Volatility and duration models for financial intaday data

Ce papier fait le point et teste de façon empirique les modèles de comptage en utilisant des données de haute fréquence : le modèle BIN(1,1) avec un processus de Poisson, afin de vérifier si ce modèle permet d’appréhender le phénomène de clusters (grappes) pour les données de haute fréquence, à partir les données intra-journalières sur les titres. Le processus d’estimation du modèle utilisant le processus de génération des données (PGD), ensuite par l’utilisation des données réelles de trois titres de la place de New York, NYSE (BOEING, DISNEY, et AWK), conduit à de bons résultats, ce qui permet de valider ce modèle permettant ainsi la généralisation au modèle BIN(n,n) et pour des travaux sur la densité de prévision. Dans ce papier, nous avons étudié le thème de la pertinence des modèles BIN à capturer les activités des marchés financiers à partir de données intra-journalières (volume, cotation, prix), ce qui permet de prévoir l’évolution des activités des marchés financiers. On peut l’étendre au contexte des marchés financiers africains moyennant des hypothèses.