Accueil > Documentations scientifiques > Revues récentes > La Revue des ISTs de Madagascar > Actes des journées de recherche des ISTs et de leurs partenaires (...) > Sous-thème 5 : LES SCIENCES FONDAMENTALES ET TRANSVERSALES : MATHEMATIQUES (...) > Deux approches efficaces pour estimer un modèle de série temporelle

• 
  Deux approches efficaces pour estimer un modèle de série temporelle
  Revue des ISTs de Madagasikara

  Auteurs : T. Rabenantenaina , P. Bemarisika , A. Totohasina

  Mots clés : Méthodologie de Box-Jenkins, modèle de série temporelle, critère d’information, autocorrélogrammes, stratégie d’estimation
  
  

  [FRS] La méthodologie de Box-Jenkins vise à formuler un modèle permettant de représenter
  une chronique avec comme finalité de prévoir des valeurs futures. De ce fait, l’objet de
  cette méthode est de modéliser une série temporelle en fonction de ses valeurs passées
  en utilisant des modèles ARMA, ARIMA et SARIMA. Toutefois, cette méthodologie
  présente une limite notable sur son étape pour estimer un modèle temporel. De plus,
  cette approche est utilisée pour sélectionner les modèles linéaires de Box-Jenkins
  seulement. Tout au long de cet article, nous essayons de résoudre ces problèmes en
  utilisant la propriété qui relie les modèles ARMA et GARCH et la spécification
  automatique des modèles ARMA (i.e. des critères d’information). Dans ce cas, nous
  élaborons une nouvelle approche qui améliore cette méthodologie. Cette nouvelle
  approche améliore la phase d’identification de ladite méthodologie (i.e. approche) de
  Box-Jenkins. Ensuite, nous proposons aussi une autre approche qui dépend de
  l’approche de Box-Jenkins pour estimer les modèles non linéaires comme : ARCH et
  GARCH. On termine ce travail par quelques applications sur de données réelles.

  Télécharger