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 MadagasikaraAuteurs : 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
Télécharger
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.