Ce que vous allez apprendre
Explorez la structure temporelle, la stationnarité, la dynamique des retards, la validation des modèles et la prévision des données économiques.
- Reconnaître la tendance, la saisonnalité et les changements structurels
- Comprendre la stationnarité et la différenciation
- Choisir des modèles dynamiques et en vérifier les diagnostics
- Produire et évaluer des prévisions
Étape 01
Tracer d’abord la série
L’ordre temporel contient une information essentielle : commencez donc par un graphique en courbe avant de calculer des corrélations ou d’ajuster des modèles.
Recherchez la tendance, les cycles saisonniers, les variations de volatilité, les observations inhabituelles et les ruptures éventuelles.
Vérifiez la fréquence des observations et repérez les dates manquantes ou irrégulières.
Appuyez-vous sur vos connaissances du domaine pour distinguer les problèmes de données des véritables événements économiques.
Étape 02
Vérifier la stationnarité
De nombreuses méthodes de séries temporelles supposent que les propriétés statistiques de la série restent stables dans le temps.
Examinez la série en niveau et sa fonction d’autocorrélation.
Combinez les tests de racine unitaire avec les graphiques et le raisonnement économique.
Appliquez des transformations ou une différenciation lorsque cela est pertinent, tout en préservant des relations interprétables.
À retenir
Une différenciation excessive peut supprimer une information utile de long terme et introduire du bruit inutile.
Étape 03
Modéliser la dynamique des retards
Les résultats économiques actuels dépendent souvent de leur propre passé et des effets retardés d’autres variables.
Utilisez les profils des fonctions ACF et PACF pour orienter le choix des termes autorégressifs et de moyenne mobile.
Comparez les spécifications plausibles à l’aide de critères d’information et de restrictions théoriques.
Envisagez des modèles ARDL ou à correction d’erreur lorsque la dynamique de court terme et les relations de long terme comptent toutes deux.
Étape 04
Valider et prévoir
Un modèle de série temporelle ajusté n’est utile que si ses erreurs restantes se comportent comme un bruit imprévisible.
Examinez l’autocorrélation des résidus et utilisez un test global comme celui de Ljung–Box.
Évaluez les prévisions sur un échantillon réservé dans l’ordre chronologique plutôt que sur un découpage aléatoire.
Présentez des intervalles de prévision et actualisez le modèle à mesure que de nouvelles observations deviennent disponibles.