Serie chronologique tsf_isg

1. Série chronologique Cotisations
imputées reçues par les sociétés
financières - Valeur aux prix
courants
Réalisé par: Zouhaier khlifi

2.  Estimation de la saisonnalité
 Estimation de la tendance
 Lissage Holt winters
 Elimination de la saisonnalité
 Elimination de la tendance
 Vérification par le Test ADF
 Correlogramme
 Modèle arma
 Résidus
 prévision
Plan

3. Série brute

4. Le graphe de la série brute présente une tendance .

5. Lissage HOLT winters
On a ajouté ici une semestre dans le range
:2018q1

6. Estimation de la saisonnalité:TEST DE FISHER

7. Estimation de la saisonnalité
La série présente une
saisonnalité. Donc la
série n’est pas
stationnaire.

8. Elimination de la saisonnalité
D’après, le test de Fisher la série ne présente une
saisonnalité.

9. Elimination de la saisonnalité

10. Estimation de la tendance:TEST ADF
D’après le test ADF:la série
présente une tendance, donc
elle n’est pas stationnaire.

12. Elimination de la tendance
D’après le TEST ADF,la
série ne présente pas
une tendance, donc
elle est stationnaire.

13. Après, l’elimination de la tendance et
de la saisonnalité ,la série est
devenue stationnaire.

14. Corrélogramme (ACF,PACF)
Qmax=12 Pmax=10

15. ARMA(10,1)
P-value DTRENDSA(-10)=0,0055<0,05
Et P-value de ma(1)=0,0000<0,05
=>donc le modèle est à considérer
Modèle ARMA

16. ARMA(1,12)
P-value DTRENDSA(-1)=0,0859<0,1
Et P-value de ma(12)=0,0517<0,05 et
<0,1
=>donc le modèle est à considérer
Modèle ARMA

17. ARMA(3,4)
P-value DTRENDSA(-3)=0,0001<0,05
Et P-value de ma(4)=0,0000<0,05 et
<0,1
=>donc le modèle est à considérer
Modèle ARMA

18. Modèle ARMA approprié
ARMA(1,5)
P-value DTRENDSA(-1)=0,0000<0,05
Et P-value de ma(5)=0,0076<0,05 et
<0,1
=>donc le modèle est à considérer

19. Modèle ARMA à ne pas considérer
ARMA(1,1)
P-value DTRENDSA(-1)=0,0125<0,05
Et P-value de ma(1)=0,3393>0,05 et
>0,1
=>donc le modèle est à ne pas
considérer

20. Modèle ARMA à ne pas considérer
ARMA(10,4)
P-value DTRENDSA(-10)=0,19>0,05 et
>0,1
Et P-value de ma(4)=0,0000<0,05 et
>0,1
=>donc le modèle est à ne pas
considérer

21. Modèle ARMA à ne pas considérer
ARMA(3,1)
P-value DTRENDSA(-3)=0,0076<0,05
Et P-value de ma(1)=0,2822>0,05 et
>0,1
=>donc le modèle est à ne pas
considérer

22. Test de Jarque-Bera
P-value=0,001608<alpha On rejette H0 et on accepte H1  Ne suit
pas la loi normale  C’est pas un bruit blanc.

23. Interprétations:
Skewness=0,555643 > 0
Distribution
symétrique
Kurtosis=4,894>3
Lourdeur des queues
de la distribution
leptokurtique.
Présence d’effet
ARCH.

24. TEST DE Correlation-LM
P-value=
0,0001<alpha
 Présence
d’autocorrélatio
n.
 Les résidus sont
autocorrelés.

25. TEST ARCH-LM
P-value=0,6317>alpha
 on accepte H0 et on
réjette H1.
les résidus sont
homoscédastiques.

26. Prévision statique
On a ajouté ici une semestre dans le range
:2018q1.