Methode d' analyse des series temporelles

Methode d' analyse des series temporelles PDF Author: Bruno Nullau
Publisher:
ISBN:
Category :
Languages : fr
Pages : 28

Get Book Here

Book Description

Methode d' analyse des series temporelles

Methode d' analyse des series temporelles PDF Author: Bruno Nullau
Publisher:
ISBN:
Category :
Languages : fr
Pages : 28

Get Book Here

Book Description


Analyse des séries temporelles en économie

Analyse des séries temporelles en économie PDF Author: Régis Bourbonnais
Publisher: FeniXX
ISBN: 2130685676
Category : Business & Economics
Languages : fr
Pages : 302

Get Book Here

Book Description
Quelles sont les nouvelles méthodes d'analyse des séries temporelles ? Comment stationnariser une chronique ? Qu'est-ce qu'un lissage exponentiel ? Comment interpréter un corrélogramme et un spectre ? Ce livre répond aux questions concernant les différentes méthodes d'analyse de séries temporelles : les méthodes standards de traitement des séries temporelles (régression, méthodes de désaisonnalisation, lissage exponentiel) puis les techniques plus modernes (analyse spectrale, étude de stationnarisation, modèles ARIMA, modèles ARCH...). Les applications de ces techniques sont multiples et concernent des disciplines très diverses : prévision macroéconomique, finance, marketing, etc. Les auteurs ont voulu, par une alternance systématique de cours et d'exercices, répondre à un besoin pédagogique qui est de mettre rapidement en pratique les connaissances théoriques et, ainsi, d'utiliser de manière opérationnelle les acquis du cours. La correction des exercices est illustrée par l'utilisation de logiciels. Un site internet permet au lecteur de télécharger les séries statistiques utilisées et les programmes de traitement. Ce livre s'adresse aux étudiants (Sciences économiques, Gestion, Écoles de Commerce et d'Ingénieurs...) ainsi qu'aux praticiens de l'économétrie des séries temporelles (économiste d'entreprise, chercheurs...) qui, confrontés à des problèmes d'analyse de séries temporelles, trouveront les réponses pratiques aux différentes questions qu'ils peuvent se poser.

Séries temporelles et modèles dynamiques

Séries temporelles et modèles dynamiques PDF Author: Christian Gourieroux
Publisher: FeniXX
ISBN: 2402460423
Category : Business & Economics
Languages : fr
Pages : 667

Get Book Here

Book Description
Ce livre est une présentation synthétique des méthodes d'analyse des séries temporelles, et de leurs utilisations en économétrie. Les méthodes classiques, comme la dé-saisonnalisation ou la prévision fondée sur des modèles ARIMA, sont étudiées en détail. Il en est de même des problèmes plus récents, comme la causalité, l'exogénéité, la co-intégration, les tests de racine unité, les processus fractionnaires, les anticipations... Enfin, les techniques issues de l'automatique, comme le filtrage et le lissage de Kalman, sont également décrites et utilisées pour la modélisation des séries économiques. Des exercices - et une bibliographie - sont disponibles pour chaque chapitre. La deuxième édition intègre, en particulier, les développements récents de l'économétrie des processus non stationnaires.

Analyse des séries temporelles

Analyse des séries temporelles PDF Author: Régis Bourbonnais
Publisher:
ISBN: 9782100484362
Category : Econometric models
Languages : fr
Pages : 318

Get Book Here

Book Description
Ce livre traite de manière pédagogique l'ensemble des méthodes - classiques et modernes - d'analyse des séries temporelles et répond aux questions suivantes : Comment élaborer des prévisions de ventes ? Comment interpréter un corrélogramme et un spectre ? Qu'est ce qu'un lissage exponentiel ? Comment procéder aux tests de racine unitaire ? Qu'est ce qu'un processus ARMA et la méthodologie de Box-Jenkins ? Pourquoi recourir aux processus ARFIMA de mémoire longue ? Comment détecter un processus ARCH ? L'ouvrage aborde les méthodes économétriques des séries temporelles qui ont valu, en 2003, le prix Nobel d'économie à l'Américain Robert F. Engle et au Britannique Clive W. J. Granger et en présentent les techniques standards de traitement (régression, méthodes de désaisonnalisation, lissage exponentiel), puis les méthodes modernes (analyse spectrale, étude de stationnarisation, tests de racines unitaires, modèles ARIMA et ARFIMA, modèles ARCH,...). Les applications de ces techniques concernent des disciplines très diverses comme la prévision macroéconomique, la finance, le marketing, etc. L'alternance systématique de cours et d'exercices corrigés permet de mettre en pratique les connaissances acquises dans le cours. Les corrigés des exercices sont accompagnés de l'utilisation de logiciels. Un site Internet permet au lecteur de télécharger les séries statistiques utilisées et les programmes de traitement.

Analyse des séries temporelles - 5e éd.

Analyse des séries temporelles - 5e éd. PDF Author: Régis Bourbonnais
Publisher: Dunod
ISBN: 2100842560
Category : Business & Economics
Languages : fr
Pages : 368

Get Book Here

Book Description
L’analyse des séries temporelles, discipline faisant appel à des mathématiques poussées, trouve ses applications principales en macroéconomie, en finance, ou en marketing. Cet ouvrage explique de manière pédagogique les techniques classiques et modernes d’analyse des séries temporelles. Le lecteur y découvrira entre autres quelles sont les méthodes de prévision des ventes, ce que sont un lissage exponentiel et la méthodologie de Box-Jenkins, comment procéder à l’analyse spectrale, pourquoi recourir aux processus ARFIMA ou ARCH ou à quoi correspondent les tests de racine unitaire et comment les utiliser. Les séries statistiques et les programmes de traitement utilisés dans les exercices sont téléchargeables sur le site dunod.com.

Analyse et prédiction de séries temporelles par méthodes non linéaires

Analyse et prédiction de séries temporelles par méthodes non linéaires PDF Author: Amaury Lendasse
Publisher: Presses univ. de Louvain
ISBN: 9782930344348
Category : Science
Languages : fr
Pages : 158

Get Book Here

Book Description
L'analyse et la prédiction de séries temporelles sont des défis scientifiques importants, qui trouvent leurs applications dans des domaines aussi variés que la finance, la production électrique, l’hydrologie, la climatologie, etc. Comme ils englobent les modèles linéaires, les modèles non linéaires offrent potentiellement des performances supérieures mais ils posent cependant également des problèmes complexes tels que des minima locaux pour la fonction à optimiser, des temps de calcul très longs, une sélection de structure de modèle rendue plus difficile et une détermination de régresseur plus ardue. On définit tout d’abord la meilleure structure de modèle comme celle qui minimise une erreur de généralisation. Les différentes méthodes permettant d’estimer cette erreur sont présentées : Cross-Validation, Leave-One-Out, Bootstrap, etc. Une comparaison expérimentale de ces méthodes sur une série benchmark classique montre la supériorité des méthodes de Bootstrap. Une accélération de ces méthodes ainsi qu’une solution au problème des minima locaux sont apportées. Les différentes méthodes de détermination du meilleur régresseur, c’est-à-dire le vecteur d’entrées utilisé pour la prédiction, sont étudiées. Afin de donner une borne inférieure et une borne supérieure à la taille de ce régresseur, plusieurs interprétations du théorème de Takens sont formulées. Une méthodologie pratique permettant la construction d’un régresseur par projection non linéaire est proposée et illustrée sur des exemples de prédiction de séries financières. Des modèles non linéaires simples basés sur la quantification vectorielle sont développés. Ils proposent une alternative dont les performances et la complexité se situent entre celles des modèles linéaires et des modèles non linéaires classiques : les performances sont meilleures que celles obtenues avec des modèles linéaires mais les temps de calcul demandés sont moins importants que pour les autres modèles non linéaires. Finalement, une méthode d’analyse de données basée sur les cartes auto-organisées et l’algorithme de Ward est présentée. Cette méthode d’analyse débouche sur une méthode de prédiction à long terme dont les résultats sont évalués sur la prédiction, sur une durée de 24h, de la consommation électrique

Séries temporelles avec R

Séries temporelles avec R PDF Author: Yves Aragon
Publisher: EDP Sciences
ISBN: 2759819949
Category : Science
Languages : fr
Pages : 286

Get Book Here

Book Description
Livre sur les séries temporelles avec l'utilisation du logiciel R.

Analyse des séries temporelles

Analyse des séries temporelles PDF Author: Régis Bourbonnais
Publisher:
ISBN: 9782100835867
Category :
Languages : fr
Pages : 357

Get Book Here

Book Description
Cet ouvrage aborde de manière claire et pédagogique l'ensemble des méthodes - classiques comme modernes - d'analyse des séries temporelles, domaine dont les applications économiques sont toujours plus nombreuses : prévision macro-économique, finance, marketing... Les méthodes standard de traitement des séries temporelles (régression, méthodes de désaisonnalisation, lissage exponentiel), puis les techniques modernes (analyse spectrale, étude de stationnarisation, tests de racines unitaires, modèles ARIMA et ARFIMA, modèles ARCH...) sont expliquées en détail. Chaque chapitre présente ainsi : les objectifs de connaissance et les concepts à maîtriser ; un cours assorti de nombreux exercices pour mettre rapidement en pratique les connaissances théoriques et se préparer aux examens ; une rubrique « L'essentiel » pour retenir les points clés. Cette 5e édition s'enrichit de nouveaux exercices et est à jour des développements les plus récents. Elle s'adresse aux étudiants (Sciences économiques, Gestion, écoles de commerce et d'ingénieurs...) et aux professionnels de l'économétrie des séries temporelles (économistes d'entreprise, chercheurs...) qui trouveront ici des réponses pratiques aux différentes questions qu'ils peuvent se poser.

Méthodes non linéaires pour séries temporelles

Méthodes non linéaires pour séries temporelles PDF Author: Geoffroy Simon
Publisher: Presses univ. de Louvain
ISBN: 9782874630736
Category : Science
Languages : fr
Pages : 172

Get Book Here

Book Description
De la finance à la climatologie, en passant par les processus industriels, nombreux sont les domaines où on rencontre des séries temporelles. L'analyse, la modélisation et la prédiction de séries temporelles constituent aujourd’hui encore des défis, sur le plan scientifique tout comme dans ces nombreux domaines d’applications. En alternative aux modèles linéaires, les modèles non linéaires sont utilisés ici pour l’analyse, la modélisation et la prédiction de séries temporelles. Les modèles non linéaires sont potentiellement plus performants que les modèles linéaires, mais les questions de sélection de structure de modèle, de prédiction à long terme ou de construction des régresseurs sont plus complexes à résoudre dans le cadre non linéaire. Les paramètres de structure de certains modèles et des méthodes de sélection de structure sont d’abord décrits. La sélection de structure par FastBootrap est complétée par un test statistique qui constitue un argument théorique en faveur de l’approximation par régression linéaire du terme d’optimisme du Bootstrap. La Double Quantification Vectorielle (DQV), modèle de prédiction à long terme de séries temporelles, est introduite. La détermination des paramètres est détaillée, pour des séries scalaires et pour des séries multidimensionnelles auxquelles la DQV peut aisément être appliquée. La stabilité de la DQV en prédiction à long terme est établie théoriquement. Les capacités de la méthode sont illustrées sur divers exemples, en prédiction à court terme, à long terme, en scalaire et en multidimensionnel. La construction du régresseur est abordée lors de l’étude du caractère significatif de l'application des méthodes de clustering à des régresseurs. Une méthodologie de comparaison entre reconstructions de l’espace de phase de séries temporelles est décrite et appliquée sur plusieurs séries. Les résultats obtenus illustrent l’importance du délai dans la construction de régresseurs et permettent de prendre position dans un débat scientifique en cours : l’application des méthodes de clustering à des régresseurs a un sens. La construction du régresseur avec sélection d’un délai unique est alors généralisée au cas de plusieurs délais. Des généralisations des critères d’autocorrélation et d’information mutuelle à plus de deux variables sont proposées. Le critère géométrique de Distance à la Diagonale est également introduit. Tous ces critères de sélection de plusieurs délais sont comparés expérimentalement.

Méthodes non paramétriques d'analyse des séries temporelles fortement bruitées

Méthodes non paramétriques d'analyse des séries temporelles fortement bruitées PDF Author: Mohamed Hassnaoui
Publisher:
ISBN:
Category :
Languages : fr
Pages : 0

Get Book Here

Book Description