|
 Objectifs
Après avoir suivi ce cours, l'étudiant aura acquis une compréhension logique et une maîtrise opérationnelle des modèles stochastiques utilisables pour la prévision quantitative des séries chronologiques. Il sera capable d'appliquer les principes de l'analyse Box-Jenkins et la modélisation GARCH aux données réelles, en utilisant un des logiciels modernes pour effectuer de telles analyses (notuamment le S-PLUS).
Objectifs
Note: This course STAT 2414 "Séries chrononologiques" exists also under the title "Modèles stochastiques appliqués à la prévision" (QANT 3812).
The aim of this course is to give a good comprehension of the theory and application of stochastic time series modelling, with a view towards prediction (forecasting).
Cahier des charges
1. Modelling time series data: an introduction
2. Linear processes - simple parametric models (ARMA)
3. Estimation and prediction of ARMA models
4. Box-Jenkins analysis - (S)ARIMA models
5. Non-linear processes - heteroscedastic (G)ARCH models - applications to modelling financial data
Cahier des charges
La matière couvre actuellement les méthodes de prévision applicables dans la gestion des entreprises.
Le cours fournit leurs bases théoriques ainsi que leurs champs d'application.
Les thèmes couvrent tant les méthodes d'analyse des séries chronologiques (méthodes dites endogènes) que les méthodes économétriques utilisées dans la prévision des phénomènes dynamiques (méthodes dites exogènes).
Méthodes endogènes : lissage exponentiel, décomposition, ARIMA, analyse spectrale, analyse multivariée,...
Méthodes exogènes : erreurs autocorrélées, retards échelonnés, modèles dynamiques, ...
L'accent sera mis sur les méthodes qui sont utilisables pour la prévision de variables spécifiques à la gestion des entreprises, telles que la demande à la marque en marketing ou à un produit d'une gamme en gestion de stocks.
Des illustrations concrètes tirées de la gestion de l'entrerprise serton fournies en insistant sur le choix de la méthode la plus appropriée en fonction du contexte particulier et du type de données disponibles.
Des exercices d'application seront proposés aux étudiants afin notamment de les familiariser avec les logiciels existants.
Résumé
Basic models of linear time series will be treated in the first part. The data analysis, i.e. estimation of the model parameters for forecasting, will be based predominantly on Box-Jenkins methods. In the second part of the course some elements of modelling financial data with the more recently developed ARCH and GARCH models will be given and included into the practical part of the course (done with the S-Plus software).
Résumé
- Modélisation des séries chronologiques : introduction
- Processus linéaires - modèles paramétriques simples (ARMA)
- Estimation et prédiction dans des modèles ARMA
- Méthodologie de Bok et Jenkins - modèle (S) ARIMA
- Processus non-linéaires - modèles hétéroscédastiques (G)ARCH - Application dans le domaine des finances.
Autres informations du cahier des charges
Pré-requis
Une connaissance générale des concepts de base de la statistique (du niveau d'un premier cours introductif en statistique).
Evaluation
L'examen se réalise comme une interrogation orale. La réalisation d'un travail pratique sur ordinateur sera prévue.
Ouvrage de référence
Brockwell, P., Davis, R. : Introduction to Time Series and Forecasting. 1996, Springer, New York
Brockwell, P., Davis, R. : Times Series : Theory and Methods. 1991, Springer, New York
Gourieroux, Ch. : Modèles ARCH et applications financières. 1992, Economica, Paris
Pour plus d'informations, cliquez ci-dessous
http://www.stat.ucl.ac.be/cours/stat2414/index.html
http://www.stat.ucl.ac.be/cours/stat2414/index.html
Le cours STAT2414 est mentionné dans les programmes suivants :
|
STAT2DC
|
Diplôme d'études complémentaires en statistique
|
| |
|
STAT3DA
|
Diplôme d'études approfondies en statistique
|
| |
Valeurs ECTS de l'activité
|
FSA3DA
|
Diplôme d'études approfondies en sciences appliquées
|
(5 ECTS)
| |
|
MAP23
|
Troisième année du programme conduisant au grade d'ingénieur civil en mathématiques appliquées
|
(5 ECTS)
| |
|
STAT2DC
|
Diplôme d'études complémentaires en statistique
|
(5 ECTS)
| |
|
STAT3DA/B
|
diplôme d'études approfondies en statistique (biostatistique et épidémiologie)
|
(5 ECTS)
| |
|
STAT3DA/E
|
diplôme d'études approfondies en statistique (statistique et économétrie)
|
(5 ECTS)
| |
|
STAT3DA/M
|
Diplôme d'études approfondies en statistique (méthodologie de la statistique)
|
(5 ECTS)
| |
|
STAT3DA/P
|
diplôme d'études approfondies en statistique (pratique de la statistique)
|
(5 ECTS)
| |
|
Valeur ECTS par défaut
|
(5 ECTS)
| |
|
