Ce cours reprend l’essentiel des éléments concernant les séries temporelles enseignés
lors du cours de Master 1. On reviendra pour commencer sur les notions de tendances et de
composantes saisonnières et leurs possibles estimations. La stationnarité d’une série
sera ensuite définie, ainsi que les notions d’autocorrélation, d’autocorrélation
partielle et de densité spectrale. Les processus ARMA et SARIMA seront ensuite étudiés en
détail, ainsi que les estimateurs de leurs paramètres, les tests d’ajustement et les
prédicteurs.
Toutes ces notions seront également illustrées par des séances de travaux pratiques avec le
logiciel R, sur des données simulées et réelles.

Bibliographie (sélection) :

1/ Amemiya, Takeshi . Advanced Econometrics. Cambridge , MA : Harvard University Press,
1985

2/ Brockwell, Peter J. ; Davis, Richard A. Introduction to time series and forecasting.
Second edition. Springer Texts in Statistics. Springer-Verlag, New York, 2002.

3/ Brockwell, Peter J. ; Davis, Richard A. Time series : theory and methods. Second
edition. Springer Series in Statistics. Springer-Verlag, New York, 1991.

4/ Dacunha-Castelle, Didier ; Duflo, Marie. Probabilités et statistiques. Tome
2 : Problèmes à temps mobile. Collection Mathématiques Appliquées pour la
Maîtrise, Masson, Paris, 1983.

5/ Gourieroux, Christian ; Montfort, Alain. Série temporelles et modèles dynamiques.
Economica, 1986.

 Cours (avec bibliographie plus complète) : télécharger

 Des exercices (non corrigés) pour s’entrainer : télécharger

 TP : TP1, TP2, TP3 et TP4, exemple de série temporelle hstart,