Autocorrélation

L’économétrie .................................................................................................................. 193 Corrélation; Régression linéaire; Coefficient de détermination; Variables exogènes et endogènes; Variable dichotomique; Autocorrélation; Hétéroscédasticité; Endogénéité; Multicolinéarité; T-Stat; P-value; Cointégration; Modèle à choix binaire INDEX BIBLIOGRAPHIE GUIDE PRATIQUE DES CONCEPTS ET THÉORIES ÉCONOMIQUES 7 Finance des marchés / Les marchés financiers Théorie de

produit potentiel d’une unité le terme d’échange augmente de 1.58E-11, le ratio d’inflation de 0,0002 et l’inflation de 5,28. Les t-statistics des variables sont tous significatif sauf celui du ratio d’inflation. Le DW stat permet de détecter une autocorrélation des erreurs d’ordre 1. 0 dl du 2 d'u d'l 4 | | | | | | Zone d'autocorrélation positive | Zone

appropriate guide to predict prices. The appropriateness of the specification is examined using a battery of diagnostic tests to include post-sample prediction failure tests, functional form and omitted variables tests as well as conventional autocorrelation, heteroscedasticity and normality tests. Table 9. Diagnostic tests |Tests statistics |Test F-Version |Model 1 |Model 2 | |Post-Sample Prediction failure[18]

World Bank Research Publication, Oxford University Press. Banque mondiale, 1994. Royaume du Maroc. Vers le Maroc, Rapport 11894-MOR, Washington DC. XXI e siècle : renforcement du secteur privé au Bierens, H.J., 1993. Higher order sample autocorrelations and the unit root hypothesis, Journal of Econometrics 57, 137-160. Bierens, H.J., 1997a. Testing the unit root with drift hypothesis against nonlinear trend stationarity, with an application to the US price level and interest rate, Journal of

en abcisse, ce type de graphique (Figure 1.6) indique que la variance des résidus n'est pas constante, et qu'elle dépend d'une des exogènes. Il existe des tests spéciques pour détecter l'hétéroscédasticité (Bourbonnais, pages 130 à 143). Autocorrélation des résidus Ce problème est spécique aux données longitudinales. Dans le graphique des résidus, nous plaçons des dates en abcisse, nous essayons de détecter si les erreurs suivent un processus particulier au cours du temps. L'autocorrélation

log-linéaire Cluster (classification hiérarchique) MANOVA Analyse discriminante. Analyse canonique. SERIES CHRONOLOGIQUES Méthodes de prévisions Tendances Lissage Séries chronologiques - méthode ARIMA (box et Jenkins) - Analyse spectrale Autocorrélation Transformé de Fourrié Analyse exploratoire Régressions non linéaire. SYGRAPH Vendu avec la version de base, mais peut-être utilisé indépendemment Compatible : EGA, CGA, VGA, Hercules... Peut être utilisé indépendemment Graphiques à 2

la moyenne, la variance, l’autocorrélation, etc. sont invariants par rapport au temps. Une série stationnaire est plus facile a prévoir qu’une série non-stationnaire. en effet, si la série est stationnaire, alors sa moyenne, sa variance et son autocorrélation sont des statistiques utiles dans la description du comportement futur de la série. Si au contraire la série est nonstationnaire, alors sa moyenne et sa variance croîtront avec la taille de l’échantillon et par conséquent tous les modèles prévisionnels

consistante en cas d'hétéroscédasticité (en anglais HC Heteroskedasticity Consistent). • Matrice de variance-covariance de Newey-West (1987), consistante en cas d'hétéroscédasticité et d'auto-corrélation (en anglais HAC Heteroskedasticity and Autocorrelation Consistent). Ces deux estimateurs sont disponibles pour le logiciel libre de statistique R dans le paquet externe "sandwich". Estimation de la variance du résidu Pour la variance du résidu résidus observés : , on peut utiliser l'estimateur sans

allant de 0 à K, K étant le décalage maximum admissible (en général n n n ou K = si n ≥ 150 ) pour que le coefficient ≤ K ≤ 6 3 5 d’autocorrélation ait un sens (cf. Tableau 16). Tableau 16 – Exemple de calcul d’une autocorrélation 1 2 3 ... t ... n Retards 0 Autocorrélation r0 = 1 1 2 3 ... t-1 n-1 1 r1 1 2 3 t-2 n-2 2 r2 .... ... ... ...n-k k rk ... ... K rK t-k t-K ...n-K La représentation graphique de la Fonction d’AutoCorrélation (notée FAC) est appelée le corrélogramme

le but de stabiliser la variance des données. Nous pouvons conclure tout de même à la non-stationnarité de l’indice américain. En effet : 1. la Figure 2.2 révèle une tendance globale à la hausse, 2. elle révèle aussi la décroissance lente des autocorrélations significativement non nulles de la série temporelle des valeurs du S&P 500. Il est possible de réaliser aussi le test statistique de Dickey-Fuller augmenté concluant à la présence d’une racine unitaire dans le processus de l’indice et donc à sa