SGSarra Ghaddab

Sarra Ghaddab

*This is an algorithmically generated author record based on publicly available information.

Current Organizations / Institutes

The organizations/institutes from the scholar's latest article


Sarra Ghaddab has a total of 3 co-authors. Here are the top co-authors by number of shared publications:

  • Christian de Peretti

    Laboratory of Actuarial and Financial Sciences (LSAF, EA2429), Institute of Financial and Insurance Sciences, University Claude Bernard Lyon 1, 69100 Villeurbanne, France

    1 shared publication
  • Lotfi Belkacem

    Laboratoire de Recherche en Économie, Management et Finance Quantitative (LaREMFiQ), Institut des Hautes Études Commerciales de Sousse (IHEC), University of Sousse, Sousse 4054, Tunisia

    1 shared publication
  • Manel Kacem

    Research Laboratory in Economics, Management and Quantitative Finance (LaREMFiQ), IHEC of Sousse, University of Sousse, Sousse, Tunisia

    1 shared publication

Latest Publications

  • Google Search Volume Index and portfolio management

    by Sarra Ghaddab

    Google Search Volume Index et gestion de portefeuille: Cette thèse vise à évaluer la pertinence de l’indice de volume de recherche Google (GSVI), en tant que mesure de l’attention des investisseurs, dans la prédiction du comportement des marchés boursiers et ses implications pour la prise de décision financière, notamment dans la gestion de portefeuille. Plus précisément, elle examine comment les fluctuations du GSVI affectent les rendements financiers et leurs schémas de corrélation. Dans un premier chapitre, nous explorons l’hypothèse d'efficience des marchés (HEM), un sujet qui reste débattu dans les cercles financiers. En effet, aucune preuve concluante n'a été apportée à ce jour concernant la relation entre le GSVI et l'HEM. Pour y remédier, nous nous appuyons sur les travaux de Škrinjarić (2019) en appliquant des tests de robustesse, en introduisant diverses améliorations économétriques et en incorporant des variables explicatives supplémentaires. En utilisant un modèle de panel dynamique sur un ensemble de données couvrant dix indices européens émergents, déjà étudiés par Škrinjarić (2019), nous réexaminons le rôle du GSVI dans la prédiction des rendements boursiers. Contrairement à l’approche de Škrinjarić, qui a modélisé les séries temporelles de chaque pays indépendamment, en négligeant les interdépendances potentielles entre les marchés, notre étude adopte une approche par les données de panel. Nos résultats suggèrent que le GSVI n’influence pas significativement les rendements boursiers, ce qui signifie qu'il n'offre pas d'opportunités d’arbitrage pour les investisseurs. Ces conclusions soutiennent l'HEM dans les marchés étudiés et mettent en évidence la fragilité des études antérieures face aux tests de robustesse. Le deuxième chapitre comble une lacune dans la théorie de l'attention des investisseurs en s’intéressant aux entreprises de taille moyenne, un segment souvent négligé dans la littérature. Nous avançons que les inefficacités des marchés de capitalisation moyenne seraient plus prononcées que pour les grandes capitalisations, les rendant plus prévisibles à travers l’analyse de l'attention des investisseurs. Ainsi, ce chapitre examine si le GSVI peut prédire efficacement les rendements boursiers des entreprises de taille moyenne. En utilisant des données à haute fréquence, avec des intervalles de 8 minutes, nous contribuons au corpus limité de recherches utilisant des données intra-journalières dans des applications financières. Dans ce cadre, un modèle de régression avec des termes d’erreurs hétéroscédastiques conditionnellement autorégressifs généralisés (GARCH) est utilisé comme modèle de référence pour la prédiction des rendements boursiers, et sa performance est ensuite comparée à celle de modèles de réseaux neuronaux. Nos résultats révèlent que le GSVI influence effectivement les rendements de certaines entreprises, soulignant l’importance d’étendre les études sur l’attention des investisseurs au-delà des grandes capitalisations et de porter davantage d’attention aux entreprises de taille plus modeste. Le troisième chapitre fait progresser la littérature existante sur l'impact de l'attention des investisseurs sur les corrélations de rendements boursiers. Alors que les recherches précédentes se sont principalement concentrées sur les effets directs des volumes de recherche, notre travail est le premier à explorer les effets croisés de l'activité de recherche en ligne sur l'interconnexion des rendements boursiers. En utilisant les corrélations de l'indice de volume de recherche Google (GSVI) comme prédicteurs des co-mouvements de rendements, notre approche représente une innovation majeure dans ce domaine. Nos résultats montrent que les interrelations du GSVI influencent significativement les corrélations des rendements, tant sur les marchés développés qu'émergents. Ainsi, ces interrelations peuvent anticiper des changements importants sur les marchés, ouvrant la voie à des stratégies de gestion de portefeuille plus réactives.

  • Extreme severity modeling using a GLM-GPD combination: application to an excess of loss reinsurance treaty

    by Sarra Ghaddab, Manel Kacem, Christian de Peretti, Lotfi Belkacem