A.

U : 2020/2021

Initiation aux Séries

Chronologiques

Pr A.BENGHABRIT
benghabrit@enim.ac.ma
 Pourquoi les séries chronologiques ?
❖ Une série chronologique est une série de données qui évolue en fonction du temps et
permet de faire par la suite des prévisions.

❖ En vue de prendre une bonne décision, toute organisation a besoin de faire des
prévisions. Ainsi pour une entreprise, il peut être question de prévisions de trésorerie, de
prévisions des ventes, de prévisions de part de marché, ...

❖ On distingue trois types d’horizon :

▪ Court terme : maximum six mois. Exemple : gestion de stocks, planning de

production, …

▪ Moyen terme : de six mois à deux ans. Exemple : élaboration du budget, …

▪ Long terme : supérieur à deux ans. Exemple : investissements, … Pr A.BENGHABRIT

 Problématique
On a relevé, à des instants t séparés par des intervalles de temps égaux qu’on prend pour
unité, les valeurs d’un caractère noté yt. Les mesures ont eu lieu pour t = 1, 2, …, T.

Problématique :

On souhaite comprendre et modéliser la relation entre le temps et la variable réponse yt

pour pouvoir faire des prévisions par la suite.

Solution :

Approcher 𝑦𝑡 par un modèle des séries chronologiques!

Comment choisir le bon modèle ? Quelles sont les estimations à faire ?

Pr A.BENGHABRIT
 Problématique
❖ Soit un système qui donne pour chaque
instant tti, du paramètre temps t, une valeur
d’un paramètre yt.
C
❖ On obtient par la suite la série double :
. .

❖ L’ensemble s’appelle une série chronologique.

❖ En général l’ensemble des points s’ordonne

sur une courbe (C). Le problème est de
chercher une forme mathématique à cette
Pr A.BENGHABRIT courbe (C).
 Les méthodes de Séries chronologiques
Deux grandes catégories de méthodes :

❖ Les méthodes d’extrapolation dans lesquelles on utilise l’existence d’une corrélation

de la variable étudiée avec le temps.

Exemples :

❖ Les méthodes explicatives dans lesquelles on utilise l’existence de corrélation entre

la variable étudiée et d’autres variables :

❖ Régression linéaire :

Exemple :
Pr A.BENGHABRIT
 Les méthodes de Séries chronologiques
❖Méthodes ARMA de Box et Jenkins : ARMA(p,q)

Exemple :

❖ L’ensemble des observations dans le temps du phénomène étudié constitue une série
chronologique qui se présente comme une série double (y,t).

❖ Les méthodes d’extrapolation permettent d’exprimer la variable y directement en

fonction du temps t. Alors que les méthodes explicatives utilisent également les valeurs
passées de y dans le temps.

Pr A.BENGHABRIT
 Représentation des séries chronologiques
Une série chronologique se présente sous la
❖ En général, p = 52 (semaines), p = 12
forme d’un tableau à double entrée : Lignes (i =
(mois), p = 4 (trimestres).
les années) et colonnes (j = les mois) et yij = la
❖ L’observation yt c.à.d. l’observation à
valeur observée lors du jème mois de la ième
l’instant t est donnée en utilisant la
année.
1 2 … j … p relation t = p(i-1) + j.
1 ❖ Pour p = 12, l’observation y11 est
2
l’observation à l’instant t = 12(1-1) + 1 =
…
1.
i yij
… ❖ Pour p = 4, l’observation y12 est
n Pr A.BENGHABRIT l’observation à l’instant t = 4(1-1) + 2 = 2.
 Représentation des séries chronologiques
Application directe : Tracer la série chronologique de la livraison d’essence en milliers de
mètre cube :
Année Trimestre Livraisons
1 920 Livraison en fonction des trimestres
2 1110 1800
2014
3 1310 1600

1400
4 1060
1200
1 950 1000

2 1240 800
2015 600
3 1470
400
4 1190
200

1 1000 0
1 2 3 4 5 6 7 8 9 10 11 12
2 1340
2016
3 1570
4 1310 Pr A.BENGHABRIT
 Les méthodes d’extrapolation : composantes
De manière générale, on distingue trois 1. La composante conjoncturelle ou tendance
composantes : générale (TREND) qui traduit l’aspect
Tendance générale général de la série.

Variation 2. La composante saisonnière due aux facteurs

saisonnière
climatiques, aux congés, à l’inégalité des
mois. On appelle période T l’intervalle de
temps séparant deux effets identiques.
Accident
3. La composante aléatoire due à des
variations accidentelles (guerre, grèves, …).
Pr A.BENGHABRIT
Les méthodes d’extrapolation : composantes
Il s’agit de décomposer la grandeur étudiée y en
Série initiale
ses trois composantes : tendance générale cij,
composante saisonnière sij et composante
aléatoire eij.

Tendance générale C Composante saisonnière S

Composante aléatoire E

Pr A.BENGHABRIT
 Les méthodes d’extrapolation : modèles
1. Le modèle additif : Les trois composantes sont indépendantes. Les
droites passantes par les points minimum et le maximum sont parallèles.

2. Le modèle multiplicatif :

Pr A.BENGHABRIT
 Les méthodes d’extrapolation : modèles
❖ Les méthodes de décomposition consistent à estimer Ct et St à partir des observations.
Pour ce faire, on distingue les méthodes empiriques et les méthodes analytiques qui se
basent sur le fait de poser des hypothèses sur Ct et St puis minimiser les écarts entre le
modèle et les observations.

❖ Tous ces modèles analytiques sont des cas particuliers du modèle de l’analyse de
régression générale.

❖ Quelques modèles analytiques : Ct Ct St

Ct St

Pr A.BENGHABRIT Ct St
 Les méthodes explicatives : ARMA(p,q)
❖ Étant donné une série temporelle Yt, le modèle autorégressif et moyenne-mobile
d'ordres (p,q) (abrégé en ARMA(p,q)) est un outil pour comprendre et prédire,
éventuellement, les valeurs futures de cette série. Le modèle est composé de deux parties
: une partie appelée modèle autorégressif (AR) et une partie appelée modèle à moyenne-
mobile (MA). Le modèle est généralement noté ARMA (p,q), où p est l'ordre de la partie
AR et q l'ordre de la partie MA.

❖ Plus précisément, un modèle ARMA(p,q) est un processus temporel discret (Xt, t ∈ ℕ)

vérifiant :

Pr A.BENGHABRIT