Tails

Composante d’évolution déterministe à long terme de la série 53 2. Mémoire du processus : persistance des chocs (Hystérèse) et autocorrélation des valeurs de la série 53 3. Volatilité variable : clusters de volatilité 54 4. Leptokurtisme & fats tails : fortes probabilités de valeurs extrèmes 54 5. L’asymétrie négative (skewness 1, nous sommes en régression linéaire multiple (Multiple Linear Regression, « MLR ») La constante sera indicée par un zéro A titre d’information les abréviations S/MLR

quelque chose I’ll be on the look out for it! : Je regarderai ça ! To be at each other’s throats : se disputer (humoristique) I can’t make heads or tails of what you’re saying! : Je ne comprends pas ce que tu dis ! To rub someone the wrong way : faire mauvaise impression à quelqu’un Ø Be that as it may (inconjuguable) : même si c’est peut-être vrai, quoiqu’il en soit Ø Come what may (inconjuguable) :

Statistique descriptive Caract´ristiques de forme e Le coefficient d’aplatissement (Kurtosis) Comme son nom l’indique, le coefficient d’aplatissement d’une distribution mesure son degr´ d’aplatissement. Il est associ´ ` l’´paisseur des queues e ea e (tails) de la distribution. L’aplatissement caract´rise la masse de fr´quence e e autour du mode .On le d´finit comme suit : e γ2 = µ4 σ4 −3 o` µ4 est le moment centr´ d’ordre 3 u e : µ4 = P (xi −¯)4 x n logo Mamadou Moustapha KA () Econom´trie

document par l’interm€diaire d’un site Internet qui ne fait pas partie du r€seau ecolemedav.com ou aper„u le contenu de cet ouvrage sur une page Web autre que ecolemedav.com, informez-nous de ces activit€s frauduleuses – en nous fournissant les d€tails du Site Web o… vous avez obtenu cette publication – Ecrivez ƒ: copyright@ecolemedav.com € Copyright – Ecole MEDAV 2010 Page 2 Plan du cours : A/ Les objectifs g€n€raux : ................................................. 4 B/ Conna†tre les besoins

(probabilités mathématiques d’un événement aléatoire, VAR) • Modèles: les données de marché suivent un processus stochastique et dépendent des observations passées (le futur prolonge le passé) • Hypothèses: Le risque doit être exogène, pas de fat tails, loi gaussienne, corrélations constantes entre actifs…= risque de marché + risque de modèle MH BOUCHET Global Finance Centre-SKEMA Les risques de la régulation financière • Ne pas se tromper de cible: D’où vient le risque? • Régulation macro-prudentielle

de mˆme type que Google ou Yahoo, avec la cr´ation d’un bot1 qui parcourait, e e seul, les pages Internet pour les r´f´rencer). ee Nous avons donc choisit de garder notre id´e de base, qui consistait en un projet e informatique, qui, pour plus de d´tails ´tait de cr´er une application web et ainsi e e e choisir la proposition de M. Duccini, qui proposait aux ´tudiants de r´aliser un site e e Internet pour une association, les ´curies de la V´ore. Il existait d’autres projets e e de site web, cependant

parle comme d'une � excuse �, ce qui choque un peu. -Il se sent m�me plus tard oblig� de se justifier �Ce n'est pas ma faute. � lorsqu'il sent le m�contentement de son patron. -Le h�ros commence ainsi � accumuler les phrases coupables, les d�tails et une certaine indiff�rence. -Il a tr�s h�te de retourner dans son quotidien. ? Un personnage qui centre tout sur lui: absence d'�motions, de communication. 4. Explication de cette attitude -Meursault n'a pas beaucoup de recul par rapport

body mass of modern humans who live in colder climates also show a similar ratio. Eskimos, for example, are typically larger and have shorter limbs compared to people from warmer climates. Similarly, animals who live in cold climates have shorter tails, ears or beaks than their counterparts in warmer areas. The shortened limbs help retain body heat. (Holliday, p. 248) Instead of evidence of a different physiology, the stocky build and shorter limbs of Neanderthal man are adaptations to their arctic

présentes en même temps: l'orientation client et l'agilité. C'est ensuite grâce à toutes les nouvelles technologies numériques (Big Data, Profiling, ecommerce, email, …) que l'on pourra surfer sur les vagues du marché et affiner des stratégies de "long tails" qui n'est qu'une personnalisation à l'extrême du marketing rendue possible par le Big Data. Le sujet n'est donc pas de tout casser mais simplement de profiter de tout ce que les nouvelles technologies permettent de faire. Mais on ne s'invente pas

observation pr´alable des ph´nom`nes r´els est n´cessaire avant de d´gager des caract´ristiques e e e e e e e g´n´rales permettant d’´tablir ces ´quations. Suit un processus d’abstraction qui ´limine en g´n´ral un e e e e e e e certain nombre de “d´tails” issus de ces observations pour ne garder que les ´l´ments jug´s “essentiels”. e ee e e e e e e Un mod`le est donc une approximation et une abstraction de la r´alit´. Un “bon” mod`le d´crit et pr´dit un maximum de ph´nom`nes avec un mimimum d’´quations