Abstract: This paper addresses an existing gap in the developing literature on conditional skewness. We develop a simple procedure to evaluate parametric conditional skewness models. This procedure is based on regressing the realized skewness measures on model-implied conditional skewness values. We find that an asymmetric GARCH-type specification on shape parameters with a skewed generalized error distribution provides the best in-sample fit for the data, as well as reasonable predictions of the realized skewness measure. Our empirical findings imply significant asymmetry with respect to positive and negative news in both conditional asymmetry and kurtosis processes.

Résumé: Les auteurs élaborent une procédure d’évaluation simple des modèles paramétriques d’asymétrie conditionnelle en vue de combler une lacune de la littérature sur le sujet. Cette procédure est basée sur la régression de l’asymétrie réalisée sur l’asymétrie conditionnelle. Les auteurs constatent qu’une spécification de type GARCH-asymétrique pour les paramètres de forme, couplée à une distribution d’erreurs généralisée asymétrique, offre le meilleur ajustement statistique en échantillon ainsi qu’une prévisibilité satisfaisante de la mesure de l’asymétrie réalisée. Ils notent une importante asymétrie dans l’effet des bonnes et des mauvaises nouvelles sur le plan tant de la dynamique de l’asymétrie conditionnelle que de celle de l’aplatissement conditionnel.