Modélisation des séries temporelles

Cours en salle A006 (amphi Schwartz), TP en salles A207, A208, et B207.

Remarque: les corrections sont à destination des élèves suivant ce cours. Elles sont disponibles après le TP jusqu'à la fin du cours.



Tutoriel R: R pour les débutants (Emmanuel Paradis)

Liste des ressources R pour les séries temporelles: CRAN task view: time series analysis

Quelques bases de données: Insee, data.gouv.fr, UCI Machine Learning Repository, DataMarket, FRED.


Calendrier et sujets des travaux pratiques R:


Séance 1: 27 janvier 2020. Introduction, décomposition des chroniques, lissage par moyennes mobiles.
Lire attentivement le chapitre 1 des notes de cours.
Transparents.
Exercices: feuille de TP.
Données: ipi.txt, unemployment.xlsx, unemployment.txt
Éléments de correction: TP1_eleves.R

Lecture: Anscombe's quartet: lien, et complément. Conclusion: représentez toujours les données graphiquement!
Lecture: Désaisonnaliser avec la méthode X11. D. Ladiray, B. Quenneville, préface de A. Young, 2011. Vous pouvez lire la préface et les chapitre 1 et 2.  Lien sur le site de l'US Census Bureau.


Séance 2: 29 janvier 2020. Processus stationnaires (AR, MA, ARMA), ACF et PACF, processus ARIMA, méthode de Box-Jenkins.
Lire attentivement le chapitre 3 des notes de cours.
Transparents.
Exercices: feuille de TP.
Données: gnp.txt, internet.txt
Éléments de correction: TP2_eleves.R

Rappel: QQ-plot sur wikipedia
Lecture: un article sur le prix Nobel 2011 d'économie sur le site Images des Mathématiques.


Séance 3: 10 février 2020. Méthode de Box-Jenkins: compléments, prévision, processus SARIMA, tests de Dickey-Fuller.
Relire attentivement le chapitre 3 des notes de cours, reprendre ce qui a été fait pendant la séance 3
Transparents.
Exercices: feuille de TP.
Données: ggb.txt
Éléments de correction: TP3_eleves.R

Pour la prochaine séance: travaillez la première partie de l'exemple ozone ci-dessous ("sans intervention").


Séance 4: 2 mars 2020. Modèles d'intervention.
Lire attentivement le chapitre 4 des notes de cours.
Transparents.
Chronique discutée en cours: ozone.R (code R), version html du carnet Jupyter (à visualiser dans le navigateur), et carnet Jupyter (au cas où vous auriez installé Jupyter / R, pour exécuter le code R)
Exercices: feuille de TP.
Données: ozone.txt, casualties.txt
Si vous n'arrivez pas à installer TSA, voici la chroniques airmiles. Puis sous R: load(file="airmiles.rda") pour lire la chronique (vous pouvez ensuite continuer le TD avec plot, etc). Éléments de correction: TP4_eleves.R

Lecture: Evaluation du lien entre la politique de lutte contre les salmonelles dans les élevages de volailles et la diminution du nombre de cas de samonelloses chez l'homme en France. Institut National de Veille Sanitaire et Inserm. Novembre 2004. Lien.


Séance 5: 16 mars 2020. Variables exogènes et fonctions de transfert.
Relire attentivement le chapitre 4 des notes de cours.

Connectez-vous de préférence sur Arche
Consignes:
Le cours est prévu de 8h30 à 9h30 (bien entendu, vous avez toute latitude pour le travailler avant), le TD de 9h45 à 11h45.
A. partie cours:
1. Vous écoutez le fichier son en suivant la présentation sur le fichier pdf. Durée: 35 minutes
2. Ensuite: vous travaillez l'exemple "seriesJ" (chronique CO2). Le mieux est sans doute d'ouvrir la version html du carnet Jupyter.
B. partie TD:
Vous faites le TD R, les données (ainsi que le fichier pour "seriesJ") sont dans l'archive data.zip
Vous trouverez également une proposition de correction. Bien entendu, il faut d'abord chercher par vous mêmes (en vous inspirant de l'exemple "seriesJ" avant de consulter la correction.
Interaction:
Je serai connecté entre 9h et 12h sur le bloc-note "Q&R". Dans un premier temps, je réponds aux questions relatives au cours, puis à partir de 9h45 tout se passe comme si nous sommes en salle de TD. Je vous invite donc à garder ce bloc-note ouvert pendant que vous travaillez.
Laissez vos commentaires sur la forme, vos difficultés à accéder au cours, vos problèmes de connexion, etc. sur le second bloc-note. Ce retour me sera utile dans mes discussions avec mes collègues. D'avance merci.
Gardez à l'esprit que tout cela est grandement expérimental... Bon courage!

Transparents.
Chronique discutée en cours: co2.R (code R), version html du carnet Jupyter (à visualiser dans le navigateur), et carnet Jupyter.
Exercices: feuille de TP.
Données: seriesJ.txt, river.txt, sales_advert.txt
Éléments de correction: TP5_2020.R


Séance 6: 23 mars 2020. Quelques cas d'étude.

Connectez-vous sur Arche svp
Consignes:
D'ici lundi matin, vous travaillez en autonomie la discussion de la chronique airmiles (que l'on n'avait pas eu le temps de traiter intégralement dans le TP4), il s'agit d'un exercice de révision.
Ensuite vous travaillez le TP sur R, qui est prévu pour durer un peu plus longtemps que d'habitude.
De 9h à 9h30, je serai sur le bloc-note Arche pour répondre aux questions sur airmiles.
De 9h30 à 12h, M. Albrand et D. Villemonais prendront le relais et répondront sur le bloc-note aux questions concernant le TP, pendant que je rédigerai une correction disponible au fur et à mesure de votre avancement.
Discussion de la chronique airmiles: carnet Jupyter, version html (voir séance 4 si vous n'arrivez pas à installer TSA).
Exercices: feuille de TP.
Données: sncf.csv, busban.txt, soirecruit.txt
Éléments de correction: version HTML du carnet Jupyter, et carnet Jupyter

Lecture: Modèle prévisionnel touristique: la démarche d'élaboration. Ministère du tourisme du Québec et Institut de la statistique du Québec, mai 2008. Lien.


Séance 7: 12 mai 2020. Test.



    Séance bonus (non traité cette année). Modèles ARCH/GARCH.
    Lire le chapitre 5 des notes de cours.
    Transparents.
    Exercices: feuille de TP.
    Éléments de correction: TP_ARCH.R
    Lecture: GARCH 101: the use of ARCH/GARCH models in econometry.  Robert Engle, Journal of Economic Perspectives (vol. 15, no. 4, Fall 2000, p. 157–168). Lien.