| Summary: | Les marchés financiers sont souvent sujets à d’importantes perturbations, les plus récentes ayant été observées lors de la crise financière de 2008. Ces perturbations peuvent être qualifiées de stress financier, qui se définit comme une interruption du fonctionnement normal des marchés financiers. Ce mémoire propose de mesurer le stress du marché financier canadien, en s’inspirant de l’analyse effectuée par KLIESEN et SMITH [2010] pour les États-Unis. Ces auteurs, qui travaillent à la Réserve fédérale de Saint-Louis, proposent une approche basée sur une analyse en composante principale. Nos résultats montrent que le stress sur les marchés canadiens a une évolution similaire à celui des États-Unis. Un test de causalité de Granger indique que le stress financier américain cause du stress financier sur le marché canadien. Par la suite, la méthode d’analyse en composantes principales non linéaire par noyau (KPCA) est utilisée sur les données américaines et canadiennes. Cette nouvelle méthodologie permet de mieux illustrer le comouvement entre les séries temporelles, lorsque l’on admet des corrélations potentiellement non linéaires. Les résultats montrent que cette nouvelle méthode permet d’obtenir des graphiques dont le bruit est réduit, et avec des structures mieux définies. L’amplitude des évènements de stress est changée, mais l’indice garde la même évolution qualitative. === Financial markets are often affected by important perturbations, as witnessed during the 2008 financial meltdown. These perturbations can be seen as a form of financial stress and are defined as an interruption of normal working financial market. This thesis proposes to measure the financial stress in the Canadian market, using a principal component methodology used by the Saint-Louis Federal Reserve (KLIESEN and SMITH [2010]). Our results show that the financial stress occurring on the Canadian market is stongly related to financial stress: notably US financial stress granger causes financial stress on the Canadian market. Additionally, we use a kernel principal component analysis (KPCA) on both US and Canadian data, to account for second and third degree effects in covariance structures. The kernel analysis reduces the noise on the stress graph. Similar structures are visible and qualitative features are the same, but the relative amplitude of these structures is changed.
|
|---|
