“…(2005), le modèle GARCH exponentiel (EGARCH) est l'un des modèles d'asymétrie les plus utilisés dans la littérature financière, avec le modèle à seuil GJR-GARCH. Nous avons donc estimé les modèles GARCH-M, EGARCH-M et GJR-GARCH, d'ordre 1 et d'ordre 5, selon trois distributions sous-jacentes pour le terme d'erreur, comme le suggèrent Boubaker et al (2017) : une distribution Normale, une distribution de Student, suggérée par Bollerslev (1987), et une distribution GED 4 proposée par Nelson (1991) Au final, le modèle EGARCH-M(1,1), avec un terme d'erreur qui suit soit une distribution de Student, soit une distribution GED, a été celui qui présentait la log-vraisemblance la plus élevée. L'écriture du modèle EGARCH-M(1,1) porte sur le logarithme de la variance conditionnelle du processus considéré.…”