Corrélogramme sous Eviews
Fouad Marri Séries chronologiques
Modèles de processus stochastiques
Processus autorégressif d’ordre 1 : AR(1)
On appelle processus autorégressif d’ordre 1, un processus Xt défini
par :
Xt = µ + φXt−1 + at
où :
at ∼ BB(0, σ 2 ),
µ, φ ∈ R2 : représentent les paramètres inconnus du modèle
que l’on cherche à estimer.
φ #= 0.
l’influence du passé se manifeste par une régression linéaire
sur la dernière valeur.
Le processus ainsi défini est -t-il SSL ? Quelle est sa forme
explicite ?
Fouad Marri Séries chronologiques
Modèle autorégressif : AR(1)
Théorème
Si φ = 1 alors le processus Xt = µ + φXt−1 + at n’est pas SSL
Fouad Marri Séries chronologiques
Processus causal
Définition
Un processus !Xt est dit causal lorsqu’il existe une suite de nombres
ψj telles que ψj2 < ∞ et
j≥0
!
Xt = µ + ψj at−j ,
j≥0
où at est un bruit blanc BB(0, σ 2 ), et ψ0 = 1.
Si Xt est causal alors cov (Xt , at ) =
et cov (Xt−k , at ) =
Fouad Marri Séries chronologiques
Modèle autorégressif : AR(1)
Théorème
Soit Xt un processus autorégressif d’ordre 1, AR(1),
Xt = φXt−1 + µ + at , avec at un bruit blanc BB(0, σ 2 ), alors :
Xt est SSL et admet la décomposition
µ !
Xt = + φj at−j
1−φ
j≥0
Si et seulement si
|φ| < 1
.
Fouad Marri Séries chronologiques
Modèle autorégressif : AR(1)
Démonstration
Si Xt est est SSL et admet la décomposition :
µ !
Xt = + φj at−j
1−φ
j≥0
µ
! σ2
alors E (Xt ) = 1−φ et Var (Xt ) = σ 2 φ2j = <∞
1 − φ2
j≥0
⇒|φ| < 1.
Fouad Marri Séries chronologiques
Modèle autorégressif : AR(1)
Démonstration
Si |φ| < 1, le processus Xt = φXt−1 + µ + at , peut se réécrire sous
la forme (1 − φB)Xt = µ + at
Fouad Marri Séries chronologiques
Modèle autorégressif : AR(1)
Corollaire
Soit Xt un processus autorégressif d’ordre 1, AR(1),
Xt = µ + φXt−1 + at ,
Si |φ| < 1 alors
µ
E (Xt ) = 1−φ
σ2
Var (Xt ) = 1−φ2
φ k
γ(k) = σ 2 1−φ 2, k = 0, 1, 2, · · ·
ρ(k) = φk , k = 0, 1, 2, · · · .
Fouad Marri Séries chronologiques
AR(1) : Xt = µ + φXt−1 + at , |φ| < 1
Fouad Marri Séries chronologiques
AR(1) : Xt = µ + φXt−1 + at , |φ| < 1
Fouad Marri Séries chronologiques
Exemple
On vous donne les valeurs suivantes provenant d’un processus
temporel SSL, AR(1), Xt = φXt−1 + µ + at , avec at ∼ BB(0, σ 2 ) :
t 1 2 3 4 5 6 7 8 9 10
Xt 1.2 2 1.4 3.6 2.3 5 3 2 0.4 3
À partir des données ci-dessus, estimer la valeur de φ, µ et σ 2 .
T
! −k
1
γ̂(k) = T (xj − x̄T )(xj+k − x̄T )
j=1
Fouad Marri Séries chronologiques
Processus autorégressif AR(2)
On appelle processus autorégressif d’ordre 2, AR(2) si
Xt = φ1 Xt−1 + φ2 Xt−2 + µ + at ,
où : at ∼ BB(0, σ 2 ), φ2 "= 0.
R3
φ 1 , φ2 , µ ∈ : représentent les paramètres inconnus du
modèle que l’on cherche à estimer.
l’influence du passé se manifeste par une régression linéaire
sur les deux valeurs antérieures.
Le processus ainsi défini est -t-il SSL ? Quelle est sa forme
explicite ?
Fouad Marri Séries chronologiques
Modèle autorégressif : AR(2)
Théorème
Soit Xt un processus autorégressif d’ordre 2, AR(2) :
Xt = φ1 Xt−1 + φ2 Xt−2 + µ + at ,
alors : Xt est SSL et causal si et seulement si les racines du
polynôme A(z) = 1 − φ1 z − φ2 z 2 sont de module strictement
supérieur à 1.
Fouad Marri Séries chronologiques
Modèle autorégressif : AR(2)
Démonstration
Le processus Xt = φ1 Xt−1 + φ2 Xt−2 + µ + at peut se réécrire
sous la forme
(1 − φ1 B − φ2 B 2 )Xt = µ + at
avec BXt = Xt−1 et B 2 Xt = Xt−2 .
L’équation d’un AR(2) peut donc s’écrire :
A(B)Xt = µ + at ,
où A(z) = 1 − φ1 z − φ2 z 2 .
Fouad Marri Séries chronologiques
Soient z1 et z2 les racines du polynôme A(z) :
A(z) = 1 − φ1 z − φ2 z 2 = (1 − zz1 )(1 − zz2 ), ce qui donne :
B B
(1 − )(1 − )Xt = µ + at ,
z1 z2
Posons Yt = (1 − zB2 )Xt , il s’ensuit que (1 − zB1 )Yt = µ + at ,
Yt est un processus AR(1) avec paramètre z11
Le processus Yt est SSL et causal ⇔ | z11 | < 1 (|z1 | > 1).
Fouad Marri Séries chronologiques
Fouad Marri Séries chronologiques
Remarque
Soit Xt un processus AR(2) : Xt = φ1 Xt−1 + φ2 Xt−2 + µ + at , Si
les racines du polynôme A(z) = 1 − φ1 z − φ2 z 2 sont de module
strictement supérieur à 1 alors :
Xt est SSL et causal et admet la décomposition
µ !
Xt = + ψk at−k , avec ψ0 = 1.
1 − φ1 − φ2
k≥0
.
Cov (Xt , at ) = σ 2
Cov (Xt−j , at ) = 0, ∀j ≥ 1
Fouad Marri Séries chronologiques
Processus autorégressif AR(2)
Les équations de Yule Walker
Corollaire
Soit Xt un processus autorégressif AR(2) SSL et causal défini par
Xt = φ1 Xt−1 + φ2 Xt−2 + µ + at ,, alors : les fonctions
d’autocorrélation du processus Xt sont données par :
σ2
γ(0) =
1 − φ1 ρ(1) − φ2 ρ(2)
ρ(k) = φ1 ρ(k − 1) + φ2 ρ(k − 2), k≥1
φ1
ρ(1) =
1 − φ2
ρ(2) = φ1 ρ(1) + φ2
Cette suite d’équations définit les équations de Yule Walker AR(2).
Fouad Marri Séries chronologiques
AR(2) : Xt = φ1 Xt−1 + φ2 Xt−2 + µ + at
Fouad Marri Séries chronologiques
Remarque
Les équations de Yule Walker permettent de déterminer les valeurs
des paramètres du modèle à partir des estimations de la fonction
d’autocorrélation.
Fouad Marri Séries chronologiques