Asymétrie Dinformation

• • • • mode moyenne médiane quantiles l'étendue, l’écart absolu l'écart-type, variance l'intervalle interquantile le rapport interquantile coefficient de variation… B. Indicateurs de dispersion (variabilité, risque): C. Indicateurs de forme (asymétrie, aplatissement) et de concentration: • • • • Skewness Kurtosis Indice de concentration de GINI Courbe de LORENTZ… UVSQ, Natalia ZUGRAVU Statistique descriptive Chapitre 3: Indicateurs numériques Résumer l’information Limite des indicateurs de

Régression linéaire – Aide mémoire Types de variables Variable dépendante : Y Variables explicatives : X1, X2, X3, …, Xp Modèle : Y = β 0 + β 1 X 1 + β 2 X 2 + β 3 X 3 + … + β p X p + ε Hypothèses - sur la forme du modèle : (H1) linéarité du modèle et choix des régresseurs (hypothèse de bonne spécification) - sur les erreurs : (H2) ε 1 , ε 2 , … , ε T ont une moyenne nulle, c’est-à-dire Ε(ε t ) = 0 ∀t = 1, … , T (H3) homoscédasticité : Var (ε t ) = σ 2 ∀t = 1,…, T (H4) non autocorrélation

Introduction : Dans le cadre du cours de probabilités et statistiques et afin d’appliquer les notions acquises nous vous présentons ce mini-projet dont le thème est « l’investissement à l’Oriental ». La région de l’Oriental recèle d’importantes ressources naturelles et humaines qui font de la région un pôle d’attraction des investissements nationaux et internationaux dans les domaines touristiques, industriels et miniers, malgré d’avoir été une région caractérisée, pendant plusieurs décennies

UN POÈME MUSICAL, SUR LA MUSIQUE. Les perceptions auditives nous sont suggérées par les instruments de musique : viole, flûte, mandore, harpe dessinent un orchestre Renaissance ; le Magnificat évoque, lui, un chant religieux. Les sonorités du poème « appellent » elles-même la musique : douceur des sifflantes et des fricatives [s] et [f] tout au long du poème, persistance de la rime [an] dans les deux premiers quatrains, reprise en assonance dans les deux derniers : [ange] et [ance], continuité

 Graphes D’après les graphes on remarque X2 X3 X4 X6 ne sont pas stationnaires On va travailler avec le logarithme népérien sur les variables X2 X3 X4 X5 X6 Tableau de régression Dependent Variable: LVENTE Method: Least Squares Date: 06/26/14 Time: 15:19 Sample: 1971 1984 Included observations: 14 Variable Coefficient Std. Error t-Statistic Prob.   LX2 0.108262 0.040065 2.702182 0.0270 LX3 -0.243122 0.074207 -3.276263 0.0113 LX4 0.130651 0.057756 2

test sur les résidus des rendements au carré pour la chine rcds2_chine Corrélogramme Q-Stat Corrélogramme squared résiduals Arch test Les probabilités étant supérieures à 5%, on accepte Ho. Il n'y a pas d'effet arch. Test sur les coefficients du modèle On fait ce test pour savoir si on a raison de faire un AR(2) Histogramme On constate que la kurtosis est de 20.166, elle est supérieure à 3 donc la distribution est leptokurtique. La skewness est égale à 3.417, elle est

masque d'écrêtage Objets dynamiques  Convertir en objet dynamique Nouvel objet dynamique par Copier Modifier le contenu Exporter le contenu Remplacer le contenu Mode d'empilement  Sans Entropie Aplatissement Maximum Moyenne Médiane Minimum Portée Asymétrie Ecart type Sommation Variance Pixelliser Calques vidéo  Nouveau calque vidéo d'après un fichier Nouveau calque vidéo vide Insérer une image vide Dupliquer l'image Supprimer l'image Remplacer le métrage Métrage Afficher la vidéo modifiée Restaurer

Contrairement à la première partie ou nous avons construit un indicateur de volatiltié, pour effectuer ensuite une régression pour y dégager les determinants explicatifs, nous allons ici modéliser la volatilité à l’aide du processus (G)ARCH précédemment décrit plus haut. 1 – description statistique des rendements du prix des matières prmeières agricoles en termes reels : cluster de volatiltié : on peut observer la propriété des clusters de volatilité avec de fortes variations des rendements

Econometric Analysis Marcelo Fernandes Queen Mary, University of London Topic 1: Matrix Algebra reference: Greene (1993) Econometric Analysis, chapter 2 Road map 1.1 1. terminology 2. algebraic manipulation 3. geometry of matrices 4. matrix partitioning 5. matrix calculus Terminology 1.2 matrix rectangular array of numbers a11  a A = [ank ] =  21  . .  . aN 1  a12 a22 . . . aN 2 ··· ··· ... ··· a1K  a2K   .  .  . aN K  dimension number

Mod`les ARCH/GARCH e Limites des mod`les ARIMA et pratique des mod`les e e ARCH/GARCH HORMA Boucha¨ & BOUKHNIF Mouhsine ıb 23 f´vrier 2010 e Table des mati`res e 1 Pr´sentation e 2 Limites des mod`les ARIM A e 3 La mod´lisation ARCH/GARCH e 3.1 D´finition des mod`les ARCH . e e 3.2 Propri´t´s des mod`les ARCH . ee e 3.3 D´finition des mod`les GARCH e e 3.4 Propri´t´s des mod`les GARCH ee e 2 2 6 6 7 7 8 8 9 11 13 13 14 16 . . . . . . . . . . . . . . . . . . . . . . . . .