Introduction au cours

Analyse des séries chronologiques en Python

Rob Reider

Adjunct Professor, NYU-Courant Consultant, Quantopian

Exemple de série chronologique : Google Trends

Exemple de série chronologique : données climatiques

Exemple de série chronologique : bénéfices trimestriels

Exemple de séries multiples : gaz naturel et mazout

Objectifs du cours

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

Quelques outils pratiques 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 pratiques de pandas

• Joindre deux DataFrame

    df1.join(df2)
  

• Rééchantillonner (ex. quotidien → hebdomadaire)

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

Autres fonctions pandas

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

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

• Méthode de corrélation pandas pour Series

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

• Autocorrélation avec pandas

    df['ABC'].autocorr()
  

Passons à la pratique !

Analyse des séries chronologiques en Python