Académique Documents
Professionnel Documents
Culture Documents
MODELISATION STOCHASTIQUE :
ARMA / ARIMA
Institut Universitaire d’Abidjan (IUA)
Master Actuariat, Première année
Année académique 2023 − 2024
Boris BAFFO
Enseignant - Chercheur, ENSEA
boris.baffo@ensea.ed.ci
+ 225 07 09 08 00 60
Bureau 263
7 novembre 2023
SERIES TEMPORELLES I, IUA MODELES ARMA / ARIMA 7 novembre 2023 1 / 14
Plan de l’exposé
1 Objectif et Contenu
2 Généralités
Objectif et Contenu
Objectif
Familiariser les étudiant.e.s à la modélisation des séries chronologiques à
partir des modèles linéaires univariés.
Objectifs spécifiques
1 Définir les modèles univariés classiques ;
2 Décrire la démarche Box-Jenkins ;
3 Mettre en oeuvre la démarche Box-Jenkins.
Introduction
Les modèles univariés ont été développés pour modéliser les séries
chronologiques.
Les modèles univariés ont pour principe d’expliquer les séries par leurs
propres valeurs passées.
Les modèles univariés classiques sont :
* les modèles autorégressifs (AutoRegressive models : AR) ;
* les modèles moyennes mobiles (Mean average models : MA) ;
* les modèles autorégressifs moyennes mobiles (AutoRegressive Mean
Average models : ARMA) ;
* les modèles autorégressifs moyennes mobiles intégrés (AutoRegressive
Mean Integrated Average models : ARIMA) ;
La stationnarité de la série joue un rôle primordial dans le choix du
modèle.
Dans la suite, la définition et les caractérisation de ces modèles sont
présentés.
SERIES TEMPORELLES I, IUA MODELES ARMA / ARIMA 7 novembre 2023 4 / 14
Modèles linéaires univariés
1 Identification
2 Estimation
3 Validation
2 Prévision à partir du modèle du modèle
Identification
Choix de l’ordre d’intégration
Identification
Choix des ordres de AR et MA
Rappel
* Processus AR(p) : r (h) = 0, pour h > p ;
* Processus MA(q) : ρ(h) = 0, pour h > q ;
1 Choix de p ∗ : Retard à partir duquel les valeurs du corrélogramme
partiel sont faibles ;
2 Choix de q ∗ : Retard à partir duquel les valeurs du corrélogramme
sont faibles ;
Dans la pratique
* On choisit des ordres maximaux pmax et qmax ;
* Pour la suite, on considère tous les modèles ARMA(p, q) ou
ARIMA(p, d, q) pour tout p ≤ pmax et q ≤ qmax .
Validation