GILLES DE TRUCHIS

Associate Professor in Economics

Mon Parcours

Après avoir débuté ma carrière de Maître de Conférences à l’Université Paris Nanterre au sein du laboratoire EconomiX, j’ai intégré en 2021 le Laboratoire d’Économie d’Orléans. Membre de l’équipe Économétrie, je mène des recherches théoriques et appliquées en modélisation des séries temporelles. Sur le volet de l’enseignement je suis co-responsable du Master ESA et j’y enseigne l’économétrie et les statistiques à travers différents cours.

Années d’expérience
Articles publiés
Projets en cours
h
Volume de cours

Actualités

Ma Recherche

Mes thématiques

Mes travaux de recherche portent principalement sur l’économétrie théorique dans le cadre des séries temporelles. Dans sa dimension appliquée, ma recherche s’axe sur les marchés financiers, la macroéconomie et le climat.

Mes collaborations

J’aime découvrir de nouveaux horizons et je cultive pour cela des collaborations diverses avec des économistes, des économètres et des mathématiciens.

Quelques projets qui reflètent ma recherche actuelle

Finance Verte

The European renewable energy sector in calm and turmoil periods

Energy Journal

K. CONSTANT / M. DAVIN / B. KEDDAD

Abstract

This paper explores the comparative role of sovereign default risk and several high-frequency macrofinancial indicators that may explain the drop in European renewable energy stocks observed during the 2008 financial crisis and the European debt crisis. We use a two-state time-varying transition probability Markov-switching model to investigate how they impact the bull and bear market trends of renewable stocks. Our main finding is that public financing conditions, captured by sovereign default risks, play a key role in both market regimes, while the other variables affect the renewable energy stocks only in calm or turmoil periods. Moreover, sovereign risk is identified as the main determinant of the European renewable energy stock dynamics in both regimes in the period under review. Finally, we suggest that this effect may be due to the sensitivity of investors to the energy policy uncertainty, entailed by such a pressure on public finances.

Économétrie

Forecasting extreme trajectories using semi-norm representations

Working Paper

A. THOMAS / S. FRIES

Abstract

For X(t) a two-sided alpha-stable moving average, this paper studies the conditional distribution of future paths given a piece of observed trajectory when the process is far from its central values.
Under this framework, vectors of the form X(t)=(X(t-m),…,X(t),X(t+1),…,X(t+h))$, are multivariate alpha-stable and the dependence between the past and future components is encoded in their spectral measures.
A new representation of stable random vectors on unit cylinders sets defined on an adequate semi-norm is proposed to describe the tail behaviour of vectors X(t) when only the first m+1 components are assumed to be observed and large in norm.
Not all stable vectors admit such a representation and X(t) will have to be « anticipative enough » for X(t) to admit one.
The conditional distribution of future paths can then be explicitly derived using the regularly varying tails property of stable vectors and has a natural interpretation in terms of pattern identification. Through Monte Carlo simulations we develop procedures to forecast crash probabilities and crash dates and demonstrate their finite sample performances. As an empirical illustration, we estimate probabilities and reversal dates of El Niño and La Niña occurrences.

Machine Learning

When Machine Learning meets long range time series

Ongoing Paper

E. GUENE

Abstract

Cet article analyse l’influence de la persistance des séries temporelles sur la performance prédictive des algorithmes de Machine Learning. À travers des simulations de Monte Carlo, nous étudions l’impact de différents niveaux de persistance, en variant la dimension de l’ensemble des prédicteurs, le nombre de variables cointégrées et la taille de l’échantillon. Nos résultats démontrent une dégradation générale des performances (R² ↓, MSE ↑) avec l’augmentation de la persistance. Les modèles de régularisation linéaire se révèlent performants pour les processus stationnaires à mémoire longue, mais leur efficacité diminue en présence de non-stationnarité. Les modèles non linéaires (Random Forests, Gradient Boosting) affichent des performances prédictives globalement médiocres, qui se détériorent davantage avec la persistance. L’analyse de la sélection de variables révèle que les modèles linéaires identifient correctement les variables cointégrées. Cependant, la probabilité de sélection de variables fallacieuses augmente avec la persistance, notamment pour Lasso et Elastic Net en présence de non-stationnarité. Nos résultats montrent que la contribution des variables fallacieuses aux prédictions est accentuée par la persistance, mais atténuée par l’augmentation du nombre de variables cointégrées, de la taille de l’échantillon et du nombre de prédicteurs potentiels. Enfin, l’analyse SHAP indique une contribution quasi uniforme des variables non cointégrées aux prédictions. Cette étude souligne l’importance de considérer la persistance des séries temporelles lors du choix et de l’évaluation des modèles prédictifs.

Enseignements

Ma vison

Enseigner les statistiques c’est donner aux générations à venir les clés du monde de la donnée et le pouvoir de la transformer, d’abord en information, puis d’information en savoir et de savoir en décision.

Mon expérience

Depuis 2015, j’ai monté plus de 15 cours magistraux différents à destination de publics variés allant de la licence au doctorat et des formations initiales à l’alternance. Depuis mon arrivée à Orléans j’enseigne essentiellement au sein du Master ESA.

Engagements Collectifs

Dès ma prise de fonction en 2015, je me suis investi activement dans la vie des institutions, laboratoires et départements que j’ai intégrés. C’est donc tout naturellement que j’ai pris, dès 2016, la responsabilité du Master Gestion des Actifs à l’Université Paris Nanterre, et que j’ai poursuivi cet engagement en acceptant de nouvelles responsabilités à mon arrivée à l’Université d’Orléans en 2021.

Master ESA

Depuis 2021, je suis co-responsable du Master ESA avec Christophe Hurlin et Denisa Banulescu-Radu.

Membre de Conseils

Je suis actuellement membre des conseils de laboratoire du LEO, du département OSE et de l’UFR DEG.

Organisateur du séminaire du LEO

Je suis co-organisateur avec Yohan Renard et Chahir Zaki du séminaire lunch du LEO.