SYLLABUS

1. Objectifs du cours

Maîtriser des outils économétriques dans le cadre des séries temporelles afin de modéliser et prévoir des relations économiques

2. Description du cours

Ce cours explore les concepts clés de l'économétrie des séries temporelles, notamment la désaisonnalisation, les techniques de lissage exponentiel, les modèles linéaires et la prévision.
Ces techniques sont appliquées à des données sur le logiciel R

3. Plan du cours

• Chapitre 1 : Désaisonnalisation et décomposition des séries temporelles
• Détection de la saisonnalité
• Les méthodes non paramétriques de désaisonnalisation
• Les méthodes paramétriques de désaisonnalisation
• La détection des points atypiques
• Les prévisions
• Chapitre 2 : Prévisions de court terme : méthodes de lissage exponentiel
• Les lissages exponentiels simple et double
• La méthode de Holt et Winters saisonnière
• Lissage exponentiel sous forme de composante
• Les méthodes ETS, TBATS et ADAM-ETS
• Les modèles ARIMA sous forme d’espace d’état
• Chapitre 3 : Prévisions de court terme et variables explicatives
• La prévision de la croissance conjoncturelle
• Modèles linéaires pour la prévision
• Prévision par des modèles linéaires
• Prévision avec les modèles ARX et ARMAX
• La sélection de variables
• Évaluer la qualité des prévisions
• Combinaison de prévisions

4. Compétences visées

• Maîtriser les techniques de séries temporelles
• Savoir faire des prévisions de variables économiques
• Analyser les résultats
• Donner de l'aide à la décision
• Utiliser le logiciel R
• Transversales : synthèse, rédaction de rapport, communication orale

Consulter la fiche RNCP de cette formation

5. Modalités pédagogiques

Mode d'enseignement : Présentiel

Langue(s) utilisée(s) : Français

Méthodes pédagogiques : Cours magistral, Travaux Dirigés

6. Modalités d'évaluation

Examen écrit sur table, Travail de recherche individuel, Présentation orale

7. Bibliographie

• Hyndman et Athanasopoulos (2018), Forecasting: Principles and Practice, OTexts.
• Eurostat (2018), Handbook of Seasonal Adjustment, European Commission.
• Aragon (2016), Séries temporelles avec R, Springer.
• Colonescu (2016), Principles of Econometrics with R.