Comparaison des modèles GARCH dans l'estimation de la volatilité des cryptomonnaies

Elkandoussi, Anas (2023). Comparaison des modèles GARCH dans l'estimation de la volatilité des cryptomonnaies. Mémoire. Gatineau, Université du Québec en Outaouais, Département des sciences administratives, 80 p.

Prévisualisation

PDF Télécharger (2MB) | Prévisualisation

Résumé

Les crypto-monnaies sont devenues de plus en plus populaires ces dernières années, attirant l’attention des médias, du monde universitaire, des investisseurs, des spéculateurs, des régulateurs et des gouvernements. Les progrès rapides en informatique de réseau et en cryptographie ont en effet donné naissance à ces instruments financiers qui influencent les économies locales et mondiale. Ces devises offrent certes des avantages aux investisseurs et aux consommateurs, mais posent également des risques considérables quant à leur intégration dans le cadre juridique et leurs fluctuations volatiles. Ce travail se concentre sur la modélisation de la dynamique de la volatilité de deux crypto-monnaies populaires pour la période (11 Sep 2017, 25 juin 2022). Nous proposons un modèle de la volatilité du cours des cryptomonnaies Bitcoin & Ethereum au moyen du modèle GARCH et de quelques-unes de ses variantes. Les séries ont d’abord été testées pour les hypothèses classiques (Stationnarité et normalité) puis, en modélisant les moyennes des séries comme des processus ARMA, le terme d’erreur supposé hétéroscédastique a été soumis à l’analyse des divers modèles GARCH, et ses variantes TGARCH, GJGARCH, FIEGARCH. Afin de tenir compte de l’effet des chocs, on a choisi des distributions différentes pour le terme d’erreur (loi Normale, t Student) pour l’ajustement des données, et leur adéquation a été évaluée à l’aide de tests de diagnostic. Le modèle optimal a ensuite été utilisé pour simuler des prévisions de volatilité hors échantillon pour une journée donnée. L’indicateur AIC (Akaike information criterion) a été choisi comme critère d’efficacité statistique pour rendre compte de la qualité des modèles sélectionnés. Bien que les résultats empiriques ne garantissent pas une préférence absolue parmi les modèles de type GARCH évalués, le modèle asymétrique GARCH avec ses propriétés de mémoire longue et les distributions d’erreurs (normal et Student) apparait globalement plus efficace pour les deux crypto-monnaies. Ces résultats montrent aussi que la présence de outliers (valeurs extrêmes) joue un rôle important dans la modélisation et la prévision des indicateurs de risque des cryptomonnaies.

Type de document:	Thèse (Mémoire)
Directeur de mémoire/thèse:	Yan, Li
Co-directeurs de mémoire/thèse:	Boukendour, Saïd
Mots-clés libres:	Rendements; Volatilité; Crypto monnaies; Bitcoin; ARMA; GARCH
Départements et école, unités de recherche et services:	Sciences administratives
Date de dépôt:	01 juin 2023 18:58
Dernière modification:	01 juin 2023 18:58
URI:	https://di.uqo.ca/id/eprint/1493

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt