Peter Pontuch

Analyste économique, Commission Européenne

Séries Temporelles Appliquées

Les objectifs du cours

L'objectif de ce cours est d'étudier la théorie, la modélisation, la programmation et l'interprétation des principaux modèles de séries temporelles. Des applications à la finance seront effectuées à l'aide du logiciel Python. A la fin de ce cours, les étudiants seront capable de:

  • Développer des connaissances de base en séries temporelles univariées adaptées aux données économiques et financières.
  • Apprendre comment spécifier et estimer un modèle de séries temporelles sur ces données.
  • Utiliser ces modèles pour la prévision et évaluer leur performances.
  • Comprendre les principales méthodes de modélisation de la volatilité.

 


 

Plan du cours

1/ Généralités sur les séries temporelles.

  • Stationarité
  • Autocorrélation et bruit blanc
  • Tests d'autocorrelation
  • Non stationnarité

2/ Les modèles ARMA.

  • Le processus moyenne mobile
  • Le processus Auto regressif
  • Modèles ARMA et méthodes de Box-Jenkins
  • Estimation du maximum de vraisemblance

3/ Sujets spécifiques et applications

  • Racines unitaires
  • Tendances
  • Saisonnalité  

4/ Volatility models

  • GARCH
  • Volatilité stochastic
  • MS Switching
     

Bibliographie

Brooks C (2008), Introductory econometrics for Finance, Cambridge Univ Pr.
Brockwell, P.J. et Davis, R.A. (2002), Introduction to time series and forecasting, Springer Verlag.
Campbell J., Lo A., et McKinley, A. (1997), The Econometrics of Financial Markets. NJ: Princeton University Press.
Francq C, et Zakoïan J.M. (2010), Garch models: Structure, statistical inference and financial applications, Wiley.
Hamilton J. D. (1994), Time Series Analysis, Princeton University Press.
 

Examen

Examen Final