{"id":{"repo_id":"sherbrooke","oai_identifier":"oai:usherbrooke.scholaris.ca:11143/14457"},"canonical_url":"https://search.dev.ndltd.org/etd/sherbrooke/oai:usherbrooke.scholaris.ca:11143/14457","repository":{"repo_id":"sherbrooke","name":"Université de Sherbrooke","base_url":"https://usherbrooke.scholaris.ca/server/oai/request"},"display":{"title":"L'incidence des différents modèles de simulations sur les facteurs macroéconomiques de l'évaluation immobilière","abstract":"L’immobilier est une classe d’actifs qui gagne en popularité. Alors que les modèles de prévision sont nombreux, l’évaluation de l’incertitude autour de la prévision moyenne s’appuie généralement sur des modèles traditionnels de simulation. L’objectif de cette étude consiste à comparer la dispersion des valeurs immobilières, donc l’incertitude autour de la valeur espérée, à l’aide de différents modèles de simulation. La présente recherche propose 18 modèles de simulations de l’évaluation immobilière basés exclusivement sur des variables macroéconomiques, soit deux modèles inconditionnels et un modèle conditionnel pour les simulations Monte-Carlo et les simulations historiques, et ce, dans trois marchés géographiques distincts : le Canada, les États-Unis et le Royaume-Uni. Les valeurs marchandes des actifs immobiliers sont toutes évaluées à l’aide d’un modèle qui dépend de différents facteurs de risque, soit des variables macroéconomiques et une prime de risque immobilière. Cette dernière est déduite en soustrayant les taux sans risque (Rf) aux Yield immobiliers qui sont délissés selon le modèle de délissage AR(1) de Geltner (1993). Les variables macroéconomiques simulées sont soit incluses directement dans le modèle d’évaluation immobilière ou soit dans le modèle de régression de la prime de risque immobilière. Afin d’évaluer l’incertitude autour de la valeur marchande espérée, deux modèles inconditionnels sont évalués à l’aide de mesures de variance traditionnelle, soit avec des échantillons de 27 ans et 5 ans de données respectivement, alors que les modèles conditionnels sont évalués à l’aide de variances de type GARCH pour les modèles de simulations Monte-Carlo et les modèles de simulations historiques filtrées. L’étendue entre les 95e et 5e percentiles de la distribution des valeurs immobilières simulées est calculée pour chacun des 185 mois de la période de validation (backtesting), qui va de février 2000 à juin 2015. Nos résultats indiquent que : les modèles conditionnels affichent des dispersions (moyennes des étendues) et des variabilités de dispersions (écarts-types des étendues) beaucoup plus faibles que les modèles inconditionnels, les modèles de simulations historiques affichent des dispersions et des variabilités de dispersions généralement plus faibles que les modèles de simulations Monte-Carlo, les modèles de simulations historiques filtrées affichent des dispersions et des variabilités de dispersions plus faibles que les modèles de simulations Monte-Carlo CCC-GARCH. De plus, nos résultats indiquent que même si le marché britannique affiche généralement une plus grande moyenne des étendues que les marchés américain et canadien, c’est tout de même le marché américain qui affiche généralement le plus grand écart-type des étendues parmi tous les marchés géographiques étudiés.","abstract_html":"L’immobilier est une classe d’actifs qui gagne en popularité. Alors que les modèles de prévision sont nombreux, l’évaluation de l’incertitude autour de la prévision moyenne s’appuie généralement sur des modèles traditionnels de simulation. L’objectif de cette étude consiste à comparer la dispersion des valeurs immobilières, donc l’incertitude autour de la valeur espérée, à l’aide de différents modèles de simulation. La présente recherche propose 18 modèles de simulations de l’évaluation immobilière basés exclusivement sur des variables macroéconomiques, soit deux modèles inconditionnels et un modèle conditionnel pour les simulations Monte-Carlo et les simulations historiques, et ce, dans trois marchés géographiques distincts : le Canada, les États-Unis et le Royaume-Uni. Les valeurs marchandes des actifs immobiliers sont toutes évaluées à l’aide d’un modèle qui dépend de différents facteurs de risque, soit des variables macroéconomiques et une prime de risque immobilière. Cette dernière est déduite en soustrayant les taux sans risque (Rf) aux Yield immobiliers qui sont délissés selon le modèle de délissage AR(1) de Geltner (1993). Les variables macroéconomiques simulées sont soit incluses directement dans le modèle d’évaluation immobilière ou soit dans le modèle de régression de la prime de risque immobilière. Afin d’évaluer l’incertitude autour de la valeur marchande espérée, deux modèles inconditionnels sont évalués à l’aide de mesures de variance traditionnelle, soit avec des échantillons de 27 ans et 5 ans de données respectivement, alors que les modèles conditionnels sont évalués à l’aide de variances de type GARCH pour les modèles de simulations Monte-Carlo et les modèles de simulations historiques filtrées. L’étendue entre les 95e et 5e percentiles de la distribution des valeurs immobilières simulées est calculée pour chacun des 185 mois de la période de validation (backtesting), qui va de février 2000 à juin 2015. Nos résultats indiquent que : les modèles conditionnels affichent des dispersions (moyennes des étendues) et des variabilités de dispersions (écarts-types des étendues) beaucoup plus faibles que les modèles inconditionnels, les modèles de simulations historiques affichent des dispersions et des variabilités de dispersions généralement plus faibles que les modèles de simulations Monte-Carlo, les modèles de simulations historiques filtrées affichent des dispersions et des variabilités de dispersions plus faibles que les modèles de simulations Monte-Carlo CCC-GARCH. De plus, nos résultats indiquent que même si le marché britannique affiche généralement une plus grande moyenne des étendues que les marchés américain et canadien, c’est tout de même le marché américain qui affiche généralement le plus grand écart-type des étendues parmi tous les marchés géographiques étudiés.","abstract_has_math":false,"creators":["Mathieu, Simon"],"institution":"Université de Sherbrooke","degree_name":"M. Sc.","degree_level":"Maîtrise","degree_discipline":"Finance","degree_department":null,"school":null,"contributors":[],"advisors":["Coggins, Frank"],"committee_chairs":[],"committee_members":[],"year":2018,"date_issued":"2018","date_published":"2018","updated_at":"2026-07-27T21:07:51Z","subjects":["Investissement immobilier","Mesures de dispersion","Simulation Monte-Carlo","Simulation historique filtrée","CCC-GARCH","GARCH","GJRGARCH","Délissage","Facteurs macroéconomiques","Évaluation immobilière"],"languages":["fr"],"rights":[],"rights_urls":["http://creativecommons.org/licenses/by-nc-nd/2.5/ca/"],"identifier_entries":[]},"links":{"outbound_url":"http://hdl.handle.net/11143/14457","outbound_label":"Handle","outbound_source":"dc:identifier.uri"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:contributor.advisor","label":"Advisor","values":["Coggins, Frank"]},{"key":"dc:creator","label":"Author","values":["Mathieu, Simon"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date.accessioned","label":"Dc Date Accessioned","values":["2018-12-07T16:09:14Z"]},{"key":"dc:date.available","label":"Dc Date Available","values":["2018-12-07T16:09:14Z"]},{"key":"dc:date.issued","label":"Date","values":["2018"]},{"key":"dc:publisher","label":"Institution","values":["Université de Sherbrooke"]},{"key":"dc:type","label":"Dc Type","values":["Mémoire de maîtrise"]},{"key":"thesis:degree_discipline","label":"Discipline","values":["Finance"]},{"key":"thesis:degree_level","label":"Degree Level","values":["Maîtrise"]},{"key":"thesis:degree_name","label":"Degree Name","values":["M. Sc."]},{"key":"thesis:institution_name","label":"Thesis Institution Name","values":["Université de Sherbrooke"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Investissement immobilier","Mesures de dispersion","Simulation Monte-Carlo","Simulation historique filtrée","CCC-GARCH","GARCH","GJRGARCH","Délissage","Facteurs macroéconomiques","Évaluation immobilière"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language.iso","label":"Language (ISO)","values":["fr"]},{"key":"dc:rights.uri","label":"Rights URI","values":["http://creativecommons.org/licenses/by-nc-nd/2.5/ca/"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier.uri","label":"Identifier URI","values":["http://hdl.handle.net/11143/14457"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":["L’immobilier est une classe d’actifs qui gagne en popularité. Alors que les modèles de prévision sont nombreux, l’évaluation de l’incertitude autour de la prévision moyenne s’appuie généralement sur des modèles traditionnels de simulation. L’objectif de cette étude consiste à comparer la dispersion des valeurs immobilières, donc l’incertitude autour de la valeur espérée, à l’aide de différents modèles de simulation. La présente recherche propose 18 modèles de simulations de l’évaluation immobilière basés exclusivement sur des variables macroéconomiques, soit deux modèles inconditionnels et un modèle conditionnel pour les simulations Monte-Carlo et les simulations historiques, et ce, dans trois marchés géographiques distincts : le Canada, les États-Unis et le Royaume-Uni. Les valeurs marchandes des actifs immobiliers sont toutes évaluées à l’aide d’un modèle qui dépend de différents facteurs de risque, soit des variables macroéconomiques et une prime de risque immobilière. Cette dernière est déduite en soustrayant les taux sans risque (Rf) aux Yield immobiliers qui sont délissés selon le modèle de délissage AR(1) de Geltner (1993). Les variables macroéconomiques simulées sont soit incluses directement dans le modèle d’évaluation immobilière ou soit dans le modèle de régression de la prime de risque immobilière. Afin d’évaluer l’incertitude autour de la valeur marchande espérée, deux modèles inconditionnels sont évalués à l’aide de mesures de variance traditionnelle, soit avec des échantillons de 27 ans et 5 ans de données respectivement, alors que les modèles conditionnels sont évalués à l’aide de variances de type GARCH pour les modèles de simulations Monte-Carlo et les modèles de simulations historiques filtrées. L’étendue entre les 95e et 5e percentiles de la distribution des valeurs immobilières simulées est calculée pour chacun des 185 mois de la période de validation (backtesting), qui va de février 2000 à juin 2015. Nos résultats indiquent que : les modèles conditionnels affichent des dispersions (moyennes des étendues) et des variabilités de dispersions (écarts-types des étendues) beaucoup plus faibles que les modèles inconditionnels, les modèles de simulations historiques affichent des dispersions et des variabilités de dispersions généralement plus faibles que les modèles de simulations Monte-Carlo, les modèles de simulations historiques filtrées affichent des dispersions et des variabilités de dispersions plus faibles que les modèles de simulations Monte-Carlo CCC-GARCH. De plus, nos résultats indiquent que même si le marché britannique affiche généralement une plus grande moyenne des étendues que les marchés américain et canadien, c’est tout de même le marché américain qui affiche généralement le plus grand écart-type des étendues parmi tous les marchés géographiques étudiés."]},{"key":"dc:title","label":"Title","values":["L'incidence des différents modèles de simulations sur les facteurs macroéconomiques de l'évaluation immobilière"]}]}],"canonical_facts":{"dc:contributor.advisor":["Coggins, Frank"],"dc:creator":["Mathieu, Simon"],"dc:date.accessioned":["2018-12-07T16:09:14Z"],"dc:date.available":["2018-12-07T16:09:14Z"],"dc:date.issued":["2018"],"dc:description.abstract":["L’immobilier est une classe d’actifs qui gagne en popularité. Alors que les modèles de prévision sont nombreux, l’évaluation de l’incertitude autour de la prévision moyenne s’appuie généralement sur des modèles traditionnels de simulation. L’objectif de cette étude consiste à comparer la dispersion des valeurs immobilières, donc l’incertitude autour de la valeur espérée, à l’aide de différents modèles de simulation. La présente recherche propose 18 modèles de simulations de l’évaluation immobilière basés exclusivement sur des variables macroéconomiques, soit deux modèles inconditionnels et un modèle conditionnel pour les simulations Monte-Carlo et les simulations historiques, et ce, dans trois marchés géographiques distincts : le Canada, les États-Unis et le Royaume-Uni. Les valeurs marchandes des actifs immobiliers sont toutes évaluées à l’aide d’un modèle qui dépend de différents facteurs de risque, soit des variables macroéconomiques et une prime de risque immobilière. Cette dernière est déduite en soustrayant les taux sans risque (Rf) aux Yield immobiliers qui sont délissés selon le modèle de délissage AR(1) de Geltner (1993). Les variables macroéconomiques simulées sont soit incluses directement dans le modèle d’évaluation immobilière ou soit dans le modèle de régression de la prime de risque immobilière. Afin d’évaluer l’incertitude autour de la valeur marchande espérée, deux modèles inconditionnels sont évalués à l’aide de mesures de variance traditionnelle, soit avec des échantillons de 27 ans et 5 ans de données respectivement, alors que les modèles conditionnels sont évalués à l’aide de variances de type GARCH pour les modèles de simulations Monte-Carlo et les modèles de simulations historiques filtrées. L’étendue entre les 95e et 5e percentiles de la distribution des valeurs immobilières simulées est calculée pour chacun des 185 mois de la période de validation (backtesting), qui va de février 2000 à juin 2015. Nos résultats indiquent que : les modèles conditionnels affichent des dispersions (moyennes des étendues) et des variabilités de dispersions (écarts-types des étendues) beaucoup plus faibles que les modèles inconditionnels, les modèles de simulations historiques affichent des dispersions et des variabilités de dispersions généralement plus faibles que les modèles de simulations Monte-Carlo, les modèles de simulations historiques filtrées affichent des dispersions et des variabilités de dispersions plus faibles que les modèles de simulations Monte-Carlo CCC-GARCH. De plus, nos résultats indiquent que même si le marché britannique affiche généralement une plus grande moyenne des étendues que les marchés américain et canadien, c’est tout de même le marché américain qui affiche généralement le plus grand écart-type des étendues parmi tous les marchés géographiques étudiés."],"dc:identifier.uri":["http://hdl.handle.net/11143/14457"],"dc:language.iso":["fr"],"dc:publisher":["Université de Sherbrooke"],"dc:rights.uri":["http://creativecommons.org/licenses/by-nc-nd/2.5/ca/"],"dc:subject":["Investissement immobilier","Mesures de dispersion","Simulation Monte-Carlo","Simulation historique filtrée","CCC-GARCH","GARCH","GJRGARCH","Délissage","Facteurs macroéconomiques","Évaluation immobilière"],"dc:title":["L'incidence des différents modèles de simulations sur les facteurs macroéconomiques de l'évaluation immobilière"],"dc:type":["Mémoire de maîtrise"],"thesis:degree_discipline":["Finance"],"thesis:degree_level":["Maîtrise"],"thesis:degree_name":["M. Sc."],"thesis:institution_name":["Université de Sherbrooke"]},"updated_at":"2026-07-27T21:07:51Z"}