Testing causality in variance using multivariate GARCH models

les tests de causalité en variance dans des séries temporelles multiples ont été récemment proposés, qui se fondent sur les résidus estimés à partir de modèles univariés. Bien que ces tests soient souvent utilisés, on sait peu de chose sur leur puissance. Dans cette article, nous présentons une autre méthode pratique, qui consiste à spécifier un modèle à volatilité multivariée, comme le GARCH multivarié (ou BEKK), et à construire un test de Wald de non-causalité en variance. Nous comparons la première approche à cette dernière pour tester la causalité en variance à la fois asymptotiquement et à distance finie. On montre que le test de Wald a de meilleures propriétés de puissance sous une séquence d'alternatives locales. De plus, nous montrons par simulation que le test de Wald est assez robuste à une mauvaise spécification de la vraisemblance. Sous-estimer l'ordre du BEKK et négliger l'effet de levier potentiel en volatilité induit des pertes mineures mais la méthode conserve son avantage en puissance par rapport à celle fondée sur les résidus