THÈSE Estimation, validation et identification des modèles ARMA ...

More documents

Recommendations

Info

1.4.3 Contraste de Kullback-Leibler . . . . . . . . . . . . . . . . . . . 39 1.4.4 Critère de sélection des ordres d’un modèle VARMA . . . . . . 40 1.5 Annexe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 1.5.1 Stationnarité . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 1.5.2 Ergodicité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 1.5.3 Accroissement de martingale . . . . . . . . . . . . . . . . . . . . 48 1.5.4 Mélange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 Références bibliographiques 51 2 Estimating weak structural VARMA models 55 2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 2.2 Model and assumptions . . . . . . . . . . . . . . . . . . . . . . . . . . . 58 2.3 Quasi-maximum likelihood estimation . . . . . . . . . . . . . . . . . . 59 2.4 Estimating the asymptotic variance matrix . . . . . . . . . . . . . . . . 62 2.5 Testing linear restrictions on the parameter . . . . . . . . . . . . . . . . 63 2.6 Numerical illustrations . . . . . . . . . . . . . . . . . . . . . . . . . . . 65 2.7 Appendix of technical proofs . . . . . . . . . . . . . . . . . . . . . . . . 71 2.8 Bibliography . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76 2.9 Appendix of additional example . . . . . . . . . . . . . . . . . . . . . . 78 2.9.1 Verification of Assumption A8 on Example 2.1 . . . . . . . . . 78 2.9.2 Details on the proof of Theorem 2.1 . . . . . . . . . . . . . . . . 79 2.9.3 Details on the proof of Theorem 2.2 . . . . . . . . . . . . . . . . 82 3 Estimating the asymptotic variance of LSE of weak VARMA models 88 3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88 3.2 Model and assumptions . . . . . . . . . . . . . . . . . . . . . . . . . . . 90 3.3 Expression for the derivatives of the VARMA residuals . . . . . . . . . 92 3.4 Explicit expressions for I and J . . . . . . . . . . . . . . . . . . . . . . 94 3.5 Estimating the asymptotic variance matrix . . . . . . . . . . . . . . . . 96 3.6 Technical proofs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97 3.7 References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110 3.8 Verification of expression of I and J on Examples . . . . . . . . . . . . 111 4 Multivariate portmanteau test for weak structural VARMA models 118 4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119 4.2 Model and assumptions . . . . . . . . . . . . . . . . . . . . . . . . . . . 120 4.3 Least Squares Estimation under non-iid innovations . . . . . . . . . . . 121 4.4 Joint distribution of ˆ θn and the noise empirical autocovariances . . . . 124 4.5 Asymptotic distribution of residual empirical autocovariances and autocorrelations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125 vii
4.6 Limiting distribution of the portmanteau statistics . . . . . . . . . . . . 125 4.7 Examples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127 4.8 Implementation of the goodness-of-fit portmanteau tests . . . . . . . . 132 4.9 Numerical illustrations . . . . . . . . . . . . . . . . . . . . . . . . . . . 133 4.9.1 Empirical size . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134 4.9.2 Empirical power . . . . . . . . . . . . . . . . . . . . . . . . . . . 138 4.10 Appendix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139 4.11 References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144 5 Model selection of weak VARMA models 152 5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152 5.2 Model and assumptions . . . . . . . . . . . . . . . . . . . . . . . . . . . 154 5.3 General multivariate linear regression model . . . . . . . . . . . . . . . 157 5.4 Kullback-Leibler discrepancy . . . . . . . . . . . . . . . . . . . . . . . . 157 5.5 Criteria for VARMA order selection . . . . . . . . . . . . . . . . . . . . 158 5.5.1 Estimating the discrepancy . . . . . . . . . . . . . . . . . . . . 160 5.5.2 Other decomposition of the discrepancy . . . . . . . . . . . . . . 163 5.6 References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166 Conclusion générale 168 Perspectives 170 viii
Page 1 and 2: UNIVERSITÉ CHARLES DE GAULLE - LIL
Page 3 and 4: Résumé Dans cette thèse nous él
Page 5 and 6: Abstract The goal of this thesis is
Page 7: Table des matières Résumé ii Abs
Page 11 and 12: 4.12 Empirical size (in %) of the s
Page 13 and 14: Chapitre 1 Introduction Lorsque l
Page 15 and 16: Chapitre 1. Introduction 3 Pour les
Page 17 and 18: Chapitre 1. Introduction 5 VARMA(p0
Page 19 and 20: Chapitre 1. Introduction 7 obtenir
Page 21 and 22: Chapitre 1. Introduction 9 les outi
Page 23 and 24: Chapitre 1. Introduction 11 1.1.1 E
Page 25 and 26: Chapitre 1. Introduction 13 Propri
Page 27 and 28: Chapitre 1. Introduction 15 H7 : Po
Page 29 and 30: Chapitre 1. Introduction 17 Défini
Page 31 and 32: Chapitre 1. Introduction 19 où λ
Page 33 and 34: Chapitre 1. Introduction 21 Remarqu
Page 35 and 36: Chapitre 1. Introduction 23 où Eij
Page 37 and 38: Chapitre 1. Introduction 25 La dém
Page 39 and 40: Chapitre 1. Introduction 27 Théor
Page 41 and 42: Chapitre 1. Introduction 29 La sél
Page 43 and 44: Chapitre 1. Introduction 31 La dém
Page 45 and 46: Chapitre 1. Introduction 33 de BP d
Page 47 and 48: Chapitre 1. Introduction 35 Théor
Page 49 and 50: Chapitre 1. Introduction 37 Les exp
Page 51 and 52: Chapitre 1. Introduction 39 indispe
Page 53 and 54: Chapitre 1. Introduction 41 Lemme 1
Page 55 and 56: Chapitre 1. Introduction 43 En util
Page 57 and 58: Chapitre 1. Introduction 45 I11 = 2
Page 59 and 60:
Chapitre 1. Introduction 47 ceux-ci
Page 61 and 62:
Chapitre 1. Introduction 49 Remarqu
Page 63 and 64:
Références bibliographiques Ahn,
Page 65 and 66:
Chapitre 1. Introduction 53 Hannan,
Page 67 and 68:
Chapitre 2 Estimating structural VA
Page 69 and 70:
Chapitre 2. Estimating weak structu
Page 71 and 72:
Page 73 and 74:
Page 75 and 76:
Page 77 and 78:
Page 79 and 80:
Page 81 and 82:
1(2, 2) − b ^ 1(2, 2) Density Cha
Page 83 and 84:
Page 85 and 86:
Page 87 and 88:
Page 89 and 90:
Page 91 and 92:
Page 93 and 94:
Page 95 and 96:
Page 97 and 98:
Page 99 and 100:
Page 101 and 102:
Chapitre 3. Estimating the asymptot
Page 103 and 104:
Page 105 and 106:
Page 107 and 108:
Page 109 and 110:
Page 111 and 112:
Page 113 and 114:
Page 115 and 116:
Page 117 and 118:
Page 119 and 120:
Page 121 and 122:
Page 123 and 124:
Page 125 and 126:
Page 127 and 128:
Page 129 and 130:
Page 131 and 132:
Chapitre 4. Multivariate portmantea
Page 133 and 134:
Page 135 and 136:
Page 137 and 138:
Page 139 and 140:
Page 141 and 142:
Page 143 and 144:
Page 145 and 146:
Page 147 and 148:
Page 149 and 150:
Page 151 and 152:
Page 153 and 154:
Page 155 and 156:
Page 157 and 158:
Page 159 and 160:
Page 161 and 162:
Page 163 and 164:
Page 165 and 166:
Chapitre 5. Model selection of weak
Page 167 and 168:
Page 169 and 170:
Page 171 and 172:
Page 173 and 174:
Page 175 and 176:
Page 177 and 178:
Page 179 and 180:
Page 181 and 182:
Page 183:
show all

THÈSE Estimation, validation et identification des modèles ARMA ...

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?