University Côte d'azur

ECUE MASS : Introduction aux séries temporelles

ECUE's code : SLEA501

This course belong to UE MASS : Analyse économétrique (6 ECTS) which contains 2 ECUE
PORTAIL SCIENCES ET TECHNOLOGIES
Sciences économiques , Mathématiques appliquées et applications des mathématiques
Campus Valrose
Licence 3
Semestre impair
Français

PRESENTATION

Un des objectifs principaux de l’étude d’une série temporelle est la prévision des réalisations futures, très souvent pour des raisons économiques (prévoir l’évolution de la vente d’un produit pour ajuster au mieux les moyens de production, prévoir l’évolution d’un marché financier ...).

Course's manager(s)

Anna Tykhonenko

In class

  • 5h of lectures
  • 10h of directed studies
  • 15h of practical work

Distant

  • 1h of lectures
  • 6h of directed studies

PREREQUISITES

Before the start of the course, I must ...

OBJECTIVES

By the end of this course, I should be able to...
  • 1) Résoudre les problèmes spécifiques posés par les séries temporelles (identification, prévision, stationnarité, tendance et saisonnalité, séparation du court et du long terme).
  • 2) Résoudre les problèmes analytiques posés par une série chronologique univariée.

CONTENT

  • - Définition d’une série chronologique univariée et les problèmes spécifiques posés par les séries temporelles (identification, prévision, stationnarité, tendance et saisonnalité, séparation du court et du long terme) ;

    - Analyses temporelle et spectrale ;

    - La « galerie de portraits » : processus stationnaires AR, MA et ARMA ; processus non-stationnaires ARIMA et SARIMA ;

    - Méthode (itérative) de Box et Jenkins ;

    - Logiciels : R, Eviews et SAS ;

    - Processus aléatoire/stochastique ;

    - Stationnarité « forte » (au sens strict), Stationnarité à l’ordre 2 et Bruit Blanc ;

    - Non-Stationnarité (TS et DS) et Marche aléatoire ;

    - Opérateur retard et ses propriétés ;

    - Fonctions d’Autocorrélation Simple et Partielle : Fonction d’Autocovariance d’un Processus, Fonction d’Autocorrélation (FAC) d’un Processus et Corrélogramme (théorique et empirique), Fonction d’Autocorrélation Partielle (FAP) ;

    - Tests de significativité des coefficients d’autocorrélation ;

  • - Processus aléatoire/stochastique ;

    - Stationnarité « forte » (au sens strict), Stationnarité à l’ordre 2 et Bruit Blanc ;

    - Non-Stationnarité (TS et DS) et Marche aléatoire ;

    - Opérateur retard et ses propriétés ;

    - Fonctions d’Autocorrélation Simple et Partielle : Fonction d’Autocovariance d’un Processus, Fonction d’Autocorrélation (FAC) d’un Processus et Corrélogramme (théorique et empirique), Fonction d’Autocorrélation Partielle (FAP) ;

    - Tests de significativité des coefficients d’autocorrélation ;

  • - Modèle MA(q)  = Moyenne Mobile (« Moving Average ») : sa Formulation et ses Caractéristiques (FAC et FAP) ;

    - Synthèse des propriétés (les outils permettant d’identifier le modèle générateur).

  • - Modèle AR(p)  = Auto-Régressif : sa Formulation et ses Caractéristiques (FAC et FAP) ;

    - Synthèse des propriétés (les outils permettant d’identifier le modèle générateur).

  • - Modèle ARMA(p,q) : sa Formulation et ses Caractéristiques (FAC et FAP) ;

    - Synthèse des propriétés (les outils permettant d’identifier le modèle générateur).

  • No description
  • - Description des Processus TS et DS ;

    - Différentiation et Conséquences d’une « Mauvaise » Stationnarisation du Processus;

    - Exemple d’analyse : application à l’indice boursier CAC40 ;

    - Analyse des corrélogrammes : MA, AR, ARMA, SARMA et ARIMA (stationnarité vs non-stationnarité).

Access to complete Syllabus (Authentification required)
Important
This syllabus has no contractual value. Its content is subject to change throughout this year: be aware to the last updates