Académique Documents
Professionnel Documents
Culture Documents
Pr Lotfi Bouzaane
Pr Rim Mouelhi
Projet de M2PA
2008
Mthodes de prvision
Pr Lotfi Bouzaane et Pr Rim Mouelhi
2006-2007
Squence n : 6
Objectifs de la squence
1. Rappeler la notion de prvision
2. Prsenter brivement les techniques de prvision les plus utilises dans la pratique
3. Permettre aux apprenants de mieux saisir les diffrences, les points communs et les
complmentarits entre la prvision et la prospective.
La squence commence par une dfinition simple de la prvision. Un deuxime point traitera
des mthodes classiques de la prvision. Ces mthodes sont regroupes sous forme de deux
familles de mthodes : les mthodes de nature extrapolative et les mthodes de nature
explicative. Un dernier point prsente les critres souvent utiliss pour comparer les
prvisions obtenues par diffrentes mthodes et valider le choix dune de ces mthodes.
Cette squence est accompagne dune maquette de calcul sur Excel prsentant une
application illustrative des techniques de prvision et de leurs qualits sur des donnes relles.
Il sagit dun exercice rcapitulatif.
Quest ce que la prvision ?
Les mthodes de prvision
Les mthodes extrapolatives
Mthodes des courbes de croissance
Mthodes de prvision par moyenne mobile
Application
Modles ARMA
Les Mthodes explicatives
Prvision par la rgression linaire
Modle de fonction de transfert
Les Critres dvaluation de la validit de la mthode de prvision
Questions et exercces
Bibliographie
Mthodes extrapolatives
Les modles de prvision traditionnels sont bass sur lextrapolation des tendances passes.
La prvision classique est souvent faite sous lhypothse de stabilit du systme en vue de
dgager un scnario tendanciel.
Mthodes des courbes de croissance.
Mthodes des moyennes mobiles.
yt = + t
y T +1 = + (T + 1)
La tendance identifie peut tre dune autre nature que linaire, elle peut tre de type
exponentielle, quadratique ou autre :
Exponentielle :
Quadratique :
y = t
y = + t + t
La prvision est toujours base sur lextrapolation de la tendance en supposant la stabilit des
coefficients.
Ce type de modles permet certes dapprocher le fonctionnement des variables mais, en
simplifiant la ralit, peut finir par transformer, par dformer et par sloigner de la ralit.
Application
Une feuille de calcul est disponible pour illustrer lutilisation des deux mthodes de prvision
par extrapolation.
Lexemple de la prvision du PIB amricain est trait dans ce cas.
Vous pouvez vous exercer sur cette feuille en modifiant quelques valeurs pour voir comment
les rsultats vont changer.
Modles ARMA
Il sagit dune mthode de prvision qui utilise linformation contenue dans la srie ellemme en vue de faire des prvisions.
Pour cela, il faut commencer par modliser la srie chronologique selon un processus ARMA
(AutoRegressif Moving Average) dordre p et q.
Les processus ARMA serviront dabord de modle pour dcrire lvolution des sries
chronologiques et ensuite pour les prvoir.
Un processus ARMA donn est considr comme ayant gnr la srie chronologique ou
encore que celle-ci peut tre vue comme une ralisation de ce processus ARMA.
Un modle ARMA(p,q) : processus autorgressif dordre p et moyenne mobile dordre q1
pour une variable y scrit comme suit :
yT +1 = 1 yT + T +1 1 T
yT + 2 = 1 yT +1 + T + 2 1 T +1
Etc.
1
Le terme moyenne mobile ici na rien voir avec la mthode de lissage et de prvision par la moyenne mobile.
Pour obtenir des prvisions, on remplace les innovations inconnues par leur moyenne qui est
gale 0 et celles du pass par leurs estimations t . Les valeurs futures de y sont remplaces
par leurs prvisions :
y T +1 = 1 yT + 0 1T
y T + 2 = 1 y T +1 + 0 + 0
Etc.
Mthodes explicatives
Prvision par la rgression linaire
Modle de fonction de transfert
10
Celle ci est intressante dans la mesure o elle permet dintroduire les facteurs extrieurs qui
influencent le futur de la variable analyse (y).
Le point de dpart de ce type de mthodes est un modle conomique. Celui-ci consiste en
une prsentation formalise dun phnomne sous forme dquations, une prsentation
schmatique et partielle dune ralit plus complexe.
Exemple : A un niveau microconomique, au niveau de la firme :
Demande de travail= f (production, salaire)
Cette relation dcoule dun problme de maximisation de profit sous contrainte technologique
(fonction de production):
L=f(y, w)
Partant du modle conomique nous dfinissons un modle conomtrique : il sagit dun
modle conomique faisant intervenir lalatoire. Un modle conomtrique comporte une
variable alatoire dite variable erreur. En effet, les phnomnes conomiques sont dune telle
complexit quil nest pas raisonnable de penser pouvoir expliquer une variable par, une, deux
ou plus de variables explicatives. Un terme derreur est ajout au modle conomique pour
tenir compte des variables omises, des erreurs de mesure et autres.
Le modle conomtrique associ au modle conomique de lexemple prcdent (demande
de travail) peut scrire simplement comme suit :
L = a0 + a1 y + a2 w +
Dans le cas gnral, la variable y (endogne) est explique par k variables explicatives:
y t = a 0 + a1 x 1 t + a 2 x 2 t + ...a k x k t + t
(t = 1, .T)
aj =
y
y
x j
x j
Les coefficients reprsentent alors les rapports des variations absolues de y par rapport aux
diffrentes variables explicatives.
aj =
ln y
ln x j
11
y / y
x j / x j
Plusieurs mthodes destimation des paramtres (les a j ) sont disponibles (la mthode des
moindres carrs ordinaire MCO, la mthode des moindres carrs gnralise MCG et autres).
La Prvision de y ncessite la connaissance (ou une approximation) des x linstant (T+1).
y T +1 = a 0 + a1 x 1T +1 + ... + a k x k T +1 + 0
Les a j sont les estimations des coefficients a j obtenues par une mthode conomtrique
12
Il sagit dune extension de la modlisation ARMA au cas o la variable y prvoir peut tre
relie son pass mais aussi au prsent et au pass dautres variables x :
y t = 1 y t 1 + ... r y t r + 0 x t + 1 x t 1 + .... s x t s + t
Des mthodes existent pour identifier r et s ; il sagit dutiliser la fonction dautocorrlation
(pour r) et les corrlations croises (entre x et y) pour dterminer s. Des tapes semblables
la procdure de Box et Jenkins permettent destimer les paramtres, et de valider le modle
qui servira la prvision.
yT +1 = 1 yT +...+ r yT r + 0 xT +1 + 1 xT +...+ s xT s
Lestimation de cette prvision ncessite la connaissance (ou une approximation) de la valeur
de x linstant (T+1)
13
e = 1 / n et
= MSE
et tant lerreur de prvision pour un instant t (la diffrence entre la valeur observe et la
valeur prvue par une mthode quelconque).
La meilleure mthode est celle qui fournie les valeurs les plus faibles pour ces critres.
14
Questions et exercices
1. Lutilisation et le calcul des critres mesurant la qualit dune prvision sont illustrs
sur la feuille de calcul Excel. Observer comment les critres de jugement de la valdit
de la prvision changent de valeurs lorsque lon modifie les observations de la variable
PIB.
2. Sur la base des rsultats de lapplication (prsente sur la feuille Excel), voir quelle
est la mthode de prvision la plus performante, justifier votre rponse.
3. Au terme de cette squence et en utilisant les enseignements des squences
prcdentes, dduire les principales diffrences, points communs et complmentarits
entre la prvision et la prospective. Une note dune page maximum sera rdige pour
rpondre la question.
15
Bibliographie
des
sries
16
temporelles