8 novembre 2010
Exercice 1
Unmodèleclassiquepourlestauxd'intérêt(modèledeVasicek)consisteàsupposerquec'estun
processusd'Ornstein-Uhlenbeck,c'estàdireunesolutiondel'EDS:
dR t = −α(R t − µ)dt + σdW t
avec
{W t }
unmouvementBrownienstandardetµ
,α
etσ > 0
desparamètres.Onpeutmontrer(exercice)quesi
{R t }
estsolutiondecetteEDSalorsR t = R 0 exp(−αt) + µ(1 − exp(−αt)) + σ exp(−αt)
t
0 exp(αs)dW s
avec
t
0 exp(αs)dW s ∼ N
0, exp(2at)−1 2a
.
Onsupposequel'onobserveleprocessusàtempsdiscret etonnote
{r 1 , ..., r T }
lasérietemporelleassociée(uneunitédetemps entredeux observationssuccessives).
1. Exprimer
R tenfonctiondeR t−1et endéduireque{R t } t∈NsuitunmodèleAR(1)
donton
{R t } t∈NsuitunmodèleAR(1)
donton
exprimeralesparamètresenfonctionde
µ
,α
etσ
.2. Pourquellesvaleursde
α
existet'ilunesolutionstationnairepourcemodèleAR(1)
?Quellesontalorslamoyenne,lavarianceet lafonctiond'autocovariancedelaloi
stationnaire?Endéduireune méthodepermettantd'estimerlesparamètresdumodèle.
3. Téléchargerdesdonnéeshistoriquesdetauxdevotrechoix.Estimerlesparamètresdu
modèlepuisvériersileshypothèsesdumodèled'Ornstein-Uhlenbecksontréalistes(à
l'aidedetestsstatistiquesadaptés).
Exercice 2
Onconsidèrelasérietemporellequidécritlenombretotalmensuel d'accidentsmortelsaux
Etats-Unisdisponiblesous R(taper? USAccDeathspourundescriptif desdonnées).
1. Proposer/ajuster/validerunmodèlepourcettesérie temporelle.
2. Utilisercemodèlepourprévoirlenombred'accidentspourlepremiersemestre1979(on
pourrautiliserlafonctionpredict).Compareraveclesvaleursobservées(disponiblesdans
l'aide).
Exercice 3 (examende l'année2009-2010)
Premièrepartie : Onconsidèreunprocessus
{Y t }
quisuitunmodèleARM A(p, q)
delaformeY t = αY t−2 + t + β t−1 (1)
avec
{ t }
unesuitedevariablesaléatoiresindépendanteset identiquementdistribuéesdeloiN (0, σ 2 )
etθ = (α, β, σ)
desparamètresinconnus.1. Quelssontlesordres
p
etq
dumodèleARM A
déniparl'équation (1)?2. Donneruneconditionnécessaireetsusante surlesparamètrespourquelemodèledéni
parl'équation(1)admetteunsolutionstationnaire.Onsupposeraquecetteconditionest
vériéedanslasuitedel'exerciceet
{Y t }
désigneraune solutionstationnairede(1).3. Exprimerlesfonctionsd'autocovarianceetd'autocorrélationde
{Y t }
enfonctiondesparamètresdumodèle.
4. Onnote
ρ(k; α, β, σ) = corr(Y t , Y t+k )
lecoecientd'ordrek
delafonctiond'autocorrélationduprocessus
{Y t }
.(a) Soit
k ∈ N
.Vérierque|ρ(k; α, β, σ))| ≤ 1
et queρ(k; α, β, σ))
nedépend pasdeσ
.(b) Etudierlesvariationsdelafonction
β → ρ(1; α, β, σ)
lorsqueα
est xé.Pourquellesvaleursdesparamètresat'on
ρ(1; α, β, σ) = 0
?Pourquellesvaleursdesparamètresat'on
ρ(1; α, β, σ) ≈ 1
?Pourquellesvaleursdesparamètresat'onρ(1; α, β, σ) ≈ −1
?Interpréter.
(c) Montrerque
− 1
2 ≤ ρ(1; α, β, σ) 1 + ρ(2; α, β, σ) ≤ 1
2
5. Exprimerlesparamètresinconnus
θ
enfonctiondes3
premierscoecientsdelafonctiond'autocovarianceetendéduireuneméthodepermettantd'estimerlesparamètresdumodèle
àpartirdelafonctiond'autocovarianceempirique.Quelleconditiondoitsatisfairela
fonctiond'autocovarianceempiriquepourcetteméthodepuisseêtremiseenoeuvre?
Deuxièmepartie : Onconsidèrelasérietemporelle,nhtemp disponiblesousR,quidécrit
l'évolutiondelatempératureannuellemoyenneàNewHaven,Connecticut,entre1912et 1971.
1. Lacommandeplot(nhtemp) permetdetracerlasérietemporelle. Onsupposedanslasuite
del'exercicequec'estuneréalisationd'unprocessusstationnaire.Est-cequecette
hypothèsevoussembleréaliste?
2. Quelleestlatempératuremoyennesurlapériodeconsidérée?Onconsidèredanslasuitela
sérietemporellecentréeobtenueenenlevantlavaleurmoyenneàlasérietemporelleinitiale.
3. Tracerlafonctiond'autocorrélationempirique.Discuterlesrésultatsobtenus.Est-cequ'un
modèle
M A(1)
voussembleêtreadaptépourdécrirecette sérietemporelle?4. Tracerlafonctiond'autocorrélationpartielleempirique.Est-cequ'unmodèle
AR(1)
voussembleêtreadaptépourdécrirecettesérie temporelle?
5. Ajusterlemodèledelapremièrepartiepuisunmodèle
ARM A(2, 1)
(ondonneraàchaquefoislesvaleursobtenuspourlesparamètres).Quelmodèlevoussembleêtreleplusadapté?