F- Analyse des séries chronologiques

L'analyse des séries chronologiques est un type spécial mais important d'analyse non-linéaire de régression. Ce genre de série est particulier en ce que la variable exogène est la variable endogène même. En d'autres termes, ce qui était précédemment appelé une autocorrélation et considéré comme une perturbation à éliminer, est analysé ici en tant que source de signal instructif.

La méthode est dérivée du contrôle de qualité. Tant que les variations de production sont aléatoires et dans des limites acceptables, une machine fonctionne convenablement. L’ensemble des données qui demeurent aléatoires en fonction du temps est appelé " bruit blanc ". Le bruit blanc ne peut pas être expliqué ou contrôlé. Cependant, dès qu'un modèle perceptible émerge, la série chronologique n'est plus un bruit blanc. Pour une machine, elle indique que les productions futures sont susceptibles de se détériorer jusqu'à des niveaux inacceptables, et qu'une action corrective est nécessaire. L’extension de l'analyse par les séries chronologiques de la physique aux sciences sociales est principalement attribuable à G.E.P. Box et G.M. Jenkins.

Cette technique est particulièrement applicable à la finance parce que beaucoup de décisions financières, sinon toutes, dépendent de la prévision de la prochaine période, c.-à-d. d’une prévision à court terme ; comme les achats de stocks pour satisfaire les ventes des prochains mois, ou la publicité pour amplifier les ventes de l’année suivante. La prédiction du cours des actions du jour suivant est également un domaine d'application qui sera étudié séparément dans la dernière section de ce chapitre. Dans le comportement commercial et social, les modèles existants ne changent pas de manière appréciable à court terme. Ainsi, pour la plupart des entreprises, l'identification d'un modèle dans une série chronologique de données est tout à fait suffisante pour des prédictions à court terme adéquates .

Ceci est également vrai pour plusieurs grandes séries agrégées établies par le département du Travail et celui du Commerce des Etats-Unis, ainsi que par plusieurs organisations nationales et internationales qui analysent les statistiques économiques. Ainsi, les statistiques du chômage sont corrigées des variations saisonnières. Le taux de chômage rapporté n'est pas la proportion réelle d'individus sans emploi pour le mois considéré, mais une moyenne annuelle représentant les conditions courantes, calculée en multipliant le taux de chômage réel par un index de variation saisonnière pour le mois en question. Par exemple, il est bien connu que le mois de décembre a un niveau plus élevé d'emploi que le mois de janvier. En conséquence, l'index saisonnier pour décembre est plus haut que celui du mois de janvier. Si le niveau réel d'emploi du mois de janvier d'une certaine année diminue moins que l'index, le taux de chômage annuel de janvier pour cette année là sera considéré en hausse. Plusieurs autres séries sont également corrigées des variations saisonnières, comme la construction de nouveaux logements.

  Practice questions

  Assignments

  Readings

 Quiz

[Votre opinion nous est importante. Posez vos questions et offrez vos remarques, critiques ou suggestions à contact information ou bien utiliser les forums ]

Précédent: Analyse de régression

Modifié: 2010-06-18

Suivant: Analyse des séries chronologiques de Box-Jenkins