Application empirique du modèle d'évaluation des actifs financiers conditionnel international (MEDAFI) et ses implications pour la diversification internationale sur les marches émergents et développés
Notice bibliographique
Résumé
Ce mémoire utilise le modèle GARCH multivarié de De Santis et Gérard (1997) avec une spécification BEKK afin de tester une version conditionnelle du MEDAF International. Notre étude porte sur 8 marchés financiers, quatre marchés développés (Canada, États-Unis, Japon et France) et quatre marchés émergents (Brésil, Afrique du Sud, Chine et Grèce), ainsi que le marché mondial pour la période de juillet 1993 à juillet 2018. Le modèle permet d'estimer simultanément pour les huit marchés et le marché mondial. Cette approche permet aux primes de risque, aux bêtas, aux corrélations et aux gains ex ante de diversification internationale de varier suivant les dates. Le prix \nde risque de covariance est modélisé comme une fonction exponentielle d'un ensemble de variables macroéconomiques et financières. Nos résultats montrent que les gains de la diversification internationale sont statistiquement et économiquement significatifs pour tous les pays de l'échantillon, mais que ces derniers sont plus importants pour les \nmarchés émergents. \n_____________________________________________________________________________ \n \nMOTS-CLÉS DE L’AUTEUR : MEDAFI, diversification des portefeuilles, intégration financière, BEKKGARCH multivarié
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».