Etude de la tendance : les courbes de croissance

1) Tendance linéaire yt = a0 + a1t

2) Tendance exponentielle yt = αβt

3) Tendance quadratique yt = a0 + a1t + a2t2

4) Tendance exponentielle modifiée : yt = αβt + γ

αβ t  γ
5) Tendance de Gompertz yt  e
1
6) Tendance logistique yt  t
αβ  γ
La tendance linéaire yt = a0 + a1t
T

y t
T 1
a 0  y  a1t, avec y  t 1
et t 
T 2
T

 ( y t  y )(t  t )
cov(y , t )
a1  t1

T
var(t )

t
(tt  t )
1
2

Log(modèle exponentiel) → modèle linéaire

La régression linéaire multiple permet d’estimer les paramètres de la

tendance quadratique :
yt : variable dépendante
t et t2 : variables explicatives
Remarque :

Log(modèle de Gromptz) → modèle exponentiel modifié

(modèle logistique)-1 → modèle exponentiel modifié

Méthode des trois points : estimer les paramètres des modèles

exponentiel modifié, de Gompertz et logistique

1) Répartir les données dans l’ordre du temps en trois sous ensembles I,

II, III, approximativement de même taille, de telle sorte que les moyennes
des temps tI, tII et tIII soient équidistantes :

(a) si T est multiple de 3, alors les trois sous ensembles seront de taille
T/3.

(b) si (T -1) est multiple de 3, mettre l’ensemble de taille (T-1)/3 + 1 en

II et les deux ensembles de taille T/3 en I et III
(c) si (T-2) est multiple de 3, mettre l’ensemble de taille (T-2)/3 en II et les
deux ensembles de taille (T-2)/3 + 1 en I et III,

2) Calculer les médianes (ou les moyennes) de yt pour les trois sous-
ensembles : yI, yII et yIII
3) Résoudre le système à trois équations non linéaires et trois inconnus.

y I  αβ t I  γ

y II  αβ t II  γ

y III  αβ t III  γ

Effectuons les différences suivantes :

 y III  y II  α(β t III  β t II )

y II  y I  α(β  β ) t II tI

Ce qui implique que :

y III  y II  tIII   tII
 tII
y II  y I    tI

Or tIII  tII  tII  tI  

y III  y II  tII    1
 tI   
   1
D’où
y II  y I

1  y III  y II  y III  y II
ln β   ln  α  t III γ  y I  αβ t I
Δ  y II  y I  β  β t II
 y

t
Si la sérié temporelle se présente sous forme de cloche (admet un
minimum ou un maximum) alors la méthode des 3 points ne peut pas
être utilisée car :
y III  y II
0
y II  y I

La méthode des 3 points ne peut pas être utilisée chaque fois que ce
rapport est négatif
Les critères de comparaison entre plusieurs ajustements :

L’erreur d’ajustement : e t  y t  ŷ t ŷ t étant la valeur du modèle

La variance ou l’écart type de l’erreur

T

e 2
t
La moyenne des carrés des erreurs : ‘‘mean squar error’’ MSE(e)  t 1
T
T

e 2
t
L’erreur quadratique moyenne : ‘‘root mean squar error’’ RMSE(e)  t 1
T
T

e t
L’erreur absolue moyenne : ‘‘mean absolute error’’ MAE(e)  t 1
T

L’erreur absolue moyenne en pourcentage : ‘‘mean absolute percentage

error’’
1 T e t *100
MAPE(e)  
T t 1 yt
 Autre méthode pour calculer un modèle de croissance

• Estimation des paramètres du modèle en minimisant un des critères de

comparaison (fonction à plusieurs variables)
• Recours aux algorithmes d’optimisation (procédures numériques)

𝑅𝑝 ⟶ 𝑅
Considérons la fonction : 𝑓
𝑥↦𝑓 𝑥
La méthode numérique consiste à calculer une suite 𝑥𝑖 i ∈ N, à partir d’un
vecteur initial 𝑥0 de façon que 𝑓 𝑥𝑖+1 ≤ 𝑓 𝑥𝑖

Lorsque l’écart entre 𝑓 𝑥𝑖+1 et 𝑓 𝑥𝑖 n’est plus significatif, le calcul s’arrête

Si 𝑥 ∗ est le dernier vecteur calculé, alors il minimise la fonction f

Inconvénient des méthodes d’optimisation numérique : la solution finale

peut dépendre du vecteur initial
Exemples de commandes qui permettent de minimiser les fonctions à
plusieurs variables

optim fminsearch

Il est possible d’améliorer la solution obtenue par la méthode des 3 points

en appliquant un algorithme d’optimisation

La solution obtenue par la méthodes des 3 points peut être choisie comme
solution initiale de l’algorithme d’optimisation
Produit intérieur brut de la Belgique et de la RFA (unité : milliards d’écus)

Belgique RFA
t Année y y
1 1972 31,3 231
2 1973 36,7 280
3 1974 44,4 320
4 1975 49,8 339
5 1976 59,6 399
6 1977 68 453
7 1978 74,4 504
8 1979 79 558

Calculer pour chaque série, les modèles exponentiel modifié, logistique

et de Gromptz.
Comparer ces ajustements avec le modèle exponentiel en utilisant le
critère MAPE
Exercice
Utiliser le modèle logistique pour représenter l’évolution de cette série :

Année y
1981 1
1982 1,96
1983 3,8
1984 7,04
1985 12,5
1986 19,6
1987 27
1988 37
1989 40

Dividendes d’une société cotée en bourse, exprimés en 1/1000 de la

valeur de l’action.