Tests of the Constancy of Conditional Correlations of Unknown Functional Form in Multivariate GARCH Models

ACL-2International audienceWe introduce two tests for the constancy of conditional correlations of unknown functional form in multivariate GARCH models. The first test is based on artificial neural networks and the second on a Taylor expansion of each unknown conditional correlation. They can be seen as general misspecification tests for a large set of multivariate GARCH-type models. We investigate their size and their power through Monte Carlo experiments. Moreover, we study the robustness of these tests to nonnormality by simulating some models, such as the GARCH - t and Beta - t - EGARCH. We give some illustrative empirical examples based on financial data. JEL: C22, C45, C58 / KEY WORDS: Multivariate GARCH, Neural Network, Taylor Expansion. RÉSUMÉ. Nous introduisons deux tests de constance des corrélations conditionnelles de forme fonctionnelle inconnue dans les modèles GARCH multivariés. Le premier test est basé sur les réseaux de neurones artificiels et le second sur un développement de Taylor de chaque corrélation conditionnelle inconnue. Ces tests peuvent ětre considérés comme des tests généraux de mauvaise spécification pour un grand nombre de modèles multivariés de type GARCH. Nous étudions leur taille et leur puissance par des expériences de Monte-Carlo. De plus, nous nous intéressons à la robustesse de ces tests à la non normalité en simulant certains modèles comme les modèles GARCH-t et beta-t-EGARCH. Nous donnons enfin quelques exemples empiriques illustratifs sur données financières