Methods of Moments
The 13 juillet 2016 | Orléans - Hôtel Dupanloup
> Formateur(s) : Christophe Hurlin
> 1 day

Durée et langue d'enseignement

La formation sera dispensée en une journée en français.

Objectifs de la formation

L'objectif de cette formation est de proposer une initiation aux méthodes de moments. Un exemple introductif permettra de présenter la méthodes des moments classiques. La première partie du cours sera ensuite consacrée à la méthode des moments généralisés (GMM), initialement introduite par Hansen (1982). La seconde partie introduira la notion de matrice de poids optimale ainsi que les estimateurs des GMM en deux étapes (Hansen, 1982), les estimateurs GMM itératifs de Ferson et Foerster (1994), ainsi que les méthodes dites "continuous-updating GMM" de Hansen, Heaton et Yaron (1996). La troisième partie du cours sera consacrée à l'étude de la distribution asymptotique des GMM et aux différents tests de spécification. 

Enseignant 

Christophe Hurlin (Université d'Orléans): CV

Titulaire d’un doctorat de l’Université Paris I Panthéon-Sorbonne, Christophe Hurlin est actuellement professeur à l’Université d’Orléans et directeur adjoint du Laboratoire d’Économie d’Orléans (UMR CNRS 7322). Auparavant, il a été maître de conférences à l’Université Paris Dauphine et a enseigné à HEC Lausanne et à l’Université de Genève. Ses domaines de recherche portent sur l’économétrie financière, la mesure des risques financiers et l’économétrie de panel. Ses travaux sont parus dans des revues académiques telles que le Journal of Financial Econometrics, Review of Finance, European Journal of Operational Research, Journal of Banking and Finance, Journal of Empirical Finance. 

Contenu de la formation

La formation se déroulera selon le plan suivant

  1. Introduction : estimation d'un paramètre par la méthode des moments classiques, notion de modèle juste-identifié ou sur-identifié, moments conditionnels ou moments non conditionnels (loi marginale), lien avec les anticipations rationnelles.
  2. La méthode des moments généralisés (GMM) : principe général, condition d'orthogonalité, identification et estimation. Exemple : l'estimateur des MCO, l'estimateur des variables instrumentales, modèle dynamique sous anticipations rationnelles. Application au modèle C-CAPM de Hansen et Singleton (1982).
  3. Matrice de poids optimale : définition et estimation de la matrice de poids optimale, avec ou sans corrélations (estimateurs kernel de type  Newey West, 1987; Andrews, 1991; Gallant, 1987). Définition des estimateurs GMM en deux étapes (Hansen, 1982), GMM itératifs de Ferson et Foerster (1994), et des "continuous-updating GMM" de Hansen, Heaton et Yaron (1996).
  4. Distribution asymptotique des GMM : cas général et études de cas particuliers (MCO, variables instrumentales). Inférence avec les GMM : test de sur-identification (J-statistique), tests de stabilité structurelle.

Logiciel

Les illustrations numériques du cours se feront sur différents logiciels (Eviews, Matlab, etc.).

Pré-requis

Connaissance des méthodes d'estimation de base (MCO, variables instrumentales) et de la notion d'anticipation rationnelle.

Lectures conseillées

Hansen, L.P. (1982). Large sample properties of generalized method of moments estimators. Econometrica 50, 1029–1054. 

Hansen, L., Heaton, J. and A. Yaron (1996): “Finite Sample Properties of Some Alternative GMM Estimators”, Journal of Business and Economic Statistics, 14, 262-280  

Hansen, L. and K. Singleton (1982): “Generalized Instrumental Variable Estimation of Nonlinear Rational Expectations Models”, Econometrica, 50, 1269-1286