Académique Documents
Professionnel Documents
Culture Documents
Une série et dite stationnaire si ces caractéristiques stochastiques se trouvent constantes dans le temps. Càd : la
moyenne, la variance, la variance d’elle-même avec une série décalée dans le temps (covariance).
Processus stochastique invariant.
On peut définir la stationnarité d'un processus de série temporelle par les 3 conditions suivantes :
E (yt) = E (yt+m) = µ ∀t et ∀m, la moyenne est constante et indépendante du temps ;
Var (yt) < ∞ ∀t, la variance est finie et indépendante du temps ;
Cov (yt, yt+k) = E [(yt − µ) (yt+k − µ)] = γk, la covariance est indépendante du temps.
Nous étudions les caractéristiques statistiques en termes de stationnarité des séries temporelles en présentant
les différents tests (Dickey-Fuller, corrélogramme, etc.) s’y rapportant.
La fonction d’autocorrélation (FAC) est la fonction notée ρk qui mesure la corrélation de la série avec elle-même
décalée de k périodes
Le graphe de la série
Une série chronologique est stationnaire si elle ne comporte ni tendance ni saisonnalité. Nous allons
donc, à partir de l’étude du corrélogramme d’une série, essayer de montrer de quelle manière nous
pouvons mettre en évidence ces deux composantes.
Le processus TS :
xt = ft + εt
εt : un processus stationnaire
xt = a0 + a1t + εt
le non-respect d’une condition sur les caractéristiques stochastiques permet de dire que le processus
xt est non stationnaire.
Le modèle étant déterministe, la chronique retrouve son mouvement de long terme qui est ici la
droite de tendance
Le processus DS :
;(1 − D)d xt = β + εt
(1 − D)xt = β + εt ⇔ xt = xt−1 + β + εt