La saisonnalité

Le mouvement saisonnier
Une variation saisonnière est caractérisée par le fait qu'elle se produit
à intervalles de temps réguliers, d'où d'ailleurs le terme saisonnier.
On appelle variation saisonnière d'une série chronologique à l’instant
t une variation due à un effet momentané se reproduisant
régulièrement dans le temps.
 P

Premièrement, on remarque que chaque année, au même trimestre la série temporelle atteint son
maximum.
Deuxièmement, La période notée p des variations saisonnières est la longueur exprimée en unités de
temps séparant deux variations saisonnières dues à un même phénomène.

Prenons un exemple :
En Turquie, pendant les mois d’été on s’attend à ce que le prix d’inflation des produits agricoles car c’est
une fluctuation qui se répète dans le même intervalle de temps chaque année, c’est une variation
saisonnière.
Pourquoi détecter la saisonnalité :
1 Pour traiter une série chronologique ou temporelle, il faut d’abord détecter
si il y’a de la saisonnalité ou non.
2 Ensuite, si la variation saisonnière existe, il faut l’isoler pour pouvoir
analyser les autres caractéristiques de la série
3 Donc, il faut désaisonnaliser en ajoutant une variation saisonnière à l’aide
des variables muettes (c’est-à-dire une variable binaire qui ne prend que
comme valeur 0 ou 1).

!!! Si on ne désaisonnalise pas la qualité de la prévision sera dégradée et les

résultats seront faussés
Quelle est la nature de la saisonnalité
• Il existe deux cas de figures de schéma saisonnier :
Le schéma additif : Les variations sont constantes autour de la
tendance et ne dépendent pas de la saison.
la variable dépendante y = tendance + saison
Le schéma multiplicatif : Les variations saisonnières augmentent (ou
diminuent) avec la saison.
la variable dépendante est y = tendance x saison
 Comment définir la nature de la saisonnalité
SHÉMA ADDITIF :

l’évolution de la série où les

valeurs maximums ou
minimums sont liées par
des droites parallèles

si ces deux droites sont parrallèles +

tendance à la baisse ou à la hausse de
la série => shéma additif
tendance à la hausse ou à la baisse et
saisonnière
CONSÉQUENCE : il faut ajouter une
saisonnalité dans le modèle
Comment définir la nature de la saisonnalité
FORME MULTIPLICATIF

il y’a des variations saisonnières qui

augmentent et qui diminuent avec la
saison, soit les variationsaisonnière
augmentent ou dimuent avec la saison
il y’a toujours la tendance à la hausse à la
baisse
Comment détecter la saisonnalité
Il existe 3 façons de détecter la saisonnalité d’une série temporelle :
 par un test visuel
 grâce au tableau de Buy Ballot
 en réalisant un test de Fisher à plusieurs contraintes
Détecter la saisonnalité par un test visuel

D’après le test visuel du graphique

d’une série temporelle, la saisonnalité
est évidente.

La série atteint toujours son maximum

au temps 4 et son minimum au temps
1.
 Détecter la saisonnalité grâce au tableau de
buy ballot

Pour réaliser le tableau de buy ballot il faut classer par ordre décroissant les ventes pour chacune des années

En conclusion, la valeur la plus

grande est toujours en T4 donc il
existe une saisonnalité pour
cette série temporelle
Détecter la saisonnalité en réalisant un test de
Fisher
Première étape :
Il faut construire un modèle économétrique avec des variables muettes
Le modèle de départ donné est le modèle contraint :
y = a0 + a1x1t + ut
Le modèle non contraint est donné en ajoutant les variables muettes
par : Variable Variables
expliquée explicatives
y = d1q1 + d2q2 + d3q3 + a0 + a1x1t + ut
Avec q1, q2, q3 les variables muettes
a0 et a1x1t le terme constant
Ut le terme d’erreur
On sait qu’on ajoute une composante saisonnière à l’aide des variables muettes, pour pouvoir désaisonnaliser
la série et avoir des résultats non faussés.
Saisonnalité au
Saisonnalité au
trimestre 2
trimestre 1

Saisonnalité au
trimestre 4
Saisonnalité au
trimestre 3
Par la somme de ses 4 variables q1 q2 q3 q4, on obtient le vecteur unitaire avec des 1 partout.
Réalisation du test
Étape 1 : on pose les hypothèses du test
H0 : ^d1 = ^d2 = ^d3 = 0
H1 : ^d1 = ^d2 = ^d3 ≠ 0
Si on rejette H0 et on accepte H1 alors l’effet période est significatif et
la série est saisonnière.

Étape 2 : on pose la statistique de test

Étape 2 : on pose la statistique de test
avec SCRc = somme des carrées des résidus du modèle
contraints = Σ etc 2
SCRnc = somme des carrées des résidus du modèles non
contraint = Σ etnc2
T-K = le degrès de liberté avec t le nombre d’observation et k le
nombre de variable explicative

Modèle contraint
Modèle non contraint
 r
Étape 3 : définir la règle de décision
RH0: { Fobs > F(r,T-k) }
Si F est supérieure à la valeur tabulée dans
la table de la loi de fisher alors on rejette H0.
 Si F est inférieur à la valeur tabulée dans la
table de la loi de Fisher on accepte H0.
r : le nombre de contrainte de H0 ou le
nombre de T-K
Variable muette (donc ici 3)
T : le nombre d’observation (donnée)
K : le nombre de variable explicative dans le
modèle non contraint
(donc ici 5)
(T-K) : le degrès de liberté
exemple : F(3,7) = 4,35
• Conséquence :
si on rejette H0 :
- il existe un moment saisonnier dans cette analyse
- Il faut donc éliminer le modèle contraint car il comporte un moment saisonnier
- il faut donc déterminer la période en regardant la significativité statistiques des variables muettes selon le
test de Student sauf si on n’a pas les estimateurs de régression ce qui empêchera de réaliser le test de
Student .

Si on accepte H0 :
- Il n’existe pas de moment saisonnier dans cette analyse
- on peut donc retenir le modèle contraint dans l’analyse car il ne comporte pas de moment saisonnier