Aggregations and Marginalization of GARCH and Stochastic Volatility Models

The GARCH and Stochastic Volatility paradigms are often brought into conflict as two competitive views of the appropriate conditional variance concept : conditional variance given past values of the same series or conditional variance given a larger past information (including possibly unobservable state variables). The main thesis of this paper is that, since in general the econometrician has no idea about something like a structural level of disaggregation, a well-written volatility model should be specified in such a way that one is always allowed to reduce the information set without invalidating the model. To this respect, the debate between observable past information (in the GARCH spirit) versus unobservable conditioning information (in the state-space spirit) is irrelevant. In this paper, we stress a square-root autoregressive stochastic volatility (SR-SARV) model which remains true to the GARCH paradigm of ARMA dynamics for squared innovations but weakens the GARCH structure in order to obtain required robustness properties with respect to various kinds of aggregation. It is shown that the lack of robustness of the usual GARCH setting is due to two very restrictive assumptions : perfect linear correlation between squared innovations and conditional variance on the one hand and linear relationship between the conditional variance of the future conditional variance and the squared conditional variance on the other hand. By relaxing these assumptions, thanks to a state-space setting, we obtain aggregation results without renouncing to the conditional variance concept (and related leverage effects), as it is the case for the recently suggested weak GARCH model which gets aggregation results by replacing conditional expectations by linear projections on symmetric past innovations. Moreover, unlike the weak GARCH literature, we are able to define multivariate models, including higher order dynamics and risk premiums (in the spirit of GARCH (p,p) and GARCH in mean) and to derive conditional moment restrictions well suited for statistical inference. Finally, we are able to characterize the exact relationships between our SR-SARV models (including higher order dynamics, leverage effect and in-mean effect), usual GARCH models and continuous time stochastic volatility models, so that previous results about aggregation of weak GARCH and continuous time GARCH modeling can be recovered in our framework.

Estimation of State Space Models and Stochastic Volatility

Ma thèse est composée de trois chapitres reliés à l'estimation des modèles espace-état et volatilité stochastique. Dans le première article, nous développons une procédure de lissage de l'état, avec efficacité computationnelle, dans un modèle espace-état linéaire et gaussien. Nous montrons comment exploiter la structure particulière des modèles espace-état pour tirer les états latents efficacement. Nous analysons l'efficacité computationnelle des méthodes basées sur le filtre de Kalman, l'algorithme facteur de Cholesky et notre nouvelle méthode utilisant le compte d'opérations et d'expériences de calcul. Nous montrons que pour de nombreux cas importants, notre méthode est plus efficace. Les gains sont particulièrement grands pour les cas où la dimension des variables observées est grande ou dans les cas où il faut faire des tirages répétés des états pour les mêmes valeurs de paramètres. Comme application, on considère un modèle multivarié de Poisson avec le temps des intensités variables, lequel est utilisé pour analyser le compte de données des transactions sur les marchés financières. Dans le deuxième chapitre, nous proposons une nouvelle technique pour analyser des modèles multivariés à volatilité stochastique. La méthode proposée est basée sur le tirage efficace de la volatilité de son densité conditionnelle sachant les paramètres et les données. Notre méthodologie s'applique aux modèles avec plusieurs types de dépendance dans la coupe transversale. Nous pouvons modeler des matrices de corrélation conditionnelles variant dans le temps en incorporant des facteurs dans l'équation de rendements, où les facteurs sont des processus de volatilité stochastique indépendants. Nous pouvons incorporer des copules pour permettre la dépendance conditionnelle des rendements sachant la volatilité, permettant avoir différent lois marginaux de Student avec des degrés de liberté spécifiques pour capturer l'hétérogénéité des rendements. On tire la volatilité comme un bloc dans la dimension du temps et un à la fois dans la dimension de la coupe transversale. Nous appliquons la méthode introduite par McCausland (2012) pour obtenir une bonne approximation de la distribution conditionnelle à posteriori de la volatilité d'un rendement sachant les volatilités d'autres rendements, les paramètres et les corrélations dynamiques. Le modèle est évalué en utilisant des données réelles pour dix taux de change. Nous rapportons des résultats pour des modèles univariés de volatilité stochastique et deux modèles multivariés. Dans le troisième chapitre, nous évaluons l'information contribuée par des variations de volatilite réalisée à l'évaluation et prévision de la volatilité quand des prix sont mesurés avec et sans erreur. Nous utilisons de modèles de volatilité stochastique. Nous considérons le point de vue d'un investisseur pour qui la volatilité est une variable latent inconnu et la volatilité réalisée est une quantité d'échantillon qui contient des informations sur lui. Nous employons des méthodes bayésiennes de Monte Carlo par chaîne de Markov pour estimer les modèles, qui permettent la formulation, non seulement des densités a posteriori de la volatilité, mais aussi les densités prédictives de la volatilité future. Nous comparons les prévisions de volatilité et les taux de succès des prévisions qui emploient et n'emploient pas l'information contenue dans la volatilité réalisée. Cette approche se distingue de celles existantes dans la littérature empirique en ce sens que ces dernières se limitent le plus souvent à documenter la capacité de la volatilité réalisée à se prévoir à elle-même. Nous présentons des applications empiriques en utilisant les rendements journaliers des indices et de taux de change. Les différents modèles concurrents sont appliqués à la seconde moitié de 2008, une période marquante dans la récente crise financière.

Homocystéinémie, apports en vitamines B et facteurs de risque cardiométabolique au Bénin, Afrique

L'hyperhomoscystéinémie (HHcy) est considérée comme un facteur indépendant de risque cardio-métabolique. Notre travail avait pour objectifs : 1) de déterminer la prévalence de l’HHcy au Bénin; 2) d’étudier sa relation avec les apports de vitamines B12, B9, B6 et B2, la consommation d’alcool, l’âge, le sexe et le niveau socioéconomique (NSE); 3) de vérifier son association avec les facteurs classiques de risque cardio-métabolique. Un total de 541 sujets apparemment en santé et vivant dans trois zones du Bénin ont été étudiés. L’Hcy sérique a été analysée par ELISA. Des rappels de 24h ont servi à évaluer les apports nutritifs. L’obésité et l’hypertension ont été définies selon l’OMS, la dyslipidémie et la dysglycémie selon la NCEP-ATPIII. Les autres données ont été récoltées par questionnaire. La prévalence de l’HHcy était élevée : 52,2% chez les hommes et de 24,7% chez les femmes. Dans les modèles multivariés, l’Hcy était positivement associée à la consommation de bière locale chez les hommes; chez les femmes, elle était associée négativement à l'apport de vitamine B12. L’Hcy était positivement associée à la tension artérielle, au taux de LDL-cholestérol et au cholestérol total chez les hommes, mais seulement avec le rapport cholestérol total/HDL-cholestérol (CT/HDL-c) chez les femmes. Les femmes présentant une HHcy étaient au moins deux fois plus susceptibles de présenter une hypertension ou un rapport CT/HDL-c élevé que celles dont l’Hcy était normale. Un apport suffisant en B12 ainsi qu’une consommation prudente de boissons alcoolisées pourraient réduire l'HHcy et donc contribuer à réduire le risque cardio-métabolique de cette population du sud du Bénin.

Facteurs de risque de calcifications vasculaires en insuffisance rénale constituant une contre-indication à la greffe rénale

On estime que des calcifications vasculaires (CVs) sont présentes chez 60% des patients avec insuffisance rénale terminale (IRT) et que ces CVs contribuent à l’augmentation de la maladie cardiovasculaire chez ces patients. La maladie cardiovasculaire est la première cause de mortalité chez les patients en IRT. La transplantation rénale est le traitement de choix en IRT mais peut être contre-indiquée pour des raisons chirurgicales liées au CVs ou en raison d’un risque de complications cardiovasculaires postopératoires trop élevé associé à la présence de CVs sévères. Il est donc primordial de déterminer quels facteurs sont associés à la présence de CVs qui rendraient le patient non-éligible pour une greffe rénale. En particulier il serait intéressant de vérifier si un produit phosphocalcique élevé est un facteur de risque de non-éligibilité pour une greffe rénale en raison de CVs. L’étude actuelle utilise la base de données de transplantation du CHUM. C’est une étude de type cas-témoins avec une cohorte de 1472 patients de 1992 à 2009. Les cas sont les patients jugés non-éligibles pour une transplantation rénale en raison de la présence de CVs sévères. Les contrôles sont les patients jugés éligibles: 80 cas et 80 contrôles ont été inclus. Les facteurs de risque qui ont été identifiés pour la non-éligibilité en raison de CVs sont le diabète (adjusted Odds Ratio (OR): 5.55 (1.98 - 15.59)), l’âge (OR: 1.14 (1.09 – 1.2)), le tabagisme (OR: 9.51 (2.55 – 35.51)) et la dialyse (OR: 6.83 (2.33 – 20.05)). La durée de la dialyse a aussi été identifiée comme facteur de risque (OR : 8.61 (2.34-31.68) pour une durée de dialyse de 8 mois et plus, OR : 4.57 (1.42-14.65) pour une durée de dialyse de 1 à 7 mois. Bien que significatif en univarié, le produit phosphocalcique n’a pas été identifié comme facteur de risque significatif dans les analyses multivariées. En conclusion, cette étude montre que le produit phosphocalcique pourrait être un marqueur d’une insuffisance rénale prolongée et moins bien contrôlée plutôt qu’un facteur de risque de calcifications rendant le patient non-éligible à la greffe. De plus cette étude met de l’emphase sur la notion qu’il est primordial 1) de référer précocement les patients à haut risque de CVs vers un centre de transplantation pour une évaluation et 2) de prendre en charge agressivement l’arrêt du tabac chez tous les patients qui sont potentiellement éligibles pour une transplantation.

Consumption of black tea and coffee and the risk of lung cancer

Objectif: Étudier l’association entre la consommation de café, la consommation de thé noir et le risque de cancer du poumon. Méthodologie: Cette recherche utilise les données obtenues lors d’une étude cas-témoin effectuée à Montréal avec des résidents canadiens âgés entre 35 et 75 ans recrutés entre 1996 et 2001. Les cas étaient des individus atteints du cancer et diagnostiqués entre 1996 et 1997 dans l’un des 18 hôpitaux de la région du Grand-Montréal. Les contrôles on été sélectionnés à partir de la liste électorale et appariés selon la fréquence de distribution des cas par groupe d’âge de 5 ans, par sexe et par district électoral. Au total, 1130 cas et 1484 contrôles ont été inclus dans cette étude. Les rapports de cote (RC) et les intervalles de confiance de 95% (CI) des associations entre la consommation de thé noir, de café et le cancer du poumon ont été estimés à l’aide de la régression logistique non conditionnelle. Quatre aspects de la consommation ont été analysés dans des modèles multivariés distincts: la fréquence de consommation, la consommation journalière moyenne, la durée de consommation et la consommation cumulative. Les covariables potentielles considérées incluaient : l’âge, le sexe, l’historique de tabagisme, le statut du répondant, l’ethnicité, la consommation d’alcool, la consommation de fruit et de légume, l’apport énergétique journalier, l’exposition a des agents professionnelle et les variables socio-économiques . Des analyses secondaires par le sexe, le tabagisme et le type histologique de cancer on été effectuées. Résultats : Aucune association statistiquement significative n’a été observée entre la consommation de thé noir et le cancer du poumon. Nos résultats suggèrent qu’une consommation de ≥ 50 ans était associée avec une augmentation du risque d’adénocarcinome comparée à aucune consommation. Nous avons observé une association inverse statistiquement significative entre la consommation occasionnelle de café et le cancer du poumon (RC : 0.32, 95%CI : 0.17-0.59). La durée de consommation de café n’était pas associée avec le cancer du poumon. Conclusion : Nos résultats suggèrent que la consommation à long terme de thé noir pourrait augmenter le risque d’adénocarcinome. D’un autre côté, la consommation occasionnelle de café pourrait réduire le risque de cancer du poumon.

Robustesse du modèle de Rasch unidimensionnel à la violation de l’hypothèse d’unidimensionnalité.

Le logiciel de simulation des données et d'analyse est Conquest V.3

Hypoglycémie nocturne et habitudes alimentaires en soirée chez l'adulte atteint de diabète de type 1

L’hypoglycémie est une barrière au traitement du diabète de type 1 (DbT1). La collation au coucher est recommandée pour prévenir l’hypoglycémie nocturne (HN), mais son efficacité n’est pas démontrée. Objectif : Déterminer si une prise alimentaire en soirée est associée à la survenue d’HN. Étude observationnelle : 100 DbT1 ont porté un lecteur de glucose en continu et complété un journal alimentaire pendant 72 heures. L’HN est survenue durant 28 % des nuits. Une prise alimentaire en soirée n’était pas associée à l’HN. Toutefois, dans un modèle ajusté, l’apport en glucides en soirée était positivement associé aux HN (avec injection d’insuline rapide) et l’apport en protéines inversement associé aux HN (sans injection d’insuline rapide). Manger en soirée ne semble pas associé à moins d’HN. Des études contrôlées sont nécessaires pour comprendre l’effet de la collation au coucher sur le contrôle glycémique et le rôle de l’insuline rapide injectée en soirée.

Étude de l’effet d’interaction entre l’âge, le sexe, et les problèmes anxieux ou les comportements perturbateurs associés à la dépression, chez les adolescents de 12 à 15 ans

Il y a peu de recherche sur la comorbidité concomitante entre les problèmes de santé mentale et la dépression, tels que perçus par les adolescents de 12-15 ans. L’objectif de cette étude est d’effectuer des analyses secondaires pour vérifier l’association entre quatre problèmes de santé mentale (phobies spécifiques (PS), anxiété généralisée (AG), opposition avec provocation (OP), problème des conduites (PC)) et la dépression ainsi que les interactions de ces associations avec l’âge (12-13 ans; 14-15 ans) et le sexe. Ces problèmes ont été évalués par le Dominique Interactif pour Adolescents (DIA), un questionnaire informatisé et auto-administré. L’analyse de la régression logistique a été réalisée séparément dans un échantillon clinique (n=141) et dans un échantillon scolaire (n=464) composés d’adolescents francophones. Les résultats indiquent un effet d’interaction significatif dans l’échantillon clinique suggérant que les filles ont trois fois plus de chance d’avoir une comorbidité entre les PS et la dépression comparativement aux garçons. Les modèles multivariés révèlent que pour les autres associations, la comorbidité ne varie pas significativement selon l’âge et le sexe. Cependant, dans les deux échantillons, une forte association entre AG, OP, ou PC et la dépression a été observé indépendamment de l’âge et du sexe, ce qui suggère l’importance de la comorbidité globale entre ces problèmes. L’utilisation du DIA pour évaluer la perception des adolescents concernant leurs problèmes de santé mentale représente une contribution originale de cette étude. Les résultats obtenus suggèrent que l’évaluation clinique de la comorbidité devrait inclure l’information provenant de l’adolescent.

Finite-Sample Diagnostics for Multivariate Regressions with Applications to Linear Asset Pricing Models

In this paper, we propose several finite-sample specification tests for multivariate linear regressions (MLR) with applications to asset pricing models. We focus on departures from the assumption of i.i.d. errors assumption, at univariate and multivariate levels, with Gaussian and non-Gaussian (including Student t) errors. The univariate tests studied extend existing exact procedures by allowing for unspecified parameters in the error distributions (e.g., the degrees of freedom in the case of the Student t distribution). The multivariate tests are based on properly standardized multivariate residuals to ensure invariance to MLR coefficients and error covariances. We consider tests for serial correlation, tests for multivariate GARCH and sign-type tests against general dependencies and asymmetries. The procedures proposed provide exact versions of those applied in Shanken (1990) which consist in combining univariate specification tests. Specifically, we combine tests across equations using the MC test procedure to avoid Bonferroni-type bounds. Since non-Gaussian based tests are not pivotal, we apply the “maximized MC” (MMC) test method [Dufour (2002)], where the MC p-value for the tested hypothesis (which depends on nuisance parameters) is maximized (with respect to these nuisance parameters) to control the test’s significance level. The tests proposed are applied to an asset pricing model with observable risk-free rates, using monthly returns on New York Stock Exchange (NYSE) portfolios over five-year subperiods from 1926-1995. Our empirical results reveal the following. Whereas univariate exact tests indicate significant serial correlation, asymmetries and GARCH in some equations, such effects are much less prevalent once error cross-equation covariances are accounted for. In addition, significant departures from the i.i.d. hypothesis are less evident once we allow for non-Gaussian errors.

Exact Skewness-Kurtosis Tests for Multivariate Normality and Goodness-of-fit in Multivariate Regressions with Application to Asset Pricing Models

We study the problem of testing the error distribution in a multivariate linear regression (MLR) model. The tests are functions of appropriately standardized multivariate least squares residuals whose distribution is invariant to the unknown cross-equation error covariance matrix. Empirical multivariate skewness and kurtosis criteria are then compared to simulation-based estimate of their expected value under the hypothesized distribution. Special cases considered include testing multivariate normal, Student t; normal mixtures and stable error models. In the Gaussian case, finite-sample versions of the standard multivariate skewness and kurtosis tests are derived. To do this, we exploit simple, double and multi-stage Monte Carlo test methods. For non-Gaussian distribution families involving nuisance parameters, confidence sets are derived for the the nuisance parameters and the error distribution. The procedures considered are evaluated in a small simulation experi-ment. Finally, the tests are applied to an asset pricing model with observable risk-free rates, using monthly returns on New York Stock Exchange (NYSE) portfolios over five-year subperiods from 1926-1995.

Exact Multivariate Tests of Asset Pricing Models with Stable Asymmetric Distributions

In this paper, we propose exact inference procedures for asset pricing models that can be formulated in the framework of a multivariate linear regression (CAPM), allowing for stable error distributions. The normality assumption on the distribution of stock returns is usually rejected in empirical studies, due to excess kurtosis and asymmetry. To model such data, we propose a comprehensive statistical approach which allows for alternative - possibly asymmetric - heavy tailed distributions without the use of large-sample approximations. The methods suggested are based on Monte Carlo test techniques. Goodness-of-fit tests are formally incorporated to ensure that the error distributions considered are empirically sustainable, from which exact confidence sets for the unknown tail area and asymmetry parameters of the stable error distribution are derived. Tests for the efficiency of the market portfolio (zero intercepts) which explicitly allow for the presence of (unknown) nuisance parameter in the stable error distribution are derived. The methods proposed are applied to monthly returns on 12 portfolios of the New York Stock Exchange over the period 1926-1995 (5 year subperiods). We find that stable possibly skewed distributions provide statistically significant improvement in goodness-of-fit and lead to fewer rejections of the efficiency hypothesis.

A class of bivariate Erlang distributions and ruin probabilities in multivariate risk models

Nous y introduisons une nouvelle classe de distributions bivariées de type Marshall-Olkin, la distribution Erlang bivariée. La transformée de Laplace, les moments et les densités conditionnelles y sont obtenus. Les applications potentielles en assurance-vie et en finance sont prises en considération. Les estimateurs du maximum de vraisemblance des paramètres sont calculés par l'algorithme Espérance-Maximisation. Ensuite, notre projet de recherche est consacré à l'étude des processus de risque multivariés, qui peuvent être utiles dans l'étude des problèmes de la ruine des compagnies d'assurance avec des classes dépendantes. Nous appliquons les résultats de la théorie des processus de Markov déterministes par morceaux afin d'obtenir les martingales exponentielles, nécessaires pour établir des bornes supérieures calculables pour la probabilité de ruine, dont les expressions sont intraitables.

Latent Variable Models for Stochastic Discount Factors.

Latent variable models in finance originate both from asset pricing theory and time series analysis. These two strands of literature appeal to two different concepts of latent structures, which are both useful to reduce the dimension of a statistical model specified for a multivariate time series of asset prices. In the CAPM or APT beta pricing models, the dimension reduction is cross-sectional in nature, while in time-series state-space models, dimension is reduced longitudinally by assuming conditional independence between consecutive returns, given a small number of state variables. In this paper, we use the concept of Stochastic Discount Factor (SDF) or pricing kernel as a unifying principle to integrate these two concepts of latent variables. Beta pricing relations amount to characterize the factors as a basis of a vectorial space for the SDF. The coefficients of the SDF with respect to the factors are specified as deterministic functions of some state variables which summarize their dynamics. In beta pricing models, it is often said that only the factorial risk is compensated since the remaining idiosyncratic risk is diversifiable. Implicitly, this argument can be interpreted as a conditional cross-sectional factor structure, that is, a conditional independence between contemporaneous returns of a large number of assets, given a small number of factors, like in standard Factor Analysis. We provide this unifying analysis in the context of conditional equilibrium beta pricing as well as asset pricing with stochastic volatility, stochastic interest rates and other state variables. We address the general issue of econometric specifications of dynamic asset pricing models, which cover the modern literature on conditionally heteroskedastic factor models as well as equilibrium-based asset pricing models with an intertemporal specification of preferences and market fundamentals. We interpret various instantaneous causality relationships between state variables and market fundamentals as leverage effects and discuss their central role relative to the validity of standard CAPM-like stock pricing and preference-free option pricing.

Simulation-Based Finite and Large Sample Tests in Multivariate Regressions.

In the context of multivariate linear regression (MLR) models, it is well known that commonly employed asymptotic test criteria are seriously biased towards overrejection. In this paper, we propose a general method for constructing exact tests of possibly nonlinear hypotheses on the coefficients of MLR systems. For the case of uniform linear hypotheses, we present exact distributional invariance results concerning several standard test criteria. These include Wilks' likelihood ratio (LR) criterion as well as trace and maximum root criteria. The normality assumption is not necessary for most of the results to hold. Implications for inference are two-fold. First, invariance to nuisance parameters entails that the technique of Monte Carlo tests can be applied on all these statistics to obtain exact tests of uniform linear hypotheses. Second, the invariance property of the latter statistic is exploited to derive general nuisance-parameter-free bounds on the distribution of the LR statistic for arbitrary hypotheses. Even though it may be difficult to compute these bounds analytically, they can easily be simulated, hence yielding exact bounds Monte Carlo tests. Illustrative simulation experiments show that the bounds are sufficiently tight to provide conclusive results with a high probability. Our findings illustrate the value of the bounds as a tool to be used in conjunction with more traditional simulation-based test methods (e.g., the parametric bootstrap) which may be applied when the bounds are not conclusive.

Simulation-Based Finite-and Large-sample Inference Methods in Multivariate Regressions and Seemingly Unrelated Regressions

In the context of multivariate regression (MLR) and seemingly unrelated regressions (SURE) models, it is well known that commonly employed asymptotic test criteria are seriously biased towards overrejection. in this paper, we propose finite-and large-sample likelihood-based test procedures for possibly non-linear hypotheses on the coefficients of MLR and SURE systems.