Introduction au cours

Analyse des séries temporelles en Python

Rob Reider

Adjunct Professor, NYU-Courant Consultant, Quantopian

Exemple de série temporelle : Google Trends

Exemple de série temporelle : données climatiques

Exemple de série temporelle : bénéfices trimestriels

Exemple de séries multiples : gaz naturel et fioul

Objectifs du cours

• Découvrir les modèles de séries temporelles
• Ajuster un modèle de série temporelle aux données
• Utiliser les modèles pour prévoir l'avenir
• Apprendre à utiliser les bibliothèques statistiques Python pertinentes
• Voir des exemples concrets d'usage de ces modèles

Quelques outils utiles de pandas

• Convertir un index en datetime

    df.index = pd.to_datetime(df.index)
  

• Tracer des données

    df.plot()
  

• Découper des données

    df['2012']
  

Quelques outils utiles de pandas

• Joindre deux DataFrames

    df1.join(df2)
  

• Rééchantillonner (ex. quotidien → hebdomadaire)

    df = df.resample(rule='W').last()
  

Autres fonctions pandas

• Calculer variations en % et différences d'une série temporelle

    df['col'].pct_change()
    df['col'].diff()
  

• Méthode de corrélation pandas sur Series

    df['ABC'].corr(df['XYZ'])
  

• Autocorrélation pandas

    df['ABC'].autocorr()
  

Passons à la pratique !

Analyse des séries temporelles en Python