Séries temporelles 2 : Décomposition et désaisonnalisation de séries temporelles

Public

Toute personne travaillant sur des données temporelles et qui, confrontée à des problèmes de désaisonnalisation, désire connaître et exploiter au mieux les méthodes statistiques usuelles de décomposition d’une série temporelle.

Pré-requis

Bonnes connaissances en statistique et en régression linéaire. Il est utile d'avoir suivi le module Introduction à l'analyse des séries temporelles et méthodes de prévision à court terme.

Objectif et contenu

L'analyse d'une série chronologique, comme toute étude statistique, ne peut échapper à une phase exploratoire permettant de comprendre et d'apprécier les phénomènes temporels influant sur la grandeur étudiée : saisonnalité, effets de calendrier, points extrêmes, conditions climatiques... Leur prise en compte est essentielle pour l'analyse de la conjoncture. Les méthodes statistiques permettant de décomposer une série temporelle sont nombreuses, variées et parfois complexes. De nombreuses applications privilégiant l’aspect désaisonnalisation sont prévues et les stagiaires peuvent appliquer les méthodes à leurs propres données à l'aide des logiciels TRAMO-SEATS et X-12-ARIMA.

 

Les outils de décomposition d’une série temporelle
Généralités sur les séries temporelles : définitions, représentations graphiques, exemples
Les différents problèmes de l'analyse des séries temporelles : lissage, désaisonnalisation
Les composantes et les modèles de composition
Corrélogrammes, transformations, spectre d’une série temporelle
Les moyennes mobiles : définition, propriétés, comparaison


Application à la désaisonnalisation
Pourquoi désaisonnaliser une série ? Présentation des différentes méthodes
Principe des logiciels TRAMO-SEATS et X-12-ARIMA
Un exemple complet de désaisonnalisation par X-12-ARIMA
La prise en compte des effets du calendrier

Comment juger de la qualité des résultats et pistes d'amélioration.

La production en masse de séries désaisonnalisées.

  • 4 jours ( 2+2 ) 6, 7, 13, 14 juin 2013
  • Prix net (non soumis à la TVA) 1 780 euros

    S'inscrire
Intervenants
Logiciels utilisés
  • SAS, TRAMO-SEATS, X-12-ARIMA et DEMETRA
Repères bibliographiques
  • Gourieroux, C. et A. Monfort (1990),
    Séries temporelles et modèles dynamiques,
    Economica

  • Ladiray, D. and B. Quenneville (2001),
    Seasonal adjustment with the X-11 Method,
    Springer-Verlag, Lecture Notes in Statistics n°158

Télécharger la fiche