Forecasting sovereign CDS VOLATILITY: A comparison of univariate GARCH-class models

• Published in: Vie & sciences de l'entreprise 2020-06, Vol.209 (1), p.27-56
• Main Authors: Sabkha, Saker, de Peretti, Christian, Mallek, Sabrine
• Format: Article
• Language: English
• Subjects: Computational Finance; Economics and Finance; Humanities and Social Sciences; Portfolio Management; Pricing of Securities; Quantitative Finance; Statistical Finance
• ISSN: 2262-5321; 2262-5372
• DOI: 10.3917/vse.209.0027

Initialement ignoré par les investisseurs, le risque de crédit souverain a été réévalué à la hausse depuis les années 2000, ce qui a contribué à éveiller l'intérêt des spéculateurs pour les CDS souverains. Le besoin croissant de modèles de prévision précis nous a amenés à combler le vide dans la littérature en étudiant la prévisibilité de la volatilité des CDS souverains et en utilisant des modèles linéaires et non linéaires de la classe GARCH. Cet article utilise des données de 38 pays dans le monde, allant de janvier 2006 à mars 2017. Les résultats montrent que les marchés des CDS sont soumis à des périodes de regroupement de volatilité, de non-linéarité, d'effets de levier asymétriques et de comportement à longue mémoire. En utilisant 7 critères statistiques hétéroskédastiques et aucun critère hétéroskédastique robuste, les résultats montrent que les modèles partiellement intégrés surpassent les modèles de base de la classe GARCH en termes de capacité de prévision, permettant une flexibilité concernant le degré de persistance des chocs de variance. Malgré la divergence de la situation économique et des positions géographiques des pays composants notre échantillon, les modèles FIGARCH et FIEGARCH se révèlent principalement être les modèles les plus précis pour prédire la volatilité du marché du crédit.