Séries chronologiques univariées
(STT-6615)
Chapitre 1
Modèles statistiques de séries
chronologiques
Objectif principal de l’analyse des séries
chronologiques
Un objectif particulièrement important
de l’analyse des séries chronologiques
consiste à développer des modèles
mathématiques qui procurent des
descriptions plausibles des données.
2 STT-6615; Séries chronologiques
Définition d’une série
chronologiques
On peut dire qu’une série chronologique se
définit comme une collection de variables
aléatoires indexées selon l’ordre qu’elles sont
obtenues dans le temps.
Un exemple de série chronologique:
X 1 , X 2 , X 3 , , X n
3 STT-6615; Séries chronologiques
Processus stochastique
De manière générale, considérons une
collection de variables aléatoires:
X t , t ou Xt
On dit que c’est un processus stochastique.
De manière plus formelle, une série
chronologique peut se définir comme une
réalisation (finie) d’un processus stochastique.
4 STT-6615; Séries chronologiques
Caractéristiques visuelles des
séries chronologiques
Visuellement, ce qui distinguait les exemples
précédents était principalement le degré de
lissage.
Une possible explication pour ce lissage est de
présumer qu’il représente une conséquence
que des points adjacents soient corrélés, de
telle manière que la variable aléatoire Xt, soit
fonction des valeurs passées Xt-1, Xt-2,…,.
5 STT-6615; Séries chronologiques
Bruit blanc
Un premier exemple est une collection de variables
aléatoires non corrélées, wt, de moyenne 0 et de
variance finie w
2
Bruit blanc (faible): nom qui vient de l’ingénierie qui
utilise ce modèle pour le bruit.
Blanc: comme la lumière blanche (toutes les oscillations
périodiques possibles sont présentes avec une force
égale).
Bruit blanc gaussien: Les variables aléatoires wt sont
de chacune de loi normale.
6 STT-6615; Séries chronologiques
Bruit blanc fort et bruit blanc faible
Bruit blanc fort: wt est une suite de
variables aléatoires indépendantes et
identiquement distribuées de moyenne zéro et
de variance finie.
Bruit blanc faible: wt
est une suite de
variables aléatoires non-corrélées de moyenne
zéro et de variance finie.
Un bruit blanc Gaussien est un bruit blanc fort.
7 STT-6615; Séries chronologiques
Exemple: réalisation d’un bruit
blanc gaussien
Série chronologique: 500 réalisations d’une N(0,1).
On note que cette série n’est pas très lisse.
Ceci est due au fait que les points adjacents ne
sont pas corrélés.
Si le comportement stochastique des séries
chronologiques pouvait être expliqué par le modèle
du bruit blanc, les techniques statistiques
classiques seraient suffisantes!
8 STT-6615; Séries chronologiques
Exemple: Log de rendements mensuels
pour les titres IBM et S&P 500
Séries chronologiques: Les rendements sont définis par Rt =
Pt/Pt-1 – 1, où Pt dénote le prix. Les log rendements sont définis
comme log(1+Rt) = log(Pt/Pt-1).
Période: données mensuelles, allant de janvier 1926 à décembre
1999.
Souvent les rendements sont des bruits blancs (compte tenu
d’effets de microstructure on pourrait considérer que les
rendements sont autocorrélés).
Pour S&P 500: une analyse révèle que cette série est compatible
avec un bruit blanc faible, mais pas un bruit blanc fort.
9 STT-6615; Séries chronologiques
Exemple: moyenne mobile
On pourrait remplacer la série chronologique
wt, t = 1,2,…,n par une moyenne mobile, qui
aura pour effet de1lisser la série chronologique.
Exemple: vt 3 wt 1 wt wt 1
Visuellement, il en résulte une version plus
lisse: ceci reflète que les oscillations plus
lentes sont mises de l’avant et que certaines
oscillations plus rapides sont éliminées.
10 STT-6615; Séries chronologiques
Exemple: autorégression
Certaines série chronologiques (exemple: celles sur la
parole et la syllabe Aaa…hhh), ne semblent pas
compatibles avec des moyennes mobiles.
Un comportement oscillatoire d’un type particulier
semble dominer: un comportement sinusoïdal.
Les autorégressions peuvent générer ce genre de
phénomènes: ils consistent à régresser la valeur
courante sur les valeurs passées.
Exemple: Xt = Xt-1 – 0.90 Xt-2 + wt.
On note le problème des valeurs initiales X0 et X-1.
11 STT-6615; Séries chronologiques
Exemple: Signal plus un bruit
Plusieurs modèles de séries chronologiques supposent un
signal avec une certaine variation périodique, contaminée par
2 t
l’ajout d’un bruit. Exemple: Yt cos
Exemple: (1) la série non contaminée; (2) la série 50
contaminée par un bruit blanc gaussien formé de N(0,1); (3)
la série contaminée par un bruit formé de N(0,25).
2 t 2 t
Yt cos wt ; Yt cos 5wt
50
L’ajout du signal bruit obscurci le
et du 50
signal.
Analyse spectrale est une technique pour détecter des
signaux réguliers ou périodiques.
12 STT-6615; Séries chronologiques