Estimation bayésienne de modèles espace-état non linéaires.

Résumé Cette thèse introduit deux nouvelles classes de modèles espace-état non linéaires et établit des algorithmes nécessaires à leur estimation dans un cadre bayésien. La première classe est une généralisation multivariée des modèles à changement de régime markovien dans le sens où elle permet l'incorporation de plusieurs varaiables latentes. Cette méthodologie est illustrée par une application en finance où un modèle de volatilité stochastique multivariéee avec plusieurs variables latentes discrètes est estimé sur des rendements de portefeuille. La deuxième classe, appelée modèles espace-état quartiques, permet l'étude de dynamique de lois bimodales dans un cadre très général. Une illustration sur une base longitudinale de produits intérieurs bruts montre l'évolution des deux modes de la distribution du revenu mondial et caractérise la convergence entre différents groupes de pays.