Chapitre II Econometrie des Series Temporelles Modeles ARIMA
- Slides: 35
Chapitre II Econometrie des Series Temporelles Modeles ARIMA ARCH-GARCH
Pourquoi? • Modelisation de la croissance • Variables explicatives a choisir? – Politique fiscale, investissement, technologie, demographie, commerce international, taux de change, taux d’interet • Series temporelles: Utiliser les valeurs passees de la croissance et des termes d’erreur • Approche purement statistique • Modeles parsimonieux
Objectif • Identifier le processus generateur des variables observees • Outil de prevision
Definition • Une serie temporelle consiste en un ensemble d’observations d’une variable y • Observations sont espacees dans le temps a intervalles egaux: yi avec i=1, 2, . . t • Processus stochastique: Chaque observation est une variable aleatoire et les variables evoluent dans le temps selon certaines lois • Ce que nous observons: Ensemble limite d’observations
Notions de Base • Moyenne • Variance • Autocovariance – Variance de Y avec ses propres valeurs passees • Autocorrelation • PAC: dernier coefficient de y sur ses m valeurs passees
Autocorrelations Partielles
Bruit Blanc N(0, 1) Distribution
Modelisation ARMA • • Auto. Regressive (Integrated) Moving Average Box Jenkins (1976) Auto. Regression Moyenne ponderee de Bruits blancs
Notations • Operateur ‘Arriere’ • Operateur ‘Avant’ • Difference
Moving Average • Toujours stationnaire • Fonction de bruits blancs passes • Notation avec operateur
Exemple MA(q)
MA(1)
Ma(q)
Exemple MA(1) phi 1=0. 8 AC PAC
Exemple MA(3) AC Phi=0. 8, -0. 5, 0. 3
AR(1) Stationnaire Processus explosif
Pourquoi?
AR(1) Phi=0. 5 AC Phi=-0. 8
AR(2) • Conditions de stationarite:
AR(p) • Conditions de stationarite: Les racines de l’equation suivante doivent etre inferieures a 1 en valeur absolue
ARMA(1, 1) • Les autocorrelations diminuent progressivement • Similaire a AR(1) • Mais fonction plus compliquee des parametres • Depend des deux coefficients
Box-Jenkins (1976) 1) Identification: Un premier modele est choisi apres examen des autocorrelations – Si rho ne decroit pas rapidement: indication de non-stationarite – Si rho(k)=0 pour k>q et les autocorrelations partielles decroissent MA(q) – Si rho(k) decroit et les autocorrelations partielles sont =0 pour k>p AR(p) – Si pas de point de rupture clair ARMA(p, q)
Box-Jenkins (1976) 2) Estimation Maximum de vraisemblance Goodness of fit (criteres AIC, Schwartz) 3) Tests de verification sur les residus - Est ce que les erreurs sont aleatoires? - Non autocorreles: Test de Box-Ljung - Normalite: Test de Jarque Bera
Estimation
Maximum de vraisemblance • Les erreurs sont iid • Distribution jointe: produit des distributions individuelles • Regression simple
Conditional Likelihood ARMA(p, q) • Considere les p premieres observations comme donnees • Fixer les q premieres erreurs a 0 • Par iteration
ARCH • Hypothese de constance de la volatilite rarement verifiee sur marches financiers • Auto Regressive Conditional Heteroskasticity • La volatilite semble etre correlee dans le temps • Fat Tails (kurtosis)
Volatility Clusters S&P 500
Fat Tails
ARCH(1) • Engle (1982) • La volatilite conditionelle est fonction des observations passees
Proprietes • Volatilite autocorrellee • Kurtosis>3
GARCH(1, 1) • ARCH(p) difficile a estimer • Bollerslev(1986) • Generalized. . . ARCH • Correspond a ARCH( )
Extensions • Integrated GARCH – Les coefficients somment a 1: persistent tres longtemps Les chocs passes • GARCH in Mean – Relation directe entre rendement et risque d’un actif – Dans la specification du rendement moyen, inclure une function de la variance conditionnelle • Exponentional GARCH – Les chocs passes ont un impact asymmetrique sur la volatilite
News Impact Curve Relation entre erreur Et volatilite future
Test – Engle(1982) • ARCH(q) • Hypothese H 0 de volatilite constante • Regression • Les epsilons sont obtenus par estimation du modele sous hypothese de volatilite constante • Statistique LM: n. R 2 suit Chi 2(q)
- The "time-spent-doing tense rule" will help you to:
- Les modèles d'apprentissage pdf
- Les modèles d'apprentissage pdf
- Lapbook espagnol
- Petit pays chapitre par chapitre
- Tirez pas sur le scarabée résumé complet
- Le petit prince chapitre 1
- Histoire le petit prince résumé
- Des des des
- Arima vs arma
- Arima [sher]
- Arima(1,1,1)
- Arima(1,1,1)
- Modelo arima
- Arima 2 1 0
- ý nghĩa về mô hình arima dừng và khả nghịch
- Arima(1,1,1)
- Modelo arima ejemplo
- Metode box jenkins adalah
- Minitab arima forecast
- Arima modely
- La fabrication des objets techniques chapitre 12
- Serie de taylor
- Series aiding and series opposing
- Maclaurin series vs taylor series
- Sum of infinite series
- Maclaurin series vs taylor series
- Ibm p series servers
- Balmer series lyman series
- Series series feedback amplifier examples
- Budget des ventes méthode des moindres carrés
- Diversification des espaces et des acteurs de la production
- Je t'offrirai des fleurs et des nappes en couleurs
- Il existe des personnes qui sont des lumières pour tous
- Volume des liquides et des solides
- Robin des bois des alpes