ENS-Cachan 2D2 Hugo Harari-Kermadec 2011
Transcription
ENS-Cachan 2D2 Hugo Harari-Kermadec 2011
ENS-Cachan 2D2 2011-2012 Hugo Harari-Kermadec [email protected] Séries Temporelles TD n˚4 Exercice 1 Analyse de séries On considère un bruit blanc gaussien εt et les 3 modèles suivants : – modèle A : Xt = εt − 14 εt−1. – modèle B : Xt = Xt−1 + 41 εt. – modèle C : Xt = 21 Xt−1 + St + εt, où St est une composante saisonnière de période 12. ☞ Q1 (3pt). Pour chaque modèle, dites s’il est stationnaire. ☞ Q2 (3pt). On obtient les trois graphiques suivants : .6 Série 3 .5 5 Série 2 0 20 40 60 80 100 Serie3 .4 .3 .2 −15 −30 −10 −20 Serie1 Serie2 −5 −10 0 0 Série 1 0 20 40 temps 60 80 100 0 10 20 temps 30 40 50 temps 0 20 40 60 temps Série X 80 Partial autocorrelations of X −0.50 0.00 0 10 20 Lag 100 Bartlett’s formula for MA(q) 95% confidence bands 30 40 −1.00 −4 −1.00 −2 X 0 2 Autocorrelations of X −0.50 0.00 0.50 4 Série X 0.50 1.00 Série 1 Série 2 Série 3 Faîtes correspondre chaque graphique à l’un des trois modèles précédents, en justifiant vos choix. 0 10 20 Lag 30 40 95% Confidence bands [se = 1/sqrt(n)] auto-corrélation simple auto-corrélation partielle 1 a) Rappelez les propriétés des fonctions d’auto-corrélation simple et partielle d’un pur AR et d’un pur MA. Quel modèle semble alors convenir pour X ? b) Commentez la représentation graphique à partir de la réponse précédente. c) Quel indicateur permettrait de comparer le modèle choisi à la question Q2-a) avec d’autres modèles ? Quels tests permettraient de le valider ? Exercice 3 Système de séries temporelles (7 points) On considère deux séries temporelles centrées, X et Y , telles que pour tout t ∈ Z Yt = a1Yt−1 + bXt + ut Xt = a2Xt−1 + vt avec u et v des bruits blancs et a1, a2 et b des réels appartenant à ] − 1; 1[. ☞ Q1 (3pt). a) Montrez que la série Xt est stationnaire. Calculez sa fonction d’auto-corrélation ρX (k), pour k ≥ 0. b) Que vaut fonction d’auto-corrélation partielle rX (k), pour k ≥ 0 ? ☞ Q2 (2pt). On pose Zt = (1 − a2L)(1 − a1L)Yt. a) Montrez que Z est stationnaire et calculez sa fonction d’autocorrélation ρZ (k), pour k ≥ 0. b) Déduisez-en que Z est un MA(1). ☞ Q3 (2pt). Quel modèle correspond alors à Y ? Est-ce une série stationnaire ? 2