WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Modélisation de l'écoulement des dépôts à  vue : cas des banques commerciales camerounaise

( Télécharger le fichier original )
par Carlos Dendi LACGNI
ISSEA - Ingénieur d'Application de la Statistique 2007
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

I-6 Choix d'un modèle.

Il se peut que plusieurs modèles franchissent la phase de vérification et qu'il convient de choisir dans cet ensemble. La première chose à faire est sans doute de repérer les modèles « jumeaux », c'est-à-dire ceux qui correspondent en fait à des représentations différentes d'un même modèle (ou de modèles proches) et qui sont donc équivalents pour la prévision. Ayant choisi un représentant dans chaque classe de jumeaux, on peut se trouver à la tête de plusieurs modèles réellement différents. Le choix d'un modèle reposera donc sur certains critères.

° Critère de pouvoir prédictif

à 2

L'objectif est de minimiser l'estimation de la variance résiduelle, de maximiser les coefficients de détermination simple et modifié. Le coefficient de détermination étant défini comme suit:

ó

R 1

2 = -

,

V

V étant la variance empirique de la série différenciée d fois. Celui modifié comme suit:

( )

( )

R 2

ó à / N p q

- -

1 - .

V N

/ - 1

° Critère d'informaion

Une autre approche, introduite par Akaïke (1969), consiste à supposer que les modèles ARMA (p,q) fournissent des approximations de la réalité et que la vraie loi inconnue des observations X, ne satisfait pas forcément un tel modèle. On peut alors fonder le choix du modèle sur une mesure de l'écart entre la vraie loi inconnue et le modèle proposé. La mesure habituellement retenue est la quantité d'information de Kullback. Soit f0(x) la densité inconnue des observations, {f(x), f ?F p,q} la famille de densités correspondant au modèle ARMA (p,q) , l'écart entre la vraie loi et le modèle est mesuré par :

f

x 0 ( )
I f F ( ) =
0 , p q min ( ) 0
Log
, f x

( ) ( )

f x dx

f F

?

L'objectif est donc de trouver les q et p qui minimisent les estimateurs de cette quantité d'information. Ceux qui ont été proposés sont les suivantes:

> ( ) 2 2 ( )

p q

+

AIC p q Log

, = ó à +

,

N

,

> ( ) = ó + +

à 2

, ( ) LogN

BIC p q Log p q

N

LogLogN

2

> ( )

? p q Log

, = ó + +

à ( )

p q c avec c>

2.

N

I-7. Prévision

Le modèle validé, le calcul des prévisions et celui des intervalles de confiance sont réalisés pour un horizon choisi. Nous avons choisi de faire des prévisions sur une échéance d'un an.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Enrichissons-nous de nos différences mutuelles "   Paul Valery