Processus stationnaires

Analyse des séries chronologiques en R

David S. Matteson

Associate Professor at Cornell University

Stationnarité

  • Les modèles stationnaires sont parcimonieux.
  • Les processus stationnaires ont une stabilité distributionnelle dans le temps.

Séries chronologiques observées :

  • Fluctuent au hasard.
  • Mais se comportent de façon similaire d'une période à l'autre.
Analyse des séries chronologiques en R

Faible stationnarité - I

Faible stationnarité : moyenne, variance, covariance constantes dans le temps.

$Y_1, Y_2$, … est un processus faiblement stationnaire si :

  • La moyenne $ \mu $ de $ Y_t$ est la même (constante) pour tout $t$.
  • La variance $ \sigma ^2$ de $ Y_t$ est la même (constante) pour tout $t$.
  • Et…
Analyse des séries chronologiques en R

Faible stationnarité - II

La covariance de $ Y_t$ et $ Y_s$ est la même (constante) pour tout $ \vert t - s \vert = h$, pour tout $ h$.

$$ Cov(Y_2, Y_5) = Cov(Y_7, Y_{10})$$

puisque chaque paire est séparée par trois unités de temps.

Analyse des séries chronologiques en R

Stationnarité : pourquoi ?

Un processus stationnaire se modélise avec moins de paramètres.

Par exemple, il n'est pas nécessaire d'avoir une espérance différente pour chaque $ Y_t$ ; elles partagent une même espérance, $ \mu$.

  • Estimez $ \mu$ précisément par $ \bar y $.
Analyse des séries chronologiques en R

Stationnarité : quand ?

Beaucoup de séries financières ne sont pas stationnaires ; toutefois :

  • Les variations de la série sont souvent approximativement stationnaires.
  • Une série stationnaire oscille au hasard autour d'un niveau fixe ; un phénomène appelé retour à la moyenne.
Analyse des séries chronologiques en R

Exemple de stationnarité

Taux d'inflation et variations des taux d'inflation :

Analyse des séries chronologiques en R

Passons à la pratique !

Analyse des séries chronologiques en R

Preparing Video For Download...