Marche aléatoire

Evaluation des actifs et asymétrie d’information : Le cas des marchés multi-actifs1 JIMENEZ-GARCES Sonia2 C.E.R.A.G - UMR CNRS 5820 Université Pierre Mendès France 31 octobre 2002 Résumé Dans cet article nous proposons une généralisation du modèle de Grossman et Stiglitz (1980) dans un cadre multi-actifs et avec une spécification factorielle. Nous évaluons le prix d’équilibre des actifs et nous étudions l’impact sur ce prix de l’asymétrie informationnelle affectant les titres ainsi que le facteur

10/04/2001 Vivien BRUNEL LE RISQUE OPERATIONNEL 1- INTRODUCTION Le risque opérationnel est un concept mal défini ; dans le cas d’une institution financière, il est même défini par une non-définition : il se réfère aux pertes qui ne sont reliées ni au marché, ni au risque de crédit. Ces pertes sont dues par exemple à une panne du système informatique, un bug dans un logiciel, une erreur de jugement, une fraude, etc... Afin de mieux cerner cette notion, une typologie des risques opérationnels est nécessaire

 Permet d’avoir accès à la population  Deux types Les nomenclatures Liste de noms et d’adresses qui donnent directement accès à des unités Exemple : •Liste d’hôpitaux •Liste des étudiants inscrits en médecine •Registre des entrées Les bases aléatoires Liste de « régions » qui donnent accès indirectement à des unités Exemple : •Quartier d’une ville •Service d’un hôpital La base de sondage  Doit être complète et à jour  Aucun membre de la population observée ne devrait en être exclu ni y être

Etude de marché · · · · · · · · Qualitative Quantitative Motivations Inconscientes Mécanismes de défense Freins inconscients Entretien Individuel Entretien Groupe Enquête Projective Explorer Décrire Expliquer Permanente | Ponctuelle Panels Sondages · Quel est le problème ? Quelles sont les hypothèses ? Comment s’organise la recherche ? Comment obtenir les données idoines ? (fiables / valides) Comment coder et présenter l’information obtenue ? Comment traiter et analyser

Séries chronologiques et problèmes de stationnarité 1 Un exemple introductif Soient deux séries aléatoires yt et xt définies comme suit : yt = 10 + 0,37.t + εt xt = 1 + xt-1 + ε’t avec x0 = 0 Pour t allant de 1 à 100 et où εt et ε’t sont deux séries d’aléas normaux, centrés, homoscédastiques d’écarts-type égaux à 1, indépendants entre les périodes et indépendantes entre elles. Pour une simulation, ou réalisation particulière, des deux séries d’aléas indépendantes, on obtient les

contre dette à taux variable ; • prévision du cours d’une action pour la mise en place d’une stratégie de trading. Au niveau macro-économique, les prix des actifs financiers sont donc fonctions des anticipations des agents qui participent à leurs marchés : • le prix d’une action dépend des prévisions de dividendes de la société (Dividend Discounted Model d’Irving Fisher) ; • les taux à long terme dépendent des prévisions de taux à court terme (Théorie pure des anticipations de Lutz et Meiselman)

stationnariser une série chronologique ................................................ 7 3. Données en panel ............................................................................................................ 9 3.1 Effets fixes vs. Effets aléatoires.................................................................................. 10 3.2 Corrélation et hétéroscédasticité ................................................................................. 12 Guide d’économétrie appliquée Page

...................................... 64 f) Génération de variables uniformément distribuées........................................................................................... 64 g) Transformation d'une variable aléatoire uniformément distribuée en variable aléatoire normalement distribuée ...................................................................................................................................................................... 68 1.3 a) b) c) Performances

STATISTIQUE INDUCTIVE 2ème LFG-HEC(PREPA) TD n0 2 : Convergence, échantillonnage et estimation Exercice 1 Soit X une variable aléatoire qui suit une loi Hypergéométrique H(1000 ; 50 ; p) 1) Par quelle(s) lois peut-on approcher la loi de X lorsque p = 0, 5 ? 2) Par quelle(s) lois peut-on approcher la loi de X lorsque p = 0, 05 ? Exercice 2 Une entreprise compte 300 employés. Chacun d’eux téléphone en moyenne 6 minutes par heure. Soit X la VAR égale au nombre d’employés qui téléphonent à

d’aide à la décision.   I – Les différents types de décisions A – Classification des décisions selon leur degré de risque Du point de vue du degré de risque attaché à la prise de décision, on parle de décisions « certaines », de décisions « aléatoires », et de décisions incertaines. 1 — Les décisions « certaines » : ces décisions se caractérisent par un risque nul dans la mesure où l’on connaît le résultat de la prise de décision dans 99 % des cas. Notons toutefois qu’un risque totalement nul