Le caractere previsionnel du modele GARCH(1,1) selon differents horizons de previsions de la volatilite

Abstract

Cette étude porte sur le caractère prévisionnel des modèles de prévisions de la volatilité. Cinq modèles sont analysés soit : le modèle de la marche aléatoire, le modèle de la moyenne historique, le modèle de la régression linéaire simple, le modèle de lissage exponentiel et le modèle GARCH (1,1). Selon de nombreuses études, il semblerait que l’utilisation des modèles ARCH/GARCH améliore significativement le degré de précision de la volatilité. Cependant, la majorité des recherches effectuées jusqu’à présent, porte sur un horizon de prévisions à très court terme, généralement un mois. Donc, l’objectif de cette recherche est d’analyser s’il existe une amélioration significative de la prévision de la variabilité selon différents horizons de prévisions par l’utilisation d’un modèle GARCH (1,1). Pour ce faire, nous avons étudié les erreurs de prévisions de la variabilité de l’indice TSE-300 selon les différents modèles énumérés précédemment. Le meilleur modèle de prévisions de la variabilité est celui qui minimise les termes d’erreurs. Bref, l’hypothèse à confirmer est de vérifier si la prévision de la volatilité à l’aide d’un modèle GARCH (1,1) fournit les plus petites erreurs statistiques de prévisions selon différents horizons d’investissement. Selon notre étude, nous observons que le modèle GARCH (1,1) représente un bon modèle de prévisions de la variabilité de l’indice TSE-300 sur des horizons d’un mois. Cependant, les résultats obtenus pour le modèle de la marche aléatoire surpassent légèrement les résultats du modèle GARCH pour ce même horizon de prévisions. Pour un horizon de prévisions de la variabilité de trois mois, le meilleur modèle est celui du lissage exponentiel, suivi du modèle de la marche aléatoire. D’un autre côté, le modèle de la régression linéaire est le meilleur modèle de prévisions de la volatilité pour un horizon de six mois. Quant au modèle GARCH (1,1), il vient seulement au quatrième rang, devant le modèle de la moyenne historique, pour les périodes de prévisions de la volatilité de l’indice TSE-300 de trois, six et douze mois. Par ailleurs, l’utilisation de la moyenne historique est couramment utilisée en finance. Fait surprenant, ce modèle est le pire modèle de prévisions de la volatilité de l’indice TSE-300 parmi tous les modèles étudiés et ce, pour des horizons d’un, trois, six et douze mois.