Série temporelle

CHAPITRE 1 DECOMPOSITION EMPIRIQUE DES SERIES TEMPORELLES SÉRIES TEMPORELLES Une série temporelle, notée Yt est une suite d’observations à des dates données indexées par un ensemble d’indices {t1,…,tN}. La série peut présenter une périodicité (jour, mois, trimestre, année,…) ou non. 2 1 SÉRIES TEMPORELLES Exemples La variable étudiée peut être de nature : – Macroéconomique : le PIB , l’inflation – Microéconomique : les ventes d’une entreprise, le revenu d’un individu – financière

Généralités sur les séries chronologiques Définition d’une série temporelle Représentation graphique La décomposition d’une série chronologique Les modèles de composition des trois composantes Partie 2 : Les procédés de décomposition des séries chronologiques Introduction Détermination du trend Dessaisonalisation Les prévisions Etude descriptive (empirique) d’une série temporelle La théorie des séries chronologiques (ou temporelles) abordée dans ce cours est appliquée de nos jours

Les Séries Temporelles Emmanuel César & Bruno Richard Université de Versailles Saint-Quentin-en-Yvelines Module XML et Data Mining - Mars 2006 1 Table des matières Introduction.................................................................................................................................3 2. Définitions & Explications......................................................................................................4 2.1 Qu’appelle-t-on série temporelle ?.............

G eorge Box et Gwilym Jenkins sont deux statisticiens qui ont contribué, dans les années70 à populariser la théorie des séries temporelles uni variées et multi variées. La modélisation univarié de Box-Jenkins concerne les processus ARIMA (p,d,q) ou ARMA(p,q) dont la partie autorégressive est notée AR, est constituée par une combinaison linéaire finie des valeurs passées du processus. La partie moyenne mobile, notée MA, est constituée d’une combinaison linéaire finie en t des valeurs passés d’un

COURS DE SERIES TEMPORELLES THEORIE ET APPLICATIONS VOLUME 1 Introduction à la théorie des processus en temps discret Modèles ARIMA et méthode Box & Jenkins ARTHUR CHARPENTIER arthur.charpentier@ensae.fr DESS Actuariat & DESS Mathématiques de la Décision Séries temporelles : théorie et applications Arthur CHARPENTIER Contents 1 Introduction et notations 1.1 Approches temps/fréquences : un peu d’histoire . . . . . . . . . . . . . . . . . . . . . . . 1.1.1 Analyse harmonique .

2 Séries temporelles et analyse des données de la charge électrique nationale Algérienne Sommaire 2.1 Introduction ..……………………………………………………………………….......... 2.2 Concepts de base des séries chronologiques …………………………………………….. 2.2.1 Caractéristiques des séries chronologiques ……………………………………....... 2.2.2 Les objectifs principaux …………………………………………………………… 2.2.3 Composantes d’une série chronologique ………………………………………….. 2.2.4 Description schématique de l’étude complète

COURS DE SERIES TEMPORELLES THEORIE ET APPLICATIONS VOLUME 2 Modèles linéaires multivariés : VAR et cointégration Introduction aux modèles ARCH et GARCH Introduction à la notion de mémoire longue Exercices corrigés et compléments informatiques ARTHUR CHARPENTIER arthur.charpentier@ensae.fr DESS Actuariat & DESS Mathématiques de la Décision Séries temporelles : théorie et applications Arthur CHARPENTIER Contents 1 Les séries temporelles multivariées 1.1 La notion de causalité

Etude du cours Bouygues Chargé de Projet : Régis BOURBONNAIS BLANCHON Léa Maîtrise d’Economie Appliquée Groupe 1 I. INTRODUCTION a) Le Groupe Bouygues b) La Série Temporelle c) La Problématique II. L’ANALYSE STATISTIQUE DE LA SERIE a) Les Statistiques Descriptives b) La Représentation Graphique c) Le Corrélogramme III. L’EXAMEN DE LA STATIONNARITE a) Les Tests de Dickey-Fuller simple et Augmenté b) Le

variables 45 2. Erreurs de mesure 45 3. Relation fonctionnelle 46 VII. Conclusion de la partie introductive 49 D. PARTIE 2 SERIE TEMPORELLE 51 I. Présentation des objectifs de la section 52 II. FAITS Stylisés 53 1. Composante d’évolution déterministe à long terme de la série 53 2. Mémoire du processus : persistance des chocs (Hystérèse) et autocorrélation des valeurs de la série 53 3. Volatilité variable : clusters de volatilité 54 4. Leptokurtisme & fats tails : fortes probabilités de valeurs

& Jenkins. 2.1 Prévision par la méthode traditionnelle 12 2.1.1 Etude de la série ..12 2.1.1.1 Définition d'une série chronologique ..12 2.1.1.2 Les composantes d'une série chronologique 12 2.1.1.3 Schémas de décomposition d'une série chronologique 13 2.1.1.3.1 Principe de conservation des aires 13 2.1.1.3.2 Procédure de choix d'un schéma de décomposition .14 2.1.2 Estimation des composantes de la série ..15 2.1.2.1 Estimation de la tendance ..15 2.1.2.1.1 Méthode des moindres carrés