Algorithmes pour l'inférence statistique dans les modèles RCA et GARCH

Les modèles autorégressifs à coefficients aléatoires (RCA) et les modèles autorégressifs conditionnellement hétéroscédastiques généralisés (GARCH) ont un très grand intérêt dans divers domaines d'applications, par exemple dans la finance, l'économétrie, la médecine, la météorologie, l'hydrologie, le traitement du signal, etc... Cet ouvrage est consacré à la prévision et à l'estimation dans les modèles précités et plus précisément l'élaboration de nouveaux algorithmes de prédiction et d'estimation des paramètres inconnus de ces modèles en se basant sur le Filtre de Kalman, le quasi-maximum de vraisemblance et quelques méthodes d'optimisation stochastique et déterministe dans le but d'améliorer les méthodes qui existent dans la littérature. Le Filtre de Kalman requiert un passage indispensable constitué de la présentation des modèles étudiés, en modèle espace d'état, ces deux outils sont devenus importants et puissants dans le domaine de la statistique et de l'économétrie. Ensemble, ils offrent aux chercheurs un cadre de modélisation et de calcul efficace pour l'estimation des paramètres inconnus.