Professional Documents
Culture Documents
Introduction.......................................................................................................... 4
1.1
Prsentation du sujet...................................................................................... 4
1.2
1.3
1.4
Logiciel dconomtrie................................................................................... 4
Etude Statistique.................................................................................................. 5
2.1
2.2
Analyse graphique.......................................................................................... 5
2.3
Statistiques descriptives................................................................................. 7
Etude Economtrique........................................................................................... 8
3.1
Spcification du modle................................................................................. 8
3.2
Tests de stationnarit..................................................................................... 8
3.2.1
3.2.2
Phillips-Perron........................................................................................... 9
3.2.3
KPSS....................................................................................................... 10
3.3
3.4
3.4.1
ADF......................................................................................................... 13
3.4.2
Phillips-Perron......................................................................................... 14
3.4.3
KPSS....................................................................................................... 15
3.5
3.5.1
Tests de significativit............................................................................ 15
3.6
Validation du processus................................................................................ 18
3.7
Test de Granger............................................................................................ 22
3.8
3.8.1
3.8.2
Application du test................................................................................. 23
3.9
3.9.1
Lapproche de Johansen.........................................................................26
3.9.2
Conclusion.......................................................................................................... 30
1 Introduction
1.1 Prsentation du sujet
Lobjet de cette tude est de tester si l'intgration des informations contenues dans
un contrat future permettrait ou non de prvoir le prix futur d'un spot.
2 Etude Statistique
2.1 Cration des sries
Grce aux donnes recueillies, nous avons cr deux sries :
La srie SPOT qui contient les prix spots du ptrole brut (WTI Crude Oil)
La srie FUTURES qui contient les prix terme du ptrole brut (WTI Crude
Oil)
LSPOT = log(SPOT)
LFUTURES = log(FUTURES)
H1 : ri 0 avec i = 1, , 30
Sur ces graphiques, nous pouvons observer une dcroissance lente et progressive
des autocorrlations des deux sries LSPOT et LFUTURES, ce qui caractrise bien
des processus non stationnaires. Par ailleurs, nous pouvons nous appuyer sur la
statistique de LJUNG - BOX et la probabilit critique qui lui est associe. Ici, nous
pouvons observer que les autocorrlations sont toutes significativement diffrentes
de 0, car la probabilit critique est toujours infrieure au seuil = 5%. On peut
mme ajouter quelle est toujours nulle, ce qui signifie que lon a 0 % de chances de
rejeter tort lhypothse nulle de nullit des coefficients dautocorrlation. Ce qui
confirme encore une fois que les sries ne sont pas stationnaires.
Nous pouvons ajouter que les corrlogrammes laissent entrevoir un processus
AR(1), car on observe une dcroissance exponentielle de la FAC et un pic significatif
pour le premier retard de la FAP, dans les deux corrlogrammes. Cependant ces
AR(1) se sont pas stationnaires, il conviendra donc de stationnariser nos sries par
la suite. Nous allons maintenant procder lanalyse des statistiques descriptives
de notre srie.
Toute dabord, nous pouvons observer que dans les deux cas, la valeur moyenne du
prix (spot ou terme) est assez proche du prix mdian. Graphiquement on constate
que notre srie nest pas asymtrique. Autre information que nous pouvons
interprter, la normalit de la distribution ; en effet, nous savons que pour une loi
normale, le coefficient dasymtrie (Skewness) doit tre gale 0 et le coefficient
daplatissement (Kurtosis) doit tre gale 3. Ici, on peut constater que la valeur du
coefficient dasymtrie, dans les deux graphiques, est assez proche de 0 avec
0,634902 pour LSPOT et 0,636133 pour LFUTURES, cependant le coefficient
daplatissement est gale 2,040434 pour LSPOT et 2,038573 pour LFUTURES ce
qui est bien diffrent de 3. Cela laisse prsager que les distributions des prix spot et
futures du ptrole brut ne suivent pas une loi normale. Pour confirmer cette ide
nous disposons de la statistique de JARQUE -BERA dont le test a pour vocation de
synthtiser les tests de symtrie et daplatissement, et de sa probabilit associe.
La probabilit fournie, correspond la probabilit de se tromper en rejetant
lhypothse nulle (les donnes suivent une loi normale), ici elle est gale nulle
dans les deux cas. Pour un seuil = 5%, on rejette lhypothse de normalit des
distributions.
3 Etude Economtrique
3.1 Spcification du modle
Afin dtudier la relation entre les deux sries, nous spcifions notre modle de la
faon suivante :
Sachant que les rsidus (et) sont indpendamment et identiquement distribus (iid).
Commenons par appliquer le test ADF aux sries LSPOT et LFUTURES en
niveau , nous obtenons les rsultats suivants :
3.2.2Phillips-Perron
Phillips et Perron (1987, 1988) et Phillips (1987) proposent un autre test pour
dtecter la non-stationnarit dune srie temporelle. Ce test est une adaptation non
paramtrique du test de Dickey et Fuller. Lhypothse nulle du test est, comme pour
le test DF, la prsence dune racine unitaire.
En appliquant le test PP aux sries LSPOT et LFUTURES, on trouve les rsultats
suivants:
3.2.3KPSS
La spcificit du test KPSS de Kwiatkowski et al. (1992) est de tester l'hypothse
nulle d'absence de racine unitaire contre l'hypothse alternative de prsence d'une
racine unitaire.
En appliquant le test KPSS aux sries LSPOT et LFUTURES, on trouve les rsultats
suivants:
On remarque encore une fois que les valeurs LM-Stat (8.299028 pour LSPOT et
8.306610 pour LFUTURES) sont suprieures aux valeurs critiques 1%, 5% et 10%,
alors on rejette lhypothse nulle de stationnarit pour les deux sries LSPOT et
LFUTURES en niveau .
Les 3 tests confirment que les sries LSPOT et LFUTURES sont non-stationnaires en
niveau .
H1 : i 0 avec i = 1, , 30
Correlogramme de DLSPOT
Correlogramme de DLFUTURES
A partir des corrlogrammes, nous pouvons conclure que nos nouvelles sries sont
bien stationnaires. En effet, les corrlations ne diminuent pas lentement.
Nous pouvons prsent tudier la reprsentation graphique des sries DLSPOT et
DLFUTURES.
On voit bien que les deux sries fluctuent entre une valeur minimale et une valeur
maximale. Nos sries ont donc bien t stationnarises sur lensemble de la priode.
H1 : < 0
Nous allons faire la mme procdure quauparavant, les 3 tests aux sries DLSPOT
et DLFUTURES.
3.4.1ADF
3.4.2Phillips-Perron
3.4.3KPSS
On remarque encore une fois que les valeurs LM-Stat (0.084269 pour DLSPOT et
0.093851 pour DLFUTURES) sont infrieures aux valeurs critiques 1%, 5% et 10%,
alors on accepte lhypothse nulle de stationnarit pour les deux sries LSPOT et
LFUTURES en premire diffrence .
Les 3 tests confirment que les sries LSPOT et LFUTURES sont stationnaires en
premire diffrence . Elles sont donc I(1).
3.5.1Tests de significativit
On obtient les rsultats suivants :
AR(1)
MA(1)
DLSPOT
DLFUTURES
ARMA(1,1)
AR(1)
0.000082
MA(1)
0.000090
ARMA(1,1)
0.003139
Test de Student
-0.746746
-0.819909
Test de Fisher
0.557630
0.612155
Log Likelihood
15158.55
15161.11
15168.92
Durbin Watson
2.000865
1.999045
1.963800
AIC
-4.477564
-4.477656
-4.480330
Schwarz
-4.475549
-4.475642
-4.477308
Hannan-Quinn
-4.476868
-4.476961
-4.479287
AR(1)
16.5027
0
MA(1)
18.7394
2
1.963800
AR(1)
0.000125
MA(1)
0.000140
ARMA(1,1)
0.002962
Test de Student
-0.918423
-1.035239
Test de Fisher
0.843500
0.950597
Log Likelihood
15333.82
15336.45
15343.44
Durbin Watson
2.001298
1.998520
1.961214
AIC
-4.529342
-4.529448
-4.531889
Schwarz
-4.527327
-4.527433
-4.528867
Hannan- Quinn
-4.528647
-4.528753
-4.530846
AR(1)
11.5908
9
MA(1)
13.0461
7
10.05223
Les rcapitulatifs des rsultats des tests de significativits pour les sries DLSPOT et
DLFUTURES nous permettent de dduire que le processus ARMA(1,1) est celui qui
reprsente le mieux nos deux sries.
Test dautocorrlation :
On peut observer que tous les termes des fonctions dautocorrlation simple et
partielle ne sont pas significativement diffrentes de 0. Par consquent, on ne
rejette pas lhypothse nulle de non corrlation des erreurs.
Test dhtroscdasticit
// remplir
Test de Jarque-Bera
Les tests de Jarque-Bera nous montrent que pour un seuil = 5%, on rejette
lhypothse de normalit des distributions des erreurs.
Lag=1
Lag=2
Lag=3
On sintresse linfluence des prix spot sur les prix terme et on teste lhypothse
nulle selon laquelle DLSPOT ninflue pas DLFUTURES.
Les valeurs sont significatives au seuil de 5%.
Dans le cas dun retard. La probabilit est de 0.00162. Elle est infrieure au seuil de
5%. Alors, on rejette lhypothse nulle.
On en conclut que les prix spots causent au sens de Granger les prix terme, et
vice-versa.
Tous les autres rsultats confirme quil existe une relation de causalit au sens de
Granger, entre les prix spot et les prix terme.
On peut donc effectuer les tests de causalit dEngle-Granger et de Johansen pour
savoir si on doit modliser nos sries avec un VAR ou avec un MCE.
// Rsultats du test
4 Conclusion