Techniques quantitatives de gestion I

Transcription

Université libre de Bruxelles
Solvay Brussels School of Economics and Management (SBS-EM),
Master complémentaire en gestion industrielle et technologique,
1ère année, année académique 2015-2016
Techniques quantitatives
de gestion
de gestion
(GEST-S-615)
Partie 2 - Statistique
(GEST-S-615)
B. Mareschal & G. Mélard,
1
Présentation
du cours
G. Mélard,
ECARES, U.L.B
([email protected])
Techniques quantitatives de gestion, partie 2
Présentation de l’animateur
Introduction
Statisticien
Spécialiste de l’analyse des données
chronologiques et de la prévision depuis 1975
Auteur de « Méthodes de prévision à court terme »
dont la 2e édition (avec CD-ROM) est parue en 2007
ECARES (European Centre for Advanced Research in
Economics and Statistics) à la Solvay Brussels School
for Economics and Management, Bruxelles +gérant
ITSE (Innovative Training & Software Expertise)
A la retraite (en principe)
3
Présentation
du cours
Définition de l’objectif de la partie du cours
Liens avec les autres cours
Programme de l’introduction
Présentation disponible sur l’UV (voir plus loin)
+ texte intégral de l’introduction
Caractéristiques de la partie 2
5
Présentation
du cours
4
Présentation
du cours
La prévision : pourquoi?
Axé sur la statistique et en particulier les
méthodes de prévision (partie 1 axée sur l’aide
à la décision et la recherche opérationnelle)
Niveau adapté au public : difficulté plus ou
moins grande des méthodes de prévision à
employer
Cours orienté vers la pratique :
travail à réaliser au choix partie 1 OU partie 2
 plus examen sur les deux parties
Présentation
du cours
2
fondamentale car base de l'action
développements importants depuis 30 ans
logiciels spécialisés à la portée de tous
ici : prévision à court et moyen terme
prévision de séries chronologiques
("time series") en gestion (au sens large)
en particulier: prévision des ventes
Réf. Silver (2012), The signal and the noise,
The art and science of prediction, Penguin.
6
Présentation
du cours
Guy Mélard
1
Définition de l’objet du cours
Lien avec les autres cours
A son issue, les participants seront capables de
Partie 1 du même cours (B. Mareschal)
de comprendre les bases de statistique et les
fondements des principales méthodes de
prévision
de les appliquer de manière critique au moyen
d’un logiciel, notamment un tableur (Excel, …)
de choisir la méthode de prévision la mieux
adaptée
de juger si l’information disponible est bien
employée
Présentation
Mathématiques (cours facultatif mais pré requis)
7
du cours
Macro et microéconomie
Project management
Comptabilité de gestion, planning et contrôle
Marketing
Finance
Programme de l’introduction
Liste des matières traitées
statistique générale
les méthodes pour la
prévision
méthodes déterministes
 tendance
 saisonnalité
méthodes statistiques
 prévision extrapolative
 modèles de régression
 modèles de séries
chronologiques
 autres méthodes
Liste des matières qui seront traitées
Méthode pédagogique
Support
Horaire
Examen et travail
9
Présentation
du cours
Prévisions des ventes
11
Présentation
du cours
Présentation
du cours
10
Les chapitres
Ventes en général (consommateurs, firmes, …)
ou plutôt demande
Exceptions: ni ventes d’un nouveau produit, ni
ventes sporadiques, ni effet de mode
Idéalement demande plutôt que ventes
Méthodes quantitatives souvent employées :
taux de croissance
moyenne sur 2 ans
régression linéaire
lissage exponentiel simple (ou plus
complexe)
Présentation
du cours
8
1. Concepts et définitions
2. Régression simple
3. Courbes de croissance
4. Moyennes mobiles
5. Décomposition saisonnière
6. Lissage exponentiel
7. Régression multiple
12
Présentation
du cours
./.
Guy Mélard
2
Les chapitres (début)
1. Concepts et définitions
8. Autocorrélation et stationnarité
9. Modèles ARMA †
10/11. Méthode de Box et Jenkins †
1
0,9
0,8
0,7
0,6
F(E)
† Optionnel
N.B. Pour des séries chronologiques de prix de marché
(cours de bourse, prix de matières, …) toutes ces méthodes
se ramènent à la méthode de prévision naïve qui sera
vue au chapitre 1. Pour faire mieux, il faudrait inclure
la volatilité, ce que nous ne ferons pas.
13
Présentation
du cours
0,2
0,1
15
0
0,890,910,930,950,970,991,011,031,051,071,09
RMSE ou RMSPE, MAPE, etc.
Prévision naïve
Intervalle de prévision
Erreur
Présentation
du cours
14
3. Courbes de croissance
Logarithmes, croissance logistique, …, modèle non linéaire
Tendance (trend), corrélation, moindres carrés, R²
0,4
0,3
2. Régression simple
Présentation
du cours
0,5
4. Moyennes mobiles
Présentation
du cours
16
5. Décomposition saisonnière
1,3
1,2
1,1
1
0,9
0,8
0,7
JAN
FEV MARS
AVR
MAI
JUIN
JUIL AOUT
SEP
OCT
NOV
DEC
Mois
Modèle additif ou multiplicatif, cycle, coefficient saisonnier
Lissage, moyenne mobile paire ou impaire, prévision naïve 2, …
17
Présentation
du cours
18
Présentation
du cours
Guy Mélard
3
6. Lissage exponentiel
7. Régression linéaire multiple
Inférence statistique, test de Student, sélection de variables
(explicatives), colinéarité, autocorrélation des erreurs
Lissage simple ou double, avec correction saisonnière, de Holt,
de Winters, forme de correction d’erreur, forme ARIMA
19
Présentation
du cours
8. Autocorrélation
et erreurs de prévision
20
Présentation
du cours
9. Modèles ARIMA
y en fonction de y retardé de ...
†
Si yt  yt 12   et 12 , alors
1
2
3
Diagramme de corrélation avec retard, fonction d’autocorrélation,
choix de méthodes de prévision, test de comportement aléatoire
21
Présentation
du cours
Formes ARIMA de méthodes de prévision. « Théorie » des
modèles MA(q), AR(p), ARMA(p, q) et ARIMA(p, d, q)
22
Présentation
du cours
10/11. Méthode de Box et Jenkins 11 †
yt  yt 12  0.59et 12
Support
Horaire
Construction d’une méthode de prévision « optimale » sur base
des données en estimant les paramètres de modèles ARIMA
23
Présentation
du cours
24
Présentation
du cours
Guy Mélard
4
Méthode pédagogique
exposés + exemples + cas résolus
interaction (bonus)
préparation d’un travail par binôme
discussion du travail
examen sur les deux parties
Partie 1
ou
Partie 2
Support
Horaire
25
Présentation
du cours
Support : textes
Support : logiciels
Diaporama présenté : voir le site de l’Université Virtuelle
(UV) http://uv.ulb.ac.be/
Article « Initiation à l’analyse des séries chronologiques »
Logiciels:
(G. Mélard) + complément SI TRAVAIL PARTIE 1
OU
Livre « Méthodes de prévision à court terme » (G. Mélard)
Présentation
du cours
ou autre tableur (OpenOffice, LibreOffice, …)
 Time
Series Expert (TSE) (+), voir UV avec tutorial
 (+) Au
Diaporama réduit et documents annexes (facultatif)
Diaporama complet pour autoapprentissage et
fichiers d'exercices (+) sur l’UV ou le CD-ROM
du livre (facultatif)
27
 Excel
(qui sera appliqué le 01/12 à 20h)
SI TRAVAIL SUR PARTIE 2 = +
Présentation
du cours
26
choix dont
 Stata (licence SBS-EM)
 SAS (SAS University Edition)
Présentation
du cours
28
Séance Intervenant
Contenu
Introduction (Organisation, Stat, RO, Aide à la
1
BM
décision)
Support
Horaire
GM
Statistique - Concepts de base
Mer. 14 oct. 2015 18:00 – 21:00
3
BM
Optimisation - programmation mathématique
Mer. 21 oct. 2015 18:00 – 21:00
4
BM
Optimisation - graphes
Mer. 28 oct. 2015 18:00 – 21:00
5
GM
Statistique - Méthodes de prévision
Mar. 10 nov. 2015 18:00 – 21:00
6
BM
Aide à la décision
Mer. 18 nov. 2015 18:00 – 21:00
7
GM
Statistique - Régression
8
GM
Préparation travail "Statistique"
9
29
Présentation
du cours
BM
Mar. 24 nov. 2015 18:00 – 21:00
Mar. 1 déc. 2015 18:00 – 21:00
Préparation travail "Aide à la décision"
Mer. 30 sept. 2015 18:00 – 21:00
2
30
au choix
Mer. 2 déc. 2015 18:00 – 21:00
Présentation
du cours
Guy Mélard
5
Programme détaillé
(étoiles selon le niveau de difficulté)
2. Introduction, concepts(1), régression simple (2),
courbes de croissance (3)
**
5. Moyennes mobiles (4), décomposition saisonnière (5),
lissage exponentiel simple et avancé (6)
**/***
7. Régression linéaire multiple (7), , autocorrélation (8)
***
8. Lissage exponentiel avancé (6), régression linéaire
multiple (compl.)(7), autocorrélation (8)
***/****
modèles ARMA et méthode de Box et Jenkins (introd.)
****
Fin de la séance en salle Renaissance 1 (bât. J)
Support
Horaire
Examen + travail
le mardi 1er décembre de 20h à 21h
31
Présentation
du cours
33
Présentation
du cours
Pour les étudiants dont la formation préalable a
comporté des cours de mathématiques et de
statistique approfondis (ingénieurs, licenciés en
sciences, en sciences économiques, ...) : jusqu’à
*** ou ****
Pour les étudiants avec aucune formation
préalable quantitative (licenciés en droit, en
philologie, ...) : jusqu'à ** plus un sujet de
niveau ***, au choix
Pour les autres étudiants : jusqu'à ***
Voir cahier des charges (UV)
Présentation
34
par binôme (ou* mono/trinôme) homogène
quantité de travail +/- proportionnel au nombre
de personnes (plus pour 1, beaucoup plus pour 3)
http://www.bib.ulb.ac.be/fr/aide/
travail personnel
eviter-le-plagiat/index.html
analyse d’un problème de prévision
sujet: au choix, mais lié à la gestion
méthodes traitées adaptées au sujet mais aussi au
niveau de base du binôme
méthodes: au moins deux§ + comparaison
logiciels adaptés au choix
rapport, convocation éventuelle
* Me demander l’autorisation
§
De préférence 3 ou 4
35
Présentation
du cours
du cours
Cahier des charges relatif au travail (2)
Cahier des charges relatif au travail (1)
Présentation
du cours
Règles pour le travail
Examen et travail
Examen écrit sur les deux parties comptant pour la
moitié des points (chaque partie : 5/20)
Pour la partie 2 : les bases du cours donc pas de
sujet **** ou de la 4e séance
Travail pour le reste des points (10/20) dans UNE
des parties au choix
Remise des travaux
(1e session): 21/01/15
(2e session): 16/08/15 (à confirmer)
N.B. 0,5 point par jour de retard
32
privilégier les explications (modèles, erreurs de
prévision, critères, intervalles de prévision)
rapport:
soigner l’introduction, les conclusions
 joindre tableaux/graphiques essentiels
éviter le jargon
soigner la forme
ne pas reprendre le cours mais l’utiliser
joindre les données (éventuellement
maquillées)
36
Présentation
du cours
Guy Mélard
6
Ecole de Commerce, DES en Gestion
Techniques quantitatives de gestion I, Prof. G. Mélard
Dans le contexte de la discussion de votre travail, voici mes appréciations. Je reste à votre disposition pour
plus de renseignements ([email protected] ou 026504604/026505890)
Dans le contexte de la Techniques
discussion de votre travail,
voici mes appréciations.
Je reste à votre
disposition
pour
quantitatives
de gestion
I, Prof.
G. Mélard
Ma référence:
Discussion du travail
«Mref»
Ma référence:
Dans
«Mref»
Noms:
«Names»
Noms:
plus de
«Names»
Sujet:
«Subject»
Sujet:
«Subject»
Dates:
«Dates»
Dates:
«Dates»
Note sur 20:
«Note20»
Note sur 20:
Noms:
«Note20»
Discussion du travail :
Pendant la durée du
cours
Remarques générales:
Remarques générales: Sujet:
«Paragr1»
«Paragr1»
«Paragr2»
«Paragr2»
«Paragr3»
N.B. G.M. à l’étranger du
24/10 au 8/11
«Paragr3»
Discussion des données
Tableau ou fichier des données fourni
«Tab_or_file»
Graphiques
«Graphs»
Graphiques
2 méthodes employées au moins
«Methods1»
Utilisation des critères
Nombre d'immatriculations de véhicules usagés en Mongolie
93.01-02.12
«Criteria»
15.0
«DiscData»
«Tab_or_file»
«Graphs»
La tendance linéaire
n'est évidemment pas très adaptée.
«Methods1»
Le choix de l'ordre
des moyennes mobiles aurait pu être plus complet (autre que 4 et 12). Pour la
«Criteria»
prévision par les «SimpleMeth»
moyennes mobiles, la phrase (p. 7) 'Comme pour la régression, nous avons calculé
ici les moindres carrés'
est inexacte.
«MoreSophist»
Emploi d’une méthode simple
«SimpleMeth»
Emploi des modèles ARIMA ou régression multiple
«MoreSophist»
Utilisation des interventions si nécessaire
«InterventionOutliers»
Modèles correctement paramétrés
«Parametrisation»
Choix du modèle additif ou multiplicatif ou
transformation
«ModelTransform»
transformation
Analyse des résidus
«ResidAnal»
Prévisions ex post bien réalisées
«ExPostForecast»
Intervalles de prévision.
«ForcIntervals»
La décomposition
saisonnière est bien réalisée sauf sur 2 points: emploi de la méthode de
comparaison aux«Parametrisation»
moyennes annuelles alors qu'une tendance linéaire est présente; calcul des valeurs
«ModelTransform»
de tendance à partir de toutes les données au lieu des moyennes annuelles.
Dans le contexte de la discussion de votre travail, voici mes appréciations. Je reste à votre disposition pour
Rapport bien structuré
«StructureReprt»
plus de renseignements ([email protected]
ou 026504604/026505890)
Présentation matérielle
«Presentation»
TQG03.45
???/???/???
Note sur 20:
«DiscData»
Ecriture correcte des équations des modèles
TQG03.45
Dates:
Au minimum envoi
d’un rapport
commeDES en Gestion
Ecole de Commerce,
ci-joint
Ma référence:
le contexte de la discussion de votre travail, voici mes appréciations. Je reste à votre disposition pour
renseignements ([email protected] ou 026504604/026505890)
Ma référence:
«Equations»
«ResidAnal»
«ExPostForecast»
bref et peu documenté
«ForcIntervals»
Tableau ou fichier des
données fourni
tableau, disquette
«Equations»
«StructureReprt»
Graphiques
2 méthodes employées
au moins
«Presentation»
Présence de conclusions
«Conclusions»
«Conclusions»
La démarche vue au cours est bien comprise.
«CourseUnderstanding»
Noms:
???/???/???
Présentation
37
duusagés
cours en Mongolie
Sujet:
Nombre d'immatriculations de véhicules
oui
chap. 2, 4, 5
oui
«CourseUnderstanding»
oui (régression, moyennes mobiles)
Présentation
Emploide
desgestion,
modèles ARIMA
oui (décomposition saisonnière)
partieou2régression multiple 38
du cours
non, et pourtant le salon de l'auto perturbe la série
Dates:
93.01-02.12
correcte
Note sur 20:
15.0
transformation
oui (modèle additif sur logarithmes)
non (salon de l'auto?)
La tendance linéaire n'est évidemment pas très adaptée.
oui, même par moyennes mobiles
non
très simple
bonne à très bonne
assez bonne
Le choix de l'ordre des moyennes mobiles aurait pu être plus complet (autre que 4 et 12). Pour la
prévision par les moyennes mobiles, la phrase (p. 7) 'Comme pour la régression, nous avons calculé
ici les moindres carrés' est inexacte.
La décomposition saisonnière est bien réalisée sauf sur 2 points: emploi de la méthode de
comparaison aux moyennes annuelles alors qu'une tendance linéaire est présente; calcul des valeurs
de tendance à partir de toutes les données au lieu des moyennes annuelles.
correcte mais limitée
Que faire ?
bon
Discussion
des données
brefdisposition
et peu pour
documenté
Dans le contexte
de la discussion
de votre travail, voici mes appréciations. Je reste à votre
Tableau«Mref»
ou fichier des données fourni
tableau, disquette
«Names»
Graphiques
oui
Ma référence:
Noms:
Sujet:
Dates:
«Subject»
2 méthodes
employées au moins
«Dates»
Note sur 20:
«Note20»
Utilisation
des
chap. 2, 4, 5
critères
oui
«Paragr1»Emploi
d’une méthode simple
oui (régression, moyennes mobiles)
«Paragr2»Emploi
des modèles ARIMA ou régression multiple
oui (décomposition saisonnière)
Soit
Assister au cours de manière active
Suivre le cours à distance et communiquer
«Paragr3»
Utilisation des interventions
si nécessaire
«DiscData»
non, et pourtant le salon de l'auto perturbe la série
correcte
«Tab_or_file»
Graphiques
«Graphs»
Choix du modèle additif ou«Methods1»
multiplicatif ou
Utilisation transformation
des critères
«Criteria»
«SimpleMeth»
«MoreSophist»
non (salon de l'auto?)
transformation
non
«ModelTransform»
«ResidAnal»
Ecriture correcte des équations
des modèles
oui, même par moyennes mobiles
«Parametrisation»
oui (modèle additif sur logarithmes)
très simple
«ExPostForecast»
«ForcIntervals»
«StructureReprt»
«Equations»
«Presentation»
«Conclusions»
bonne à très bonne
assez bonne
correcte mais limitée
La démarche vue au cours «CourseUnderstanding»
est bien comprise.
bon
39
 livre
(+ CD du livre ou cours sur l’université virtuelle)
Interaction (bonus)
Trouver un sujet de travail par binôme
Choisir des outils
La séance de travaux dirigés (1/12) est
recommandée (pratique de Time Series Expert)
Réaliser le travail (à partir environ de la 7e séance)
Présentation
du cours
Présentation
du cours
Techniques quantitatives de gestion,
partie 2
40
Présentation
du cours
Fin
(de l'introduction!
pas du cours!)
41
42
Présentation
du cours
Guy Mélard
7

Techniques quantitatives de gestion I

Transcription

Documents pareils

Chef de Projet expérimenté (e) Etudes de marché Quantitatives H/F

1 Chef de Projet confirmé Etudes Qualitatives/Quantitatives

La gestion des Ressources humaines

Présentation du cours

Les variables

Les heures de cours du BTS CGO en 1ère année et en 2ème année

Le forum prévisionnel

SÉMINAIRE ÉNERGIE ET ENVIRONNEMENT Marie

Jean-Philippe Cotis - Conseil d`Analyse Economique

l`enseignement à distance vu par un doctorant