Beruflich Dokumente
Kultur Dokumente
séries
temporelles
Pr. Pamphile MEZUI-MBENG
Maître de conférences agrégé
CIREGED – UOB
Séminaire IEF- (AEF) Mai 2018
Quelques exemples
INTRODUCTION
Représentation graphique
Remarque:
• R2 Très bon
•Excellentes stat de F et T
•Donc modèle pertinent (selon econo
classique) alors les variables sont
indépendantes au départ.
Théorème:
Le polynôme A(L) est inversible si les
p racines lj de son équation
caractéristique associée sont toutes
à l’extérieur du cercle unité. Son
inverse est donné par: Ainsi:
Exemple: 1.7 Méthodologies de
Considérons le processus AR(1):
spécification
yt 1 yt 1 t
Les séries temporelles univariées
peuvent être modélisées sous la
Ce processus est stationnaire si: forme des processus ARMA à l’aide
de la méthodologie de Box et Jenkins
( 1 1) (1976): méthode à 4 étapes (c.f.
Bourbonnais)
Et dans ce cas, on peut vérifié que
1) Stationnariser la série (graph de
les conditions précédentes sont bien
auto-covariances)
remplies.
2) Déterminer une valeur plausible de
l’ordre des parties AR et MA à partir
des FAC et FAP
NB2:
Si Yt est ARMA(p,q), alors les
autocorrélations r(k) sont en nombre
infini et décroissent vers 0 plutôt
rapidement..
Modèle FAC FACP
Exemple de corrélograme: Un paramètre décomposition pic à la période 1,
autorégressif (p) exponentielle pas de corrélation
pour les autres
périodes.
t BB
y t y t 1 t (cas sans dérive)
Remarque:
Le processus DS sans derive est
non staionnaire car on peut
vérifier que V ( y t ) t
2
Remarque: 2.2 Les séries TS
Si le calcul de la différence Ce sont les séries qui deviennent
première de la série yt, conduit stationnaires après calcul de leur
à l’obtention de écart au trend.
Ces séries se caractérisent par une
zt y t y t 1 y t t tendance déterministe.
y t t t ; t : erreur en t
Alors si Z t est stationnaire (on
dit qu’elle est I(0).
La série yt est non stationnaire car,
Et la série yt est quant à elle I(1).
E( yt ) t
Pour stationnariser yt, on estime les
Déf 3: (Généralisation): une série non paramètress par mco et on calcule,
stationnaire est I(d) s’il convient de la
)
différencier d fois pour la y t y t y t ˆ ˆt
stationnariser. La série
stationnarisée est alors intégrée
d’orde d. Remarque:
Les tests de stationnarité
Formellement, zt (1 L )d y t d y t permettent d’identifier si une
sérle est DS ou TS.
Si Zt est stationnaire alors y t : I (d )
Chapitre 3:
Les tests de racines
unitaires
Granger et Newbold (1974): 3.1 Le test de Dickey Fuller
l’utilisation de séries non
Le test DF permet de savoir si une
stationnaires dans un modèle série est stationnaire et elle pemet de
conduit à des régressions déterminer la meilleure manière de la
fallacieuses (spirious regression) stationnariser.
(ˆ1 1)
n(k 1)ˆˆ
t PP
ˆ1
k. ˆ) 1
1
k
ˆ 2
Où k 2
St
3.4 Le test KPSS Etape 2: on teste :
Kwiatkowski, Philips, Schmidt, Shin
(1992) H0 : u2 0, où =cte
Origine: faible puissance des tests
ADF qui suppose la non stationnarité
H1 : u2 0
en H0. Le test se fait en 3 étapes:
ut : iid (0; u2 ) t
St e ; t 1,....,T
1
Etape 3: On calcule la statistique: Remarque:
T
Les valeurs critiques du KPSS ont
1
LM 2
Sˆ
S
1
t
2 été obtenues par simulation comme
dans les tests DF.
b) Validation du processus
ARMA (p,q)
Principe:
Soit le modèle : yt =a0 a1xt t Après avoir selectionner p et q (à
l’aide des corrélogrammes), et après
avoir estimer les paramètres, il faut
On a alors :
les valider et à les départager.
E(yt ) =a0 a1xt ; et Var(y t ) 2
La fonction de vraisemblance de Yt Validation
s’écrit: -On retient les coefficients estimés
significativement différents de zéro.
f ( y1, y 2 ,..., y n ; a0 , a1, 2 )
exp(
n n - On examine les résidus estimés de
( y t a0 a1xt )2
1 l’erreur du processus ARMA. On
2 2 2
t 1 vérifie en particulier que les résidus
suivent un BB.
b1) Tests sur les coefficients b2) Test sur les résidus:
-Pour l’autocorrélation des résidus
, on utilisera les tests de Ljung Box
Parmi les processus ARMA estimé, et Box-pierce
on ne retient que ceux dont les t de
Student est >1.96 (pour un risque de - Pour l’hétéroscédasticité, on les
5% et pour n supérieur ou égal à 30)
test d
Chapitre 5:
Cointégration
5.1 Approche de Engel et Granger Exemple
Rappel: Si x t : I(1) et si y t : I(1)
- Si y t admet d racines unitaires,
alors y t est I(0). Et y t est I(d).
d
et si t : I(0)
Proposition:
t : BB
5.1.3. Le M.C.E. Remarque:
1) Le modèle est cohérent si
Le MCE sert a écrire la dynamique de Xt et Yt sont cointégrées car
LT vers l’équilibre de LT toutes les séries du modèle
précédent sont I(0)
Si xt : I(1) et si yt : I(1) 2) A l’équilibre, y t 1 ˆ xt 1 est
nul. Il mesure la distance
Le vecteur de cointégration étant avec laquelle le système
(1;- ) s’est éloigné de l’équilibre à
Le MCE entre Xt et Yt s’écrit: la période t.