51

Les marchés financiers sont souvent le lieu de violentes turbulences des cours et un indice de crise — appeléIMS(Index of Market Shocks, voir Maillet et Michel [2002]) — a été récemment introduit pour tenter de quantifier les turbulences de marchés se produisant à l’occasion de ces crises financières. La volatilité conditionnelle des rentabilités boursières (v. Hamilton [l994]), tout comme les crises bancaires et financières du siècle dernier (Coe [2002]) ont déjà été représentées à l’aide de modèles à changements de régimes. Par ailleurs, la modélisation via des perceptrons multi-couches et chaînes de Markov cachées a été utilisée dans l’étude dephénomènesdepicsdepollution(v.Rynkiewicz[2000]),partageantaprioriquelques similitudes avec les phénomènes de crises observées sur les marchés financiers. L’objet du présent article est de fournir une description modélisée du comportement de l’indicateurIMS,calculésurlemarchéfrançais(CAC40enhautefréquence[1995-2004]), en essayant de caractériser la présence de régimes dans la série. Nous commençons par étudier une série d’IMS à l’aide de modèles auto-régressifs simples, puis à l’aide d’unmodèlehybrideintégrantdesperceptronsmulti-couchesetdeschaînesdeMarkov cachées.

Characterization of financial crisis with hybridHMC-MLP modelsViolent turbulences are often striking the financial markets and an Index of Market Shocks (IMS) was recently introduced in the attempt of quantifying these turbulences. Regime switching linear models have already been used in modelling the conditional volatility of returns. In this paper, we propose a description of the IMS with hybrid models integrating multi-layer perceptrons and hidden Markov chains. After studying the prediction performance of the models, we focus on the series separation and the index behaviour subject to hidden states.