Académique Documents
Professionnel Documents
Culture Documents
Séries Temporelles
Pr P. Mendy
Octobre 2021
Pr P. Mendy
Séries Temporelles 1 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
1 Introduction
3 Test ADF
Pr P. Mendy
Séries Temporelles 2 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Introduction
Le choc est souvent utilisé pour décrire un changement inattendu
dans la variable ou dans la valeur de l'erreur à une période de
temps donné.
Lorsque nous avons un système stationnaire, l'eet du choc
s'estompe de manière graduelle: Choc transitoire
Par contre si le système est non stationnaire l'eet du choc devient
permanent: Choc pemanent
Deux types de non-stionnarité
• Racine unitaire
AR(1) : Xt = φ1 Xt−1 + εt
|φ1 | = 1 : Non stationnarité homogène.
• Racine unitaire supérieur à l'unité
|φ1 | > 1 : Non stationnarité explosive.
Pr P. Mendy
Séries Temporelles 2 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Introduction
∗ le choc sur le système augmente au fur et à mesure que le
temps croit.
∗ Ce cas ne peut être observé dans la vie réelle.
Exemple
Test DF
AR(1) : Xt = µ + φ1 Xt−1 + εt
où εt ∼ BBN (0, σε ).
C'est l'approche la plus simple pour tester la présence d'une racine
unitaire dans le processus.
Hypothèses à tester
H0 : φ1 = 1 ⇒ Xt ∼ I(1)
H1 : |φ1 | < 1 ⇒ Xt ∼ I(0)
Pr P. Mendy
Séries Temporelles 4 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Test DF
Soustraction de Xt−1 :
H0 : δ = 0 ⇒ Xt ∼ I(1)
H1 : δ < 0 ⇒ Xt ∼ I(0)
Pr P. Mendy
Séries Temporelles 5 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
φ̂1 − 1
tφ1 =1
σ̂φ̂1
Pr P. Mendy
Séries Temporelles 6 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Test DF
Pr P. Mendy
Séries Temporelles 7 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Test DF
T Z 1
d
X
−3/2
T Xt−1 → σ W (r)dr
t=1 0
T Z 1
d
X
−2 2 2
T Xt−1 → σ W (r)2 dW (r)
t=1 0
T Z 1
d
X
−1
T Xt−1 εt → σ W (r)dr
t=1 0
Test DF
R1
d W (r)dW (r)
0
(T − 1)(φ̂1 − 1) → R1
2
0 W (r) dr
R1
d W (r)dr
tφ1 =1 → hR 0 i1/2
1 2 dr
0 W (r)
Quelques résultats
P
φ̂1 est super
√ consistant dès que φ̂1 → φ1 au taux T au lieu au taux
habituel T
φ̂1 n'est pas asymptotiquement normalement distribué et tφ1 =1 ne
tend pas asymptotiquement vers la loi normale.
Pr P. Mendy
Séries Temporelles 9 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Test DF
La distribution limite de φ̂1 est appelée distribution de DF et n'a
pas une représentation standard. Les quantiles de la distribution
sont obtenues de manière numérique ou par simulation.
Si le biais normalisé (T − 1)(φ̂1 − 1) a une distribution limite
normalisée bien dénie qui ne dépend pas des paramètres de
nuisance il peut aussi être utilisé comme une statistique de test
sous H0 : φ̂1 = 1
Exemple
Test DF
Avec un terme constant, le modèle de régression devient:
Xt = φ0 + φ1 Xt−1 + εt (1)
L'introduction de la constante permet de capturer une moyenne
non nulle sur l'hypothèse alternative. Les hypothèses à tester
deviennent:
H0 : µ = 0 et φ1 = 1 ⇒ Xt ∼ I(1) sans constante
H1 : |φ1 | = 1 et φ1 < 1 ⇒ Xt ∼ I(0) avec une moyenne
Remarque
Formulation adaptée aux séries économiques et nancières sans trend
(Taux d'intérêt, taux de change )
Pr P. Mendy
Séries Temporelles 11 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Test DF
Les statistiques
tφ1 =1 et (T − 1)(φ̂1 − 1)
sont dénies et sont calculées à partir de l'équation [1]. Sous
H0 : µ = 0 et φ1 = 1 les distributions de ces statistiques sont
inuencées par la présence , mais non de la valeur de la constante
dans le modèle.
R1 u
d W dW (r)
→ R0 1
(T − 1)(φ̂1 − 1) −
u 2
0 W d(r)
R1
d W u dW (r)
→ R 0
(T − 1)(tφ1 = 1) − 1/2
1 u
0 W d(r)
Pr P. Mendy
Séries Temporelles 12 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Test DF
R1
où W u (r) = W (r) − 0 W (r)dr est un processus de Wiener centré i.e
R1 u
0 W d(r) = 0
Modèle avec constante et trend
Le modèle de régression est dénie par
Xt = µ + γt + φ1 Xt−1 + εt (2)
Pr P. Mendy
Séries Temporelles 13 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Remarque
Cette formulation est appropriée pour des séries avec un drift et un
trend (Prix des actifs, séries macroéconomiques agrégées , PIB).
Les statistiques
tφ1 =1 et (T − 1)(φ̂1 − 1)
sont dénies sont calculées à partir de l'équation [2].
Sous H0 : µ = 0 et φ1 = 1 les distributions de ces statistiques sont
inuencées par la présence , mais non des valeurs des coecients,
de la constante et du trend dans le modèle.
R1
W τ dW (r)
d
(T − 1)(φ̂1 − 1) −
→ R0 1
u 2
0R W d(r)
1 τ
d W dW (r)
(T − 1)(tφ1 = 1) −
→ R 01 1/2 où
( 0 W τ d(r))
R1
W u (r) = W (r) − −12 r − 12 1 1
est un processus de
0 s − 12 W (r)dr
Wiener centré et sans trend.
Pr P. Mendy
Séries Temporelles 14 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Test DF
Quelle est la conclusion si H0 n'est pas rejetée? Les séries
contiennent une racine unitaire mais de quel ordre? Seraient-elles
intégrées d'ordre d supérieur à 1?
On a besoin de tester
H : 0 : X(t) ∼ I(2) vs X(t) ∼ I(1)
Nous continuerons à tester la présence de racine unitaire jusqu'à ce
que nous rejetons H0
Le test DF est valide si les résidus sont bruits blancs. Si ils sont
auto corrélés on doit augmenter le test. On cherche une certaine
auto-corrélation à un certain ordre.
Beaucoup de séries macro-économiques et nancières présentent
des structures dynamiques plus complexes que celles du processus
AR(1).
Pr P. Mendy
Séries Temporelles 15 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Test DF
Pr P. Mendy
Séries Temporelles 16 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Test ADF
S'il existe une certaine corrélation des résidus dans le test DF (i.e
si le vrai processus n'est pas AR(1) ), alors on utilise un processus
AR(p) pour obtenir une grille de corrélation sérielle.
Φ(L)xt = µ + εt (3)
Test ADF
Pr P. Mendy
Séries Temporelles 18 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Test ADF
où
p−1
X
∆xt = (1 − φ1 ) xt−1 + φj ∆xt−1 + φ0 + εt
| {z }
j=1
(δ)
p−1
Équation du test ADF : ∆xt = δxt−1 +
X
φj ∆xt−1 + φ0 + εt (8)
j=1
Hypothèses du test
H0 : φ1 = 1 ou H0 : δ = 0
H1 : |φ1 | < 1 H1 : δ < 0
Test ADF
(T − p)(φ̂1 − 1)Ψ(1)
Pr P. Mendy
Séries Temporelles 20 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Une astuce utile pour déterminer le pmax est proposée par Schwert
(1989). Il propose une approche qui permet un choix du pmax qui
dépend de la taille de l'échantillon.
n 1/4
pmax = d12 e
100
où dxe est la partie entière de x.
Pr P. Mendy
Séries Temporelles 22 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Exemple T= 54
Exemple
Examinons le modèle initial en diérence première du processus AR(p).
Pour cet exemple on considère :
xt = φ0 + φxt−1 + φ1 ∆xt−1 + φ2 ∆xt−2 + εt
(1 − L)xt = µ + Ψ(L)εt
où µ = 1/(1 − φ1 L − φ2 L2 ) et Ψ(L) = 1
φp−1 (L) = 1
1−φ1 L−φ2 L2
Pr P. Mendy 1
Séries Temporelles ⇒ Ψ(1) = 23 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Exemple T= 54
Exemple
1
⇒ Ψ(1) = = 0.834
1 − 0.141 + 0.326
La statistique calculée:
(T − p)(φ̂ − 1)Ψ(1) = −6.19 > −13.3(V aleur critique)
Pr P. Mendy
Séries Temporelles 24 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Exemple T= 54
Remarque
Si la statistique de test est positive on rejette automatiquement H0 .
Il est généralement admis que les termes MA soient présents dans
de nombreuses séries chronologiques macroéconomiques après
diérenciation. Said et Dickey (1984) ont développé une approche
dans laquelle les ordres des composantes MA et AR dans les termes
d'erreur et auto-régressifs sont inconnus, mais peuvent être
approximés par un processus AR(k) où k est susamment grand
pour permettre une bonne approximation du processus ARM(p,q)
inconnu.
En s'assurant à ce que εt , soit approximativement BB
Φp (L)
Φp (L)xt = Θ(L)εt ⇒ xt = εt
Pr P. Mendy
Θ(L)
Séries Temporelles 25 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Pr P. Mendy
Séries Temporelles 26 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
xt = µ + φ1 xt−1 + εt (9)
DF : εt ∼ i.i.d
P P : εt ∼ auto-corréléess
Hypothèse à tester:
H0 : δ = 0
H1 : δ < 0
Pr P. Mendy
Séries Temporelles 27 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Pr P. Mendy
Séries Temporelles 28 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
T T
1X X 1
σ 2 = lim E(ε2t ) et λ2 = lim E( ε2t )
T →∞ T T →∞ T
t=1 t=1
Pr P. Mendy
Séries Temporelles 29 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Problèmes du test PP
Pr P. Mendy
Séries Temporelles 30 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
xt = 0, 95xt−1
2 Taille - Les tests ADF et PP sont connus pour avoir une distorsion
Changements structurels
Pr P. Mendy
Séries Temporelles 33 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Changements structurels
H0 : xt = α0 + xt−1 µ1 DP + εt
H1 : xt = α0 + α1 t + xt−1 µ2 DL + εt
Pr P. Mendy
Séries Temporelles 34 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Tests KPSS
Ce test de stationnarité a été proposé par Kwiatkowski, Phillips,
Schmidt et Shin (1992). Ce test, KPSS, du multiplicateur de
Lagrange utilise la stationnarité comme hypothèse nulle. Plus
spéciquement, il s'agit de tester l'hypothèse que la variance de la
composante non stationnaire d'une série est nulle.
Equations
Tests KPSS
Statistique de Test
)2 !2
T
( t T
1 X X 1 2 X
LM = 2 ε2i = 2 T r diag ε21 , (ε21 + ε22 , ., ε2i
σε σε
t=1 i=1 t=1
(15)
Pr P. Mendy
Séries Temporelles 36 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Dénition
Une série est dite stationnaire si:
Moyenne et variance indépendantes des observations.
Séries temporelles: E(X) = µ et V(X) = σ 2
Cov(xt , xs = γ(t − s), ∀t, s ∈ Z
Pr P. Mendy
Séries Temporelles 37 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Remarque
Pour des variables non stationnaires, on devrait toujours penser en
termes de cointégration.
Interprétation des résultats est uniquement recommandée si les
variables sont cointégrées.
Pr P. Mendy
Séries Temporelles 38 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Cointégration
Dénition et concepts
Combinaison stationnaire de variables non stationnaires
Equilibre Economique et Correction d'erreur.
Pr P. Mendy
Séries Temporelles 39 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Cointégration suite
Pr P. Mendy
Séries Temporelles 40 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Cointégration : Dénition
Soient Xt = (X1t , X2t ) deux variables I(1), i.e elles contiennent un
trend stochastique:
i
X
X1t = ε1i + X10 + processus stationnaire
i=1
i
X
X2t = ε2i + X20 + processus stationnaire
i=1
Remarques
Pr P. Mendy
Séries Temporelles 42 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
X1t − µ − β2 X2t = ut
Pr P. Mendy
Séries Temporelles 43 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
I Ecriture Matricielle
∆X1t δ1 Γ11 Γ12 ∆X1t−1
= + +
∆X2t δ2 Γ21 Γ22 ∆X2t−1
α1 ε1
(X1t−1 − µ + β2 X2t−1 ) +
α2 ε2
Pr P. Mendy
Séries Temporelles 44 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
IOu simplement
Pr P. Mendy
Séries Temporelles 45 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Analyse
Remarque
On remarque que
Commentaires
Pour X1t on a besoin α1 < 0.
Pour X2t on a besoin α2 > 0.
Pr P. Mendy
Séries Temporelles 46 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Pr P. Mendy
Séries Temporelles 47 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Equation inverse
On peut aussi obtenir un estimateur consistant du paramètre γ1 de
l'équation inverse [??]
Pr P. Mendy
Séries Temporelles 48 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Super-Consistance
Pour des séries stationnaires la variance de β̂2 décroit au taux de
T −1 . Pour des séries cointégrées I(1) la variance de β̂2 décroit au
taux de T −2 .
Intuition: si β̂2 = β2 ; ut est stationnaire sinon ut est non
stationnaire. L'information sur les paramètres augmente très vite.
Pr P. Mendy
Séries Temporelles 49 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Pr P. Mendy
Séries Temporelles 50 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Pr P. Mendy
Séries Temporelles 51 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Remarques
Les rési()dus ût sont centrés. Pas de terme déterministe dans [??].
La valeur critique de la statistique tπ dépend encore des
régresseurs de [??].
Le fait que β̂2 soit estimé par MCO change les valeurs critiques qui
dépendent du nombre de paramètres estimés.
Pr P. Mendy
Séries Temporelles 52 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Modélisation Dynamique
Donné le vecteur de cointéegration on peut dénir le modèle ECM:
Pr P. Mendy
Séries Temporelles 54 / 36
Introduction Test de Dickey-Fuller (DF) Test ADF Test de Phillips-Perron (PP) Le test KPSS: Kwiatkowsk
Pr P. Mendy
Séries Temporelles 55 / 36