Économétrie financière · Séries temporelles · Programmation R
Développer en R un pipeline d’économétrie financière et une procédure spécifique pour mesurer le retour de la volatilité vers un régime stable après un choc.
Contexte
Pendant une mission de quatre mois achevée en décembre 2020, j’ai appuyé un travail doctoral en développant une part substantielle d’un pipeline d’économétrie financière sous R. L’identité, le lieu et l’institution de la cliente restent privés.
Problème
Le travail devait modéliser la volatilité conditionnelle de séries financières, identifier les épisodes de forte volatilité et déterminer quand elle revenait suffisamment près d’un niveau de référence stable après un choc.
Mon rôle
J’ai réalisé la majeure partie du code analytique R : préparation des séries, calcul des rendements, statistiques descriptives, analyses ACF/PACF, tests de Ljung-Box et de stationnarité, spécification et estimation GARCH, diagnostics, extraction de la variance conditionnelle et identification des épisodes de forte volatilité.
Méthode
La procédure identifiait les pics de variance conditionnelle et leurs dates, définissait un niveau de référence, parcourait les observations postérieures, détectait le premier retour suffisamment proche et calculait la durée de récupération.
Distinction analytique
La procédure mesure le retour de la volatilité vers un niveau de référence ou un régime stable. Elle n’affirme ni un retour des prix à l’équilibre, ni une causalité, ni une performance non étayée des modèles.
Résultat
La mission a produit un workflow analytique et une procédure complémentaire pour quantifier la persistance temporelle des chocs de volatilité. Les résultats empiriques détaillés ne sont pas publiés.
Technologies
R · GARCH · Séries temporelles · Économétrie financière · Volatilité conditionnelle
Confidentialité
L’identité de la cliente, son pays, son institution, le sujet doctoral, les données, les résultats détaillés et le code source original ne sont pas publiés.