Peut-on travailler sur les données "approximées" en histoire financière ?
Résumé
During the nineteenth century, newspapers publish, day after day, the quotation of the government bond, then in the second half of the century, some stocks ; at each year end, one takes the habit to indicate to the investor the highest quotation and the lowest for each month of the last year. These observations have the great advantage to be easily accessible but present nevertheless some serious disadvantages.
Having these series of the highest and the lowest quotation, with doubtful precision, as well as the exact observations, we have questionned the usefulness of a careful data counting. It appeared that this gigantic work, in spite of its rigor, brought us relatively minor corrections and that the conclusions rejoined those previously established. That would lead us to conclude that with a light procedure, one could, without real loss in precision, avoid a particularly heavy work of counting.
The demonstration, of empirical order, is undertaken in two steps. The first one makes use of classical econometrics: simple regression, Granger-causality and analysis of the seasonality. The second step uses different techniques, the cointegration and the error correction model.
Having these series of the highest and the lowest quotation, with doubtful precision, as well as the exact observations, we have questionned the usefulness of a careful data counting. It appeared that this gigantic work, in spite of its rigor, brought us relatively minor corrections and that the conclusions rejoined those previously established. That would lead us to conclude that with a light procedure, one could, without real loss in precision, avoid a particularly heavy work of counting.
The demonstration, of empirical order, is undertaken in two steps. The first one makes use of classical econometrics: simple regression, Granger-causality and analysis of the seasonality. The second step uses different techniques, the cointegration and the error correction model.
Au XIX e siècle, les journaux publient, jour après jour, le cours des rentes, puis dans la seconde moitié du siècle, de certaines actions ; à la fin de chaque année, on prend l'habitude d'indiquer à l'épargnant le cours le plus haut et le cours le plus bas pour chaque mois de l'année écoulée. Ces observations ont le grand avantage d'être assez facilement accessibles mais présentent toutefois quelques inconvénients sérieux.
Disposant de ces séries de cours le plus haut et le plus bas, de précision assez douteuse, ainsi que des observations exactes, nous nous sommes interrogés sur l'utilité d'un dépouillement soigneux des données. Il nous est apparu que ce travail gigantesque n'apportait, en dépit de sa rigueur, que des corrections relativement mineures et que les conclusions rejoignaient celles précédemment établies. Il s'ensuit qu'avec une procédure allégée, on pourrait, sans perte réelle en précision, éviter un travail particulièrement lourd de dépouillement.
La démonstration, d'ordre empirique, s'effectue en deux parties. La première utilise l'économétrie classique : la régression simple, la causalité-à-la-Granger et l'analyse de la saisonnalité. La seconde partie utilise d'autres techniques, la cointégration et le modèle à correction d'erreur.
Disposant de ces séries de cours le plus haut et le plus bas, de précision assez douteuse, ainsi que des observations exactes, nous nous sommes interrogés sur l'utilité d'un dépouillement soigneux des données. Il nous est apparu que ce travail gigantesque n'apportait, en dépit de sa rigueur, que des corrections relativement mineures et que les conclusions rejoignaient celles précédemment établies. Il s'ensuit qu'avec une procédure allégée, on pourrait, sans perte réelle en précision, éviter un travail particulièrement lourd de dépouillement.
La démonstration, d'ordre empirique, s'effectue en deux parties. La première utilise l'économétrie classique : la régression simple, la causalité-à-la-Granger et l'analyse de la saisonnalité. La seconde partie utilise d'autres techniques, la cointégration et le modèle à correction d'erreur.
Loading...