A l'université du Mans
Calcul économique 1 (L1-S1)
- Fiche de TD.
- Exercices supplémentaires et tutorat.
- Objectifs pédagogiques
- Le premier cours de calcul économique fournit aux étudiants tous les outils mathématiques utiles aux cours en L1 Economie-Gestion.
- Plan de cours
- Chapitre 1 : la logique.
- Chapitre 2 : les fonctions.
- Chapitre 3 : les limites.
- Chapitre 4 : la dérivation.
- Bibliographie
- Rossignol S., Mathématiques pour l'Economie et la Gestion.
- Dodge Y., Mathématiques pour l'Economie et la Gestion.
- Econométrie des variables qualitatives (L3-S6)
- Fiche de TD
- Objectifs pédagogiques
- Plan de cours
- Chapitre 1 : les variables qualitatives comme explicatives.
- Chapitre 2 : les modèles Logit et Probit.
- Chapitre 3 : le modèle Tobit.
- Bibliographie
- Greene W.H., Econometric Analysis, Mac Millan.
- Maddala G., Econometric methods and applications.
- Wooldridge, Introductory Econometrics.
- Statistiques et économétrie des séries temporelles (L3 SAF S6)
- Fiche de TD
- Plan de cours
- Chapitre 1 : Processus stochastiques et outils d'analyse.
- Chapitre 2 : Processus ARMA stationnaires.
- Chapitre 3 : Non-stationnarité et racines unitaires.
- Chapitre 4 : Introduction à l'économétrie financière
- Bibliographie
- Probabilités 1
- en DEUG2 IUP IES de 2001 à 2004
- Polycopié de cours (100p)
- Fiche de TD
- Objectifs pédagogiques
- Ce cours a pour objet d’initier les étudiants aux principaux théorèmes et résultats de la théorie probabiliste, aux lois classiques (discrètes et continues) ainsi qu’aux principaux résultats de convergence (en probabilité et en loi). Ces différents éléments permettront aux étudiants d’évoluer ensuite vers la théorie de l’estimation et des tests (au second semestre), et de façon plus générale vers les différents domaines de l’économétrie.
- Plan de cours
- Chapitre 1 : Dénombrement et analyse combinatoire.
- Chapitre 2 : Formalisation des expériences aléatoires.
- Chapitre 3 : Variables aléatoires discrètes.
- Chapitre 4 : Lois de probabilités discrètes classiques.
- Chapitre 5 : Variables aléatoires continues.
- Chapitre 6 : Lois de probabilité continues classiques.
- Chapitre 7 : Convergences stochastiques.
- Bibliographie
- Abboud N. & J.F. Audroing (1989), Probabilités et inférence statistique, Nathan.
- Combrouze & Dede (1996), Probabilités et statistiques, vol.1, PUF.
- Combrouze (1998), Probabilités et statistiques, vol.2, PUF.
- Karamé F.(2001), Probabilités et Statistiques, polycopié de cours.
- Leboeuf C., J.L. Roque & J. Guegand (1987), Cours de probabilités et de statistiques, Ellipses.
- Probabilités 2
- en L2 Economie depuis 2010
- Polycopié de cours (100p)
- Fiche de TD
- Objectifs pédagogiques
- Une fois posée les bases probabilistes ainsi que les différentes lois, ce cours a pour objet d'introduire la théorie de l’estimation et des tests.
- Plan de cours
- Chapitre 0 : Les couples de variables aléatoires.
- Chapitre 1 : La convergence.
- Chapitre 2 : L'échantillonnage
- Chapitre 3 : La théorie de l'estimation.
- Chapitre 4 : La méthode du maximum de vraisemblance.
- Chapitre 5 : Les intervalles de confiance.
- Bibliographie
- Abboud N. & J.F. Audroing (1989), Probabilités et inférence statistique, Nathan.
- Combrouze & Dede (1996), Probabilités et statistiques, vol.1, PUF.
- Combrouze (1998), Probabilités et statistiques, vol.2, PUF.
- Karamé F.(2001), Probabilités et Statistiques, polycopié de cours.
- Leboeuf C., J.L. Roque & J. Guegand (1987), Cours de probabilités et de statistiques, Ellipses.
- Econométrie 1
- en DEUG2 IUP IES puis en L3 IES de 2001 à 2008
- Polycopié de cours (100p)
- Fiche de TD
- Objectifs pédagogiques
- L’objet de ce premier cours d’Econométrie est de fournir aux étudiants des bases solides concernant l’économétrie linéaire, tant en termes de réflexion en ce qui concerne l’outil que sur le plan des techniques. On commencera par la présentation du modèle de régression standard ainsi que par les propriétés des estimateurs des MCO. On envisagera ensuite les tests sur les paramètres ainsi que ceux concernant la validité des hypothèses standards.
- Plan de cours
- Chapitre 1 : le modèle de régression linéaire.
- Chapitre 2 : Inférence dans le modèle linéaire.
- Bibliographie
- Dormont B., Introduction à l’Econométrie, Editions Montchrétien.
- Greene W.H., Econometric Analysis, Mac Millan.
- Karamé F.(2001), Econométrie, polycopié de cours.
- Maddala G., Econometric methods and applications.
- Wooldridge, Econometrics.
- Econométrie 2
- en L3 Economie depuis 2010
- Polycopié de cours (100p)
- Transparents du cours
- Objectifs pédagogiques
- Ce cours prolonge le cours d’Econométrie de base. Il étudie les conséquences de la non-vérification des hypothèses du cadre idéal, la façon de les tester et de les corriger.
- Plan de cours
- Partie 1 : Rappels et approfondissements
- Partie 2 : La levée de l'hypothèse de non corrélation et/ou d'homoscédasticité des perturbations
- Partie 3 : Endogénéité des régresseurs
- Bibliographie
- Dormont B., Introduction à l’Econométrie, Editions Montchrétien.
- Greene W.H., Econometric Analysis, Mac Millan.
- Karamé F.(2001), Econométrie, polycopié de cours.
- Maddala G., Econometric methods and applications.
- Wooldridge, Econometrics.
- Initiation au logiciel Gauss
- en L3 IES de 2001 à 2008
- Polycopié de cours
- Fiche de TD
- Un cours d'initiation avec exercices corrigés
- Toutes les docs
- Objectifs pédagogiques
- L’idée de cet atelier est d’initier les étudiants à un langage de programmation matriciel, très orienté vers les mathématiques et l’économétrie. Ainsi, on utilisera plus particulièrement les spécificités de ce logiciel pour programmer les différentes connaissances déjà acquises dans les cours en probabilités et d’économétrie. On alternera présentation théorique et applications pratiques.
- Plan de cours
- 1. Généralités
- 2. L'environnement de travail et la prise en main du logiciel
- 3. La syntaxe de base
- 4. La nature des variables
- 5. La création et la manipulation de variables
- 6. Les opérations mathématiques usuelles
- 7. Les opérations logiques usuelles
- 8. Les commandes usuelles
- 9. Le format des matrices
- 10. Les boucles
- 11. Les procédures
- 12. Le statut des variables : 1er round
- 13. Les pointeurs de procédures
- 14. La minimisation numérique
- 15. Le statut des variables : 2d round
- 16. Les tableaux multidimensionnels
- 17. Les structures
- 18. La parallélisation
- 19. La dérivation numérique
- 20. Les échanges de données par type de fichiers : avantages et inconvénients
- 21. Un peu de mise en forme
- Atelier de macroéconomie appliquée
- sur machine; avec le logiciel Gauss
- en M1 IES de 2001 à 2010
- Polycopié de cours (50p)
- Objectifs pédagogiques
- L’idée est d’étudier puis de programmer quelques grandes méthodes économétriques en macroéconomie. le langage utilisé sera GAUSS. Les étudiants devront ensuite appliquer une de ces méthodes dans le cadre d’un projet en reproduisant, en mettant à jour ou en construisant une extension d’un article de recherche publié.
- Plan de cours
- Chapitre 1 : le maximum de vraisemblance : application à l’estimation d’un modèle Logit.
- Chapitre 2 : le filtre de Kalman et les décompositions tendance-cycle.
- Chapitre 3 : Les modèles VAR structurels.
- Chapitre 4 : La méthode des moments généralisée.
- Bibliographie
- Blanchard O.J. & D. Quah (1989), “The Dynamic Effects of Aggregate Demand and Supply Disturbances”, American Economic Review, 79(4), 655-673.
- Clark P.K., 1987, The Cyclical Component of US Economic Activity, Quarterly Journal of Economics, 797-814.
- Clark P.K., 1989, Trend Reversion in Real Output and Unemployment, Journal of Econometrics, 40, 15-32.
- Davis S.J. & J. Haltiwanger (1999), “On the Driving Forces Behind Cyclical Movements in Employment and Job Reallocation”, American Economic Review, 89(5), 1234-1258.
- Gali J. (1992), “How Well Does the IS-LM Model Fit Postwar U.S. Data?”, The Quarterly Journal of Economics, 107(2), 709-738.
- Hamilton J.D., 1994, Time Series Analysis, Princeton.
- Harvey A.C., 1989, Forecasting, Structural Time Series Models and the Kalman Filter, Cambridge University Press.
- Karamé F. (2001), Introduction à l’analyse des données, polycopié de cours.
- Luktepölh H. (1993), Introduction to Multiple Time Series Analysis, 2d Edition, Springer-Verlag, Berlin.
- Analyse des données
- en M1 IES de 2001 à 2010
- Polycopié de cours (110p)
- Objectifs pédagogiques
- L’objet de ce cours est de fournir aux étudiants une base solide concernant la théorie et la pratique de l’exploitation statistique multidimensionnelle des données. On envisage donc un cours théorique introduisant les méthodes et leurs justifications et des TD d’applications réalisés avec les logiciels SPAD et SAS.
- Plan de cours
- Chapitre 1 : L’analyse générale.
- Chapitre 2 : L’analyse en composantes principales.
- Chapitre 3 : L’analyse factorielle des correspondances.
- Chapitre 4 : L’analyse des correspondances multiples.
- Chapitre 5 : Introduction aux méthodes de classification.
- Bibliographie
- Escofier B. et J. Pagès (1990), Analyses factorielles simples et multiples, 2ième édition, Dunod.
- Fenelon J-P (1981), Qu’est-ce que l’analyse des données ?, Lefonen.
- Karamé F. (2001), Introduction à l’analyse des données, polycopié de cours.
- Lebart L., A. Morineau et M. Piron (1997), Statistique exploratoire multidimensionnelle, 2ième édition, Dunod.
- Volle M. (1997), Analyse des données, 4ième édition, Collection « Economie et statistiques avancées », Economica.
- Econométrie de la finance
- en M1 IES de 2007 à 2008
- Polycopié de cours (70p)
- Fiche de TD
- Objectifs pédagogiques
- L’objet de ce cours est de fournir aux étudiants une base solide concernant la théorie et la pratique de l’Econométrie de la finance. On envisage donc un cours théorique introduisant les méthodes et leurs justifications et des TD d’applications réalisés avec le logiciel GAUSS.
- Plan de cours
- Introduction : Faits stylisés des séries financières, outils de détection et rappels de probabilités.
- Chapitre 1 : Modèles GARCH : présentation et propriétés.
- Chapitre 2 : Estimation.
- Chapitre 3 : Tests de spécification et de diagnostics.
- Chapitre 4 : Prévisions.
- Chapitre 5 : Extensions linéaires, non linéaires et semi-paramétriques.
- Chapitre 6 : Instabilité et changements de régimes markoviens.
- Chapitre 7 : Modèles à volatilité stochastique : présentation et estimation.
- Bibliographie
- Bao Y., T.H. Lee & B. Saltoglu (2004), A Test for Density Forecast Comparison with Applications to Risk Management, miméo.
- Bauwen L, S. Laurent & J. Rombouts (2005), Multivariate Garch Models: A Survey, Journal of Applied Econometrics.
- Bollerslev T., R. Engle & C Nelson (1994), ARCH Models, in Handbook of Econometrics, Vol IV, chapter 49, p. 2959-3038, Engle & Mc Fadden eds.
- Charpentier A. Séries temporelles, cours ENSAE vol 2.
- Engle R. (2001), The Use of ARCH/GARCH Models in Applied Econometrics, Journal of Economic Perspectives, 15(4), 157-168.
- Francq C. & J.M. Zakoian (2007), Modèles GARCH et à volatilité stochastique, présenté à l’université de Montréal.
- Francq C., R. Roy & J.M. Zakoian (200?), Goodness-of-fit Tests for ARMA models with uncorrelated Errors, mimeo.
- Franke J., W. Hardle & C. Hafner (2004), Introduction to Statistics of Financial Markets, accessible à http://www.quantlet.com/mdstat/scripts/sfe/html/sfe.html
- Gouriéroux C. (1992), Modèles ARCH et applications financières, Economica.
- Hurlin C. Cours d’économétrie pour la finance, Master 2 Econométrie et Statistique Appliquée.
- Lambert P. & S. Laurent (2002), Modelling skewness dynamics in series of financial data using skewed location-scale distributions, mimeo.
- Laurent S., G@RCH 5.0 Help site, http://www.garch.org
- Tout en ce qui concerne la programmation en SAS : SAS support
- Wurtz D., Y. Chalabi & L. Luksan (2006), Parameter Estimation of ARMA Models with GARCH/APARCH Errors, Journal of Statistical Software.
- Econométrie pour la finance
- en Master2 Gestion des Risques et des Actifs depuis 2010
- Polycopié de cours (200p)
- Chapitre 8 : les représentations de type GARCH (compléments)
- Objectifs pédagogiques
- Ce cours a pour objet d’initier les étudiants à une très large palette d'outils et méthodes utilisés en finance quantitative. Il constitue une introduction théorique au cours de Stratégies Quantitatives qui suivra et dans lequel les applications pratiques seront envisagées.
- Plan de cours
- Chapitre 1 : Rappels sur l'économétrie.
- Chapitre 2 : Rappels sur les tests.
- Chapitre 3 : La méthode du maximum de vraisemblance.
- Chapitre 4 : La méthode des moments généralisée.
- Chapitre 5 : Les méthodes d'inférence indirecte.
- Chapitre 6 : L'économétrie bayésienne.
- Chapitre 7 : Les séries temporelles.
- Chapitre 8 : Les représentations de type ARCH.
- Chapitre 9 : Les représentations état-mesure linéaires gaussiennes.
- Chapitre 10 : Les représentations état-mesure non linéaires non gaussiennes.
- Bibliographie
- Hamilton J.D., 1994, Time Series Analysis, Princeton.
- Roncalli T., 2010, La gestion d'actifs quantitative, Economica.
- Variables latentes
- en M2 IES de 2004 à 2008
- Polycopié de cours (100p)
- Objectifs pédagogiques
- Les modèles dynamiques faisant intervenir des variables inobservables, ou facteurs, forment une classe très riche et très importante dans les domaines économiques et financiers. Ces modèles peuvent avoir une interprétation économique et/ou être des outils d’analyse purement statistiques.le traitement économétrique apporté à ces modèles dépend de leur complexité. Ainsi, pour une large classe de modèles, des méthodes de filtrage liées à la représentation état-mesure et à l’estimation des paramètres inconnus par maximum de vraisemblance suffisent. Une difficulté fondamentale se pose néanmoins pour certaines classes de modèles lorsque l’expression de la vraisemblance est inextricable, soit par exemple du fait de la présence de non-linéarités fortes, soit lorsqu’elle s’écrit comme une intégrale de dimension élevée. On a alors recours aux méthodes d’estimation utilisant des simulations. L’objectif de ce cours est d’étudier et d’appliquer à des questions concrètes les méthodes les plus répandues permettant de résoudre ces deux grands types de problèmes. La validation se fera sous la forme d’un projet appliqué. Les applications se feront en repartant de programmes trouvés sur Internet, écrits sous le logiciel Gauss et modifiés et/ou améliorés pour répondre à la question posée.
- Plan de cours
- Chapitre 1 : le maximum de vraisemblance (rappels).
- Chapitre 2 : La représentation état-mesure linéaire et le filtre de Kalman.
- Chapitre 3 : Les modèles à changements de régimes.
- Chapitre 4 : Les filtres à particules.
- Chapitre 5 : La méthode des moments généralisée (rappels).
- Chapitre 6 : Les méthodes d’inférence simulées.
- Bibliographie
- Durbin J. & S.J. Koopman, (2001), Time Series Analysis by State-Space Methods, Oxford.
- Gouriéroux C. & A. Monfort (1996), Simulation-based Econometric Methods, CORE Editions, Oxford.
- Hamilton J.D., (1994), Time Series Analysis, Princeton.
- Karamé F. (2004), Variables latentes, polycopié de cours.
- Kim C.J. & C.R. Nelson, (1999), State-Space Models with Regime-Switching: Classical and Gibbs-Sampling Approaches with Applications, MIT Press.
- Teräsvirta T., D. Tjostheim & C.W.J. Granger (1994), “Aspects of Modelling Nonlinear Time Series”, in Engle and McFadden eds., Handbook of Econometrics, chapter 48, 2917-2957, Elsevier.
- Van Dijk D., T. Teräsvirta & P.H. Franses (2002), “Smooth Transition Autoregressive Models: a Survey of Recent Developments”, Econometric Reviews, 21, 1-47.