Soutenance de thèse de MANEL SOURY

Cette thèse de doctorat est composée de trois chapitres, un article et deux papiers et est principalement liée au domaine de l’économétrie financière empirique. Elle analyse la dépendance et le lien entre les marchés financiers et les marchés de matières premières, en particulier celui de l’énergie. Les distributions et corrélations des variables appartenant aux deux marchés sont étudiées afin de déterminer leurs effets les uns sur les autres et d’analyser leurs tendances pour donner un meilleur aperçu de leurs comportements vis-à-vis des crises et des événements brusques en économie. Ces variables sont représentées par certains indices financiers (SP500, Euro stoxx 50, Msci China...) ainsi que par les principaux indices de matières premières (SP GSCI, Brent Oil, Gaz naturel, Metaux precieux...). Nous choisissons de modéliser leur corrélation dans le temps et de prendre en compte la non-linéarité et l’instabilité qui peuvent les affecter. Pour cela, l’approche fonction copule a été employée pour modéliser d’une manière efficace leurs distributions. Dans le premier chapitre, nous examinons la dépendance et les co-mouvements entre les prix des émissions de dioxyde de carbone et les indices énergétiques comme le charbon, le gaz naturel, le Brent oil et l’indice énergétique global SP GSCI. La dépendance entre leurs rendements a été modélisée par une classe particulière de copules dynamiques, la copule autorégressive stochastique (SCAR). Et l’estimation a été faite en utilisant la méthode EIS (Efficient Importance Sampling). Le deuxième chapitre analyse les interactions et relations entre le marché pétrolier et deux principaux marchés financiers en Europe et aux États-Unis représentés par l’Euro stoxx 50 et le SP500. La copule dynamique et la copule markovienne (à changement de régime) ont été choisies pour mieux comprendre le lien entre les deux. Le modèle est estimé en utilisant la méthode de la fonction d’inférence pour les marginales (IFM) avec le filtre de Kim pour le processus markovien. Un certain nombre de faits empiriques ont été déduits à partir des résultats obtenus. Dans le dernier chapitre, on analyse la dépendance multivariée entre les indices de matière première de différents secteurs (énergie, métaux précieux, métaux industriels, agriculture) avec des indices financiers de pays développés ainsi que émergents (États-Unis, Chine et l’Inde) en utilisant le modèle de la copule Regular Vine. Un certain nombre de tests ont été effectués pour bien choisir la meilleure structure de Vine qui correspond aux données.

This Ph.D. thesis is composed by three chapters and is mainly related to the empirical financial econometrics field. It analysis the dependence and correlation between the financial markets and the commodity markets specially energy. Variables from both markets are studied to determine their effects on each others and to analyse their trends to giva a better insight to their co-movements. These variables are represented by some of the major equities (SP500, Euro stoxx 50, Msci China...) as well as major commodities indices (SP GSCI commodity, Brent Oil, Natural Gas, Precious metals...). We choose to model their correlation dynamically and take into account any non-linearity and stylised facts into the nature of their dependencies. For that, the copula approach was used to model efficiently the correlated joint distributions of the studied variables. In the first paper, we examine the dependence and co-movements between the prices of the carbon dioxide emissions and energy commodities (coal, natural gas, Brent oil and SP GSCI energy index). The dependence between the returns was modeled by a particular class of dynamic copula, the Stochastic Autoregressive Copula (SCAR). And the estimation was done using the Effi- cient Importance Sampling (EIS) method. The second chapter analysis the interactions and co-movements between the oil market and two major stock markets in Europe and the US (the Euro stoxx 50 and the SP500). Both the dynamic and the markov (regime switching) copula were chosen to better understand the link between the two. The model is estimated using the inference function for margins (IFM) method together with Kim’s filter for the markov switching process. A number of empirical facts have been deduced from the given results. In The last paper, I study the multivariate dependence between commodities from different sectors (energy, precious metals, industrial metals, agriculture) with some major equities from developed and emerging countries (US, China, India) using the Regular Vine copula model. A number of tests have been conducted to choose the best structure of the Vine.