Économétrie - Prévision d'une série stationnaire

Thèmes abordés

Économétrie, prévision, série, stationnaire, statistiques, lissage, exponentiel, graphique, horizon, cours

Résumé du document

Cette étude de cas pratique fait avec le logiciel économétrique eviews 10 traite d'un cas pratique axé sur la prévision d'une série stationnaire. Chaque question corrigée est accompagnée d'une instruction qui permet à l'étudiant de comprendre facilement l'utilisation du logiciel et de pouvoir aborder la même démarche pour des exercices similaires. Cette étude ce cas s'adresse aux étudiants dont l'économétrie fait partie de leur programme, en particulier ceux spécialisés dans ladite matière.

Extraits

[...] Si l'on souhaite une prévision à l'horizon il suffit de considérer la prévision obtenue pour l'horizon 1 comme la dernière observation. Prévision à l'horizon h = 2 On doit remplacer la demande du mois de janvier 2018 par la prévision obtenue à l'horizon h = 1. Dans les data, saisir demande et valider par la touche entrée du clavier. Pour l'observation 13, saisir 302 : on obtient maintenant une série à 13 observations. Utilisons la méthode du lissage exponentiel simple pour prévoir la série à 13 observations. [...]

[...] Prévision à l'horizon h = 3 On doit d'abord remplacer la demande du mois de février 2018 par la prévision obtenue à l'horizon h = 2. Dans saisir data , choisir cours et valider par la touche entrée du clavier. Pour l'observation 14, saisir 307 : on obtient désormais une série à 14 observations. Utilisons la méthode du lissage exponentiel simple pour prévoir la série à 14 observations. Cliquer sur Quick Series Statistics Exponential Smoothing Series Name : Saisir "demande" OK Smoothing Method : Choisir "single" Smoothed Series : Saisir les 3 OK Sample: 2017M01 2018M02 Included observations: 14 Method: Single Exponential Original Series: DEMANDE Forecast Series: LES3 Parameters: Alpha 0.0010 Sum of Squared Residuals 22596.36 Root Mean Squared Error 40.17494 End of Period Levels: Mean 307.1243 La prévision à l'horizon h = 3 est donnée par la valeur de mean qui est égale à 307,12. [...]

[...] On obtient maintenant une série à 15 observations. Si l'on utilise également la méthode du lissage exponentiel simple pour prévoir la série à 15 observations, on obtient : Quick Series Statistics Exponential Smoothing Series Name: Saisir "demande" OK Smoothing Method: Choisir "single" Smoothed Series : Saisir les 4 OK Sample: 2017M01 2018M03 Included observations: 15 Method: Single Exponential Original Series: DEMANDE Forecast Series: LES4 Parameters: Alpha 0.0010 Sum of Squared Residuals 22741.62 Root Mean Squared Error 38.93724 End of Period Levels: Mean 309.1999 La demande prévue pour le mois d'avril 2019 est de 309. [...]

[...] Étude de cas 3 : Prévision d'une série stationnaire La méthode de prévision est celle du lissage exponentiel simple. En vue d'adopter une politique de gestion des stocks, une société agroalimentaire étudie la demande mensuelle de son produit. Une statistique portant sur l'année 2017 a donné les résultats suivants : Mois Nombre de commandes Janvier 222 Février 271 Mars 377 Avril 310 Mai 355 Juin 278 Juillet 337 Août 324 Septembre 293 Octobre 251 Novembre 309 Décembre Saisir les données Représenter graphiquement cette série Analyser cette chronique par la méthode du lissage exponentiel simple et calculer une prévision à un horizon de 4 mois. [...]

[...] L'horizon de prévision étant fixé à 4 mois, nous devons prévoir les demandes pour les mois de janvier, février, mars et avril de l'année 2018. Cliquer sur File New Workfile Frequency : "Monthly" Start date : Saisir 2017.1 End date : Saisir 2018.4 OK Saisir data demande Valider par la touche entrée du clavier Saisir les données en validant par la touche bas du clavier Représentation graphique de la série brute Cliquer sur Quick Graph List of series Specific : Line & Symbol OK Ainsi la série demande fluctue-t-elle autour de sa moyenne (moy) : la série demande est stationnaire. [...]