ANNÉE UNIVERSITAIRE: 2016-2017

21/03/2019
ÉCONOMÉTRIE DES SÉRIES
CHRONOLOGIQUES

1
© Nor-Eddine OUMANSOUR
 PLAN

21/03/2019
 Les processus stochastiques stationnaires
 Les processus stochastiques non stationnaires,

 Distinction entre processus à tendance déterministe

et à tendance stochastique;
 Principaux tests de racine unitaire,

 Applications

2
 PROCESSUS STOCHASTIQUES

Définitions

21/03/2019
 Les séries temporelles observées sont considérées comme des
réalisations de processus stochastiques, définis comme des
successions temporelles de variables aléatoires représentant
un même concept.
 Un processus stochastique Y ou (Yt) est une variable aléatoire,
multivariée et dont chaque composante univariée représente
toujours le même concept économique quelle que soit la
période considérée.
 Un processus stochastique se formule comme suit:
𝑌1
𝑌
Y = Yt, t ∈ 𝑁 = 2
⋮
𝑌𝑛
Une telle réalisation est souvent appelée trajectoire du
processus.
 Un processus stochastique est donc une famille de variables 3
aléatoires indicées par t noté (yt ,t ∈ T ) ou encore yt .
 21/03/2019
CARACTÉRISTIQUES D’UN PROCESSUS STOCHASTIQUE

Un processus stochastique Y ou (Yt) est caractérisé par :

 •une espérance E(Yt) à chaque période t : E(Y1, E(Y2)…

 •une variance V(Yt) à chaque période t : V(Y1), V(Y2)…

•des covariances Cov(Yt , Yt-θ) pour toutes les périodes t

et tous les retards θ :
Cov(Y2, Y1), Cov(Y3, Y1), Cov(Y3, Y2)…

4
 21/03/2019
1. PROCESSUS STOCHASTIQUES STATIONNAIRES

 Avant le traitement d’une série chronologique, il

convient d’étudier ses caractéristiques stochastiques.
 Un processus stochastique Y ou (Yt) est stationnaire si :

5
 21/03/2019
1. PROCESSUS STOCHASTIQUES STATIONNAIRES
En d'autres termes, une série temporelle observée est
stationnaire si :
 Elle fluctue autour d'une valeur moyenne stable,
 L'amplitude moyenne de ses fluctuations reste stable
dans le temps, et
 La manière dont ses valeurs sont liées aux valeurs
précédentes se répète de façon stable dans le temps.

Rq: Un processus stochastique est non stationnaire

lorsque l'une des trois conditions de la stationnarité
n'est pas remplie. Les cas les plus fréquents de non-
stationnarité sont dus à une espérance ou à une 6
variance qui varie dans le temps, ou aux deux à la fois.
4. LES PROCESSUS STOCHASTIQUES NON
STATIONNAIRES, ET TESTS DE RACINE UNITAIRE

21/03/2019
Pour analyser la non-stationnarité, deux types de processus sont
distingués :

les processus TS (Trend Stationary) qui représentent une non-

stationnarité de type déterministe ;

 les processus DS (Differency Stationary) pour les processus

non stationnaires aléatoires.

7
4. LES PROCESSUS STOCHASTIQUES NON
STATIONNAIRES, ET TESTS DE RACINE UNITAIRE

Séries Intégrées I(d):

21/03/2019
 4. LES PROCESSUS STOCHASTIQUES NON
STATIONNAIRES, ET TESTS DE RACINE UNITAIRE

21/03/2019
 Pour tester la présence d’une racine unitaire sur une série de
données, on utilise usuellement :

- les tests de Dickey-Fuller (DF) - DF Augmentés(ADF)

utilisé en l’absence d’autocorrélation prise en compte l’autocorrélation
des erreurs des erreurs

yt   yt 1   t modèle sans constante ni tendance

yt  c   yt 1   t
modèle avec constante sans tendance
yt  c   t   yt 1   t modèle avec constante et tendance

11
 21/03/2019
4. Les processus stochastiques non stationnaires,
et tests de racine unitaire

12
tests de racine unitaire:
tests de racine unitaire:
Exemples : DFA