Séries temporelles
1
U.F.R. Economie Appliquée
Maîtrise d’Economie Appliquée Cours de Tronc Commun
Econométrie Appliquée Séries Temporelles
Christophe HURLIN
Chapitre 2. UFR Economie Appliquée. Cours de C. Hurlin
2
Chapitre 2 Tests de Non Stationnarité et Processus Aléatoires Non Stationnaires
Chapitre 2. UFR Economie Appliquée. Cours de C. Hurlin
3
Dans le premier chapitre, nous avons vu qu’une des première étape de la démarche de modélisation d’une série temporelle consiste à vérifier la stationnarité du processus générateur de données. Généralement, on se limite à vérifier la stationnarité faible ou stationnarité du second ordre. Nous allons à présent étudier de façon de plus précise ce qu’est un processus non stationnaire. Il existe en effet deux sorte de non stationnarité : la non stationnarité déterministe et la non stationnarité stochastique. Nous verrons que suivant l’origine de la non stationnarité, il convient d’adopter une méthode de stationnarisation particulière. La seconde partie de ce chapitre sera ensuite consacrée à la présentation des principaux tests de non stationnarité. Il s’agit alors de définir une stratégie empirique permettant de vérifier si les processus sont stationnaires ou au contraire si il est nécessaire de les stationnariser et quelle est alors la méthode appropriée.
1
Processus non stationnaires
Dans le premier chapitre, nous avons introduit la notion de stationnarité du second ordre ou stationnarité faible. D’après cette définition, un processus est stationnaire au second ordre si l’ensemble de ses moments d’ordre un et d’ordre deux sont indépendants du temps. Par opposition, un processus non stationnaire est un processus qui ne satisfait pas l’une ou l’autre de ces deux conditions. Ainsi, l’origine de la non stationnarité peut provenir d’une dépendance du moment d’ordre un (l’espérance) par rapport au temps et/ou d’une dépendance de la variance ou des