement à la période calme. Ce dernier résultat confirme la nature contagieuse des crises de 2007 et 2011 et soutient la théorie contingente aux crises.

We examine market volatility spillover during calm and crisis periods. First, we define endogenous and exogenous market volatility: endogenous volatility refers to the early part of uncertainty in the market, while, exogenous volatility is not fully anticipated and occurs as a result of decisions taken by actors and institutions. Endogenous volatility is captured by the mean of GARCH type process. We compare market reaction to central banking for two states: outside the subprime crisis and during the subprime crisis. We evaluate the effectiveness of central banking during the crisis. We used a Multivariate GARCH model with structural breaks in variance. Our main findings confirm the American market's impact on European markets, and changes in cross-market spillover during crisis. Results show effect of communications, meeting days and policy decisions of the Fed on world markets., Dans ce papier, nous nous intéressons à l'impact du Central-Banking sur la stabilité financière. Nous nous sommes préoccupés plus particulièrement de l'impact des communications des banques centrales et de l'impact des décisions es de politique monétaire sur les prix et sur la stabilité des places boursières de New York, de la City, de Paris et de Frankfurt. L'instabilité financière est approximée par la volatilité des rendements d'indices MSCI sur la période de Mai 2002 à Juin 2012. Cette volatilité est modélisée par un processus de type GARCH multivarié avec la présence de ruptures structurelles en variance. Nos résultats confirment le rang global de la place de New York. L'analyse de la transmission en période de crise révèle le caractère contagieux de la crise des subprimes de 2007. Concernant l'impact du Central- Banking sur la stabilité financière, il semble que la communication des banques centrales déstabilise les marchés, aussi bien en période calme qu'en période de crise. Pour ce qui est de l'impact des décisions de politique monétaire, il est clair que les décisions de politique accommodante ne sont de nature à rassurer la sphère financière. En période de crise, le Central-Banking exerce une pression supplémentaire sur les marchés puisque les réponses des marchés aux décisions de politique monétaire se sont intensifiées durant la crise des subprimes. Enfin, il apparaît que la FED reste la Mecque des marchés.

The severity of the Great Recession has renewed interest in the analysis of business cycles. Our thesis pertains to this revival of attention for the study of cyclical fluctuations. After reviewing the regime-switching models in Chapter one, the following chapter suggests a chronology of the classical business cycle in French economy for the 1970-2009 period. To that end, three dating methodologies are used: the rule of thumb of two consecutive quarters of negative growth, the non-parametric approach of Bry and Boschan (1971), and the Markov-switching approach of Hamilton (1989). The results show that,omitted structural breaks may hinder the Markov-switching approach to capture business-cycle fluctuations. However, when such breaks are allowed for, the timing of the French recessions provided by the Markov-switching model closely matches those derived by the rule-based approaches.Chapter 3 performs a nonlinearity analysis inMarkov-switching modelling using a set of non-standard tests. Monte Carlo analysis reveals that a recently test proposed by Carrasco, Hu, and Ploberger (2013) for Markov switching has low power for empirically-relevant data generating processes when allowing for serial correlation under the null. By contrast, a parametric bootstrap likelihood ratio (LR) test of Markov switching has higher power in the same setting, providing stronger support for nonlinearity in quarterly French and U.S. real GDP. When testing for Markov switching in mean or intercept of an autoregressive process, it is important to allow for serial correlation under the null hypothesis of linearity.Otherwise, a rejection of linearity could merely reflect misspecification of the persistence properties of the data, rather than any inherent nonlinearity.Chapter 4 examines whether controlling for structural breaks improves the forecasting performance of the Markov-switching models, as compared to their linear counterparts.The approach considered to answer this issue is to combined forecasts across different estimation windows. The outcome of applying such an approach shows that, including data from periods preceding structural breaks and particularly the "Great Moderation" improves upon forecasts based on data drawn exclusively from these episodes. Accordingly, Markov-switching models forecast the probability of events such as the Great Recession more accurately than their linear counterparts.The general conclusions summarize the main results of the thesis and, suggest several directions for future research., L'ampleur de la Grande Récession a suscité un regain d'intérêt pour l'analyse conjoncturelle, plus particulièrement du cycle économique. Notre thèse participe de ce renouveau d'attention pour l'étude des fluctuations économiques.Après une présentation générale des modèles à changements de régime dans le chapitre 1, le chapitre suivant propose une chronologie du cycle des affaires de l'économie française sur la période 1970-2009. Trois méthodes de datation sont utilisées à cette fin : la règle des deux trimestres consécutifs de croissance négative, l'approche non paramétrique de Bry et Boschan (1971) et le modèle markovien à changements de régime de Hamilton (1989). Les résultats montrent que l'existence de ruptures structurelles peut empêcher ce dernier modèle d'identifier correctement les points de retournement cycliques. Cependant, quandces ruptures sont prises en considération, le calendrier des récessions françaises obtenu à l'aide du modèle d'Hamilton coïncide largement avec celui obtenu par les deux autres méthodes. Le chapitre 3 développe une analyse de la non-linéarité dans le modèle à changements de régime en utilisant un ensemble de tests non-standards. Une étude par simulation Monte Carlo révèle qu'un test récemment proposé par Carrasco, Hu et Ploberger (2013) présente une faible puissance pour des processus générateurs des données empiriquement pertinents et ce, lorsqu'on tient compte de l'autocorrélation sous l'hypothèse nulle. En revanche, untest "bootstrap" paramétrique basé sur le rapport des vraisemblances a, pour sa part une puissance plus élevée, ce qui traduit l'existence probable de non-linéarités significatives dans le PIB réel trimestriel de la France et des Etats-Unis. Quand il s'agit de tester un changement de régime en moyenne ou en constante, il est important de tenir compte de l'autocorrélation sous l'hypothèse nulle de linéarité. En effet, dans le cas contraire, un rejet de la linéarité pourrait simplement refléter une mauvaise spécification de la persistance des données, plutôt que d'une non-linéarité inhérente.Le chapitre 4 examine une question importante : la considération de ruptures structurelles dans les séries améliore-t-elle la performance prédictive du modèle markovien relativement à son homologue linéaire ? La démarche adoptée pour y répondre consiste à combiner les prévisions obtenues pour différentes périodes d'estimation. Voici le principal résultat dû à l'application de cette démarche : la prise en compte des données provenant des intervalles de temps précédant les ruptures structurelles et la "Grande Modération" améliore les prévisions basées sur des données tirées exclusivement de ces épisodes. De la sorte, les modèles à changements de régime s'avèrent capables de prédire la probabilité d'événements tels que la Grande Récession, avec plus de précision que ses homologues linéaires.Les conclusions générales synthétisent les principaux acquis de la thèse et évoqueplusieurs perspectives de recherche future.

Working Paper GATE 2007-27; Cette étude examine, pour le cas du Rwanda, si l'existence d'une relation cointégrante de demande de monnaie peut être établie en tenant compte de possibilités de rupture dans la structure de tendance des variables utilisées dans la modélisation. Nous prenons en compte ainsi les différents événements que le pays a connu pendant la période d'étude choisie (premier trimestre1980 – dernier trimestre 1999). Cette méthode permet effectivement de mettre en évidence une telle relation au niveau de la vitesse de circulation de M1, sensible au taux d'intérêt et au taux de change. Elle existe également pour la demande de monnaie M2.

National audience