Pourquoi la Co-intégration?
La cointégration est une propriété statistique des séries temporelles introduite dans l’analyse économique, notamment par Engle et Newbold (1974). En des termes simples, la cointégration permet de détecter la relation de long terme entre deux ou plusieurs séries temporelles.
Pourquoi le test de cointégration?
Tests de co-intégration de Johansen. 27L’étude de la cointégration permet de tester l’existence d’une relation stable de long terme entre deux variables non stationnaires, en incluant des variables retards et des variables exogènes.
Pourquoi utiliser un modèle à correction d’erreur?
L’emploi d’un modèle à correction d’erreur dans le cas de la cointégration permet d’obtenir des prévisions plus fiables que si on avait utilisé la relation de long terme car les résultats de l’estimation de cette relation sont faussés par la non stationnarité des séries.
Pourquoi utiliser le modèle VAR?
L’utilisation d’un modèle VAR est méthodiquement justifiée par le fait que les modèles VAR autorisent des simulations permettant de saisir les modifications des variables objectifs suite à un choc sur les variables instruments. Dans un modèle VAR l’on ne se donne pas de modèle théorique à priori.
Comment faire le test de stationnarité?
Une fois XLSTAT lancé sous Excel, choisissez la commande XLSTAT / Time / Tests de racine unitaire et de stationnarité. Une fois que vous avez lancer l’outil, la boîte de dialogue apparaît. Sélectionnez les données sur la feuille Excel. Dans le champ “Séries temporelles” sélectionnez les deux premières séries.
Comment savoir si une série est stationnaire?
Stationnarité en tendance Définition — Une série est stationnaire en tendance si la série obtenue en « enlevant » la tendance temporelle de la série originale est stationnaire. La tendance temporelle (ou trend en anglais) d’une série chronologique est sa composante liée au temps.
Pourquoi Etudier la stationnarité?
Importance de la notion La notion de stationnarité est importante dans la modélisation de séries temporelles, le problème de régression fallacieuse montrant qu’une régression linéaire avec des variables non-stationnaires n’est pas valide.