Mthodes de prvision

Pr Lotfi Bouzaane
Pr Rim Mouelhi

Projet de M2PA

Universit Virtuelle de Tunis

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

Quest ce que la prvision ?

La prvision peut tre dfinie comme tant une apprciation sur les valeurs futures dune
variable quantitative .
Nous partons dune srie dobservations travers le temps portant sur une variable y
quelconque, de linstant 1 jusqu linstant T ; il sagit dune srie chronologique ou encore
dune srie temporelle. Nous cherchons prvoir la valeur qui sera atteinte par y un instant
futur T+h, ou encore lhorizon h.

Les mthodes de prvision

Plusieurs mthodes de prvision existent, elles peuvent tre regroupes en deux grandes
classes :
1. Mthodes extrapolatives (courbes de croissance, lissage par les moyennes mobiles,
modlisation ARMA) : Ces mthodes utilisent le pass de la variable elle-mme.
Seul le pass de la variable est utilis en vue de la prvoir sans apport dinformation
extrieure.
2. Mthodes explicatives (rgression linaire, systmes dquations simultanes) :
Celles ci utilisent les valeurs passes et prsentes dune ou de plusieurs variables pour
prvoir y. Lensemble dinformation utilis comporte des facteurs extrieurs qui
peuvent influencer le futur de y en plus du pass de la variable y elle-mme.
Nous prsentons dans ce qui suit quelques mthodes de prvision extrapolatives et quelques
mthodes de prvision explicatives.

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.

Mthodes des courbes de croissance

Il sagit de mthodes extrapolatives de la tendance passe de la variable considre. A titre
dexemple, supposons que lon identifie une tendance de type linaire suivie par une variable
y sur le pass :
Tendance linaire :

yt = + t

t tant la variable temps ; et sont des paramtres estimer. La prvision de la variable

y, linstant (T+1) par exemple, est base sur lextrapolation de cette tendance, sous
lhypothse dinvariance des paramtres et .

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.

Mthodes de prvision par moyenne mobile

Les moyennes mobiles sont la base dune mthode de prvision qui consiste utiliser la
moyenne des k dernires observations disponibles comme prvision pour la date suivante. On
parle alors de mthode de prvision par moyenne mobile dordre k.

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 yt1 +2 yt2 +... p yt p + t 1 t1 + 2 t2 +...q tq

Les et les sont des coefficients estimer. p et q sont des paramtres identifier.
y est alors une expression de son propre pass mais aussi du pass et prsent des erreurs

Les erreurs (de prvision)

passes et prsentes peuvent contenir des informations
pertinentes pour la prvision. Ce sont des innovations, dans le sens o elles apportent du neuf
par rapport au seul pass de la variable y.
La mthode de Box and Jenkins est une mthode qui permet, en passant par plusieurs tapes,
de trouver un modle ARMA susceptible de reprsenter correctement une srie
chronologique.
On distingue quatre phases dans cette mthode :
1.
2.
3.
4.

lidentification des paramtres p et q (le choix du modle),

lestimation des paramtres du modle (les alpha et bta),
la validation du modle (tests dadquation)
la prvision dduite du modle le plus adapt aux donnes.

Exemple de calcul des prvisions partir dun modle ARMA(1,1) :

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

Prvision par la rgression linaire

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)

Si les variables sont en niveau

aj =

y
y

x j
x j

Les coefficients reprsentent alors les rapports des variations absolues de y par rapport aux
diffrentes variables explicatives.

Si les variables sont en log, les coefficients sont des lasticits

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

donnant les meilleures estimations.

12

Modle de fonction de transfert

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

Critres souvent utiliss pour juger de la validit de la mthode de prvision

La prvision des valeurs futures dune variable y peut se faire en utilisant diffrentes
mthodes. Les prvisions obtenues peuvent tre compares et apprcies selon plusieurs
critres parmi lesquels :
Lerreur moyenne : (mean error) :

e = 1 / n et

Le carr moyen des erreurs (mean square error) : MSE = 1 / n et

Le root mean square error : RMSE

variable).

= MSE

(exprim en la mme unit que la

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

1) Guy Mlard Mthodes de prvision court terme , Editions de lUniversit de

Bruxelles, 1990.
2) Hatem Fabrice, Cazes Bernard et Roubelat Fabrice, La prospective, pratiques et
mthodes , Economica, 1993.
3) Lardic Sandrine et Valrie Mignon Economtrie
macroconomiques et financires , Economica, 2002.

des

sries

4) Walter Enders, Applied econometric time series , Wiley series, 1995.

16

temporelles