Chapitre 2 Séries Chronologiques

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 :

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

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

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

6
2me exemple : Modle avec Trend dterministe
3me exemple : Marche alatoire
Exemple des sries stationnaires

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.

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

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.

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)

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)
Date: 11/23/15 Time: 21:22
Sample (adjusted): 2001M02 2014M12
Included observations: 167 after adjustments
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

Adjusted R-squared 0.534449 S.D. dependent var 287.6123
Sum squared resid 6315765. Schwarz criterion 13.47038
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

12
Null Hypothesis: CAC has a unit root

Exogenous: Constant, Linear Trend
t-Statistic Prob.*

5% level -3.413694
10% level -3.128911

Dependent Variable: D(CAC)
Date: 11/24/15 Time: 00:11
Sample (adjusted): 1/04/2010 6/12/2014
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

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

Exogenous: Constant
t-Statistic Prob.*

5% level -2.863824
10% level -2.568037

Date: 11/24/15 Time: 00:18
Sample (adjusted): 1/04/2010 6/12/2014
CAC(-1) -0.007093 0.003928 -1.805839 0.0712

C 13.63563 7.344864 1.856485 0.0636


13

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

Exogenous: None
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic 0.536641 0.8318

5% level -1.941097
10% level -1.616515

Date: 11/24/15 Time: 00:21
Sample (adjusted): 1/04/2010 6/12/2014
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
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.

Chapitre 2 Séries Chronologiques

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Chapitre 2 Séries Chronologiques

Transféré par

Droits d'auteur :

Formats disponibles

1

Chapitre 2 Sries chronologiques

Section 1 Les problmatiques des sries chronologiques

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

Exemple dapplication (Cas n8)

Les sries chronologiques se caractrisent par :

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

MOHAMED BEN HOUAD ENSET MOHAMMEDIA Master CGIF

2010 2011 2012

On constate que la chronique est affecte du mouvement saisonnier

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

Analyse de variance: deux facteurs sans rptition d'exprience

RAPPORT DTAILL Nombre d'chantillons Somme Moyenne Variance

Colonne 1 3 4100 1366,66667 23333,3333

MOHAMED BEN HOUAD ENSET MOHAMMEDIA Master CGIF

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

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

Autocorrelation Partial Correlation AC PAC Q-Stat Prob

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

MOHAMED BEN HOUAD ENSET MOHAMMEDIA Master CGIF

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

2010 2011 2012

2. Dtection du type de processus par test de Student

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

MOHAMED BEN HOUAD ENSET MOHAMMEDIA Master CGIF

Variable Coefficient Std. Error t-Statistic Prob.

MOYENNE -0.046463 0.711668 -0.065287 0.9585

R-squared 0.004244 Mean dependent var 2713.247

est significativement nul alors on accepte lhypothse dun schma multiplicateur.

Tableau diffrences saisonnires Tableau du rapport la tendance

- Calcul des coefficients saisonniers provisoires (CSP)

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

MOHAMED BEN HOUAD ENSET MOHAMMEDIA Master CGIF

2me exemple : Modle avec Trend dterministe

3me exemple : Marche alatoire

Exemple des sries stationnaires

MOHAMED BEN HOUAD ENSET MOHAMMEDIA Master CGIF

2. Les sries stationnaires

On distingue diffrents types de sries stationnaires :

White noise : =4 2=4

c) Bruit Blanc gaussien

MOHAMED BEN HOUAD ENSET MOHAMMEDIA Master CGIF

3. Les sries non stationnaires

b) Processus DS (differency stationnary)

MOHAMED BEN HOUAD ENSET MOHAMMEDIA Master CGIF

0 ; le processus est avec drive Z

MOHAMED BEN HOUAD ENSET MOHAMMEDIA Master CGIF

Soit les dpenses de la sant entre janvier 2001 dcembre 2014

Null Hypothesis: Y has a unit root

MOHAMED BEN HOUAD ENSET MOHAMMEDIA Master CGIF

Augmented Dickey-Fuller test statistic -13.87638 0.0000

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

Augmented Dickey-Fuller Test Equation

Variable Coefficient Std. Error t-Statistic Prob.

Y(-1) -1.084314 0.078141 -13.87638 0.0000

R-squared 0.540058 Mean dependent var 30.35827

Daprs le test du Student, b est significativement non nul

MOHAMED BEN HOUAD ENSET MOHAMMEDIA Master CGIF

Null Hypothesis: CAC has a unit root

Augmented Dickey-Fuller test statistic -2.053788 0.5705

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

Augmented Dickey-Fuller Test Equation