- Catherine Doz - Université de Cergy-Pontoise
- Florian Pelgrin - Université de Lausanne
Cours : 22 heures - TP : 14 heures Objectif
La première partie de ce cours est consacrée à l’étude des séries temporelles univariées : on présente d’abord les concepts statistiques principaux, puis les méthodes d’estimation et de tests ; on y aborde le problème de la non-stationnarité, en étudiant les principaux tests de racine unité sous l’angle de leur utilisation pratique. Le cours est illustré par des exemples pratiques. La deuxième partie du cours est consacrée à l’étude des modèles VAR stationnaires : on présente rapidement le cadre général des séries multivariées stationnaires, puis on développe le cas spécifique des modèles VAR. Enfin, les principes de la cointégration sont rapidement exposés.
Plan
- Généralités sur les processus stationnaires du 2nd ordre univariés - Autocovariances, autocorrélations partielles et inverses, densité spectrale, processus des innovations. Enoncé du théorème de Wold. Enoncé des propriétés asymptotiques des moments empiriques.
- Processus AR, MA, ARMA, ARIMA - Définitions, représentation canonique, propriétés, notion de condition initiale, tests de racine unité. Identification, estimation et tests, prévision.
- Processus vectoriels stationnaire - Cadre formel de l’étude de ces modèles, représentation canonique et représentation de Wold, processus des innovations, modèles VAR stationnaires. Estimation, prévision, tests de causalité, fonction impulsion-réponse.
- Processus vectoriels non stationnaires et définition de la cointégration - Modèles VAR non stationnaires cointégrés et modèles à correction d'erreur. Estimation d'un modèle VAR cointégré. Tests de cointégration : mise en oeuvre pratique.
Références
Brockwell P.J., R.A. Davis : Time Series : Theory and Methods, Springer Verlag [24 BRO 00 A]
Gouriéroux C., A. Monfort Séries Temporelles et Modèles Dynamiques, Economica [24 GOU 00 B]
Hamilton J.D. Time Series Analysis, Princeton Univ. Press [24 HAM 00 A]
Lutkepohl H. Introduction to Multiple Time Series Analysis, Springer Verlag. [24 LUT 00 B]
Johansen S. Likelihood Based Inference in Cointegrated Vector Auto-Regression Models, Oxford University Press. [28 JOH 02 A]
|
