MEMORANDUM DE LEXPOSE SUR LA PRIVISION DUNE SERIE HRONOLOGIQUE

Ces notes sont labores dans le but de faciliter la comprhension de lexpos. Elles contiennent toutes les formules utilises. Introduction On va traiter seulement les mthodes traditionnelles de prvision des sries chronologiques. I. Prvision dune chronique non saisonnire. Les mthodes de lissage sont utilises pour les sries considres comme stables sur le court terme A. Analyse par rgression.

i) Exercice sur EXCEL B. Le lissage exponentiel Si une srie chronologique (SC) est affecte par une tendance alatoire, alors on effectue le lissage exponentiel. Nous supposons que ce type de composante se prsente lorsque son volution nest pas modlisable par une forme fonctionnelle. Le lissage est lensemble des techniques empiriques qui consistent donner du poids aux valeurs rcentes de la SC. Le lissage exponentiel non saisonnier suppose structure de la faon suivante : ( ) ,
t t

que la chronique de dpart est

( )

et E (

t,

t)=0

Si k=0, la srie scrit xt=at +

avec at=a=cst si t

+* *

+ +* +

Si k=1, la srie scrit xt=at + btt+

avec at=a et bt =b si t

1) Le lissage exponentiel simple Si k=0, la srie scrit xt=at + t avec at=a=cst si t

a) Formulation gnrale zt-1=b1xt-1+ b2xt-2++ bkxt-k+ avec b1> b2 > >bk > Elle reprsente la valeur lisse de la chronique xt calcule en t-1. Par hypothse et lorsque les paramtres sont estims, cette valeur lisse peut tre considre comme la valeur prvue de xt calcul en t-1 pour t. soit = ( Do or ( ( ) =b )k 0 k=1,2 et bk ( ) ) est la Somme dune progression gomtrique de raison (1- )<1,

do

k=

= (

=1

En remplaant les poids = = = ( ) ( )

, dans le modle gomtrique infini : ( )

Cette formule peut aussi scrire : ( ( ), ) ) et ( ) - Soit :

Sous cette forme, le lissage est une moyenne pondre de la dernire ralisation ( de la dernire valeur lisse ( ). Ou encore : Pour t = n + 1 ( En revanche Pour t= n + 2 ( ) ( )Le paramtre ) (

la constante de lissage. )

La valeur est inconnue. La seule information dont nous disposons est sa prvision . En substituant cette valeur dans lquation, on obtient et plus gnralement

Dlai moyen de raction

En posant = ( ( ) )

avec

) =1 par construction. On peut dduire

b) Utilisation du LES Dmonstration : En effet : ( ( ) ) Var( ) Var( ( ) ) or xt =at+ ( Do sur un intervalle local Var(xt)= et sont indpendantes. Tout calcul fait, on obtient
( ) ( )

) les variables xt et xt

Initialisation des calculs

Dans la formule de LES Pour t = 1 : Pour t = 2 : ( ) ( ( ) ) eul inconnus. inconnu

Intervalle de confiance de la prvision. Nous avons montr prcdemment que

( ) ( )

Le rsidu (erreur) de la prvision effectue en t 1 pour t est : et =xt - Do : Var(et) =Var(xt) + Var( ) puisque xt et sont indpendants. Do Var(et) =Var(xt). / = Var(xt). /=

Lintervalle de confiance 100(1- ) % de la valeur prvue de xt en t 1 ( ou de t = n+1 n + h) scrit donc :

Prob{

} = 100(1- )

]}

Avec la valeur de loi normale centre rduite. Pour un intervalle de confiance 95%, nous avons IC= Exercice sur EXCEL N2.2 2) Le lissage exponentiel double. a) Formulation gnrale ( ) Nous avons ) ( ( )) = ( ) ( ) = ( ( ) ( )- = = Or = , Do zt-1= ( ( ) ) ( , ( ) ) ( ) -= ) (
(

( )
) (

) ( )

=a + b(

zt-1 =

) (

zt-1=

On appel zzt le LED, cest le lissage d zt et on effectue la mme dmonstration que ) ( ). prcdemment puisque zt-1 est encore une forme linaire : zt-1= ( On obtient zzt-1 = ( =( xt-1,zt-1,zzt-1 Nous pouvons donc crire : zt-1 = zt-1 - zzt-1 = Les formules prcedentes peuvent donc scrire quel que soit t : Soit : De mme

) )

( (

) )

).

Dans ces expressions sont des valeurs lisses ; les rsultats des calculs sont donc affcts linstant t-1 . Dans ces conditions la valeur trouve par le LED nest pas une valeur prvisionnelle. On choisit donc, comme pour le LES : Et = = +( + ( ) ) ( ( ) ) ( )

Les formules gnrales du LED sont donc les suivantes : (t= 2,,n+1) (h =2,3,) ( ( ) ( ) )

b) Utilisation du LED . Initialisation En t=1 nous avons : ( ( ) ) sont inconnus, les calcules dbutent en t=2 o seuls ne sont

Comme , pas dtermins.

Il existe diffrentes procdures dinitialisation pour le LED : La plus simple consiste choisir : Une autre approche cherche dduire pour t=1 : t=1 a1 =2x1- bt =( ) soit:

en utilisant les formules de at et bt

Construction dun IC de la prvision LIC de la prvision (ou sur un intervalle local) est calcule partir de la variance de lerreur de prvision donne par : Var(en,n+h) = Avec ( ), pour t = 1,,n et ) ,( Avec ) ( )( ) ( ) -

Lintervalle de confiance 100(1- ) (ou de t = n+1 n + h) scrit donc : Prob{

} = 100(1- )

13

( Avec IC=

) la valeur de la loi normale centre rduite. Pour un IC 95%, nous avons :

Cet IC dpend de lhorizon de prvision h contrairement au LES.

Exercice sur EXCEL.N 2.3 c. Le modle avec tendance de Holt. d. Formulation Lissage de la moyenne : a = Le lissage de la tendance bt = ( ( )( ) ( ) )

Prvision calcule en t horizon de h priode : xt : valeur observe de la srie en t at : moyenne lisse de la srie t bt : tendance estim en t.

3) Le lissage exponentiel gnralis (LEG)

Xt =f(t, ) O t : temps : vecteur (k + 1, 1) des paramtres inconnus une fonction dpendante des paramtres et du temps. Ce modle scrit sous la forme matricielle suivante : xt : f(t) + f(t)=[f0(t),,fi(t),fk(t)] transpos du vecteur f(t) de dimension (k +1,1). Dans cette criture , le temps est une variable dpendante, f(t) est le vecteur des fonctions dajustement et il vrifie lcriture suivante : f ( t + 1 )= L . f ( t ) L(k+1,k+1) est appele matrice de passage. k est le degr du polynme qui doit sajuster aux donnes : ( ) L est une matrice triangulaire infrieure qui a pour lment gnrateur lij . Il est tel que lij = 0 lij = ( si i < j si i j
( )

Exemple dcriture : Si k = 0 xt = f0(t) = 1 f(t) = 1 Si k = 1 xt = f0(t) = 1 f1(t) = t

L= 1. f(t) = [1 ; t ] 0 1.

Avec cette criture trs gnrale, les valeur du LEG de Brown sont obtenues partir de : Min ( ), ( ) -

( ) : Prvision de Lorsque les paramtres sont connus, nous pouvons rsoudre cette quation et obtenir les estimations suivantes pour t = n : ( ( ) ) ( ( ) ( ) )

La prvision calcule en t = n pour la date t=n + h est alors : = f(h) Il est possible comme pour les autres mthodes de construire des intervalles de confiances prvisionnels. On dmontre que : Var(en,n+h) = Avec , ( ) ( ) ( )-

Lintervalle de confiance 100(1- ) (ou de t = n+1 n + h) scrit donc : Prob{

} = 100(1- )

13

Avec IC=

la valeur de la loi normale centre rduite. Pour un IC 95%, nous avons :

II.

Prvision dune chronique saisonnire. A. Analyse par rgression. B. Utilisation des coefficients saisonniers Exercice sur EXCEL N 2.4 C. Prvision par lissage exponentiel de Holt-Winters 1) Le schma multiplicatif

La chronique scrit dans ce cas : ( ) +

t

 Formulation Le lissage de la moyenne : Le lissage de la tendance : ( ( ( ) ) ( ) ( ( ) )( ) )

Le lissage de la saisonnalit : Prvision un horizon de h priodes : ( ) si

Avec

si

= valeur observe de la srie en t = coefficient saisonnier en t P = priodicit des donnes ( p=12 en mensuel, p=4 en trimestriel) =tendance estime en t Dans certain critures du modle les coefficients saisonniers vrifient la proprit :

Selon le principe de la conservation des aires.

2) Le schma additif La chronique scrit dans ce cas : formulation

Le lissage de la moyenne : Le lissage de la tendance :

( ( (

) ) )

( ( (

)( ) )

Le lissage de la saisonnalit : Prvision un horizon de h priodes : ( ) si

si

Dans ce cas le principe de la conservation des aires implique :

3) Initialisation du modle de Hot-Winters

( )

Exercice sur EXCEL N 2.5