Vous êtes sur la page 1sur 13

1

Chapitre 2 Sries chronologiques


Les sries chronologiques sont des sris permettant de suivre lvolution dune variable en fonction
du temps.

Section 1 Les problmatiques des sries chronologiques

Les sries chronologiques posent deux problmes : la saisonnalit et la stationnarit

I- Problme de la saisonnalit

1. Les composantes

Exemple dapplication (Cas n8)

Le nombre de passagers dune compagnie arienne sur la ligne entre Londres Marrakech se prsente
ainsi : T1 T2 T3 T4
2010 1200 3200 6200 5100
2011 1400 600 7200 5200
2012 1500 4100 8200 5700

9000
8000
7000
6000
Trend
5000
4000
3000
2000
1000
0
Ala
T1 T2 T3 T4 T1 T2 T3 T4 T1 T2 T3 T4

Les sries chronologiques se caractrisent par :

- un trend qui exprime la tendance moyen et long terme (Tt) ;


- lala (rsidu ou bruit) : priode de la hausse ou de la baisse exceptionnelle (Rt) ;
- phnomne saisonnier : phnomne qui se rpte lidentique dans un intervalle de temps
rguliers, de priode intra- annuelle (S t)
- Le mouvement cyclique de long terme
2. Dtection de la saisonnalit
1. Mthode graphique

MOHAMED BEN HOUAD ENSET MOHAMMEDIA Master CGIF


2

Titre du graphique
10000
8000
6000
4000
2000
0
T1 T2 T3 T4

2010 2011 2012

On constate que la chronique est affecte du mouvement saisonnier

2. Test de Fisher

Il sagit de tester deux hypothses :

H0 : pas dinfluence du facteur priode ; donc pas de la saisonnalit

H1 : Influence du facteur priode ; donc prsence de la saisonnalit

Cas n8

Analyse de variance: deux facteurs sans rptition d'exprience

RAPPORT DTAILL Nombre d'chantillons Somme Moyenne Variance


Ligne 1 4 15700 3925 4835833,33
Ligne 2 4 14400 3600 9786666,67
Ligne 3 4 19500 4875 7909166,67

Colonne 1 3 4100 1366,66667 23333,3333


Colonne 2 3 7900 2633,33333 3303333,33
Colonne 3 3 21600 7200 1000000
Colonne 4 3 16000 5333,33333 103333,333

ANALYSE DE VARIANCE
Source des variations Somme des carrs Degr de libert Moyenne des carrs F Probabilit Valeur critique pour F
Lignes 3511666,67 2 1755833,33 1,96977251 0,21996533 5,14325285
Colonnes 62246666,7 3 20748888,9 23,2770333 0,0010509 4,75706266
Erreur 5348333,33 6 891388,889

Total 71106666,7 11
A un risque de 5%, on rejette H0 puisque la probabilit de 0,001 est largement infrieure 0,05. La
srie est affecte dune saisonnalit.
3. Test par la fonction dautocorrlation
Elle exprime une corrlation simple de la srie chronologique avec elle-mme dcale de k priodes.
La suite des coefficients de corrlation appele fonction dautocorrlation not k est donne par :

MOHAMED BEN HOUAD ENSET MOHAMMEDIA Master CGIF


3

cov(Yt ;Yt k ) (Y Y )(Y


t t k Y)
k = = t =1

Y Yt t k (Yt Y ) 2 (Yt k Y ) 2
Le test dhypothse pour un terme k est le suivant :
H0 : k =0 ; tous les coefficients sont significativement nuls, le processus tudi nest affect ni
de tendance ni de saisonnalit.
H1 k # 0 ; certains coefficients sont significativement diffrents de 0, la srie tudie est
certainement affecte dun mouvement saisonnier

Cas n8

Date: 11/07/15 Time: 00:01


Sample: 1 12
Included observations: 12

Autocorrelation Partial Correlation AC PAC Q-Stat Prob

. |* . | . |* . | 1 0.081 0.081 0.1006 0.751


*****| . | *****| . | 2 -0.662 -0.673 7.4568 0.024
. | . | . |** . | 3 0.026 0.314 7.4698 0.058
. |**** | . |* . | 4 0.565 0.115 14.162 0.007
. | . | . | . | 5 -0.033 -0.040 14.188 0.014
.***| . | . | . | 6 -0.452 -0.019 19.900 0.003
. | . | . *| . | 7 -0.015 -0.125 19.908 0.006
. |** . | . *| . | 8 0.249 -0.161 22.503 0.004
. | . | . | . | 9 -0.006 0.074 22.505 0.007
. *| . | . | . | 10 -0.188 -0.050 25.484 0.004
. | . | . *| . | 11 -0.065 -0.076 26.186 0.006
La srie est affecte dune variation saisonnire.

3. Correction de la saisonnalit
1. Types des sris chronologiques :

- Modle additif : Dans un modle additif, on suppose que les 3 composantes : tendance, variations
saisonnires et variations accidentelles sont indpendantes les unes des autres.
On considre que la srie Yt scrit comme la somme de ces 3 composantes :
Yt = Ct + St + Rt

MOHAMED BEN HOUAD ENSET MOHAMMEDIA Master CGIF


4

- Le modle multiplicatif : On suppose que les variations saisonnires dpendent de la tendance.


Et on considre que Yt scrit de la manire suivante : Yt = (Ct St) + Rt

Titre du graphique
10000
8000
6000
4000
2000
0
T1 T2 T3 T4

2010 2011 2012

2. Dtection du type de processus par test de Student

On calcule, pour chacune des annes, la moyenne et lcart type.


On estime par la mthode MCO les coefficients et de lquation i = + X i +i
Le schma est multiplicateur si lcart type est indpendant de la moyenne ; il est additif dans le cas
contraire.
Si est significativement diffrent de zro alors on accepte lhypothse dun schma additif ; dans le
cas contraire on la rejette.

Cas n8
Dependent Variable: ECARTTYPE
Method: Least Squares
Date: 11/07/15 Time: 00:57
Sample: 1 3

MOHAMED BEN HOUAD ENSET MOHAMMEDIA Master CGIF


5

Included observations: 3

Variable Coefficient Std. Error t-Statistic Prob.

MOYENNE -0.046463 0.711668 -0.065287 0.9585


C 2905.292 2966.647 0.979319 0.5067

R-squared 0.004244 Mean dependent var 2713.247


Adjusted R-squared -0.991511 S.D. dependent var 472.5118
S.E. of regression 666.8130 Akaike info criterion 16.07762
Sum squared resid 444639.5 Schwarz criterion 15.47669
Log likelihood -22.11643 Hannan-Quinn criter. 14.86968
F-statistic 0.004262 Durbin-Watson stat 2.028002
Prob(F-statistic) 0.958496

est significativement nul alors on accepte lhypothse dun schma multiplicateur.

3. dsaisonnalisation de la chronique
4.
Modle additif Modle multiplicatif

Ajustement de la chronique

Tableau diffrences saisonnires Tableau du rapport la tendance


St= Xt - X t t St = Xt / X t t

- Calcul des coefficients saisonniers provisoires (CSP)


- Vrification si CSP=0 ou p (nombre de priode)

Correction des CS

X des= Xt CS X des= X t/CS

La chronique peut tre ajuste soit par la mthode des MCO, des moyennes mobiles ou de lissage
exponentiel.
II- Problme de la stationnarit
1. Dfinition
Une srie temporelle est dite alatoire si et seulement si :
- La moyenne est constante et indpendante du temps ; E (yt) =E(yt+m)= C quel que soit t et
m;
- La variance et finie et indpendante du temps ;
- Cov (yt ;yt+m) est indpendante du temps

Une srie est non stationnaire si sa moyenne et sa variance se trouve modifies avec le temps.
Exemple des sris non stationnaires
1er exemple : Modle avec rupture

MOHAMED BEN HOUAD ENSET MOHAMMEDIA Master CGIF


6

2me exemple : Modle avec Trend dterministe

3me exemple : Marche alatoire

Exemple des sries stationnaires

MOHAMED BEN HOUAD ENSET MOHAMMEDIA Master CGIF


7

2. Les sries stationnaires

On distingue diffrents types de sries stationnaires :


a) mmoire :
La chronique dont on peut modliser, par une loi de reproduction, le processus ;
b) Bruit Blanc (White noise)
Il sagit des sries identiquement et indpendamment distribue
E (at ) = m t T

Var (at ) = t T
2

Cov(a ; ) = 0 t T ; h T
t t+h

White noise : =4 2=4


x
15

10

5
y

-5
0 2 4 6 8 10
x 4
x 10

c) Bruit Blanc gaussien


Il sagit des sris normalement (selon une loi normale) et indpendamment distribue.

MOHAMED BEN HOUAD ENSET MOHAMMEDIA Master CGIF


8

2
White noise : x =0 =1
5

0
y

-5
0 2 4 6 8 10
x 4
x 10

3. Les sries non stationnaires


Il sagit des processus TS et DS
a) Processus TS (Trend Stationary)
X t = + * t + u t Ce processus nest pas stationnaire car son esprance dpend du temps. Il sagit
dun processus dterministe : un choc a des effets transitoires et la marche trouve sa tendance.
160

120

80

40

0
50 100 150 200 250 300

b) Processus DS (differency stationnary)

Xt= Xt-1++t
Ce processus nest pas stationnaire car sa variance dpend du temps. Un choc a des effets illimits sur
les valeurs futures de la srie.
= 0 ; le processus est sans drive

MOHAMED BEN HOUAD ENSET MOHAMMEDIA Master CGIF


9
8

-4

-8

-12
50 100 150 200 250 300

0 ; le processus est avec drive Z

700

600

500

400

300

200

100

0
50 100 150 200 250 300

Remarque
Le processus TS est rendu stationnaire par la mthode des moindres carres alors que DS par
lintroduction des filtres.

4. Dtection de la stationnarit
Il existe plusieurs tests statistiques dont principalement le test de tests de Dickey-Fuller et le test de Phillips
et Perron.
Il existe deux tests de Dickey-Fuller : test simple et test augment
b1- tests de Dickey-Fuller simple (1979)
Les tests de Dickey-Fuller (DF) permettent de mettre en vidence le caractre stationnaire ou non dune
chronique. La stratgie de ce test consiste tester 3 processus :
[1] xt = 1xt1 + t Modle autorgressif dordre 1.
[2] xt = 1xt1 + + t Modle autorgressif avec constante.
[3] xt = 1xt1 + bt + c + t Modle autorgressif avec tendance et constante.

MOHAMED BEN HOUAD ENSET MOHAMMEDIA Master CGIF


10

Cas n9

Soit les dpenses de la sant entre janvier 2001 dcembre 2014


Vrifier avec la stratgie du test de Dickey-Fuller la stationnarit de Y ; si non identifier le type du
processus.
Solution
Y
7,000

6,000

5,000

4,000

3,000

2,000

1,000
01 02 03 04 05 06 07 08 09 10 11 12 13 14

Test du modle 3

Null Hypothesis: Y has a unit root


Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=0)

MOHAMED BEN HOUAD ENSET MOHAMMEDIA Master CGIF


11

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -13.87638 0.0000


Test critical values: 1% level -4.013946
5% level -3.436957
10% level -3.142642

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation


Dependent Variable: D(Y)
Method: Least Squares
Date: 11/23/15 Time: 21:22
Sample (adjusted): 2001M02 2014M12
Included observations: 167 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

Y(-1) -1.084314 0.078141 -13.87638 0.0000


C 1847.351 134.6594 13.71870 0.0000
@TREND(2001M01) 30.84197 2.242282 13.75472 0.0000

R-squared 0.540058 Mean dependent var 30.35827


Adjusted R-squared 0.534449 S.D. dependent var 287.6123
S.E. of regression 196.2416 Akaike info criterion 13.41437
Sum squared resid 6315765. Schwarz criterion 13.47038
Log likelihood -1117.100 Hannan-Quinn criter. 13.43710
F-statistic 96.28343 Durbin-Watson stat 1.999594
Prob(F-statistic) 0.000000

Daprs le test du Student, b est significativement non nul

La valeur empirique de Dikey-Fuller < t tabule ; le processus ne possde pas de racine unitaire
(11) ; Il sagit dun processus de type TS.

Cas n10
On demande dappliquer la stratgie de DF lindice boursier CAC40 du 01/01/2010 au
31/12/2013.
CAC
2,300

2,200

2,100

2,000

1,900

1,800

1,700

1,600

1,500

1,400
I II III IV I II III IV I II III IV I II III IV I II
2010 2011 2012 2013 2014

Test du modle 3

MOHAMED BEN HOUAD ENSET MOHAMMEDIA Master CGIF


12

Null Hypothesis: CAC has a unit root


Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=0)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -2.053788 0.5705


Test critical values: 1% level -3.965984
5% level -3.413694
10% level -3.128911

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation


Dependent Variable: D(CAC)
Method: Least Squares
Date: 11/24/15 Time: 00:11
Sample (adjusted): 1/04/2010 6/12/2014
Included observations: 1159 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

CAC(-1) -0.008447 0.004113 -2.053788 0.0402


C 14.93911 7.437617 2.008589 0.0448
@TREND(1/01/2010) 0.002103 0.001896 1.108866 0.2677

R-squared 0.003870 Mean dependent var 0.417204


Adjusted R-squared 0.002147 S.D. dependent var 20.64858
S.E. of regression 20.62640 Akaike info criterion 8.893606
Sum squared resid 491818.4 Schwarz criterion 8.906691
Log likelihood -5150.845 Hannan-Quinn criter. 8.898543
F-statistic 2.245643 Durbin-Watson stat 1.867318
Prob(F-statistic) 0.106321

Daprs le test du Student, b est significativement nul ; passage au modle 2

Null Hypothesis: CAC has a unit root


Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=0)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -1.805839 0.3779


Test critical values: 1% level -3.435777
5% level -2.863824
10% level -2.568037

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation


Dependent Variable: D(CAC)
Method: Least Squares
Date: 11/24/15 Time: 00:18
Sample (adjusted): 1/04/2010 6/12/2014
Included observations: 1159 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

CAC(-1) -0.007093 0.003928 -1.805839 0.0712


C 13.63563 7.344864 1.856485 0.0636

R-squared 0.002811 Mean dependent var 0.417204


Adjusted R-squared 0.001949 S.D. dependent var 20.64858
S.E. of regression 20.62845 Akaike info criterion 8.892943

MOHAMED BEN HOUAD ENSET MOHAMMEDIA Master CGIF


13

Sum squared resid 492341.5 Schwarz criterion 8.901667


Log likelihood -5151.461 Hannan-Quinn criter. 8.896235
F-statistic 3.261054 Durbin-Watson stat 1.867860
Prob(F-statistic) 0.071203

Daprs le test du Student, C est significativement nul ; passage au modle 1

Null Hypothesis: CAC has a unit root


Exogenous: None
Lag Length: 0 (Automatic - based on SIC, maxlag=0)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic 0.536641 0.8318


Test critical values: 1% level -2.566959
5% level -1.941097
10% level -1.616515

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation


Dependent Variable: D(CAC)
Method: Least Squares
Date: 11/24/15 Time: 00:21
Sample (adjusted): 1/04/2010 6/12/2014
Included observations: 1159 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

CAC(-1) 0.000174 0.000324 0.536641 0.5916

R-squared -0.000160 Mean dependent var 0.417204


Adjusted R-squared -0.000160 S.D. dependent var 20.64858
S.E. of regression 20.65023 Akaike info criterion 8.894192
Sum squared resid 493808.1 Schwarz criterion 8.898554
Log likelihood -5153.184 Hannan-Quinn criter. 8.895838
Durbin-Watson stat 1.875893

La valeur empirique de Dikey-Fuller > t tabule ; le processus possde une racine unitaire (1=1) ; Il
sagit dun processus de type DS sans drive.

MOHAMED BEN HOUAD ENSET MOHAMMEDIA Master CGIF