Chaos et finance

Contenus

Objectif du Cours

Ce cours vise à développer chez les étudiants un cadre conceptuel articulant les séries temporelles, le chaos, le risque et l’incertitude, l’économie comportementale et les marchés financiers, ainsi qu’à examiner les relations entre ces notions à travers les méthodes de modélisation.

Il porte sur la modélisation et les tests des processus stochastiques en économie et sur les marchés financiers, ainsi que sur leur mise en relation avec les processus de décision des agents économiques dans une perspective d’économie comportementale.

Les processus stochastiques linéaires sont analysés à l’aide de Stata 10.0, tandis que les processus chaotiques sont étudiés avec R. Le cours aborde également les méthodes d’estimation et de prévision.

Le calendrier du cours est accessible à l’adresse suivante : Programme du cours.

Contenu du Cours

Analyse et examen critique de l’hypothèse d’efficience des marchés.

Risque, incertitude et temps.

Information, prise de décision bayésienne et rationalité.

Applications de l’économie comportementale.

Concept d’équilibre.

Analyse des séries temporelles :

Modélisation linéaire des processus stochastiques et applications avec Stata 10.0.

Modélisation non linéaire et applications avec R.

Processus chaotiques.

Application des méthodes d’analyse des séries temporelles aux variables financières sur des marchés à volumes de transactions élevés ou faibles, notamment les marchés d’actions, des changes et obligataires.

Acquis d'Apprentissage du Cours

À l’issue du cours, les étudiants seront capables de :

Expliquer les relations entre l’économie comportementale et la finance.

Analyser les effets des processus de décision sur les marchés.

Modéliser des processus stochastiques.

Utiliser Stata 10.0 et EViews pour modéliser des processus stochastiques.

Expliquer les notions d’espace des phases et de processus non linéaires.

Expliquer le concept de chaos et tester la présence de dynamiques chaotiques dans les processus financiers.

Utiliser R pour modéliser des processus non linéaires et effectuer les tests associés.

Méthodes d'Enseignement

Théorie et pratique

Le cours s’appuiera sur des exemples contemporains de pratiques des banques centrales à travers le monde, de politiques monétaires et budgétaires, ainsi que sur l’actualité des marchés financiers.

Les évolutions des marchés financiers mondiaux, notamment des marchés d’actions, serviront également à illustrer l’application des méthodes d’analyse des séries temporelles.

Ressources

En plus des études de 4 scientifiques qui ont reçu le prix dans les domaines de l'économie et de la physique Nobel, les sources suivantes seront suivies.


Johansen, S. (1991) Estimation and hypothesis testing of cointegration vectors in gaussian vector autoregressive models. Econometrica, 59, p 1151-1181

Johansen, S ., Juselius, K. (1991) Testing structural hypotheses in a multivariate cointegration analysis of the PPP and the UIP for UK. Journal of Econometrics, 53, p 211-244

Kahneman, D., Slovic, P., Tversky, A. (1982). Judgment Under Uncertainty: Heuristics and Biases . New York: Cambridge University Press.

Kantz, H. (1994) A robust method to estimate the maximal Lyapunov exponent of a time series, Physics Letters A 185, 77-87.

Kantz, H., Schreiber T.(1997) Nonlinear time series analysis. Cambridge, UK: Cambridge University Press.

Karanfil, F., Ozkaya, A. (2007). Estimation of real GDP and unrecorded economy in Turkey based on environmental data. Energy Policy 35 (10), 4902-4908.


Grassberger, P., Procaccia, I. (1983a). Characterization of strange attractors. Phy. Rev. Let., 50: 346-349

Grassberger, P., Procaccia, I. (1983b.) Estimation of the Kolmogorov entropy from a chaotic signal. Phys Rev [A] 29:2591-3.

Rosenstein, M.T., Collins, J.J., De Luca, C.J. (1993) A practical method for calculating largest Lyapunov exponents from small data sets, Physica D 65, 117-34.

Sachs, J.D. (1984) Theoretical issues in international borrowing. Princeton Studies in International Finance, vol. 54. Department of Economics, Princeton University, Princeton.

Said, S.E., Dickey, D.A. (1984) Testing for unit roots in autoregressive moving average models of unknown order. Biometrica, 71, p 599-608

Takens, F. (1981) Detecting strange attractors in turbulence. In: Dynamical systems and turbulence. Berlin: Springer; p. 366.

Wolf, A., Swift, J.B., Swinney, H.L., Vastano, J.A. (1985) Determining Lyapunov Exponents from a time series, Physica D 16, 285-317.

World Bank (2000, September). Turkey—Country economic memorandum— Structural reforms for sustainable Growth (Vols. I and II) (Report No.20657TU), Washington, DC.

Johansen, S. (1991) Estimation and hypothesis testing of cointegration vectors in gaussian vector autoregressive models. Econometrica, 59, p 1151-1181

Johansen, S ., Juselius, K. (1991) Testing structural hypotheses in a multivariate cointegration analysis of the PPP and the UIP for UK. Journal of Econometrics, 53, p 211-244

Intitulés des Sujets

Système d'évalution

Tableau de la Charge de Travail