Modèles autorégressifs à seuil de séries chronologiques.

Résumé Ce travail est fondé sur l'introduction de seuils dans les modèles de séries temporelles. Nous commençons par présenter la théorie des chaines de Markov homogènes, nécessaire pour l'étude des processus non linéaires. Les modèles autorégressifs d'ordre un à un seuil font l'objet de la deuxième partie. Des propriétés distributionnelles sont obtenues au voisinage du modèle linéaire, ce qui permet d'obtenir des formules approchées pour diverses quantités: moyenne, variance, moments. . . Enfin, deux méthodes de test de l'hypothèse de linéarité sont proposées. La partie suivante propose une nouvelle classe de modèles ARCH (autogressive conditionally heteroskedastic). L'introduction de seuils dans la spécification de la variance conditionnelle permet la prise en compte d'effets spécifiques sur la volatilité (persistance, dissymétrie selon le signe des erreurs antérieures. . . ). Une étude complète est proposée: stationnarité faible, stationnarité stricte, calcul des moments, analyse de l'effet leptokurtique, comparaison avec les modèles ARCH, estimation des divers paramètres, test de l'hypothèse d'homoscédasticité. Enfin, la dernière partie de la thèse traite du passage au temps continu de modèles hétéroscédastiques à seuil.