4.2.
Les méthodes quantitatives
Les méthodes quantitatives sont basées sur des
données historiques ou sur des associations entre des variables de
l'environnement (ventes mensuelles réalisées au cours des
dernières années, indices boursiers et économiques, achats
de produits complémentaires, etc.).
Il existe différentes méthodes quantitatives,
comme celles des séries chronologiques (moyenne simple, mobile,
pondérée, analyse de tendance, lissage exponentiel) qui
prévoient en fonction de données historiques (suite
d'observations dans le temps prises à intervalles réguliers) ; ou
celles des méthodes causales (prévisions associatives) qui
établit des relations de cause à effet entre certaines variables
de l'environnement et la variable que l'on cherche à estimer.
4.3. L'analyse des séries
chronologiques
Une série temporelle (y1, y2,
..., yt) est considérée comme une réalisation
particulière d'un processus stochastique [4] [5].
L'objectif de l'analyse de ces séries est de décrire le processus
théorique dans la forme d'un modèle observé qui a des
propriétés similaires à celles du processus
lui-même. De ce fait, le modèle va définir le
mécanisme par lequel les observations sont construites.
a.
Modélisation
La première étape dans toute étude d'un
processus nécessite, sans doute, de représenter celui-ci par un
modèle mathématique caractérisant « au
mieux » son comportement dynamique, et ceci à partir de la
connaissance des mesures expérimentales (plusieurs couples
d'entrées-sorties) issues de ce processus. Cette étape est
primordiale dans l'analyse des processus étant donné qu'elle
conditionne les performances et les objectifs visés tels que dans notre
cas, la prévision des séries temporelles [8].
Pour avoir le modèle adéquat, il faut tout d'abord disposer de
données fiables et en quantité suffisante, il s'agit dans ce cas
de la nécessité d'avoir un historique d'observations
régulièrement espacées dans le temps. Ensuite, il faut
rechercher une méthodologie prévisionnelle.
Deux principaux types de techniques sont
possibles [3] :
- Des méthodes extrapolatives, consistant à
dégager dans la série elle-même un certain nombre de
composantes que l'on peut prolonger dans le futur ;
- Des méthodes explicatives, recherchant des liaisons
entre la série à prévoir et des séries
explicatives, à travers les calculs de corrélation.
Il est rare qu'un phénomène soit une fonction
rigoureuse d'un ou plusieurs autres, en fait n'importe quel
expérimentateur sait bien qu'il y ait toujours une part d'incertitude
dans les mesures, qui entraînent des fluctuations plus ou moins grandes
autour d'une valeur moyenne ou théorique. La part du hasard se trouve
renforcée, rien n'est rigoureusement déterminée ;
dans ce cas, des corrélations plus ou moins bonnes sont les seules
choses auxquelles nous pouvons se rapprocher pour expliquer ou agir. Il faudra
alors recourir aux méthodes d'extrapolation.
La dernière étape consiste à
réaliser le modèle de prévision, à le simuler et
à émettre des prévisions. Constituer un modèle
suppose de le spécifier puis de l'ajuster sur les données du
passé. Pour le simuler, une partie de l'historique connu sera
occultée pour faire un essai de prévision « à
blanc » et comparer avec les réalisations.
| 
