Commençons par l'essentiel

Modèles ARIMA en R

David Stoffer

Professor of Statistics at the University of Pittsburgh

À propos de moi

 

  • Professeur de statistique

ch1_1.004.png

Modèles ARIMA en R

À propos de moi

 

  • Professeur de statistique
  • Coauteur de deux ouvrages sur les séries chronologiques
  • Forfait astsa

ch1_1.006.png

Modèles ARIMA en R

Données de séries chronologiques - I

library(astsa)
plot(jj, main = "Johnson & Johnson Quarterly Earnings per Share", type = "c") 
text(jj, labels = 1:4, col = 1:4)

ch1_1.010.png

Modèles ARIMA en R

Données de séries chronologiques - II

library(astsa)
plot(globtemp, main = "Global Temperature Deviations", type= "o")

ch1_1.013.png

Modèles ARIMA en R

Données de séries chronologiques - III

library(xts)
plot(sp500w, main = "S&P 500 Weekly Returns")

ch1_1.016.png

Modèles ARIMA en R

Modèles de régression pour séries chronologiques

Régression : $Y_i = \beta X_i + \epsilon_i$, où $\epsilon_i$ est un bruit blanc

Bruit blanc :

  • normales indépendantes avec une variance commune
  • élément de base des séries chronologiques

Autorégression : $X_t = \phi X_{t-1} + \epsilon_t \ $ ($\epsilon_t$ est un bruit blanc)

Moyenne mobile : $\epsilon_t = W_t + \theta W_{t-1} \ $ ($W_t$ est un bruit blanc)

ARMA : $X_t = \phi X_{t-1} + W_t + \theta W_{t-1} \ $

Modèles ARIMA en R

Passons à la pratique !

Modèles ARIMA en R

Preparing Video For Download...