Applied econometrics : Time Series

lecon2031  2019-2020  Louvain-la-Neuve

Applied econometrics : Time Series
Note du 29 juin 2020
Sans connaitre encore le temps que dureront les mesures de distances sociales liées à la pandémie de Covid-19, et quels que soient les changements qui ont dû être opérés dans l’évaluation de la session de juin 2020 par rapport à ce que prévoit la présente fiche descriptive, de nouvelles modalités d’évaluation des unités d’enseignement peuvent encore être adoptées par l’enseignant ; des précisions sur ces modalités ont été -ou seront-communiquées par les enseignant·es aux étudiant·es dans les plus brefs délais.
5 crédits
30.0 h + 12.0 h
Q1
Enseignants
Langue
d'enseignement
Anglais
Thèmes abordés
L'analyse des séries temporelles passe par la compréhension des notions de stationnarité et non-stationnarité, qui seront être exposées de façon détaillée et intuitive en se servant d'exemples de séries macroéconomiques et financières pour les illustrer. Ensuite, les modèles économétriques adaptés à ces séries seront expliqués et appli-qués. Le thème de la prévision est évidemment très important pour les séries temporelles et sera couvert pour chaque type de modèle. Bien que le cours soit centré sur l'approche univariée, une introduction aux aux aspects multivariés est prévue. Les méthodes d'estimation (moindres carrés ordinaires et maximum de vraisemblance) seront vues ou revues dans le contexte des modèles utilisés.
Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :

1 Le but est de former les étudiants à l'utilisation des techniques économétriques de modélisation et de prévision de séries temporelles économiques et financières. L'accent est mis sur l'application en macro-économie et fi-nance, et dans la mesure nécessaire à cet effet, sur la compréhension des méthodes et modèles.
 

La contribution de cette UE au développement et à la maîtrise des compétences et acquis du (des) programme(s) est accessible à la fin de cette fiche, dans la partie « Programmes/formations proposant cette unité d’enseignement (UE) ».
Contenu
(sous réserve de modifications)
1. Données de séries chronologiques et programmation
2. Stationnarité
3. Modèle de moyenne mobile (MA)
4. Modèle auto-régressif (AR)
5. Modélisation ARMA
6. Non-stationnarité et processus intégré
7. Filtres et saisonnalité
8. Identification du système
9. Vecteur AR
10. Modélisation VAR
11. Kalman Filtre
Méthodes d'enseignement
Le cours comprend des exposés magistraux de l'enseignant en auditoire et des séances de travaux pratiques supervisées par un assistant.
L'enseignant explique la théorie et quelques implémentations. Les méthodes sont chaque fois illustrées par des exemples d'application dans divers domaines de l'économie. 
Lors des séances de travaux pratiques, les étudiants apprennent à appliquer les méthodes vues au cours sur des données réelles. Cette apprentissage se réalise avec le logiciel R. 
Modes d'évaluation
des acquis des étudiants
L’examen consiste deux parties : (1) une partie écrite en auditoire (14 points sur 20), et (2) une partie pratique avec R (6 points sur 20). Le deuxieme partie consiste deux devoirs.
Ressources
en ligne
Bibliographie
Livre de référence (Reference book):
Introductory Time Series with R (2009), Paul S.P. Cowpertwait, Andrew V. Metcalfe.
Autres livres de référence (Other reference books)
Time Series Analysis and Its Applications with R Examples (2011), 3rd Edition, Robert H. Shumway, David S. Stoffer
Time Series Analysis: Forecasting and Control (2015), 5th Edition, George E. P. Box, Gwilym M. Jenkins, Gregory C. Reinsel, Greta M. Ljung
Faculté ou entité
en charge


Programmes / formations proposant cette unité d'enseignement (UE)

Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
Master [120] : ingénieur civil en mathématiques appliquées

Master [120] en statistique, orientation générale

Master [120] en sciences agronomiques et industries du vivant

Master [120] en sciences économiques, orientation générale