Cours d’Econométrie de la Finance (STA202 – IV 4-5)

Slides:



Advertisements
Présentations similaires
Corrélation Position du problème Définition covariance (X,Y) r =
Advertisements

GESTION DE PORTEFEUILLE chapitre n° 7
Modèle Linéaire Généralisé (Proc Genmod)
Chapitre 2 Les indices.

Etude longitudinale d’essais multilocaux: apports du modèle mixte
La régression logistique
Le comportement des coûts Chapitre 3
Régression linéaire (STT-2400)
La méthode sociologique
La régression multiple
Régression linéaire (STT-2400)
Méthodes de prévision (STT-3220)
Méthodes de Biostatistique
Probabilités et Statistiques Année 2010/2011
Probabilités et Statistiques
Jean-Louis Foulley, Christèle Robert* INRA-Génétique animale, SGQA Jouy-en-Josas; *SAGA Castanet Tolosan Journées didactiques INRIA « Modèles.
FINANCE Le risque systématique Professor André Farber Solvay Business School Université Libre de Bruxelles Fall 2006.
Méthodes de prévision (STT-3220)
Programme linéaire - solution graphique
Outils Statistiques Damien Van Gysel CHU de Nice
Révision – mathématiques 8
Cours d’Econométrie de la Finance (Stat des choix de portf. IV 1-2)
Corrélation et régression linéaire simple
Outils de Recherche Opérationnelle en Génie MTH 8414
Pierre Joli Cours de Mathématique Pierre Joli
Droite de régression avec la méthode de Mayer
Comparaison de deux pourcentages.
Madame/Monsieur le professeur ,,,,,
Élection québécoise du 2 décembre 1881.
Le modèle d’Harry Markowitz (Travaux de 1954 et prix Nobel en 1990)
Cours d’Econométrie de la Finance (STA202 – IV 3-4)
Résumé de l’objectif de l’A.C.P.
Econométrie de la Finance STA202
Econométrie de la Finance STA202
Élection canadienne du 20 juillet-12 oct
 Bilan Les droites d’action des trois forces sont concourantes.
Couche limite atmosphérique
S. Briot1 and V. Arakelian2 1 IRCCyN – Nantes 2 INSA – Rennes
Techniques d’Optimisation Chapitre 3: Programmation en 0-1 (bivalente)
Technologies de l’intelligence d’affaires Séance 11
La relation beta du MEDAF
La droite de régression
Technologies de l’intelligence d’affaires Séance 12
4.3 Estimation d’une proportion
Les modèles linéaires (Generalized Linear Models, GLM)
C1 – Interpolation et approximation
Dimitri Zuchowski et Marc-Élie Lapointe
2.2 Probabilité conditionnelle
Statistiques industrielles – Exemple d’application
Programme financé par l’Union européenne
STT-3220 Méthodes de prévision
La méthode scientifique
I Définition : Elle est définie ...
Apports de la statistique spatialisée
Révision – mathématiques 8
CHAPITRE 5: Méthodes multivariables
Traitement de l ’écoulement turbulent
Statistique descriptive Bivariée
Le modèle d’évaluation des actifs financiers à l’équilibre
Titre de la communication
Chapitre 11 Choix optimal de portefeuille et modèle d’évaluation des actifs financiers.
Programme d’appui à la gestion publique et aux statistiques
PROGRAMMATION SCIENTIFIQUE EN C
Révision – mathématiques 8
Couche limite atmosphérique
Élection canadienne du 26 octobre 1908.
STATISTIQUE INFERENTIELLE LES TESTS STATISTIQUES.
ÉCONOMETRIE Master 1 d’Économie Faculté d’Économie
Outils de Recherche Opérationnelle en Génie MTH 8414
Transcription de la présentation:

Cours d’Econométrie de la Finance (STA202 – IV 4-5) Pr Michel Béra Conservatoire National des Arts et Métiers michel.bera@cnam.fr 20/04/2018

Statistique des choix de portefeuille : approche moyenne-variance, CAPM 4 – Analyse des portefeuilles par régression (suite) 5 – Tests d’efficience 20/04/2018

Régression probabiliste : estimations (1/3) Si on observe où le vecteur est indépendant de Le modèle est un modèle linéaire multivarié, avec variables expliquées, et une variable explicative identique pour toutes les équations 20/04/2018

Régression probabiliste : estimations (2/3) On applique les MCO (Moindres Carrés Ordinaires), qui sont optimaux est estimé par : 20/04/2018

Régression probabiliste : estimation (3/3) est estimé par : 20/04/2018

Régression sur le rendement net d’un portefeuille efficient (1/2) est proportionnel à Dans ce cas, il vient : 20/04/2018

Régression sur le rendement net d’un portefeuille efficient (2/2) Inversement, si soit : avec ; portefeuille efficient 20/04/2018

Tests d’efficience d’un portefeuille Trois caractérisations possibles : On va utiliser 3. pour résoudre 2. 20/04/2018

Test d’efficience : cas numéro 1 (1.) peut s’écrire : C’est une hypothèse mixte. On construit et teste le modèle linéaire asymptotique : 20/04/2018

Test d’efficience : cas numéro 3. (1/12) On veut tester On va construire un test de Wald, avec pour hypothèse nulle Calculons la loi asymptotique de la statistique 20/04/2018

Test d’efficience : cas numéro 3. (2/12) Il vient : 20/04/2018

Test d’efficience : cas numéro 3. (3/12) Appliquons la - méthode : 20/04/2018

Test d’efficience : cas numéro 3. (4/12) 20/04/2018

Test d’efficience : cas numéro 3. (5/12) Comme : avec indépendance asymptotique, et comme 20/04/2018

Test d’efficience : cas numéro 3. (6/12) On a : 20/04/2018

Test d’efficience : cas numéro 3. (7/12) 20/04/2018

Test d’efficience : cas numéro 3. (8/12) n’est pas inversible, car On va passer par une inverse généralisée de Une inverse généralisée vérifie : Considérons : 20/04/2018

Test d’efficience : cas numéro 3. (9/12) est une inverse généralisée, car si 20/04/2018

Test d’efficience : cas numéro 3. (10/12) Alors : 20/04/2018

Test d’efficience : cas numéro 3. (11/12) Et donc : Ce qui fait que est une inverse généralisée de 20/04/2018

Test d’efficience : cas numéro 3 (12/12) Statistique de test de Wald : On refuse si : Note : ce résultat est admis sans démonstration 20/04/2018

Test d’efficience via les performances de Sharpe (1/4) Performance de Sharpe de l’ensemble des actifs : 20/04/2018

Test d’efficience via les performances de Sharpe (2/4) Performance du portefeuille : 20/04/2018

Test d’efficience via les performances de Sharpe (3/4) Ce qui donne : 20/04/2018

Test d’efficience via les performances de Sharpe (4/4) Ce qui donne enfin : 20/04/2018