Several procedures have been developed for the detection of abrupt changes in time series. Among these procedures, it can be mentioned the Cumulative Sum (Cusum) type method. It is in such a perspective that Katchekpele et al. (2017) proposed a method using a Cusum type test to detect a change-point in the unconditional variance of the generalised autoregressive conditional heteroskedasticity (GARCH) models. The aim of this paper is to present an application of their technique. After briefly recalling how the test statistic was constructed, the change-point detection algorithm is given and it is shown how it is applied to some real life data.

Plusieurs procédures ont été développées pour la détection de ruptures dans les séries chronologiques. Parmi ces procédures, on peut citer la méthode des sommes cumulées (Cusum en anglais). Cést dans cette optique que Katchekpele et al. (2017) ont proposé une méthode utilisant un test de type Cusum pour détecter une rupture dans la variance inconditionnelle des modèles GARCH. Le but de cet article est de présenter une application de leur technique. Après avoir brièvement rappelé comment la statistique de test a été construite, l'algorithme de détection de rupture est donné et il est montré comment il est appliqué à certaines données réelles.

The spread of the coronavirus is putting a strain on financial markets and the resulting stock market volatility is causing huge problems for investors. Volatility in the U.S. market has returned to levels not seen since the 2011 sovereign debt crisis. It is already clear that this volatility has had a negative effect on the economy. In this study, we introduce a regime-switching GJR-GARCH modelwith a stable distribution to investigate the predictive power of the S&P 500 index volatility to VaR estimation. The results of VaR backtesting at a 5% risk level confirm that the model performs better and is a useful tool for the risk manager and financial regulator.

La propagation du coronavirus met les marchés financiers à rude épreuve et la volatilité boursière qui en résulte pose d'énormes problèmes aux investisseurs. La volatilité sur le marché américain est revenue à des niveaux jamais vus depuis la crise de la dette souveraine de 2011. Il est déjà clair que cette volatilité a eu un effet négatif sur l'économie. Dans cette étude, nous introduisons un modèle GJR-GARCH à changement de régime avec une distribution stable pour étudier le pouvoir prédictif de la volatilité de l'indice S&P 500 à l'estimation de la VaR. Les résultats du backtesting de la VaR à un niveau de risque de 5% confirment que le modèle est plus performant et constitue un outil utile pour le gestionnaire de risque et le régulateur financier.

In this paper, we have used the Generalized Additive Model (GAM) to investigate the relationships between high temperature and daily number of deaths in Niakhar, a Sehalian-Sudanese climate in central Senegal. Daily data on number of deaths and meteorological variables over the period of 1983-2013 were considered. Descriptive statistics show that, over the study period, the total of non-accidental deaths were 12,798, among which we notice that 490 persons (3.83%) died of cardiovascular disease, 1,015 persons (7.93%) died of respiratory disease, 3,970 persons (31.02%) died of certain infectious and parasitic diseases, and 224 persons (1.75%) died of nervous system disease. From the GAM model, we observe that high temperature significantly increased the relative risk (RR). Indeed, relative risk of deaths due to cardiovascular disease is 1.034 with a 95% confidence intervals (CI) 1.025 to 1.044, while it is 1.030 with a 95% CI 1.026 to 1.033 for certain infectious and parasitic disease. For respiratory disease, the RR is 1.012 with a 95% CI 1.007 to 1.017, and for nervous system disease, the relative risk is 1.034 with 95% CI 1.026 to 1.043. In addition, we obtain that: (a) during heat exposure, the elderly as well as the female are more vulnerable; (b) the presence of lagged effect of temperature on mortality with an optimum temperature of 25°C; (c) the effect of high temperatures on mortality is predominantly within the current and lag 1 day and is more pronounced at a lag of 9 days.

Dans cet article, nous avons utilisé le modèle additif généralisé (GAM) permettant de décrire la relation entre la température élevée et la mortalité à Niakhar situé au centre du Sénégal dont le climat est du type Soudano-Sahélien. Les données journalières de mortalité et les conditions météorologiques journalières étaient disponibles au coursde la période 1983-2013. L'analyse descriptive montre que, sur la période d'étude, le nombre total de décès non accidentels enregistré est de 12.789, parmi lesquels on note 490 personnes (soit 3,83%) sont décédées des maladies cardiovasculaires, 1.015 personnes (soit 7,93%) de maladies respiratoires, 3.970 personnes (soit 31,02%) de certaines maladies infectieuseset parasitaires, et 224 personnes (soit 1,75%) des maladies du système nerveux. Le modèle GAM nous permet d'observer l'augmentation significative de la température avec le risque relatif (RR). En effet, le risque relatif de décés dus aux maladies cardiovasculaires est de 1; 034 avec un intervalle de confiance (IC) à 95% de 1; 025 à 1; 044, alors qu’il est de 1; 030 avec un IC à 95% de 1; 026 à 1; 033 pour certaines maladies infectieuses et parasitaires. Pour les maladies respiratoires, le RR est de 1; 012 avec un IC à 95% de 1; 007 à 1; 017, et pour les maladies du syst`eme nerveux, le risque relatif est de 1; 034 avec un IC à 95% de 1; 026 à 1; 043. De plus, on obtient: (a) lors de l’exposition à la chaleur, les personnes âgées ainsi que les femmes sont plus vulnérables; (b) la présence d’un effet retardé de la température sur la mortalité avec une température optimale de 25°C; (c) l’effet des températures élevées sur la mortalité est prédominant le même jour et pour le décalage de 1 jour et est plus prononcé avec un décalage de 9 jours.

Logistic regression model is widely used in many studies to investigate the relationship between a binary response variable Y and a set of potential predictors X. The binary response may represent, for example, the occurrence of some outcome of interest (Y=1 if the outcome occurred and Y=0 otherwise). When the dependent variable Y represents a rare event, the logistic regression model shows relevant drawbacks. In order to overcome these drawbacks we propose the Generalized Extreme Value (GEV) regression model. In particularly, we suggest the quantile function of the GEV distribution as link function. Strokes are a serious pathology and a neurological emergency involving the vital prognosis and the functional prognosis. In Senegal, strokes account for more than 30% of hospitalizations and are responsible for nearly two thirds of mortality. In this work, we use the GVE regression model for binary data to determine the risk factors leading to stroke and to develop a predictive model of life-threatening outcomes in central Sénégal.

Le modèle de régression logistique est utilisé dans beaucoup de domaine pour étudier la relation entre une variable réponse binaire Y et un ensemble de prédicteurs X. La réponse peut représenter, par exemple, l'occurrence d'un certain résultat d'intérêt (Y=1 si le résultat s'est produit et Y=0 sinon). Lorsque la variable dépendante Y représente un événement rare, la régression logistique présente des inconvénients notables. Afin de surmonter ces inconvénients, nous proposons le modèle de régression basé sur la loi généralisée des valeur extrêmes (GVE). En particulier, nous proposons le quantile de la loi généralisée des valeurs extrêmes comme fonction de lien. Les accidents vasculaires cérébraux (AVC) sont une pathologie grave et une urgence neurologique mettant en jeu le pronostic vital. Au Sénégal, les AVC représentent plus de 30% des hospitalisations et sont responsables de près de deux tiers de la mortalité. Dans ce travail, nous utilisons le modèle de régression GVE sur des données binaires pour déterminer les facteurs conduisant à un AVC et de développer un modèle prédictif de l'engagement du pronostic vital au Sénégal-central.

In this work, we use an Auto-Regressive Integrated Moving Average (ARIMA) model to study the evolution of COVID-19 disease in Senegal and then make short-term predictions about the number of people likely to be infected by the coronavirus. We are dealing with daily data provided by the Senegalese Ministry of Health during the period from March 2, 2020 to March 2, 2021.Our results show that the peak of the disease appearsduring the second wave seems to be reached on February 12 2021. But they also show that the number of COVID-19 infections will be around 200 cases per day during the next 30 days if the trend of the total number of tests performed is maintained.

Dans ce travail, nous analysons l'évolution de la pandémie du COVID-19 au Sénégal en considérant la série des données sur le nombre de cas positifs journaliers. Plus précisément, nous utilisons un modèle ARIMA (Auto-Regressive Integrated Moving Average) pour établir des prévisions à court terme concernant le nombre de nouvelles contaminations au coronavirus.Nous travaillons avec les données journalières fournies par le Ministère de la Santé et de l'Action Sociale du Sénégal durant la période du 2 mars 2020 au 2 mars 2021. Nos résultats montrent que le pic de la maladie est apparu durant la deuxième vague et semble être atteint à la date du 12 février 2021.Ils révèlent également que le nombre de cas positifs au COVID-19 tournerait en moyenne autour de 200 cas par jour durant les 30 prochains jours si la tendance actuelle du nombre total de tests effectués est maintenue.

Volatility modeling and forecasts are essential tools to all financial sectors. This paper focuses on weekly exchange rate returns of the FRW versus USD from 2012 until 2018 obtained from the National Bank of Rwanda. The aim of this paper is to formulate an appropriate GARCH model which fits the data. The GARCH(1,1) model has been selected after using required techniques of model selection.Parameters have been estimated using Least Squares method first and then validated using MCMC method. Once the chain of parameters are found, both visual inspection and basic statistics are computed and in this study, they have illustrated a good compatibility between simulation and observations. Diagnostic of convergence of the chains of parameters has been checked and ensured the model to beaccurate. The results obtained from the LSQ and MCMC methods have been compared and found to be almost similar. An agreement between the model solution and actual data is obtained and a forecast is done by concluding that the estimated values are almost similar to the real data. Hence, the identified model is accepted for forecasting and recommended for further applications.

La modélisation et les prévisions de volatilité sont des outils essentiels pour tous les secteurs financiers. Cet article se concentre sur les rendements hebdomadaires des taux de change de la monnaie rwandaise par rapport au dollar americain entre 2012 et 2018, obtenus de la Banque nationale du Rwanda. L'objectif de cet article est de formuler un modèle GARCH approprié qui correspond aux données. Le modèle GARCH(1,1) a été sélectionné après avoir respecte les méthodes idoines en la matière. Les paramètres ont d'abord été estimés à l'aide de la méthode des moindres carrés, puis validés à l'aide de la méthode MCMC. Une fois la chaîne de paramètres trouvée, une combinaison de méthodes statistiques graphiques et quantitatives, illustrent une bonne compatibilité entre la set les observations. Le diagnostic de convergence des chaînes de paramètres a été vérifié et a permis d'assurer la précision du modèle. Les résultats obtenus à partir des méthodes LSQ et MCMC ont été comparés et se sont avérés presque similaires. Le modèle a été retenu en conséquence.

Cut rose flowers contribute to the economy and development of the export markets for several developing countries. Despite this contribution, profitable production of rose flowers is limited by wilting which leads to lower production. This paper aims to investigate the effects of Calcium foliar feed on the wilting rate of post-harvest rose flowers using the Growth Curve Model.This method was applied to the data consisting of wilting scores on five treatment groups. The Likelihood ratio test was used to test the growth curve and the equality of the growth curves in all groups.Results revealed that the expected growth curves for all groups followed different quadratic functions. The results also revealed that the wilting rate increased with the increase of calcium concentration compared to the control. This leads to a useful model for policy-makers or further analysis.

La cueillette de fleurs de rose contribuent à l'économie et au développement des marchés d'exportation de plusieurs pays en développement. Malgré cette contribution, la production rentable de fleurs de rose est limitée par le flétrissement qui entraîne une baisse de la production. Cet article vise à étudier les effets de l'alimentation foliaire calcique sur le taux de flétrissement des fleurs de rose post-récolte à l'aide du modèle de courbe de croissance. Cette méthode a été appliquée aux données consistant en des scores de flétrissement sur cinq groupes de traitement. Le test du rapport de vraisemblance a été utilisé pour tester les courbes de croissance et l'égalité des courbes de croissance dans tous les groupes. Les résultats ont révélé que les courbes de croissance attendues. Les résultats ont également révélé que le taux de flétrissement augmentait avec l'augmentation de la concentration en calcium par rapport au témoin. Cela conduit à un modèle utile pour les décideurs politiques ou à d'autres analyses.