Show simple document record

dc.contributor.advisorDesrochers, Jean
dc.contributor.authorSt-Jacques, Antoinefr
dc.date.accessioned2017-08-17T20:08:33Z
dc.date.available2017-08-17T20:08:33Z
dc.date.created2017fr
dc.date.issued2017-08-17
dc.identifier.urihttp://hdl.handle.net/11143/11062
dc.description.abstractCette étude tente d’améliorer le modèle standard de prévision de l’indice de volatilité VIX à l’aide du Search Volume Index (SVI) rapporté par Google Trends à l’échelle journalière. La volatilité des marchés étant basée sur la peur et la recherche de gains économiques des agents de marché, Google Trends permet un accès direct et virtuellement immédiat aux désirs et aux inquiétudes de ceux-ci. Durant la période de janvier 2010 à décembre 2016, les séries de 15 termes de recherche liés à l’économie sont utilisées pour tenter d’améliorer les modèles ARIMA et SARIMA recommandés dans la prévision du VIX. Contrairement aux études similaires effectuées à l’échelle hebdomadaire, les résultats démontrent qu’il n’y a pas d’amélioration des prévisions causée par l’addition des données Google Trends aux modèles.fr
dc.language.isofrefr
dc.publisherUniversité de Sherbrookefr
dc.rights© Antoine St-Jacques*
dc.rightsAttribution 2.5 Canada*
dc.rights.urihttp://creativecommons.org/licenses/by/2.5/ca/*
dc.subjectVIXfr
dc.subjectGoogle Trendsfr
dc.subjectVolatilitéfr
dc.titleLe VIX journalier et Google Trendsfr
dc.typeMémoirefr
tme.degree.disciplineFinancefr
tme.degree.grantorÉcole de gestionfr
tme.degree.levelMaîtrisefr
tme.degree.nameM. Sc.fr


Files in this document

Thumbnail
Thumbnail

This document appears in the following Collection(s)

Show simple document record

© Antoine St-Jacques
Except where otherwise noted, this document's license is described as © Antoine St-Jacques