FULOP Andras

Pas de résumé disponible.

Cette thèse de doctorat comprend trois essais en valorisation des actifs financiers, avec une attention particulière sur la prévisibilité du rendement des bons du Trésor Américain. Dans le premier essai, nous étudions la preuve statistique et économique de la prévisibilité du rendement des bons en temp réel pour un investisseur bayésien qui se familiarise avec les paramètres, les états et les modèles au fil du temps. Dans le deuxième essai, j’étudie les primes de risque obligataire dans le cadre de systèmes prédictifs. Dans le troisième essai, j’étudie le pouvoir du sentiment des investisseurs boursiers pour prédire les rendements des obligations.

Pas de résumé disponible.

Nous développons un nouveau modèle où la structure dynamique du prix de l'actif, une fois la valeur fondamentale supprimée, est soumise à deux régimes différents. Un régime reflète la période normale où le prix de l'actif divisé par le dividende est supposé suivre un processus de retour à la moyenne autour d'une moyenne stochastique à long terme. Le second régime reflète la période de bulle avec un comportement explosif. Les commutations stochastiques entre les deux régimes et les probabilités non constantes de sortie du régime de bulle sont toutes deux autorisées. Une approche d'apprentissage bayésienne est utilisée pour estimer conjointement les états latents et les paramètres du modèle en temps réel. Une caractéristique importante de notre méthode bayésienne est que nous sommes capables de traiter l'incertitude des paramètres et, en même temps, d'apprendre les états et les paramètres séquentiellement, ce qui permet une analyse du modèle en temps réel. Cette caractéristique est particulièrement utile pour la surveillance du marché. Une analyse utilisant des données simulées révèle que notre méthode possède de bonnes propriétés de puissance pour la détection des bulles. Une analyse empirique utilisant les ratios prix-dividendes du S&.P500 met en évidence les avantages de notre méthode.

Pas de résumé disponible.

Pas de résumé disponible.