WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Essai de modélisation de l'inflation en Algerie

( Télécharger le fichier original )
par Hossein et Sami Satour et Diaf
I N P S Alger - Statistique appliquée 2007
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

Section 2 : Méthode de Holt & Winters Généralités :

Parmi les méthodes traditionnelles de prévisions des séries chronologiques, figure la technique du lissage exponentiel qui revient à estimer une grandeur à partir d'une moyenne pondérée de ses valeurs passées.

Le lissage regroupe l'ensemble des techniques empiriques qui ont pour caractéristiques communes d'accorder un poids plus important aux valeurs récentes de la chronique. Ces méthodes portent aussi le nom de filtrage, car il s'agit d'une opération mathématique transformant un entrant Xt en une nouvelle chronique sortante Yt

Parmi les techniques du lissage exponentiel, celle de Holt & Winters (1960) en est intéressante. Il s'agit d'un lissage exponentiel double (LED) de Holt à deux paramètres pour la partie saisonnière et d'un lissage exponentiel saisonnier à un paramètre de Winters. Cette méthode de lissage exponentiel comporte, donc, trois paramètres à estimer et il en existe deux versions : une version multiplicative et une version additive.

2.1 SCHEMA MULTIPLICA TIF :

La chronique s'écrit dans ce cas :

Xt = (at + btt)St + å t Trois lissages distincts sont effectués :

- Le lissage de la moyenne a avec un coefficient de lissage á, avec á ? [0,1]

- Le lissage de la tendance b avec un coefficient de lissage â , avec â ? [0,1]

- Le lissage de la saisonnalité S avec un coefficient de lissageã, avec ã ? [0,1] 2.1.1 Formulation :

> Lissage de la moyenne

xt xt

aa

t =( )+(1-)(1+1

áá--

tbt)áá--

aa

t=( )+(1-)(1+bt1)

t

Stp

-Stp-

> Lissage de la tendance : bt = ß(at - at-1) + (1-ß)bt-1

> Lissage de la saisonnalité : St = ã( ) + (1 -ã)St-p

xt

at

2.1.2 Prévision à un horizon de h période :

si 1 S h S p

xth ahbStph

à = (t +t) - +

+

xth ahbS t ph si p+1 S h S p

à +=(t +t ) - +

Avec:

at = moyenne lissée de la série en t

xt = valeur observée de la série en t

St = coefficient saisonnier en t

p = périodicité des données (p=12 en mensuel, p=4 en trimestriel) bt = tendance estimée en t

Remarque : Dans le lissage de la moyenne, on utilise St - p car n'est pas encore

St

connue.

Dans certaines écritures du modèle les coefficients saisonniers vérifient la propriétés :

selon le principe de la conservation des aires.

p

?

Spi =

i = 1

2.2 SCHEMA ADDITIF :

La chronique s'écrit dans ce cas : xt = at + btt+St + åt 2.2.1 Formulation :

 

Lissage de la moyenne : at = á(xt - St-p) + (1-á)(at-1 + bt-1) Lissage de la tendance : bt = ß(at - at-1) + (1-ß)bt-1 Lissage de la saisonnalité : St = ã(xt - at) + (1 -ã)St-p

 

2.2.2 Prévision à un horizon de h périodes :

xahbStph

à = (t +t)+ - +

th +

si 1 S h S p

 

x ahbStph si p+1 S h S 2p

à (t t)

t h

+ = ++2

- +

Dans ce cas le principe de la conservation des aires implique :

p

0

Si

?

i = 1

Les paramètres a, ? et y sont optimisés comme pour les méthodes non saisonnières en minimisant la somme carrée des erreurs prévisionnelles entre la valeur observée de la chronique et les valeurs prévues.

Initialisation du modèle de Holt & Winters :

Comme pour les autres méthodes du lissage (simple, double,...), dans la pratique, il y a un problème de démarrage de la technique : les valeurs de départ peuvent être estimées par la méthode des moindres carrée ordinaires ou plus simplement initialisées pour la première année (t = 1... p) de la manière suivante :

>

1

Rj=

k

? t

Rj

0

1

pR j

Sjp p

-=

?

j

k tpj

x(1)

- +

=1Xpjb

+ 1

t - -

() 2

Initialisation de la saisonnalité :

Les coefficients saisonniers pour la première année sont estimés par la valeur observée en t (xt) divisés par la moyenne X des p premières observations de la première année.

St

x t

=pour tout t = 1...p X

> Initialisation de la moyenne lissée : ap = X

> Initialisation de la tendance : bp = 0

La technique d'initialisation proposée par Montgomery et Johnson est préférable bien que plus complexe : il s'agit de calculer les moyennes arithmétiques des k premières

périodes X1,,..., Xk

Puis :

1

XkX-

0

=

b

(1) kp -

0

p

aX b

0= 1+

2

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Enrichissons-nous de nos différences mutuelles "   Paul Valery