“ Exposée d’Analyse des séries

temporelles

ALEXANDRE M’BOH
PRÉSENTÉ PAR :

GANAME ABDOULAYE IDRISSA

MBAMA EMMANUEL PITHER
TOMALOU AMAVI FRANÇOIS
”
PUBLIC : AS1B Professeur: Mme. ABY
PLAN DE PRESENTATION
PLAN DE PRESENTATION
generalitées
 INTRODUCTION

Mis au point au Bureau du recensement des États-Unis au

milieu des années 60; la méthode X11 de sa désignation
originelle « X-11 Variant of the Census Method 2 (élaboré par
Shiskin en 1954) Seasonal Adjustment Program » était un
generalitées résultat du travail mené par Julius Shiskin.
Cette méthode X-11 mis en œuvre dans le logiciel Census X-11
est sans doute la méthode statistique la plus utilisée en matière
de désaisonnalisation. Ainsi la suite de notre exposé sera
consacrée à la méthode X-11 plus précisément son Algorithme
de base et à son traitement des point atypiques et effets de
calendrier.
 NOTATION

Dans cet exposé vous devrez vous habituer aux notations

qui vont suivre conformément au cours et à l’instar de
ceux du document :

^
𝑓 𝑡 =𝐶 𝑡 La composante tendance-cycle
generalitées
𝑠𝑡 La composante saisonnière

𝜀𝑡 = 𝐼 𝑡 La composante résiduelle
𝑐𝑇
𝑦 =( 𝑠 𝑡 + 𝐼 𝑡 ) La série détendancialisé

𝑐𝑣𝑠
𝑦 =( 𝐶 𝑡 + 𝐼 𝑡 ) La série désaisonnalisé
 Moyenne Mobile a*b

Une double moyenne mobile d’ordre b ensuite d’ordre a

 Si a = 2 le but est la plupart du temps pour centrer

generalitées
PRE-REQUIS Exemple : Moyenne mobile d’ordre 2 x 4

 Si a = 3 le but est la plupart du temps pour affiner encore

plus le lissage

Exemple : Moyenne mobile d’ordre 3 x 3

 Moyenne Mobile a*b

Une double moyenne mobile d’ordre b ensuite d’ordre a

L’écriture utilisé la plupart du temps désigne les

generalitées poids qui revienne aux valeurs après calcul

PRE-REQUIS
Exemple :

Mais pour l’esthétique le document propose le

modèle :
 Moyenne Mobile d'Henderson

C’est une moyenne mobile !!!

{
𝑓
¿ 𝑀𝑖𝑛 ∑ ( ∇3 𝜃 𝑖 ) ²
generalitées Ses critères sont : 𝒇
𝑖=−𝑝
𝒇 𝑓
PRE-REQUIS ¿ 𝑆𝐶 ∑ 𝜽 𝒊 ²=𝟏𝑒𝑡 ∑ 𝒊 𝜽 𝒊=𝟎 𝑒𝑡 ∑ 𝑖 ² 𝜃𝑖 =
𝒊=− 𝒑 𝒊=− 𝒑 𝑖=− 𝑝

Cela n’est possible que pour p+f+1 impair

Où
 Moyenne Mobile d'Henderson

i 5 termes 7 termes 9 termes 13 termes 23 termes

-11 . . . . -0.00428
-10 . . . . -0.01092
-9 . . . . -0.01569
-8 . . . . -0.01453
-7 . . . . -0.00495
-6 . . . -0.01935 0.01343
-5 . . . -0.02786 0.03893
-4 . . -0.04072 0.00000 0.06830
generalitées -3
-2
.
-0.07343
-0.05874
0.05874
-0.00987
0.11847
0.06549
0.14736
0.09740
0.12195
PRE-REQUIS -1 0.29371 0.29371 0.26656 0.21434 0.13832
0 0.55944 0.41259 0.33114 0.24006 0.14406
1 0.29371 0.29371 0.26656 0.21434 0.13832
2 -0.07343 0.05874 0.11847 0.14736 0.12195
3 . -0.05874 -0.00987 0.06549 0.09740
4 . . -0.04072 0.00000 0.06830
5 . . . -0.02786 0.03893
6 . . . -0.01935 0.01343
7 . . . . -0.00495
8 . . . . -0.01453
9 . . . . -0.01569
10 . . . . -0.01092
11 . . . . -0.00428
 Moyenne Mobile d'Henderson

La formule général pour les coefficients qui permettent la

minimisation de cette quantités en respectant les contraintes
est :

𝟑𝟏𝟓 [ ( 𝒏 −𝟏 )𝟐 −𝒊 ² ] [ 𝒏𝟐 −𝒊 𝟐 ] [ ( 𝒏 +𝟏 )𝟐 − 𝒊𝟐 ] [𝟑 𝒏𝟐 −𝟏𝟔 − 𝟏𝟏 𝒊𝟐 ]
generalitées 𝜃𝑖 =
𝟖 𝒏 (𝒏𝟐 −𝟏)(𝟒 𝒏𝟐 − 𝟗)(𝟒 𝒏𝟐 −𝟐𝟓)
PRE-REQUIS
Avec pour une moyenne d’ordre 2p + 1 , en posant n = p+2
Pour ainsi dire qu’appliquer la MM
d'Henderson reviens juste à faire :
L’algo de base du
x-11
 1ère Partie
1. Estimation de la tendance-cycle par une moyenne mobile

()

2. Estimation de la composante saisonnier-irrégulier :

L’algo de base du 𝐶𝑇
𝑌 (1 ) = 𝑌 𝑇 − 𝑓 𝑡
(1 )

x-11 3. Estimation de la composante saisonnière par une

moyenne mobile :
()
Pour ensuite normaliser : ()
4. Estimation de la série corrigée des variations
saisonnières : 𝑐𝑣𝑠 ~(1)
𝑌 (1 ) =𝑌 𝑡 − 𝑠 𝑡
 2ème Partie
1. Estimation de la tendance-cycle par une moyenne mobile

()

2. Estimation de la composante saisonnier-irrégulier :

L’algo de base du 𝐶𝑇
𝑌 (2 ) = 𝑌 𝑇 − 𝑓 𝑡
( 2)

x-11 3. Estimation de la composante saisonnière par une

moyenne mobile :
()
Pour ensuite normaliser : ()
4. Estimation de la série corrigée des variations
saisonnières : 𝑐𝑣𝑠 ~(2 )
𝑌 (2 ) =𝑌 𝑡 − 𝑠 𝑡
Effet calendrier et
point atypique
 Comme tout opérateur linéaire, les moyennes mobiles
réagissent mal à la présence de valeurs atypiques.

La méthode X-11 incorpore donc un outil de détection et de

correction des points atypiques utilisé pour nettoyer la série
préalablement à la désaisonnalisation. Par ailleurs, d’autres
effets que la saisonnalité peuvent expliquer des variations
Effet calendrier et constatées dans la série ; les plus usuels sont des effets liés au
calendrier : effet de jours ouvrables, effet de Pâques, etc.
point atypique
Ces composantes sont estimées par des modèles de régression
linéaire, à partir de la composante irrégulière
 Trois moyen d’estimation de cette composante nous est
offert par le X-11.

D’abord après l’étape 3 on peut se permettre une

première estimation :

= -
Effet calendrier et
point atypique Ensuite après l’étape 7 on peut se permettre une
deuxième estimation :
= -
Enfin l’estimation finale qui permet d’évaluer, la composante
pour jours ouvrables et détecter et corriger les points atypique:

𝜀𝑡 = 𝑌 𝑐𝑣𝑠
(2 ) − 𝑓 𝑡
Conclusion
 Pour conclure l’algorithme du X-11 est bon
à connaître, même si cela est déjà utilisé par
les ordinateurs comprendre le principe
permet de revoir tout le concept des
moyennes mobiles sur toutes les facettes.
Conclusion
Il est réputé pour être l’un des meilleurs
programme de désaisonnalisation, et on
saisi pourquoi en voyant tout le lissage et
les estimations précise faites
MERCI POUR VOTRE
AIMABLE
ATTENTION !!!