Académique Documents
Professionnel Documents
Culture Documents
Objectifs :
Estimer la tendance et la composante saisonnière ;
Effectuer des prévisions dans un cadre déterministe.
Soit une série temporelle (𝑋 ), avec 𝑡 = 1, 2, … , 𝑛, que l’on désire étudier. La démarche
consiste respectivement à :
- la représenter graphiquement en vue de repérer la tendance et la saisonnalité ;
- choisir un modèle pour le terme résiduel ;
- valider le modèle, ou l’invalider ;
- prédire les réalisations futures par un modèle.
NB : au départ de cette démarche, on peut procéder éventuellement à un prétraitement de la
série consistant à corriger les données, par exemple au moyen d’une standardisation, d’une
transformation par une fonction…
I. ESTIMATION DE LA TENDANCE
On suppose que la série temporelle(𝑋 ), avec 𝑡 = 1, 2, … , 𝑛, ne comporte pour seules
composantes que la tendance et le terme d’erreur, et on cherche à spécifier une fonction de
temps qui représente le mieux possible la tendance 𝑇 .
A. Estimation paramétrique
Cette méthode concerne des tendances polynomiales et des tendances susceptibles d’être
linéarisées après transformation.
la forme quadratique :
𝑇 = 𝑎 +𝑎 𝑡+𝑎 𝑡
Séries temps & tech.pr. Seco4 Chap2 NDAME.MAKEMBE 21.22 Page 1 sur 6
La méthode classique d’estimation des paramètres utilisée est celle des moindres carrés
ordinaire.
2. Degré du polynôme
Le degré du polynôme doit être le plus faible possible, et son choix est effectué sur la base :
𝑇 = 1⁄(𝑎 + 𝑎 𝑡)
𝑇 = 𝑏𝑒 + 𝑐
𝑇 =𝑒
𝑇 = ln(𝑎 + 𝑎 𝑡 + 𝑎 𝑡 )
Remarque :
Séries temps & tech.pr. Seco4 Chap2 NDAME.MAKEMBE 21.22 Page 2 sur 6
de la tendance, qui ne suppose à priori rien sur celle – ci et consiste à l’approcher par la moyenne
mobile arithmétique d’ordre 2𝑚 + 1 : 𝑋 ∗ = 𝑀 (𝑡).
Remarque :
- Avec cette méthode, on ne dispose pas d’estimation de la tendance pour les 𝑚 premières et
𝑚 dernières valeurs observées. Afin d’avoir des estimées de la tendance pour toutes les
dates observées, on peut, si les points (𝑋 ∗ ) ,…, paraissent alignés par exemple,
faire un ajustement linéaire, ensuite une interpolation linéaire afin d’estimer la tendance
pour les points 𝑡 = 1, 2, … , 𝑚 et 𝑡 = 𝑛 − 𝑚 + 1, … , 𝑛.
- Bien que la méthode des moyennes mobiles soit particulièrement adaptée au modèle additif
lorsque la tendance est sensiblement linéaire, la composante saisonnière périodique, et le
bruit de variance faible, elle peut bien directement s’appliquer à une série sans hypothèse a
priori sur le modèle sous-jacent. La méthode est donc valable quel que soit le modèle de
décomposition.
.
2. Propriétés
Les moyennes mobiles arithmétiques d’ordre 𝑝:
Séries temps & tech.pr. Seco4 Chap2 NDAME.MAKEMBE 21.22 Page 3 sur 6
- réduisent la variance d’un bruit blanc de manière optimale (on gomme d’autant plus le bruit
que l’ordre de la moyenne est élevé. Toutefois, on perd les caractéristiques de la tendance
une moyenne mobile d’ordre trop grand, et ce jusqu’à obtention d’une tendance constante).
-
II. ESTIMATION DE LA COMPOSANTE SAISONNIERE
On estime ensuite chacun des 𝑝 coefficients saisonniers (𝑐̅ ) , ,…, par la moyenne
arithmétique des 𝑆 correspondant à chaque saison.
On retranche enfin à chaque coefficient estimé la moyenne des coefficients calculés afin que la
condition de nullité de la moyenne des coefficients dans un modèle additif soit respectée ; on
obtient ainsi le résultat définitif des 𝑝 coefficients saisonniers, notés 𝑐̂ , 𝑐̂ , … , 𝑐̂ .
Remarque : La série corrigée des valeurs saisonnières (ou série désaisonnalisée) s’écrit :
𝑿𝒕 = 𝑻𝒕 ∗ 𝑺𝒕 ∗ 𝜺𝒕
Séries temps & tech.pr. Seco4 Chap2 NDAME.MAKEMBE 21.22 Page 4 sur 6
III. PERTINENCE DU MODELE : analyse des résidus
L’analyse des résidus a pour but de contrôler la pertinence du modèle. Dans le cas du modèle
additif par exemple, les résidus s’estiment par 𝜀̂ = 𝑋 − 𝑆 − 𝑇 = 𝑋 , −𝑇.
Si le modèle est significatif, il ne doit rester dans les résidus aucune trace du saisonnier. Pour
le vérifier, on trace le corrélogramme1 des résidus pour vérifier l’absence de saisonnalité. Si le
modèle est significatif, le corrélogramme ne doit présenter que des valeurs faibles, montrant
une faible corrélation entre les erreurs.
Dans le cas contraire, si le corrélogramme présente des pics régulièrement espacés, alors le
saisonnier n’a pas été totalement éliminé. Par conséquent, le modèle proposé n’est pas
approprié. On peut, dans ce cas, soit réitérer la procédure comme indiqué au 6 ii- ci – dessous,
soit proposer un autre modèle.
Si le modèle est bon, on construit le graphe des résidus (𝑡, 𝜀̂ ), afin de repérer d’éventuelles
déviations exceptionnelles, une tendance, etc.
IV. PREVISION
Une méthodologie possible est donnée par les étapes successives suivantes :
1
En fait, théoriquement, le corrélogramme n’est tracé que pour des séries stationnaires, et donc des séries ne
présentant ni tendance, ni saisonnalité.
Séries temps & tech.pr. Seco4 Chap2 NDAME.MAKEMBE 21.22 Page 5 sur 6
Exercice 1
On considère le tableau ci-dessous (cf. exercice 1, chap.1) :
Exercice 2
Séries temps & tech.pr. Seco4 Chap2 NDAME.MAKEMBE 21.22 Page 6 sur 6