Comparaison Des Criteres D’identification En Series Temporelles: Evaluation Du Critere Fpe(α)

Résumé: Afin de faciliter la sélection d'un modèle de séries temporelles uni variés l'utilisation des critères d'identification s'impose. Il en existe plusieurs classés selon leurs formules théoriques et leurs propriétés asymptotiques. L'objectif de cette étude est d'évaluer quelques-uns parmi les plus importants d’entre eux et montrer la performance du critère FPE(α)(k) (final prediction error) . Nous avons effectué une simulation des processus ARMA stationnaires.et A partir de ces processus nous avons estimé des modèles candidats. Cinq modèles significatifs ont été choisis. Une comparaison entre cinq critères a été faite dont figure le critère FPE(α)(k). La performance d'un critère dépend de la taille d’échantillon du modèle optimal qui va sélectionner. Finalement, nous avons montré qu'à partir d'une petite taille d'échantillon qui en général ne dépasse pas 100, la performance du critère FPE(α)(k) est la plus haute autrement dit le critère FPE(α)(k) est le plus précis.

Publié dans la revue: Revue d'économie et de statistique appliquée