Times Series

Analyse des series temporelles

Chapitre 3 : Le lissage

Nathaniel GBENRO
ENSEA d’Abidjan

13 décembre 2021

Nathaniel GBENRO ENSEA d’Abidjan Times Series 13 décembre 2021 1 / 17

 Plan de la présentation

1 Introduction

2 Le lissage exponentiel simple

3 Le lissage exponentiel double

4 Le lissage de Holt-Winter

Nathaniel GBENRO ENSEA d’Abidjan Times Series 13 décembre 2021 2 / 17

 Introduction

Introduction

On observe une série chronologique sur 1,T, l’on desire réaliser une
prévision a T+1 ou a un horizon h :
Le lissage exponentiel simple ;
Le lissage exponentiel double ;
Le lissage de Holt-Winter ;
Introduit par Winter (60), on considere trois modeles :
modele sans tendance, sans saisonnalité ;
modele avec tendance linéaire sans saisonnalité ;
modele avec saisonnalité ;

Nathaniel GBENRO ENSEA d’Abidjan Times Series 13 décembre 2021 3 / 17

 Le lissage exponentiel simple

Le lissage exponentiel simple

On observe une série chronologique sur 1,T, l’on desire réaliser une
prévision a T+1. On résout :
T
X −1
Min β j (XT −j − a)2
j=0

Méthode des moindres carrées ordinaires ;

β : parametre de lissage ∈ 0, 1 ;
Le passé est pris en compte avec un poids relativement faible ;

Nathaniel GBENRO ENSEA d’Abidjan Times Series 13 décembre 2021 4 / 17

 Le lissage exponentiel simple

Le lissage exponentiel simple

La prévision a l’horizon 1 est donnée par :

T
X −1
X̂T (1) = (1 − β) β j XT −j
j=0

Méthode souple ou rigide selon la valeur de β ;

Cas spécifique β ∈ 0, 1 ;

Nathaniel GBENRO ENSEA d’Abidjan Times Series 13 décembre 2021 5 / 17

 Le lissage exponentiel simple

Le lissage exponentiel simple

Formule de mise a jour :

X̂T (1) = (1 − β)XT + β X̂T −1 (1)

X̂T (1) = X̂T −1 (1) + (1 − β)(XT − X̂T −1 (1))

Permet la mise a jour de la prévision ;

Evite de longue formule ;
Ajustement par la prise en compte des erreurs de prétvision.

Nathaniel GBENRO ENSEA d’Abidjan Times Series 13 décembre 2021 6 / 17

 Le lissage exponentiel simple

Le lissage exponentiel simple

Deux problemes en pratique

L’initialisation ;
Valeur moyenne X̄ ;
Valeur initiale X1 .
Choix de β.
prévision rigide β ∈ 0.7 − 0.99 ;
prévision souple β ∈ 0.01 − 0.3 ;
utilisé des procedures d’optimisation.

Nathaniel GBENRO ENSEA d’Abidjan Times Series 13 décembre 2021 7 / 17

 Le lissage exponentiel simple

Le lissage exponentiel simple

Procédure d’optimisation. Minimisation de l’erreur quadratique :

T
X −1
(XT −j − X̂T −j−1 (1))2
j=0

Probleme non lineaire ;

Utilisation de routine numerique

Nathaniel GBENRO ENSEA d’Abidjan Times Series 13 décembre 2021 8 / 17

 Le lissage exponentiel simple

Le lissage exponentiel simple : X1

Figure – lissage simple

Nathaniel GBENRO ENSEA d’Abidjan Times Series 13 décembre 2021 9 / 17
 Le lissage exponentiel simple

Le lissage exponentiel simple : X̄

Figure – lissage simple

Nathaniel GBENRO ENSEA d’Abidjan Times Series 13 décembre 2021 10 / 17

 Le lissage exponentiel double

Le lissage exponentiel double

On observe une série chronologique sur 1,T, l’on desire réaliser une
prévision a l’horizon h. On suppose que la série peut etre ajusté par une
droite en T de sorte que.

X̂T (h) = ah + b
On résout :
T
X −1
Min β j (XT −j − (aj + b))2
j=0

Nathaniel GBENRO ENSEA d’Abidjan Times Series 13 décembre 2021 11 / 17

 Le lissage exponentiel double

Le lissage exponentiel double

Notons :
t−1
X
S1 (t) = (1 − β) β j Xt−j
j=0

et
t−1
X
S2 (t) = (1 − β) β j S1 (t − j)
j=0

Nathaniel GBENRO ENSEA d’Abidjan Times Series 13 décembre 2021 12 / 17

 Le lissage exponentiel double

Le lissage exponentiel double

En resolvant par moindre carré ordinaire, on obtient :

1−β
a= (S1 (T ) − S2 (T ))
β

b = 2 ∗ S1 (T ) − S2 (T )

Nathaniel GBENRO ENSEA d’Abidjan Times Series 13 décembre 2021 13 / 17

 Le lissage exponentiel double

Le lissage exponentiel double

Figure – lissage double

Nathaniel GBENRO ENSEA d’Abidjan Times Series 13 décembre 2021 14 / 17
 Le lissage de Holt-Winter

Le lissage de Holt-Winter

Prends en compte l’existence d’une saisonnalité (mais il existe une version

sans saisonnalité). Version sans saisonnalite :

1−β 1+β
aT = (XT (1) − XT −1 (1)) + aT −1
2 2

bT = (1 − β 2 )XT + β 2 (XT −1 (1) + XT −1 (2))

Nathaniel GBENRO ENSEA d’Abidjan Times Series 13 décembre 2021 15 / 17

 Le lissage de Holt-Winter

Le lissage de Holt-Winter

Extension a deux parametres γ et α

aT = (1 − γ)(XT (1) − XT −1 (1)) + γaT −1

bT = (1 − α)XT + α(XT (1) + XT −1 (2))

Nathaniel GBENRO ENSEA d’Abidjan Times Series 13 décembre 2021 16 / 17

 Le lissage de Holt-Winter

Le lissage de Holt-Winter

Version avec saisonnalite. On suppose que le modele est :

a(t − T ) + b + St

aT = (1 − β)aT −1 + β(bT − bT −1 )

bT = α(XT − ŜT −P ) + (1 − α)(aT −1 + bT −1 )

ŜT = γ(XT − bT ) + (1 − γ)ŜT −P

Nathaniel GBENRO ENSEA d’Abidjan Times Series 13 décembre 2021 17 / 17