Universit Hassan II

Facult des Sciences Juridiques, conomiques et

Sociales Mohammedia

ARIMA
Encadr par: Mr Ouia

ralis par: KERBALI Imane

JAMAL Aziza
TAHIRI Sanaa
SAANANE Fathi Amine

plan
Rsumer
Introduction
Partie I:rappel AR,MA, ARMA
Partie II:les modles ARIMA

1)Dfinition

2)les applications des modles ARIMA

3)La notion de la stationnarit

4)prsentation du modle ARIMA

Partie III:cas pratique
Conclusion

Rsum
Franais/Anglais

Ce travail consiste traiter le modle ARIMA qui traite les

sries chronologiques dites non stationnaires aprs avoir
dterminer le niveau dintgration c'est--dire le nombre de fois
quil faut pour diffrencier la srie avant de la rendre
stationnaire. Mais ce modle souffre dune lacune majeure : il est
incapable de traiter simultanment plus dune variable (srie).
Pour concrtiser ce modle, on a procder ltude des
exportations marocaines de phosphate entre 2001 et 2009.
This work is about the ARIMA model. It treats the time series

called no stationary after determining the level of integration ie

how many times it takes to differentiate the series before
making it stationary. But this model suffers from a major
shortcoming: it is unable to study more than one variable (series).
To realize this model, we worked on Moroccan phosphate exports
between 2001 and 2009.

introduction
Il existe deux catgories de modles pour rendre

compte dune srie chronologique.

-la premire considre que les donnes sont une
fonction du temps y=f(t).
-la seconde, et qui fera objet de notre expos,
cherche dterminer chaque valeur de la srie en
fonction des valeurs qui prcdent y=f(y(t-1);y(t-2);
..)
Cest le cas des modles Auto-Regressive-IntegratedMoving-Average: ARIMA

partie I: Rappel AR,MA,

ARMA
Les processus auto-rgressif AR(P),les processus

moyenne mobile MA(q) et les processus ARMA(p,q) ont

t introduits comme processus alatoires
stationnaire.

Il serviront de modles pour dcrire lvolution des

S.C cd premire srie chronologique pourra tre vue

comme une ralisation de ce processus ARMA .

Le modle ARMA combine la partie AR et la partie

MA. En autre termes il contient des valeurs passes

Xt-1; Xt-2 ;.; Xt-p et des erreurs passes et-1 ;
et-2.; et-q

quation de ARMA :

Partie II:les modles ARIMA

1) dfinition:

o Pour les modles ARIMA, cest le pass de la srie ( sa

mmoire) qui explique son comportement prsent et

futur.

o L'objectif essentiel donc des modles ARIMA est de

permettre une prdiction de l'volution prsente ou

future d'un phnomne partir des donnes du pass.

2)les applications des modles ARIMA

Reprer les tendances et cycles:

Grce aux tendances et aux cycles, il est ainsi

possible danalyser les interactions entres diverses
variables, afin datteindre un quilibre.
Corriger des variations saisonnires:

En comparant le niveau saisonnier entre deux

annes par exemple, on va pouvoir en dduire un
comportement. Celui-ci apportera des informations
supplmentaires indispensable afin daffiner les
valeurs saisonnires, et apprhender leurs volutions.

 Contrler les processus:

Il est indispensable de dresser une carte des

variables ayant une forte influence sur les reste de
lconomie, afin danticiper les volutions possibles.

Les modles ARIMA ne sont appropris que

lorsque la srie temporelles ou chronologique

est stationnaire (c'est--dire que les
moyennes, variances, et autocorrlations
doivent tre sensiblement constantes au cours
du temps).

3)La notion de la stationnarit

Avant de traiter la srie chronologique,il faut tudier

son esprance et sa variance.

Si ces derniers varient dans le temps la srie

chronologique est non stationnaire,dans le cas

contraire la srie est donc stationnaire.

On distingue 2 types de non stationnarit :

Processus de type TS(trend stationary):

Reprsente le non stationnarit de nature

dterministe.
Processus de type DS(differency stationary):

reprsente les processus non stationnaire

alatoires

Test de dickey-fuller (DF) :test de

racine unitaire
Ce test permet de mettre en vidence le

caractre stationnaire ou non dune chronique

par la dtermination dune tendance
dterministe ou stochastique

4) prsentation du modle ARIMA

Un modle ARIMA est tiquet comme modle ARIMA
(p,d,q), dans lequel:
p est le nombre de termes auto-rgressifs.
d est le nombre de diffrences.
q est le nombre de moyennes mobiles.

la diffrenciation
L'estimation des modles ARIMA suppose que l'on

travaille sur une srie stationnaire. Ceci signifie que la

moyenne de la srie est constante dans le temps, ainsi
que la variance. La meilleure mthode pour liminer
toute tendance est de diffrencier, c'est--dire de
remplacer la srie originale par la srie des diffrences
adjacentes. Une srie temporelle qui a besoin d'tre
diffrencie pour atteindre la stationnarit est
considre comme une version intgre d'une srie
stationnaire (d'o le terme Integrated).

 Une diffrenciation d'ordre 1 suppose que la diffrence entre deux valeurs

successives de y est constante.

est la constante du modle, et reprsente la diffrence moyenne en y. Un tel

modle est un ARIMA(0,1,0). Il peut tre reprsent comme un
accroissement linaire en fonction du temps. Si est gal 0, la srie est
stationnaire.
Les modles d'ordre 2 travaillent non plus sur les diffrences brutes,
mais sur les diffrences de diffrence. La seconde diffrence de y au
moment t est gale (yt -yt-1) - (yt-1 - yt-2), c'est- dire
yt 2yt-1 + yt-2.
Un modle ARIMA(0,2,0) obira lquation de prdiction suivante :

lauto-rgression
Les modles autorgressifs supposent que Xt est une fonction linaire des
valeurs prcdentes.

chaque observation est constitue d'une composante alatoire (choc

alatoire, ) et d'une combinaison linaire des observations
prcdentes. 1, 2 et 3 dans cette quation sont les coefficients
d'auto-rgression.
Pour un modle ARIMA(1,1,0) on aura :

yt yt-1 = + (yt-1 yt-2) + t

la moyenne mobile
Les modles (MA) supposent que chaque point est fonction des
erreurs entachant les points prcdant, plus sa propre erreur.
Yt=et-1et-1- 2 et-2.- q et-q

Comme prcdemment cette quation porte soit sur les donnes

brutes, soit sur les donnes diffrencies si une diffrenciation a

t ncessaire. Pour un modle ARIMA(0,1,1) on aura :
yt yt-1 = - t-1 + t

On peut galement envisager des modles mixtes: par

exemple un modle ARIMA(1,1,1) aura l'quation de
prdiction suivante:
yt = + yt-1 + (yt-1 yt-2) - 1t-1 + t

Partie III: cas pratique

Les exportations marocaines de phosphate

Le modle : ARIMA (5,6,7)

conclusion

Merci pour votre attention