Asymptotique des modèles GARCH de Cholesky et des bêtas conditionnels variant dans le temps.

Résumé Cet article propose un nouveau modèle dont les coefficients de pente varient dans le temps. Notre modèle, appelé CHAR, est un modèle Cholesky-GARCH, basé sur la décomposition Cholesky de la matrice de variance conditionnelle introduite par Pourahmadi (1999) dans le contexte des données longitudinales. Nous dérivons des conditions de stationnarité et d'inversibilité et prouvons la cohérence et la normalité asymptotique des estimateurs QML complets et équation par équation de ce modèle. Nous montrons ensuite que cette classe de modèles est utile pour estimer les bêtas conditionnels et la comparons à l'approche proposée par Engle (2016). Enfin, nous utilisons des données réelles dans un exercice de gestion de portefeuille et de risque. Nous constatons que le modèle CHAR surpasse un modèle avec des bêtas constants ainsi que le modèle de bêtas conditionnels dynamiques d'Engle (2016).