Niveau d'étude
BAC +4
ECTS
3 crédits
Composante
Sciences économiques, gestion, mathématiques et informatique
Volume horaire
40h
Période de l'année
Enseignement septième semestre
Description
Le cours présente le modèle de régression classique appliqué aux séries temporelles et ses limites. Il développe la maîtrise de l’EMV, des tests de dépendance temporelle et de stationnarité. Il couvre les modèles ARIMA et les fondements de la cointégration pour l’analyse dynamique.
Objectifs
- Maîtriser le modèle de régression classique en données temporelles.
- Estimer les modèles par MCO et EMV et comprendre leurs propriétés.
- Détecter et corriger l’autocorrélation et les violations des hypothèses.
- Maîtriser la stationnarité, les tests de racine unitaire et les modèles ARMA/ARIMA.
- Comprendre et appliquer les principes de la cointégration
Évaluation
Modalités : Mixte : CC + CT
SESSION 1 :
Contrôle Continu
• Type : Écrit
• Durée : 1h30
Contrôle Terminal
• Type : Écrit
• Durée : 2h00
Régime Dérogatoire
• Type : Écrit
• Durée : 2h00
SESSION 2 :
• Type : Écrit
• Durée : 2h00
Utilisation de l'intelligence artificielle :
Dans le cadre de cet EC, l’usage de l’IA pour aider à la réalisation des travaux de contrôle continu soumis à évaluation est interdit. Vous n’avez pas le droit de faire appel à une IA générative à des fins de documentation, recherche d’idées, construction, rédaction ou édition (hors usages de recherche web augmentée, de correction orthographique et syntaxique).
Heures d'enseignement
- CMCM24h
- TDTD16h
Pré-requis obligatoires
Bases solides en économétrie (régression linéaire, MCO, tests usuels). Connaissances fondamentales en probabilités et statistiques. Aisance avec les notations mathématiques
Compétences visées
- Spécifier, estimer et interpréter un modèle de régression temporel.
- Utiliser l’estimateur MCO et l’EMV dans un cadre dynamique.
- Tester autocorrélation, hétéroscédasticité et stationnarité.
- Maîtriser les modèles ARMA/ARIMA.
- Comprendre et appliquer les tests de racine unitaire et la cointégration.
Bibliographie
- Hamilton, James D. (1994). Time Series Analysis. Princeton University Press.
- Wooldridge, Jeffrey M. (2025). Introductory Econometrics: A Modern Approach (8ᵉ édition). Cengage Learning.
- Lardic, Sandrine & Mignon, Valérie (2002). Économétrie des séries temporelles. Éditions Économica.
Ressources pédagogiques
Slides du cours, documents de TD.
