Professional Documents
Culture Documents
Hand Out On Time Series Analysis
Hand Out On Time Series Analysis
net/publication/336141869
- ﻣﺪﻋﻤﺔ ﺑﺄﻣﺜﻠﺔ ﻣﺤﻠﻮﻟﺔ- ﻣﺤﺎﺿﺮات ﻓﻲ ﺗﺤﻠﻴﻞ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ: ﻣﻄﺒﻮﻋﺔ ﺑﻴﺪاﻏﻮﺟﻴﺔ ﺗﺤﺖ ﻋﻨﻮان
CITATIONS READS
0 1,725
1 author:
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Tourism, Foreign Direct Investment, Financial Sector, Labor Market and Economic Growth : sustainable development View project
All content following this page was uploaded by Mohammed Seghir Guellil on 30 September 2019.
موجهة لطلبة الليسانس و املاسترفي ميدان العلوم االقتصادية والتجارية وعلوم التسيير
أ
ظلوذج التلميس األسي البسيط (النموذج ادلستقر)31 .................................................... : .2
ظلوذج التلميس األسي الثنائي (النموذج اخلطي 32 ............................................:)Brown .3
ظلوذج 34 ......................................................................... ………:Holt .4
ظلوذج باالذباه العاـ وادلومسية (ظلوذج 34 ............................................. :)Holt-Winters .5
تقدير معامالت التلميس37 ......................................................................... : .6
الباب الثاني :تحليل السالسل الزمنية العشوائية
ب
اختبارات الكشف عن استقرارية السلسلة الزمنية50 .................................................... : .2
1.2اختبار50 ....................................................... :(Dickey – Fuller 1979)D.F:
.2.2اختبار )51 ............................................. :Dickey – Fuller Augmentés (1981
.3.2اختبار )52 ......................................................... :Phillips Et Perron (1988
.4.2اختبار 52 ........................................................................ :)2991(KPSS
.5.2اختبار )53 ..............................................:Elliot, Rothenberg et Stock (1996
.6.2اختبار )53 ................................................................... :Ng-Perron(2001
االمتداد إذل النماذج ARIMAو 54 .................................................. :SARIMA .3
الفصل الرابع :التنبؤ باستخدام منهجية Box and Jenkins
ج
.2.2التحقق من خاصية الذاكرة الطويلة باستخداـ االشكاؿ البيانية85 ........................................ :
ظلاذج 88 ............................................................................. :ARFIMA .3
طرؽ تقدير ظلاذج 90 ................................................................... :ARFIMA .4
.1.4طرؽ التقدير دبرحلتُت90 ............................................................................ :
.2.4الطرؽ دبرحلة واحدة (طرؽ اإلمكاف األكرب)92 ........................................................ :
مراحل بناء ظلوذج 94 ................................................................... :ARFIMA .5
.1.5مرحلة التعرؼ94 ............................................................................. ……:
.2.5مرحلة التقدير94 ............................................................................ ……..
.3.5مرحلة التشخيص96 .......................................................................... ……:
.4.5التنبؤ98 ............................................................................…………..:
النماذج الغَت اخلطية 99 .................................................................... :ARCH .II
احلاالت الشرطية و الغَت الشرطية لنموذج 100 ............................................. : ARCH .1
اخلصائص األساسية لنماذج 101 ........................................................... :ARCH .2
تقدير معلمات النموذج 102 ....................................................................... : .3
اختبار ARCHللسالسل الزمنية 102 .............................................................. : .4
التنبؤ باستخداـ ظلوذج )103 ........................................................... : ARCH(p .5
سبرين تطبيقي103 ............................................................................ ………..:
ظلوذج )107 ..................................................................... :GARCH (p .q .6
سبرين تطبيقي108 ............................................................................. ………..:
قائمة اجلداوؿ112..........................................................................................
قائمة األشكاؿ113.........................................................................................
قائمة ادلراجع114...........................................................................................
د
المقدمة
يلعب التحليل االقتصادي دورا ىاما يف فهم النظرية االقتصادية اليت توفر رؤى حوؿ االليات اليت ربكم الظواىر
االقتصادية .حيث أف الطرؽ الكمية تساعد على ربليل و ظلذجة سلتلف الظواىر االقتصادية بغرض ازباذ القرارات
االسًتاتيجية سوآءا على ادلستوى اجلزئي أو الكلي ،دبا يسمح برسم السياسات االقتصادية .كما ساىم رواد االقتصاد
القياسي دبساعلات كبَتة يف النظرية االقتصادية من خالؿ استخداـ األساليب اإلحصائية واالقتصادية القياسية اليت تفيد
يف معرفة أو رصد سلوؾ بعض ادلتغَتات يف ادلاضي ،مث التنبؤ بسلوكها ادلستقبلي .حيث أف السالسل الزمنية تعترب فرعا
من فروع االقتصاد القياسي اليت يتلخص ىي األخرى ىدفها الرئيسي يف دراسة سلوؾ ادلتغَتات خالؿ الزمن .كما صلد
من بُت أىدافها الرئيسية أيضا الكشف عن االذباه العاـ يف ىذه السالسل وكذا دراسة مدى استقرار القيم (وتغَتىا)
دبرور الزمن.
ؽلس ربليل السالسل الزمنية الكثَت من اجملاالت إضافة اذل اجملاؿ االقتصادي ،نذكر من بُت ىذه اجملاالت :اجملاؿ
الطيب ،البيئي ،االجتماعي ...،فالصورة اليت ؽلكن رصدىا انطالقا من ىذا التحليل تبدو وكأهنا رجل كبَت السن لديو
الكثَت من اخلربة واحلكمة دبا يكفي لالستفادة من مؤشرات األحداث السابقة حوؿ ادلستقبل ،وىو نوع من التنبؤ .عالوة
جيدا
على ذلك ،يوجد العديد من األليات و التقنيات اليت تستخدـ يف ربليل البيانات ،لصياغة النموذج الذي يتالءـ ً
مع التحليل الذي يود الباحث القياـ بو.
من أجل احلصوؿ على فهم جيد لتحليل السالسل الزمنية ،اشتملت ادلطبوعة على مخسة فصوؿ استمدت من برنامج
السنة األوذل ماسًت ،كما أف ادلطبوعة اشتملت على بابُت رئيسيُت أحاطا بسلسلة من احملاضرات (دروس مع سبارين
تطبيقية):
الباب األوؿ يتعلق بالتحليل الكالسيكي للسالسل الزمنية ،مت من خاللو التطرؽ اذل الفصلُت التاليُت:
الفصل األوؿ :عموميات يف السالسل الزمنية.
الفصل الثاين :التنبؤ باستخداـ ظلوذج التلميس األسي ). (Le lissage exponentiel
الباب الثاين ؼلص ربليل السالسل الزمنية العشوائية ،و الذي ينقسم بدوره اذل ثالثة فصوؿ موزعة بالشكل
التارل:
الفصل الثالث :ظلاذج السالسل الزمنية العشوائية ادلستقرة والغَت مستقرة.
1
الفصل الرابع :التنبؤ باستخداـ منهجية .Box and Jenkins
الفصل اخلامس :االمتداد إذل ظلاذج الذاكرة الطويلة ARFIMAوالنماذج الغَت اخلطية .ARCH
2
التحليل األورل ألي ظاىرة ينطلق من سبثيل التطور الزمٍت ذلذه األخَتة ،و ىذا من خالؿ رسم بياين ػلتوي على قيم
الظاىرة االقتصادية xtعلى زلور الًتاتيب والزمن tعلى زلور الفواصل .عندما يكوف سبثيل الفًتات الزمنية غَت متصل،
فإف الرسم البياين الناتج عبارة عن أعمدة بيانية .النظاـ ادلتبع ،ىو االحتفاظ بادلضلع التكراري اخلاص بالتمثيل ادلسمى:
الشكل الزمٍت للوقائع.
التقنيات التقليدية ادلستخدمة يف ربليل السالسل الزمنية تنطلق من فصل السالسل عن مركباهتا األساسية (االذباه العاـ،
ادلومسية ،الدورية والعشوائية) و كذا ربديد نوع النموذج (ذبميعي ،جدائي أو سلتلط) اذل إعادة تشكيل السلسلة للقياـ
التنبؤ .ىذه ادلقاربة تفًتض أف بنية السلسلة ؽلكن ذبزئتها إذل عناصر بسيطة (قابلة للنمذجة) ،وبالتارل ؽلكن التنبؤ هبا
بسهولة أكرب ،ومن مث إعادة بنائها للحصوؿ على قيم السلسلة األصلية ادلتنبؤ هبا.
يف النهاية ،يف ىذا اجلزء اخلاص هبذه الطرؽ التقليدية ،ىناؾ نقطتاف سيتم التطرؽ ذلما :عموميات يف السالسل الزمنية
(مركبات السالسل الزمنية ،طرؽ الكشف عن مركبات السلسلة الزمنية و كيفية معاجلتها )...،؛ يشكلوف الفصل 1من
ىذا اجلزء .مث عرض من خالؿ الفصل 2طرؽ التنبؤ باستخداـ ظلوذج التلميس األسي.
3
انفصماألول
تعترب دراسة مركبات السلسلة الزمنية شرطًا أساسيًا دلعاجلة السالسل الزمنية .فعند وجود أحد ىذه ادلركبات أو حىت كلها،
غلب عزذلا للمرور اذل ربليل اخلصائص األخرى .ذبدر اإلشارة ىنا اذل أف فصل السلسلة الزمنية عن مركباهتا ،دوف سابق
ضارا بتحليل السلسلة وبالتارل يؤدي إذل تدىور جودة
اختبار لوجود ىذه ادلركبات أو ال ،يكمن أف ؼللق "تشويشا" ً
التنبؤ .يف ىذا الفصل ،سنسلط الضوء على مركبات السلسلة الزمنية وأشكاذلا ،وكذا تقنيات اختبار وجود مكونات
السالسل الزمنية ،مث نتطرؽ اذل طرؽ التعديل.
1khaldiKHALED. (2017), « Méthodes Statistiques : Rappels De Cours Exercices Corrigés», Office des Publications
Universitaires, Alger, p81.
4
ادلعطيات اليت حبوزتو على منحٌت بياين من أجل مالحظة اذباه الظاىرة ادلدروسة وما تشتمل عليو من تذبذبات (تقعرات
وربدبات) ،وقياسها عن طريق معامل اخلشونة ) (Coefficient de Rugositéادلعرؼ بالعالقة التالية:
N
فكلما كاف ىذا ادلعامل ذو قيمة ضعيفة كلما كانت السلسلة أكثر استقرارا ،وإذا وجد أف ىذا ادلعامل ذو قيمة
مرتفعة فإف ىذا يتطلب ربسُت (تعديل) السلسلة الزمنية عن طريق التحويل أو الًتشيح الذي يقضي على بعض مكونات
السلسلة الزمنية.
2صالح الدين اذلييت "األساليب لإلحصائية يف العلوـ اإلدارية –تطبيقات باستخداـ "-SPSSالطبعة الثانية للناشر دار وائل للطباعة والنشر عماف –األردف-
1006ص .449
-3ادلتوسط احلسايب للطلب ثابت يف وحدة الزمػن.
5
أنػػو يف حالػػة الركػػود يكػػوف الطلػػب علػػى ادلبيعػػات مػػنخفض ويف فػػًتة الرخػػاء ػلػػدث العكػػس ،ولكػػن لكػػوف أف التنبػػؤ عمومػػا
يهتم بادلدى القريب وادلتوسط فػإف الدورات هتمػل دراستها.
3.3انخغيشاثانًىسًيت) :S(t
وتشَت التغَتات ادلومسية إذل متوسط التغَت ادلنتظم الذي ػلدث بصفة دورية يف غضوف سنة أو أقل وبفًتات زلػددة (شػهريا،
أسبوعيا...،اخل).
وتعد التغَتات ادلومسية اليت ربدث يف فًتات زمنية شهرية أو ربع سنوية مػن أكثػر ىػذه التغػَتات رلػاال للدراسػة مثػل مبيعػات
السيارات ،استهالؾ الطاقة الكهربائية ،ادلبيعات اليت ربصل يف ادلناسبات واألعيػاد وغَتىػا ،ومػن أىػم األسػباب الػيت تػؤدي
إذل التغػَتات ادلومسيػػة ىػػي :تغػَتات الطقػػس ،العػػادات والتقاليػػد ،االحتفػػاالت الدينيػػة ،فحالػػة الطقػػس مػػن أىػػم العوامػػل الػػيت
تؤدي حدوث تغَتات مومسية يف اإلنتاج الزراعي والنشاط السياحي وأنشطة البناء واألنشطة السياحية وكذلك فػإف األعيػاد
وادلواسم تؤدي إذل زيادة بعض ادلبيعات مثل األلبسة وبعض ادلواد الغذائية.
4.3انعشىائيت) :e(t
وىي اليت تػصف مجيع العوامل وادلتغَتات اليت دل تؤخذ بعُت االعتبار أو تلك اليت ال ؽلكػن قياسها والتنبؤ حبدوثها،
لكوهنا مفاجئة وعشوائية احلدوث مثل احلروب والفيضانات والزالزؿ وبقية العوامل ادلؤثرة يف طلب السلع واخلدمات
بشكل غَت متوقع.
مثل ىذه التغَتات العرضية يصعب التنبؤ هبا وتتصف بفجائيتها وقصر الفًتة الزمنية اليت ربدث فيها ،وبالنظر لعدـ أعليتها
فإنو ؽلكن إزالة تأثَتىا على بيانات السلسلة الزمنية للحصوؿ على سلسلة خالية من التغَتات غَت ادلنتظمة وغالبا ما يشار
إليها بالتغَتات ادلتبقية.
شكل 1مكونات السمسمة الزمنية
ادلصدر :مقتبس بتصرؼ من ادلرجع زلمد أبوصاحل وعدناف زلمد عوض (مقدمة يف اإلحصاء) دار 1983 USA, A WILEY ARABOOKالصفحة .276
يف حلظة زمنية tىي بداللة ادلكونات السابقة الذكر ويكتب ىذا عالقة بػ: Yt إف القيم ادلشاىدة
) y t f ( Tt , C t , S t , e tلكن باستبعاد الدورات ألهنا يف الغالب ربدث يف السالسل الزمنية الطويلة جداً نكتب:
) y t f ( Tt , S t , e tوؽلكن سبثيل ىذه الدالة بالنماذج التالية :
6
y t Tt S t e t ............................... -النمػوذج التجميعػي
y t Tt . S t . e t .................................. -النمػوذج اجلػدائػي
-النمػوذج ادلختلػػط y t ( Tt . S t ) e t ..............................
ؽلكػن معرفػػة طبػػيعة النمػػوذج عػػن طريػػق حسػػاب ادلتوسػػط احلسػػايب واالضلػراؼ ادلعيػػاري للسلسػػلة ،فػػإذا كػػاف ىػػذين األخػَتين
ػوذج ذبميعيػاً ،وإذا كػاف غػَت ذلػػك فالسلسػلة تشػكل ظلوذجػاً جػدائياً ،وعنػػد
ثػابتُت يف وحػدة الػػزمن ،فػإف السلسػلة تشػػكل ظل ً
إدخاؿ اللوغاريتم على النموذج اجلدائي أو النموذج ادلختلط ضلصل على ظلوذج ذبميعي عادي.
-ونستطيع إظهار أشكاؿ السلسلة الزمنية وذلك من خالؿ الرسومات التالية.
شكل 2نماذج السمسمة الزمنية
النموذج التجميعي.
النموذج اجلدائي.
4جالطو اجليالرل " ،االحصاء مع سبارين ومسائل زللولة " ،ديواف ادلطبوعات اجلامعية ،اجلزائر .1021 ،ص.254
7
-حساب الوسط احلسايب السنوي لكل سنة.
-حساب الفرؽ بُت القيم األصلية اخلاصة بكل سنة و الوسط السنوي ادلقابل ذلا فإذا كانت ىذه الفرؽ تشكل متوالية
حسابية آو قيم متقاربة نستنتج أف ظلوذج السلسة الزمنية ىو ظلوذج ذبميعي أما إذا شكلت متتالية ىندسية فإننا يف حالة
النموذج اجلدائي.
أ -2-طريقة االضلراؼ ادلعياري السنوي:
ذلذه الطريقة خطوة واحدة و ىي ربديد االضلراؼ ادلعياري السنوي لكل سنة فإذا كانت قيم االضلرافات ادلعيارية متساوية
فإننا يف حالة ظلوذج ذبميعي أما إذا كانت متباعدة فنحن يف حالة ظلوذج مضاعف.
أ -3-طريقة ادلعادلة االضلدارية:
تعترب من أىم الطرؽ و تعتمد على قيمة معامل االضلدار للمعادلة التالية:
̂ و بالتارل فاف ىذه السلسلة من النوع اجلدائي. نالحظ يف ىذه احلالة أف ادلقدر
ب -الطريقة البيانية:
كما قد سبق ذكره فاف السلسة الزمنية تأخذ احد األشكاؿ الثالث إما ذبميعي أو جدائي أو سلتلط وتعطى صيغتها على
العموـ كما يلي:
ب -1-النموذج التجميعي :يفًتض ىذا النموذج أف العالقة بُت العناصر األربعة تكوف مستقلة ال تؤثر يف بعضها
5
البعض و ال تتأثر بقيمة غَتىا من ادلكونات و تأخذ على الشكل التارل:
5مولود حشماف" ،ظلاذج وتقنيات التنبؤ القصَت ادلدى" ،ديواف ادلطبوعات اجلامعية ،اجلزائر ،2998 ،ص.52
8
حيث ؽلكن حصر قمم ادلنحٌت البياين للسلسة بُت خطي مستقيمُت و متوازيُت.
ب 2-النموذج اجلدائي:يفًتض ىذا النموذج وجود عالقة بُت ادلكونات األربعة للسلسلة الزمنية و ىي على النحو
6
التارل:
كيفيتانكشفعٍيشكباثانسهسهتانضيُيت(طشقانكشف): .4
ىناؾ العديد من اختبارات الكشف عن مركبات السلسة الزمنية و ضلن نعلم انو ؽلكن الكشف عنها من خالؿ ربليل
ادلعلومات بيانيا و ذلك من خالؿ دراسة و ربليل الظروؼ اليت تولدت عنها ىذه السلسلة فإذا كاف احمليط مستقرا تكوف
السلسة حىت ىي مستقرة و العكس صحيح و تتمثل مركبة االذباه العاـ يف تلك ادلركبة اليت تدفع بادلنحٌت ضلو الزيادة أو
النقصاف حسب ميلو.
-تتمثل ادلركبة الفصلية على ىيئة قمم بشكل منتظم يسمح لنا ربديد فًتة حدوثها.
-تتمثل ادلركبة العشوائية يف االلتواءات اليت تشوش ادلركبات ادلنتظمة.
لكن التحليل البياين لوحده ال يكفي لكشف ادلركبات اجلوىرية للسلسة الزمنية و على أساس ىذا نلجأ الختبارات
اإلحصائية.
-2-4انكشفعٍاالحجاِانعاو :
-2-2-4طشيقتاالخخباساثانحشة:
و مسيت باحلرة الف ادلتغَت العشوائي tال ؼلضع ألي توزيع احتمارل علما انو من بُت فرضيات طريقة ادلربعات الصغرى و
7
صلد فيها عدة اختبارات.
أ ػ اختبار التوارل(تعاقب اإلشارات) : Run Test
وىو يستعمل دلعرفة مدى عشوائية السلسة الزمنية و يدعى باختبار العشوائية وىو يستعمل يف التحقيق من وجود مركبة
االذباه العاـ يف السلسلة الزمنية ،و ىو يقوـ على الفرضتُت التاليتُت:
:H0السلسلة عشوائية (ال يوجد اذباه عاـ).
:H1يوجد اذباه عاـ.
و يكوف ذلك من خالؿ ترتيب ادلشاىدات من اصغر قيمة إذل اكرب قيمة.
-حساب الوسيط ( ) ،وىي ادلشاىدات ادلقابلة للرتبة mحيث:
T -فرديm=(T+1)/2:
T -زوجيm=T/2 :
وموجبة دلن ىي اكرب. -إعطاء إشارة سالبة للقيم اليت ىي اصغر من
√
سبثل القيم العليا والدنيا من اجلدوؿ على الًتتيب.
فاف السلسة ربتوي على االذباه العاـ.
وذلذا نتوقع حسب -ىذا االختبار اف تكوف Rضعيفة يف حالة وجود مركبة االذباه العاـ وتكوف معتربة يف حالة عدـ
وجودىا.
مثاؿ تطبيقي :التأ كد من وجود مركبة االذباه العاـ يف ادلعطيات التالية اخلاصة دببيعات مؤسسة ما ،من سنة 2003اذل
غاية سنة 2017باستعماؿ ىذا االختبار واألرقاـ معطاة بادلاليُت.
t المشاهدة
2003 14.12
نالحظ ىنا اف الًتتيب الزمٍت ىو نفسو الًتتيب التصاعدي إذا وباستعماؿ
2004 14.42 العالقات السابقة صلد :
2005 16.12 ← Md=18,96 m=8
2006 16.78 وكذا R=2:
17.34
و من اجلدوؿ نستخرج قيميت احلد االدىن و االعلى و ىي:
2007
2008 17.86
.Rl=14.12, Ru =23.45
2009 18.37
2010 18.96 ،وبالتارل فالسلسلة ربتوي على مركبة R< Rl < Ru كوف H0 القرار :رفض
2011 19.56
االذباه العاـ.
2012 20.19
2013 20.84
ب -اختبار نقطة االنعطاؼ :Turning point
2014 21.52
2015 22.19
حسب ىذا االختبار تعترب نقطة االنعطاؼ تلك الفًتة اليت تكوف اإلشارة فيها
2016 22.81 سلتلفة عن إشارة الفًتة السابقة فإذا كانت السلسة الزمنية عشوائية بدوف اذباه
2017 23.45
عاـ ،فاف توزيع عدد مرات تغَت اإلشارة يكوف تقريبا طبيعيا حىت بالنسبة للعينات
الصغَتة ،شلا يستدعى االستعانة جبداوؿ التوزيع الطبيعي الستخراج القيم احلرجة و يكوف االختيار ىنا:
-حساب الفروؽ من الدرجة األوذل للسلسة ادلعنية.
-إعطاء إشارة موجبة للفروؽ ادلوجبة و سالبة للفروؽ السالبة.
. و يستعمل يف حالة العينات األكرب من وىو عدد ادلرات تغَت االشارة يف يرمز ذلذا االختبار
| | ⁄ :ال يوجد اذباه عاـ ،اذا كاف : ترفض الفرضية
10
√
مثاؿ تطبيقي :اجلدوؿ التارل ػلوي على 12مشاىدة متعلقة باستهالؾ رلموعة من العائالت:
12 11 10 9 8 7 6 5 4 3 2 1 t
282 273 264 261 271 261 256 253 272 263 258 255 Ct
8 9 1 -20 20 6 3 28- 8 5 3 .... انفشق
+ + + - + + + - + + + ..... اإلشاسة
√
4
أي يوجد أذباه عاـ. | | ترفض الفرضية ⁄ دلا :
مثاؿ تطبيقي :اجلدوؿ التارل يضم رلموعة من ادلشاىدات احملسوبة على أساس الفروقات من الدرجة
االوذل للمتغَت :Yt
12 11 10 9 8 7 6 5 4 3 2 1 t
14- 41 22 11- 39- 56 0 10- -31 45 9 - ∆Yt
14 13 11 12 10 29 28 27 26 25 24 23 t
-14 34 22 -22 -49 50 8 -39 -24 53 5 -30 ∆Yt
11
من اجلدوؿ ادلبُت أعاله ،نستنتج ما يلي:
عدد االشارات ادلوجبة .v=11
اذا:
و بالتارل صلد:
√
و معامل ارتباط خطي فاف: ∑ ىو الفرؽ بُت الًتتيب التصاعدي والزمٍت أي dt = (Rt – t) :و كوف أف
.1-≥ ≥1
:Tعدد ادلشاىدات.
،يتم رفض H0حسب حجم العينة ،دلا: فبعد حساب معامل االرتباط اخلطي
12
| | ⁄ -يف العينات الصغَتة
| | ⁄ -العينات الكبَتة
حيث:
…………1
⁄
√
1 √
مثاؿ تطبيقي :باستعماؿ نفس ادلعلومات السابقة للجدوؿ اخلاص باختبار التوارل صلري ىذا االختبار:
12 11 10 9 8 7 6 5 4 3 2 1 الزمن
12 11 8 5.5 10 5.5 3 1 9 7 4 2 انشحبت
0 0 2 3.5 -2 1.5 3 4 -5 -4 -2 -1 d
0 0 4 12.25 4 2.25 9 16 25 16 4 1 d2
∑ 4
44
⁄ 4 ← T=12 . 𝛼 =5%
،أي أنو يوجد أذباه عاـ. فانو سيتم رفض الفرضية العدمية ⁄ دبا أف :
8مولود حشماف "السالسل الزمنية و تقنيات التنبؤات يف ادلدى القصَت" ديواف ادلطبوعات اجلامعية اجلزائر ،الطبعة الثالثة،1020،ص.32
13
:فيعترب ىذا األخَت من أىم االختبارات استعماال للتأكد من وجود أو عدـ وجود مركبة أ-
،و ىو يقوـ على الفرضتُت التاليتُت: مومسية ،و يرمز لو بالرمز
:H0السلسلة الزمنية زبلو من ادلومسية.
:H1السلسة الزمنية ربتوي على مركبة مومسية.
9
و لو عالقة ذبريبية تعطي بالشكل التارل:
∑
→ كدرجة حرية : علما أف ىذا االختبار يتبع توزيع كاي مربع ب
حيث أف :
:رلموع رتب الفصل.
:عدد القيم أو ادلشاىدات ادلقابلة للفصل.
و من اجل تطبيق ىذا االختبار تتبع :دورية ادلركبة الفصلية فاذا كانت السلسة مقسمة اذل ثالثيات فاف 4
اخلطوات اآلتية:
-1إبعاد االذباه العاـ.
مت تعديل ىذه الرتب. -2ربديد وجود أو عدـ وجود ادلومسية من خالؿ ربديد الرتب
عند مستوى معنوية 𝛼ودرجة حرية -3ربديد القيم اجملدولة ؿ
نقوؿ اف السلسة ربتوي على مركبة مومسية. - 4مقارنة القيم احملسوبة مع اجلد ولية إذا كانت
مثاؿ تطبيقي:لدينا ادلعطيات التالية حوؿ متغَت اجتماعي معُت خالؿ الفًتة 1027.4-1023.2
ادلطلوب :كشف ادلركبة الفصلية باستخداـ اختبار Kruskall-Wallis؟
مشاهدة سنة/فصل مشاهدة سنة/فصل مشاهدة سنة /فصل
60 3 31 4 24 2013/1
36 4 21 2015/1 10 1
6 1027/2 21 1 44 3
22 1 68 3 12 4
64 3 19 4 20 2014/1
50 4 7 1026/2 29 1
28 1 64 3
∑
* +
→ 4
عند مستوى معنوية قدره انطالقا من اجلدوؿ االحصائي لكاي مربع يتم ربديد القيمة اجلدولية ؿ
5%ودرجة حرية = ، 3و ىذا على الشكل التارل :
فاننا نرفض فرضية العدـ H0و نقبل الفرضية البديلة ، H1و بالتارل فاف السلسة الزمنية دبا أف
ربتوي على مركبة مومسية.
ب -الطريقة االضلدارية:
من ادلؤشرات و اليت يعرب عنها بنفس العدد من ادلتغَتات تتمثل يف افًتاض وجود ادلركبة الفصلية يف السلسلة الزمنية ب
التمثيلية اليت يتم تقدير معلماهتا بطريقة ادلربعات الصغرى.
ج-دالة االرتباط الذايت :و يعتمد على فكرة االرتباط بُت ادلشاىدات و يف فًتات سلتلفة و تظهر ادلومسية يف الرسم البياين
على شكل قمم أو اطلفاضات يف فًتات زمنية معينة ،و يتم حساب تلك ادلعلمات وفق العالقة التالية أين
حيث أف 410
:11 * اختبار
صلد عدة اختبارات ؽلكننا الكشف هبا عن مكونات السلسلة الزمنية ،أعلها وأكثرىا استعماال اختبار Buys-Ballotومن
أجل القياـ هبذا االختبار غلب أف نتبع ادلراحل التالية:
-المرحلة األولى :التمثيل البياني للسلسة الزمنية وإنشاء جدول :Buys-Ballot
وػلتوي ىذا اجلدوؿ على بيانات للمبيعات احملققة خالؿ عدة سنوات ،ومتوسط ادلبيعات واضلرافها ادلعياري لكل
سنة من جهة ،ومن جهة أخرى على متوسط ادلبيعات واضلرافها ادلعياري لكل فصل إذا كانت البيانات فصلية ،ومتوسط
ادلبيعات واضلرافها ادلعياري لكل شهر إذا كانت البيانات شهرية ،وأخَتا ػلتوي على ادلتوسط العاـ واضلراؼ ادلعياري العاـ.
-المرحلة الثانية :تحليل التباين واختبار فيشر ):(Fisher
ليكن لدينا:
: nعدد ادلشاىدات.
إذا كانت البيانات شهرية ... P 12 : Pعدد ادلالحظات يف السنة ( P 4إذا كانت البيانات فصلية،
اخل).
و . j 1,2,3,..., P i 1,2,3,..., N : xijقيم السلسلة الزمنية من أجل
: Nعدد السنوات.
لنفرض أف السلسلة الزمنية تأخذ الصيغة التالية:
xij mij eij
حيث أف:
: eijاخلطأ العشوائي مع العلم أف ) . eij N (0, 2
: mijالعناصر ادلكونة للسلسلة الزمنية.
والتباين الكلي يأخذ الصيغة التالية:
x x..
N P
ST
2
ij
i 1 j 1
مع:
N P
1
x..
N .P
x
i 1 j 1
ij
حيث أف:
: STرلموع التباين الكلي مربع.
11 Régis Bourbonnais, Michel Terraza. (2016), « Analyse des séries temporelles : Cours et exercices corrigés -
Applications à l'économie et à la gestion», 4ème édition, Dunod, Paris, France, p21.
16
: x..ادلتوسط العاـ للسلسلة الزمنية.
1 P
xi . xij
P j 1
متوسط السنة : i
1 N
x. j xij
N i 1
متوسط الفًتة : j
: مستوى ادلعنوية.
وبالتارل القرار يكوف كالتارل :السلسلة الزمنية تتأثر دبركبة H0 FTABنرفض الفرضية العدمية
FCAL إذا كاف
االذباه العاـ.
ب -اختبار تأثير التغيرات الموسمية:
: H 0ال يوجد تغَتات مومسية.
: H1يوجد تغَتات مومسية.
17
ومن اجلدوؿ -1-لتحليل التباين يتم حساب معلمة Fisherالتجريبية ادلبنية على ادلالحظة.
vP
FCAL
vR
اجلدولية .درجة ادلعنوية تعطى بالشكل التارل:
FTAB ومقارنتو مع
Fv3 .v2 v3 p1
)v2 ( N 1)( p1
: مستوى ادلعنوية.
وبالتارل القرار يكوف كالتارل :السلسلة الزمنية تتأثر بالتغَتات H0 FTABنرفض الفرضية العدمية
FCAL إذا كاف
ادلومسية.
مثاؿ تطبيقي" :اختبار الكشف عن االذباه العاـ و التغَتات ادلومسية باستخداـ اختبار
"Buys-Ballot
اجلدوؿ التارل يضم البيانات الشهرية دلبيعات مادة النشاء دلؤسسة معينة للفًتة ادلمتدة من 1022انى84( 1027
مشاىدة).
ادلرحلة األوذل:التمثيل للسلسلة الزمنية وانشاء جدوؿBuys-Ballot.
16000
14000
12000
10000
8000 les ventes
6000
4000
2000
0
1 9 17 25 33 41 49 57 65 73 81
جدوؿBuys-Ballot -ب-انشاء
Année Jan Fév Mars Avr Mai Juin Juilly Aout Sep Oct Nov Dec Moyenne Ecart-type
2011 7486 7176 4907 4823 5185 4349 3619 1322 5646 4469 5817 5543 5028.5 1541.1
2012 2477 2173 3485 2283 3057 3138 2435 2255 3749 4478 2606 3586 2977 697.796
2013 1472 1925 1880 3017 4944 1434 4412 4546 5386 7393 8028 6108 4212.08 2192.08
2014 6736 6200 6233 7544 8403 5715 7932 3683 2566 10686 8228 9314 6940 2183.2
2015 6620 4391 5375 6701 6440 3377 6785 6729 8486 13664 6842 6125 6794.75 2417.63
2016 4262 1162 1054 6182 9154 9241 10883 5440 6166 8113 7722 7358 7186 2648.67
9
2017 5928 6121 7521 6153 8544 7447 8845 1548 2154 7027 7358 3346 5999.53 2301.65
Moyenne 4997. 4164 5707. 5249 6532. 4957. 6415.8 3646.1 4879 7975.7 6657. 5911.7 5591.1
3 4 4 29 6 4 1 3 1
Ecart-type 2139. 2238. 2600. 1820.8 2099. 2498. 2827.8 1900.0 2055.1 3058.7 1817. 1922.7 2551.12
3 9 5 6 1 96 2 8 2 5 5 9
18
ادلرحلة الثانية:ربليل التباين واختبار. Fisher
-أ-ربليل التباين للسلسلة الزمنية
درجة
التباين مجموع الفروق العناصر
الحرية
V =13621491.2
p
11 S =149836403
p الفترة
V =6018109.48
A
6 S =36108656.9
A السنة
V =2509147.83
R
66 S =165603757
R البواقي
V =4565569.05
T
77 S =351548817
T المجموع
ومن جدوؿ ربليل التباين يتم حساب قيمة Fisherذبريبية ادلبنية على ادلالحظة:
vA
'
FCal 7.71
vR
'
Ftab F60;66
.05
2.32
ودبا أف F’CAL>F’TABفهذا يعٍت أف وجود تأثَت سنوي للسلسلة الزمنية أي أهنا تتأثر دبركبة االذباه العاـ.
اختبار تأثَت التغَتات ادلومسية:
:H0 -اليوجد تغَتات مومسية.
:H1 -يوجد تغَتات مومسية.
ومن اجلدوؿ السابق لتحليل التباين نقوـ حبساب Fisherذبرييب ادلبٍت على ادلالحظة:
vp
Fcal 2.57
vR
Ftab F110;.05
66 1.93
ودبا أف FCAL>FTABفأننا نرفض الفرضية العدمية وبالتارل نستنتج أف السلسلة الزمنية تتأثر بالتغَتات ادلومسية.
19
طشقيعانجتيشكباثانسهسهتانضيُيت(حقذيشيشكباثانسهسهتانضيُيت): .5
لتحديد مدى تأثَت كل جزء من العناصر ادلكونة للظاىرة ادلدروسة على القيمة الكلية للظاىرة يستوجب تفكيكها إذل
مكوناهتا األساسية (االذباه ،ادلركبة ادلومسية ،الدورية والعرضية) وىذا ما يدعي بتحليل السلسلة الزمنية أو تبسيط القيمة
اإلمجالية إذل العناصر اجلزائية ادلكونة ذلا.
-2-5حقذيشاالحجاِانعاو :
يوجد العديد من الطرؽ لتقدير االذباه العاـ للظواىر ادلختلفة ،زبتلف كل منها عن األخرى من حيث طبيعتها و مدى
دقتها و مدى مرونة استخدامها يف التنبؤ من بُت الطرؽ.12
-طريقة ادلربعات الصغرى.
-طريقة ادلتوسطات ادلتحركة.
-طريقة أشباه ادلتوسطات (متوسطي نصف السلسلة).
ىنا كطريقة التمهيد باليد اليت تعتمد على التمثيل البياين للظاىرة ،غَت أهنا تعترب غَت دقيقة ألهنا تعتمد على التقدير
الشخصي للباحث دوف ادلوضوعية.13
أ .طريقة المتوسطات المتحركة:
تقوـ ىذه الطريقة على استخداـ أكثر من متوسطُت حسابيُت حيث يتم حساب عدد من ادلتوسطات ادلتتابعة جملموعة
من البيانات األصلية للظاىرة على أف تتكوف كل رلموعة منها من مفردتُت أو ثالثة أو أربعة حسب احلالة.14
وعليو تقوـ ىذه الطريقة على خطوتُت أساسيتُت:15
ربديد طوؿ الفًتة اليت يتعُت ازباذىا اساسا للحساب ،و ينبغي يف ىذا السياؽ األخذ يف احلساب أنو كلما كانت ىذه
الفًتة أقصر ،كاف خط االذباه العاـ الناشئ عن ىذا األسلوب يعطي توفيقا أحسن عن البيانات و العكس صحيح.
حساب ادلتوسطات ادلتحركة:
بعد ربديد الفًتة الزمنية اليت ترغب يف ازباذىا أساسا يف حساب ادلتوسطات ادلتحركة تقوـ باخلطوة التالية و ادلتمثلة يف
البدء يف عملية احلساب.
ب .طريقة المربعات الصغرى:16
تعترب ىذه الطريقة أفضل الطرؽ ألف يف ىذه الطريقة يتم ربديد معادلة االذباه العاـ على أساس أف يكوف رلموع مربعات
اضلرافات القيم احملسوبة عن طريق القيم األصلية أقل ما ؽلكن و من ىنا جاءت ىذه التسمية ،و تستخدـ يف تعيُت خط
االضلدار البسيط و ذلك بافًتاض وجود عالقة خطية ،وهبذا ؽلكن احلصوؿ على معادلة خط االذباه العاـ بعد افًتاض أف
12إبراىيم علي إبراىيم عبد ربو :مبادئ علم اإلحصاء ،الدار اجلامعية ،االسكندربة ،الطبعة ،2008 ،02ص .459-446
13إبراىيم علي إبراىيم عبد ربو :مبادئ علم اإلحصاء ،مرجع سابق ،ص.447
14إبراىيم علي إبراىيم عبد ربو :مبادئ علم اإلحصاء ،مرجع سابق ،ص.453
15 Nino Silverio, « Séries chronologiques », Support de cours provisoire pour l’unité de valeur “Mathématiques et
statistiques” destiné aux classes du BTS Comptabilité-Gestion de l’ECG, 2005, P 3.
16 Régis Bourbonnais, Économétrie «Cours et exercices corrigés », 20e édition, Dunod, Paris, 2015, P 18.
20
الزمن ؽلثل ادلتغَت ادلستقل ) (tو قيمة الظاىرة ) (Yؽلثل ادلتغَت التابع وفقا للمعادلة التالية:17
ىذا بافًتاض أف خط االذباه العاـ ىو خط مستقيم ،و على خالؼ معادلة اخلط ادلستقيم خلط االذباه العاـ يوجد عدة
أشكاؿ أخرى ذلذه ادلعادلة.
-1-5انخعذيمانًىسًي:
يف الكثَت من احلاالت ،يكوف من األفضل العمل على البيانات اخلالية من التغَتات ادلومسية .فلهذا السبب نقوـ بتحويل
السلسلة الزمنية االصلية اذل سلسلة منزوعة ادلومسية أو سلسلة معدلة مومسيا.
-2-1-5انًُىرجانخجًيعي :
لنعترب السلسلة اإلحصائية التالية اخلاصة بادلبيعات الفصلية لشركة ما (دباليُت الدينار):
Trim 1 Trim 2 Trim 3 Trim 4 Trim 1 Trim 2 Trim 3 Trim 4 Trim 1 Trim 2 Trim 3 Trim 4 Trim 1 Trim 2 Trim 3 Trim 4
120 181 71 119 128 190 73 124 140 196 84 133 145 206 96 142
أوؿ خطوة يف التعديل ادلومسي تتمثل يف ربديد نوع النموذج اخلاص بالسلسلة الزمنية :اما جدائي أو ذبميعي .وللتأكد
من ذلك يكفي االستعانة بالطريقة البيانية .فمن خالؿ الشكل البياين ادلبُت أذناه يتضح أف ظلوذج ىذه السلسلة
اإلحصائية ىو عبارة ظلوذج ذبميعي (اخلطُت االفًتاضيُت اللذاف ؽلراف باحلدود الدنيا والعظمى عبارة عن خطاف متوازياف).
200
150
100
50
0
-50
-100
نقوـ حبساب ادلتوسطات ادلتحركة من الرتبة ( 4دبا أننا بصدد معاجلة مشاىدات فصلية) .ضلدد بعد ذلك الفروقات
ادلومسية ،معٌت ذلك ،الفرؽ بُت قيم السلسلة الزمنية اخلاـ وقيم ادلتوسطات ادلتحركة ادلقابلة ذلا.
تستخدـ ىذه الفروقات للحصوؿ على معامالت مومسية غَت مصححة خاصة بكل فصل.
يف حُت أف ادلعامالت ادلومسية ما ىي يف الواقع اال ادلتوسط احلسايب للفروقات ادلومسية اخلاصة بكل فصل.
Trimestre 1 120
Trimestre 2 181
Trimestre 3 71 123.75 -52.75
Trimestre 4 119 125.88 -6.88
Trimestre 1 128 127.25 0.75
Trimestre 2 190 128.13 61.88
Trimestre 3 73 130.25 -57.25
Trimestre 4 124 132.50 -8.50
Trimestre 1 140 134.63 5.38
Trimestre 2 196 137.13 58.88
Trimestre 3 84 138.88 -54.88
Trimestre 4 133 140.75 -7.75
Trimestre 1 145 143.50 1.50
Trimestre 2 206 146.13 59.88
Trimestre 3 96
Trimestre 4 142
حيث أنو غلب أف يكوف األثر الصايف دلركبة ادلومسية خالؿ فًتة.نفًتض ىنا أف ادلركبة ادلومسية تتسم بالدورية التامة
األمر الذي يقودنا إذل تعديل ادلعامالت ادلومسية الغَت مصححة عن. ألنو مدرج يف االذباه العاـ للسلسلة الزمنية،صفري
.طريق طرح من ىذه األخَتة متوسط ادلعامالت ادلومسية جلميع الفًتات
وبالتارل ؽلكننا نزع ادلومسية من السلسلة الزمنية من خالؿ طرح من كل قيمة،لدينا األف ادلعامالت ادلومسية ادلصححة
.أساسية معامل ادلومسية ادلقابلة ذلا
Série X des Série X CVS
chiffres des chiffres
d’affaires d’affaires
Trimestre 1 120 117.48
Trimestre 2 181 120.81
Trimestre 3 71 125.89
Trimestre 4 119 126.73
Trimestre 1 128 125.48
Trimestre 2 190 129.81
Trimestre 3 73 127.98
Trimestre 4 124 131.73
Trimestre 1 140 137.48
Trimestre 2 196 135.81
Trimestre 3 84 138.98
Trimestre 4 133 140.73
Trimestre 1 145 142.48
Trimestre 2 206 145.81
Trimestre 3 96 150.98
Trimestre 4 142 149.73
22
الرسم البياين التارل يبُت السلسلة الزمنية األصلية وكذا السلسلة الزمنية منزوعة ادلومسية.
500
Chiffre d'affaire
0
-1-1-5انًُىرجانجذائي :
( ىذا النوع ىو سيتم ىنا عرض تقنيتُت لنزع ادلومسية من سلسلة زمنية بافًتاض أف ظلوذج السلسلة من النوع اجلدائي
األكثر مصادفة يف ادلمارسة العملية).
اجلدوؿ التارل يضم ادلشاىدات اخلاصة بعدد السيارات اجلديدة ادلسجلة يف مدينة معينة خالؿ الفًتة ادلمتدة من 2014
اذل .2018
Décembre
Septembre
Novembr
Octobre
Janvier
Février
Année
Juillet
Mars
Avril
Août
Juin
Mai
e
2014 2006 3224 3789 4153 3100 2527 3015 1504 1847 2314 1673 1602
2015 2247 3862 3586 4047 2838 2727 2730 1648 2007 2450 1966 1695
2016 2433 3723 4325 4493 3399 3038 3247 1928 2377 2831 2388 2126
2017 3127 4437 5478 4384 3552 3678 3611 2260 2699 3071 2510 2182
2018 3016 4671 5218 4746 4814 3545 3341 2439 2637 3085 2737 2055
قبل الشروع يف عملية التعديل ادلومسي غلب ربديد نوع النموذج اخلاص بالسلسلة الزمنية :اما جدائي أو ذبميعي .فمن
خالؿ الشكل البياين ادلبُت أذناه يتضح أف ظلوذج ىذه السلسلة اإلحصائية ىو عبارة ظلوذج جدائي (اخلطُت االفًتاضيُت
اللذاف ؽلراف باحلدود الدنيا والعظمى عبارة عن خطاف غَت متوازياف).
Janvier
Janvier
Janvier
Janvier
Mai
Mai
Mai
Mai
Mai
Mars
Mars
Mars
Mars
Mars
Juillet
Juillet
Juillet
Septembre
Juillet
Juillet
Septembre
Novembre
Septembre
Novembre
Novembre
Septembre
Novembre
Septembre
Novembre
Nombre d'immatriculations
23
أ. .طريقة ادلتوسطات ادلتحركة :
باستخداـ ىذه الطريقة ،ضلسب ادلتوسطات ادلتحركة ذات رتبة تساوي عدد فًتات ادلوسم (شهر ،فصل ،سنة.)...،
الرتبة 12 جدول المتوسطات المتحركة من
Novembre
Décembre
Septembre
Octobre
Janvier
Février
Année
Juillet
Mars
Avril
Août
Juin
Mai
2014 2573 2610 2628 2615 2599 2597
2015 2593 2587 2600 2612 2630 2646 2658 2660 2685 2734 2776 2815
2016 2851 2884 2911 2942 2976 3011 3058 3117 3195 3238 3240 3271
2017 3311 3340 3368 3391 3406 3413 3411 3416 3415 3419 3487 3534
2018 3517 3514 3518 3516 3526 3531
بعد ربديد ىذه ادلتوسطات ،يتم حساب النسب ادلومسية واليت تساوي بيانات السلسلة األصلية مقسومة على
ادلتوسطات ادلتحركة ادلقابلة.
جدول النسب الموسمية
Novembre
Décembre
Septembre
Octobre
Janvier
Février
Année
Juillet
Mars
Avril
Août
Juin
Mai
نقوـ بعد ذلك حبساب متوسطات النسب ادلومسية لكل فًتة من فًتات ادلوسم .ىذه ادلتوسطات سبثل ادلعامالت ادلومسية.
جدول المعامالت الموسمية
Septembre
Novembre
Décembre
Octobre
Janvier
Février
Somme
Juillet
Mars
Avril
Août
Juin
Mai
0.88 1.36 1.49 1.43 1.16 1.03 1.08 0.62 0.75 0.89 0.70 0.62 12.012
من ادلسلم بو عموما أف رلموع ادلعامالت ادلومسية مساو لعدد فًتات ادلوسم ،يف مثالنا احلارل يساوي ( 12عدد األشهر)
ومتوسط ادلعامالت ادلومسية ىو .1
يف ىذه احلالة قيمة متوسط ادلعامالت ادلومسية تساوي ،1.001تصحح القيم احملسوبة بقسمتها على ىذا ادلتوسط.
جدول المعامالت الموسمية المصححة
Septembre
Novembre
Décembre
Octobre
Janvier
Février
Somme
Juillet
Mars
Avril
Août
Juin
Mai
0.88 1.36 1.49 1.43 1.16 1.03 1.08 0.62 0.75 0.89 0.70 0.62 12.00
24
بعد تصحيح ادلعامالت ادلومسية ،يكوف احلصوؿ على سلسلة زمنية معدلة مومسيا فوري :ببساطة تتم قسمة كل قيمة من
السلسلة األصلية على ادلعامل ادلومسي ادلصحح لنفس الفًتة.
السلسلة الزمنية المعدلة موسميا
Novembre
Décembre
Septembre
Octobre
Janvier
Février
Année
Juillet
Mars
Avril
Août
Juin
Mai
2014 2281 2372 2539 2908 2681 2447 2795 2432 2478 2608 2385 2580
2015 2555 2842 2403 2834 2455 2640 2531 2665 2692 2761 2803 2730
2016 2766 2740 2899 3146 2940 2985 3010 3118 3189 3190 3405 3424
2017 3555 3265 3671 3070 3072 3561 3348 3655 3621 3461 3578 3514
2018 3429 3437 3497 3323 4164 3432 3097 3944 3538 3476 3902 3309
الرسم البياين ادلبُت أدناه يضم السلسلة الزمنية األصلية وكذا السلسلة الزمنية ادلعدلة مومسيا.
Nouvelles immatriculations de voitures particulières commerçiales et
utilitaires neuves de 2014 à 2018 dans une ville Algerienne
6000
5000
4000
3000
2000
1000
0
Janvier
Janvier
Janvier
Janvier
Janvier
Mai
Mars
Mai
Mars
Mars
Mai
Mars
Mai
Juillet
Juillet
Juillet
Septembre
Mars
Mai
Juillet
Juillet
Septembre
Novembre
Septembre
Novembre
Novembre
Septembre
Novembre
Septembre
Novembre
Données originales Série corrigé des variations saisonnières
25
االنحدار: جدول قيم السلسلة المعدلة للمتغير yلكل الفترات استنادا إلى معادلة خط
Novembre
Décembre
Septembre
Octobre
Janvier
Février
Année
Juillet
Mars
Avril
Août
Juin
Mai
1 2 3 4 5 6 7 8 9 10 11 12
2014 2605 2619 2634 2649 2663 2678 2693 2707 2722 2737 2751 2766
2015 2780 2795 2810 2824 2839 2854 2868 2883 2898 2912 2927 2942
2016 2956 2971 2985 3000 3015 3029 3044 3059 3073 3088 3103 3117
2017 3132 3147 3161 3176 3190 3205 3220 3234 3249 3264 3278 3293
2018 3308 3322 3337 3352 3366 3381 3395 3410 3425 3439 3454 3469
حساب النسب ادلومسية يكوف انطالقا من تقسيم القيم األصلية للسلسلة الزمنية yعلى قيم السلسلة ادلعدلة ̂ ادلتحصل
عليها انطالقا من معادلة خط االضلدار.
جدول النسب الموسمية
Novembre
Décembre
Septembre
Octobre
Janvier
Février
Année
Juillet
Mars
Avril
Août
Juin
Mai
2014 0.77 1.23 1.44 1.57 1.16 0.94 1.12 0.56 0.68 0.85 0.61 0.58
2015 0.81 1.38 1.28 1.43 1.00 0.96 0.95 0.57 0.69 0.84 0.67 0.58
2016 0.82 1.25 1.45 1.50 1.13 1.02 1.07 0.63 0.77 0.92 0.77 0.68
2017 1.00 1.41 1.73 1.38 1.11 1.15 1.12 0.70 0.83 0.94 0.77 0.66
2018 0.91 1.41 1.56 1.42 1.43 1.05 0.98 0.72 0.77 0.90 0.79 0.59
خطوة أخَتة نقوـ حبساب ادلتوسط احلسايب لكل فًتة وبالتارل استخراج ادلعامالت ادلومسية
جدول المعامالت الموسمية
Septembre
Novembre
Décembre
Octobre
Janvier
Février
Juillet
Mars
Avril
Août
Juin
Mai
Somme
0.86 1.34 1.49 1.46 1.17 1.02 1.05 0.63 0.75 0.89 0.72 0.62 12.00
يف الواقع لسنا ىنا حباجة لضبط ىذه ادلعامالت (دبعٌت تصحيحها) ،وذلك ألف رلموعها يساوي ( 12عدد الفًتات يف
السنة الواحدة).
بنفس الطريقة السابقة يتم اغلاد قيم السلسلة الزمنية ادلعدلة مومسيا ،والنتائج مبينة يف اجلدوؿ التارل:
السلسلة الزمنية المعدلة موسميا
Novembre
Décembre
Septembre
Octobre
Janvier
Février
Année
Juillet
Mars
Avril
Août
Juin
Mai
2014 2326 2412 2539 2846 2657 2471 2875 2371 2466 2605 2319 2590
2015 2606 2890 2403 2774 2432 2667 2603 2598 2679 2758 2725 2740
2016 2821 2786 2899 3079 2913 3015 3096 3039 3137 3187 3310 3437
2017 2626 3320 3671 3005 3044 3597 3443 3563 3603 3457 3479 3528
2018 3497 3495 3497 3253 4125 3467 3186 3845 3520 3473 3793 3322
26
. خط االضلدار والسلسلة ادلعدلة مومسيا،فيما يلي نشاىد التمثيل البياين للسلسلة األصلية
5000
4000
3000
2000
1000
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59
27
انفصمانثاَي
يعود فضل تأسيس طريقة التلميس األسي للباحث Holtيف سنة 2957وكذلك للباحث Brownسنة
.182961ويعد من األساليب الشائعة يف احلياة العملية ،ويعتمد ىذا األسلوب على فكرة أف ادلعلومات القدؽلة أقل أعلية
من ادلعلومات احلديثة وذلذا غلب أف تعطي وزنا أقل ،19حبيث يأخذ التنبؤ اخلاص بالفًتة السابقة وغلري عليو التعديل
للحصوؿ على التنبؤ اخلاص بالفًتة الالحقة ،ويعرب ىذا التعديل على خطأ التنبؤ يف الفًتة السابقة ويتم حسابو بضرب
خطأ التنبؤ يف الفًتة السابقة يف معامل ثابت يًتاوح بُت 0و.2
.2خصائصطشقانخهًيس :
2.2انًبادئاألساسيت :
-ادلبدأ األوؿ :االطلفاض ادلتزايد لقيمة ادلعلومة مع الزمن.
-ادلبدأ الثاين :تلخيص ادلعلومات .حيث أف االستعماؿ الكلي لسلسلة زمنية ما صعب جدا .ومن ىنا تقنيات
التلميس األسي تعمل على تصغَت حجم السلسلة الزمنية يف شكل بعض ادلعلمات .ومن أجل إجراء عملية التنبؤ
باستعماؿ ىذه التقنية من الضروري االحتفاظ ببعض القيم يف الذاكرة.
-ادلبدأ الثالث :التحديث ادلستمر للمعلمات بفضل بعض احلسابات البسيطة نسبيا .حبيث يعترب أسلوب
التلميس األسي أسلوبا مكيفا .دبعٌت أنو يسًتجع باستمرار ادلعلمات بنفس الًتتيب الذي يدير وصوؿ ادلعلومات .إذا ىذا
ادلبدأ ما ىو إال نتيجة الشًتاؾ ادلبدأين السابقُت.
18 Régis BOURBONNAIS, Jean-Claude USUNIER. (2017), «Prévision Des Ventes», 6ème édition, Economica, Paris,
p 57.
19علي ىادي جربين (إدارة العمليات)دار الثقافة للنشر والتوزيع عماف –األردف 1006 -ص .107
28
1.2صياغتًَىرجانخهًيساألسي :
لنفرض أف xtسبثل مبيعات منتج معُت يف الزمن ، tوؽلكن اعتبارىا كنتيجة لتوفيقو خطية غَت منتهية من ادلبيعات
ادلاضية .مع أف تأثَت أو وزف ادلاضي على احلاضر ىو متناقص مع أقدميتو ،وىو يتبع منحى أسي.
تسمح طريقة التلميس األسي دبوازنة ادلالحظات إحداىا على األخرى ،بإعطاء أوزاف أكثر أعلية للبيانات األكثر
حداثة .حيث تكوف األوزاف متناقصة مع البعد يف ادلاضي .ويعرب عن ىذا االتزاف بادلعامل الذي ػلدد الوزف ادلعطى
للحاضر بالنسبة للماضي ،بإتباع النمذجة التالية:20
(xˆt St xˆt 1 ( xt 1 xˆt 1 ) .........................)2
مع:
: x̂tقيمة ادلبيعات ادلتنبأ هبا للزمن . t
: xt 1آخر مبيعات زلققة (يف الزمن .) t 1
: xˆt 1التنبؤ اخلاص بالفًتة األخَتة (الزمن .) t 1
: معامل التلميس وىي دائما زلصورة بُت الواحد والصفر.
ومن خالؿ ادلعادلة ( ) 2يظهر التلميس كأنو نتيجة آخر قيمة ملمسة مصححة بإعطاء وزف للفرؽ بُت ادلبيعات
احملققة وادلتنبأ هبا .وىنا صلد ادلبدأ الثالث وىو تكييف التلميس مع خطأ التنبؤ.
وؽلكن إجراء تعديالت على ادلعادلة ( )2كالتارل:
xˆt xt 1 (1 ) x (ˆt 1 ...................)1
وهبذا الشكل ،يظهر التلميس األسي كمتوسط متزف آلخر قيمة للمبيعات احملققة وآخر قيمة ملمسة.
لـ𝛼 شكل 3انخفاض قيمة المعمومات مع أقدميتها ومقارنة المتوسط الكالسيكي مع ثالث قيم
0,9
0,8
0,7
0,6 α=0.30
0,5 المتوسط الكالسيكي
0,4 α=0.80
0,3 α=0.60
0,2
0,1
0
1 2 3 4 5 6 7 8 9 10 11
وبالتارل نستنتج من خالؿ مالحظتنا للشكل البياين أنو كلما كانت قريبة من الصفر يتم االعتماد على أكرب
عدد من ادلشاىدات ادلاضية يف عملية التلميس األسي .وكلما اقًتبت من الواحد كلما نقص عدد ادلشاىدات اليت يتم
االعتماد عليها يف التنبؤ باستعماؿ التلميس األسي.
ومن ادلمكن ربديد العمر ادلتوسط للمعلومة أو ادلشاىدة بالعالقة التالية:
1
D
إذا كانت 1العمر ادلتوسط للمعلومة أو ادلشاىدة ىو صفر ما دامت القيمة األخَتة فقط مأخوذة بعُت
االعتبار يف التنبؤ .أما إذا كانت 0فإف العمر ادلتوسط للمشاىدة غَت منتهي ألف القيمة األوذل فقط مأخوذة بعُت
االعتبار.
30
ًَ .1ىرجانخهًيساألسيانبسيظ(انًُىرجانًسخقش) :
يستعمل ىذا النموذج يف حالة السلسلة الزمنية العشوائية اليت تسلك مسارا عشوائيا حوؿ وسط حسايب ثابت،
دبعٌت أهنا ال ربتوي ال على اذباه عاـ وال على تغَتات مومسية .21وصيغة ظلوذج التلميس البسيط ىي كالتارل:
ˆt xt 1 (1 ) x
x ˆt 1
مع xt 1 xˆt :من أجل البدء (يف حالة عدـ توفر إال قيمة واحدة من ادلبيعات احملققة).
والتنبؤ لألفق hيعطى على الشكل التارل:
xˆn h xn 1
ومن ىنا نالحظ أف التنبؤات ثابتة مهما تكن . h
مثاؿ تطبيقي:
اجلدوؿ التارل ػلتوي على البيانات ادلسجلة و اخلاصة بالسلسلة الزمنية .xt
8 7 6 5 4 3 2 1 t
30 30 20 20 30 40 40 30 xt
ادلطلوب :القياـ بالتنبؤ دبدى ثالث فًتات مستقبلية ،عند رلاؿ ثقة مقدر ب ،٪95و ىذا باستخداـ طريقة التلميس
األسي البسيط .ثابت التلميس األسي λيساوي .0.3
احلل:
21مولود حشماف (ظلاذج وتقنيات التنبؤ القصَت ادلدى) ديواف ادلطبوعات اجلامعية –اجلزائر 2998 -ص .72
31
̂ 4 من أجل :t=3
…
̂ من أجل :t=8
̂ من أجل :t=9
̂ ̂ ̂ من أجل :t=10, 11
∑ ̅
√. (صيغة العينات الصغَتة) و √ لدينا:
ًَ .3ىرجانخهًيساألسيانثُائي(انًُىرجانخطي:)Brown
يسمح ظلوذج التلميس األسي البسيط حبساب التنبؤ يف حالة السلسلة الزمنية ادلستقرة وبدوف اذباه عاـ .أما
ظلوذج التلميس األسي الثنائي فهو مستعمل يف حالة السالسل الزمنية ذات االذباه العاـ واليت تأخذ الشكل التارل:
xt a0t a1t t
يتغَتاف على مدى aˆ1t و ادليل aˆ0t ونالحظ أهنا تأخذ نفس خصائص االذباه العاـ .مع العلم أف ادلتوسط
الزمن.
وكما يدؿ اسم ىذا النموذج ،فإف تقنية التلميس األسي الثنائي تعمل على تلميس سلسلة زمنية ملمسة من
قبل ،وذلك بإتباع الصياغات التالية:
St xt (1 ) St 1
SSt St (1 ) SSt 1
مع:
) a1t 1 ( S t SSt
a 0 t 2 S t SSt
ػلسب بادلعادلة التالية: h والتنبؤ لألفق
ˆt 1 a0t ha1t
x
مثاؿ تطبيقي:
يبُت اجلدوؿ أدناه رلموعة من ادلشاىدات ادلسجلة و اخلاصة بالسلسلة الزمنية .xt
8 7 6 5 4 3 2 1 t
30 30 20 20 30 40 40 30 xt
ادلطلوب :القياـ بالتنبؤ بالفًتات الثالث ادلستقبلية ،وىذا باستخداـ طريقة التلميس األسي الثنائي .ثابت التلميس األسي
λيساوي .0.5
32
احلل:
أمثلة عن احلسابات:
̂ )a
̂ ̂
̂ ̂
…
̂ ̂ 4 4 4
̂̂ )b ̂
̂̂ ̂ ̂̂
̂̂ ̂ ̂̂
…
̂̂ ̂ ̂̂ 4 4
)c ̅
)d 4
)e 4 4
4 4
4 4 4 4 4
)f
4 4
44
44 [ ]
[ 4 ]
33
[ ]
4 [ 4 ]
ًَ .4ىرج:Holt
نستطيع كذلك استخداـ ظلوذج التلميس األسي Holtالذي يضم معلمتُت :األوذل من أجل التلميس ادلتوسط
) (a0tوالثانية زبص ادليل ) (a1tحبيث:
-التلميس ادلتوسط a0tمع معامل التلميس احملصورة بُت الصفر والواحد.
-تلميس ادليل أو االذباه العاـ a1tمع معامل التلميس احملصور كذلك بُت الصفر والواحد.
مالحظة :يف حالة النموذج Holtىو نفسو ظلوذج التلميس األسي الثنائي .Brown
أما صيغة ىذا النموذج فهي كالتارل:
) a0t xt (1 )(a0t 1 a1t 1
a1t (a0t a0t 1 ) (1 )a1t 1
ػلسب بادلعادلة السابقة: h والتنبؤ لألفق
ˆt 1 a0t ha1t
x
ومن أجل البدء لدينا:
a0 1 x1
a1 1 0
34
xˆt 1 (a0t ha1t ) St p h si1 h p
xˆt 1 (a0t ha1t ) St p 2 h sip 1 h 2 p
مع العلم أف:
a0 p x
a1 p 0
مثاؿ تطبيقي:
اجلدوؿ التارل يضم ادلشاىدات اخلاصة بادلبيعات الشهرية لشركة ما على مدى 3سنوات و ادلعرفة ب. xt
t t t
Année 1-J 401,60 Année 2-J 263,90 Année 3-J 393,40
F 395,70 F 289,90 F 316,20
M 451,00 M 337,00 M 428,60
A 427,60 A 374,00 A 467,60
M 496,80 M 292,70 M 501,00
J 467,70 J 398,60 J 487,40
J 352,30 J 421,70 J 463,30
A 182,10 A 173,80 A 165,90
S 522,20 S 522,10 S 595,10
O 687,20 O 642,40 O 698,10
N 1080,3 N 984,20 N 1012,10
D 1391,6 D 1307,6 D 1380,00
ادلطلوب :القياـ بالتنبؤ دببيعات اؿ 21شهرا ادلقبلة من السنة الرابعة ،وىذا باستخداـ ظلوذج باالذباه العاـ وادلومسية (ظلوذج
α .)Holt-Wintersمع:
احلل:
22ؽلكن أف تظهر بعض االختالفات الطفيفة بُت القيم احملسوبة و القيم ادلوجودة يف اجلدوؿ و ذلك راجع اذل أف الربرليات تستخدـ حسابات أكثر دقة
خاصة على مستوى الفواصل.
36
االذباه العاـ:
يف ادلثاؿ الراىن ،وكحالة مستقرة (يتم وضع األفق hيساوي )2لشهر سبتمرب من السنة :1
̂ 4
(احملسوبة يف شهر أوت من السنة ،1مع .)h=1
التنبؤ بالنسبة لشهر سبتمرب من السنة ( 4األفق ،)h=9واحملسوب يف شهر ديسمرب من السنة ،3يساوي:
̂ 4
.6حقذيشيعايالثانخهًيس :
ادلثلى على أساس تصغَت رلموع مربعات البواقي ) ( , , يتم اختيار أو تقدير معامالت التلميس األسي
، et2أين ، et xt xˆtوبالتارل االختيار يتم على أساس التجربة حيث أف:
-عادة ما تكوف مساوية 0.2أو .0.3
-قيمة تكوف أكرب قوة من ادليل ،غالبا ما تتغَت ولكن عادة ما تكوف قريبة من .0.2
يتم حساب التنبؤ لكل تركيبة من قيم ) ، ( , , وبعد ذلك يتم حساب رلموع الفروؽ .ويتم البحث بتغيَت
قيم ىذه ادلعامالت باضلرافات صغَتة من أجل ربسُت فعالية النموذج .مع العلم أف الوصوؿ إذل قيم مثلى ذلذه ادلعامالت
ليس باألمر السهل من وجهة نظر رياضية ،حىت يف حالة النماذج ادلصطنعة .حقيقة نقف عن التقدير عندما يصبح
معدؿ اخلطأ ادلالحظ يظهر كأنو مرضي.23
23Christian Marmuse. (1983), « Les aides à la décision –techniques quantitatives de gestion », 2ème édition, Edition
FERNAND NATHAN. P162.
37
يعترب التحليل الكالسيكي للسالسل الزمنية الذي يعتمد بالدرجة االوذل يف أحكامو على اآلليات التقليدية
للتحليل واالستنباط منظورا قدؽلا حيث أضحى الدور االساسي للخرباء االقتصادين و ادلفكرين ىو زلاولة تفسَت احمليط
االقتصادي و ربديد أىم ادلتغَتات اليت تتحكم يف ىذا األخَت .حيث أف تقنيات التنبؤ تكوف يف معظم احلاالت غَت
كافية للتنبؤ بالظواىر االقتصادية .فمثال عند احلديث عن أساليب التلميس األسي ،صلد أهنا مبنية من استقراء ادلكونات
احلتمية اليت تشوه الواقع االقتصادي .وقد الحظ اإلحصائيوف أف ىذه األدوات غالباً ما تعطي نتائج زائفة أكثر شلا تقدمو
كمعلومات حوؿ احلقائق اجلوىرية للسلسلة.
وىذا ما جعل اىتماـ الباحثُت ينصب للبحث يف ىذا اجملاؿ يف السبعينيات خاصة بعد أعماؿ Box and
Jenkinsالذين يقًتحوف "فلسفة" جديدة دلعاجلة السلسلة الزمنية .فهم يعتربوف يف الواقع أنو يف فًتة زمنية ، tتكوف قيمة
xtعبارة عن متغَت عشوائي.
من خالؿ ىذه ادلنهجية ادلبينة ،تكوف النماذج احملددة ( )ARMAعبارة عن ظلاذج خطية .قاـ بعد ذلك بعض
ادلؤلفُت ؾ " "Tong, 1990بربط ىذه ادلنهجية بالنماذج الغَت خطية .ؽلكن أف ترتبط خاصية الالخطية بسَتورة من
،)Threshold – AR( TAR الدرجة ( 2متوسط العينة) ،يطلق على ىذه النماذج ب :ظلاذج االضلدار الذايت ذو العتبات
النماذج الشبو خطية ،Bilinearظلاذج ...،(AR EXponentiels) EXARإخل...
(Autreegressive أيضا بتباين العينة (سَتورة من الدرجة الثانية)؛ مت إقًتاح ظلاذج ARCH
ؽلكن أف تتعلق الالخطية ً
) Conditionnal Heteroscedasticityبواسطة Engleيف عاـ .2981فتحت ىذه النماذج اجملاؿ اماـ إنشاء العديد
. من النماذج األخرى ) ، (Guegan, 1994بضم ىذا ادلبدأ مع ظلاذج ARMA
نعرؼ ظلاذج السالسل الزمنية العشوائية ادلستقرة والغَت مستقرة وكيفية الفصل بينهما عن طريق اختبار
يف ىذا اجلزءّ ،
اجلذور الوحدية (الفصل .)3نقدـ بعد ذلك التنبؤ بادلبيعات باستخداـ منهجية ( Box and Jenkinsالفصل .)4وأخَتاً
،يتعلق الفصل 5االمتداد إذل ظلاذج الذاكرة الطويلة ARFIMAوالنماذج الغَت اخلطية .ARCH
38
انفصمانثانث
سيتم التطرؽ من خالؿ ىذا الفصل اذل ظلاذج السالسل الزمنية العشوائية ادلستقرة والغَت مستقرة ،وكذا اذل كيفية التمييز
بُت السلسلة من النوع التحديدي ) (TSوالسلسلة من النوع العشوائي) .)DSعالوة على ذلك يقدـ ىذا الفصل بعض
اختبارات اجلذور الوحدية ادلستخدمة يف دراسة استقرارية السالسل الزمنية ،ويصف ظلاذج ARMAو ARIMA
ويوضح كيفية استخدامها لنمذجة تطور سلسلة زمنية.
.1االسخقشاسيت:
تكوف السلسلة العشوائية مستقرة ،إذا تذبذبت حوؿ وسط حسايب ثابت ،مع تباين وتباين مشًتؾ ليس ذلم عالقة
بالزمن ،أي أف:25
E (Yt ) E (Yt k )
VAR (Yt ) VAR (Yt k ) 0
) COV (Yt , Yt k ) COV (Yt k , Yt k s
حيث أنو ذبدر اإلشارة اذل أنو غلب التمييز بُت أنواع االستقرارية ،على النحو التارل:
.3يفهىواالسحباطانزاحي :
يعترب االرتباط الذايت أحد ادلشاكل اليت يًتتب على وجودىا عدـ الدقة يف قياس معامالت العالقات االقتصادية
عند استخداـ طريقة ادلربعات الصغرى العادية.
2.3حعشيفاالسحباطانزاحي :
يشَت االرتباط الذايت بوجو عاـ إذل وجود ارتباط بُت القيم ادلشاىدة لنفس ادلتغَت .ويف ظلاذج االضلدار عادة ما
تشَت مشكلة االرتباط الذايت إذل وجود ارتباط بُت القيم ادلتتالية للمتغَت العشوائي .ويف ىذه احلالة تكوف قيمة معامل
االرتباط بُت القيم ادلتتالية للمتغَت العشوائي غَت مساوية للصفر.ووجود مشكلة االرتباط الذايت ؼلل بأحد االفًتاضات
اليت تقوـ عليها طريقة ادلربعات الصغرى العادي ة ،وىي تعٍت أف خطأ ما حدث يف فًتة زمنية ما ،مث أخذ يؤثر يف األخطاء
اخلاصة بالفًتات التالية بطريقة تؤدي لتكرار نفس اخلطأ أكثر من مرة .أي أنو يوجد ىناؾ خطأ واحد ولكنو يتكرر يف
كل الفًتات التالية دبا يؤدي لظهور قيم احلد العشوائي عند مستوى ؼلتلف عن القيم احلقيقية.26
26عبد القادر زلمد عبد القادر عطية (احلديث يف االقتصاد القياسي بُت النظرية والتطبيق) الدار اجلامعية اإلبراىيمية –اإلسكندرية 1005 -ص .440
27J.C.USUNIER, (1982), (Pratique de la prévision à court terme) édition Dunod, Paris. p45.
40
N
( y
t 1
t y)2
N
1
y
N
حيث yسبثل ادلتوسط احلسايب y
t 1
t
كما ؽلكن صياغة االرتباط الذايت بداللة التباين والتباين ادلشًتؾ :
) COV ( yt , yt k
(k )
) VAR ( yt ).VAR ( yt -k
وبػػُت السلسػػلة السلس ػػلة
yt , t
إذف مػػن ادلالحػػظ أف االرتبػػاط الػػذايت يقػػيس درجػػة االرتبػػاط بػػُت متغ ػَتات
ادلنحازة بدرجة (.)k األصلية y t k , t
خصائص االرتباط الذايت:
) . ( k ) ( k -االرتباط الذايت متناظر حوؿ الصفر أي أف:
-االرتباط الذايت زلصور بُت القيمة. 1 (k ) 1 :
-عندما k 0فإف (k ) 1وبالتارل ارتباط السلسلة تاـ.
-ال فائدة من حساب ) (kعند عدـ استقرار السلسلة الزمنية.
. 28 k T /4 -طلتار درجة التأخر ) (Décalageحسب عدد ادلشاىدات ادلتاحة واحملددة بالعالقة
ب -دالة االرتباط الذاتي الجزئية :
لتكن ) (Ytسلسلة زمنية مستقرة و kمعامل تأخَت ،يقيس معامل االرتباط الذايت اجلزئي العالقة بُت قيم متتالية دلتغَت
29
ما خالؿ فًتتُت مع ثبات قيم الفًتات األخرى و يعطى بالعالقة التالية :
rk
cov yt yt* yt k yt*k
*v yt yt v y t k yt*k
حيث أف y *tو yt*kمتغَتات ضلصل عليها من اضلدار ytو ( yt kكل على حدا) على سلسلة ادلتغَتات التالية:
yt k 1 ,..., yt 2 , yt 1 وبالتارل فإف :
k 1 k 1
yt* j yt j , yt*k 'j yt j
j 1 j 1
احملدد ) ( k ولتسهيل ربليل ادلنحٌت البػياين لدالة ( )ACنضع رلاؿ ثقة للقيِّم ادلقروءة ،باالعتماد على تباين
31
بالعالقة :
1
k
VAR ( k )
2
N
1 2
i 1
(i )
زلدد بػ : (1 ) 0.95 وباعتبار أف ( )kتتبع يف توزيعها القانوف الطبػيعي فإف رلاؿ الثقة لػ ( )kبدرجة
1,96 VARˆ (k )
وبالتارل ؽلكن اختبار عشوائية السلسلة E ( yt ) 0وذلك بوجود كل قيم ( )kبداخل ىذا اجملاؿ.
وبالنسبة لدالة ( )ACPفإهنا أيضا تتبع توزيعا طبيعيا ذو تباين مقدر بػ:
VAR rˆ(k ) 1/ T
وػلدد رلاؿ الثقة بػ:
. 1,96 VAR rˆ(k )
.4انخصائصيت) :(Ergodicité
تنبع ىذه الفكرة األساسية من االعتبار التارل :ضلن نعلم أف أي سلسلة زمنية ما ىي اال ربقيق لعملية عشوائية خاصة
وبالتارل فإف كل مشاىدة ىي عبارة عن إحدى التحقيقات للمتغَت العشوائي ادلقابل .إذف ،كيف يتم حساب التوقع
الرياضي ،التباين ودالة االرتباط الذايت ذلذا ادلتغَت يف حُت أنو يتوجب علينا معرفة أكثر من نقطة (مشاىدة) لكل متغَت
-30من اآلف فصاعدا نعرب عن دالة االرتباط الذايت البسيط بالرمز ( )ACوبالرمز ( )ACPلدالة االرتباط الذايت اجلزئي.
31 (J.C.USUNIER ) Op.cit p 92-93.
42
عشوائي؟ بعبارة أخرى ،دبا أننا ال نستطيع القياـ حبسابات احصائية يف احلالة ،فإنو يتوجب علينا البحث عن طريقة
أخرى .
ؽلكننا القوؿ اذف ،عن العملية ادلستقرة أهنا تتميز باخلصائصية ( )Ergodiqueإذا أمكن حساب كل خصائصها (الوسط
احلسايب ،التباين ،دالة االرتباط الذايت) استنادا دلسار واحد فقط من ىذه العملية (بطريقة عملية مشاىدة سلسلة زمنية
دلدة كافية) .باختصار ،ىذا يساعدنا على أف نقرر أف السلسلة الزمنية ادلشاىدة ىي عبارة عن عملية ظلوذجية أـ ال.
على سبيل ادلثاؿ التوقع الرياضي للعملية ىي هناية معدؿ (الوسط احلسايب) قيم مشاىدات السلسلة ،عندما تؤوؿ فًتة
ادلشاىدات إذل ما الهناية.
ىناؾ رلموعة من الشروط الالزمة كي تكوف العملية ادلستقرة خصائصية ،وىذا ىو غرض النظرية اخلصائصية «la
)».) Théorie Ergodique:conjecture de Boltzmann
ًَارجانسالسمانضيُيتانعشىائيتوانًسخقشة(ًَارج:)ARMA .II
تتكوف تشكيلة النماذج العشوائية من ظلاذج االضلدار الذايت ) ،(ARوظلاذج ادلتوسطات ادلتحركة )،(MA
والنماذج ادلختلطة من ظلاذج االضلدار الذايت وظلاذج ادلتوسطات ادلتحركة ) (ARMAباإلضافة إذل النماذج ادلمتدة
) ،(ARIMA, SARIMAومن شروط استعماؿ ىذه النماذج غلب أف تكوف السلسلة الزمنية مستقرة.
k k
43
أما بالنسبة دلنحٌت دالة االرتباط اجلزئي pحد األوذل زبتلف عن الصفر.
1 0.8
1 FAC 1 FAP
12345 678
12345 678 k k
-1
-1
1 0.8t
1 FAC 1 FAP
12345 678
12345 678 k k
نموذج االنحدار
-1
-1
32
الذاتي الموسمي :SAR
وؽلكن كتابة صيغتو العامة على النحو التارل:
ًَ .2ىرجانًخىسطاثانًخحشكت:MA(q)33
يف ظلوذج ادلتوسطات ادلتحركة من الدرجة ،qكل قيمة ytمعممة دبتوسط متزف لعنصر اخلطأ العشوائي حىت
للمدة : q
32ناظم عبد اهلل عبد احملمدي ،ـ.ـ .سعدية عبد الكرًن طعمو ،استخداـ ظلاذج السالسل الزمنية ادلومسية للتنبؤ باستهالؾ الطاقة الكهربائية يف مدينة الفلوجة،
رللة جامعة األنبار للعلوـ االقتصادية واإلدارية ،اجمللد ،4العدد.1022، 7
33 Regis BOURBONNAIS, (op-cit) p241.
44
MA(1) : yt t 1 t 1
MA(2) : yt t 1 t 1 2 t 2
........
MA(q) : yt t 1 t 1 2 t 2 ... q t q
أين 1, 2 ,..... qمعلمات وؽلكن أف تكوف إما سالبة أو موجبة ،و tىو اخلطأ العشوائي (Aléa
).Gaussien
ىذا النموذج مثلو مثل ظلوذج االضلدار الذايت فإف األخطاء العشوائية ىي مفًتضة أهنا ناذبة عن اخلطأ األبيض.
وؽلكن تفسَت ظلوذج ادلتوسطات ادلتحركة كأنو سبثيل لسلسلة زمنية متوسطها متأثر بشكل عشوائي (اخلطأ العشوائي).
مع العلم أنو يوجد ىنا مساواة بُت ظلوذج ادلتوسطات ادلتحركة من الدرجة األوذل)) (MA(1وظلوذج االضلدار
الذايت من درجة ما ال هناية )): ( AR (
)MA(1) AR (
وتأخذ دالة االرتباط الذايت البسيط الصيغة التالية:
iqk
دبعٌت أنو إال qحد األوؿ دلنحٌت االرتباط الذايت البسيط اليت زبتلف جوىريا عن الصفر.
ومنحٌت االرتباط الذايت اجلزئي لو خاصية االطلفاض اذلندسي للتأخرات.
MA(1) : yt t 1 t 1 مثال:
45
34
نماذج المتوسط المتحرك الموسمي : SMA
باستخداـ عامل التباطؤ Dينتج:
34ناظم عبد اهلل عبد احملمدي ،ـ.ـ .سعدية عبد الكرًن طعمو ،مرجع سابق.
46
.3انًُارجانًخخهطت):ARMA(p,q
إف النماذج من النوع ) ARMA(p,qىي مزيج من ) AR(pو ) ، MA(qلكن األخطاء بو مرتبطة يف وحدة الزمن،
األمر الذي يسمح بكتابة السلسلة الزمنية ادلدروسة بالشكل التارل :
( )yt 1 yt 1 2 yt 2 ... p yt p ut .............
معرؼ بالعالقة: ut حيث أف
ut t 1 t 1 2 t 2 ... q t q
35
يفًتض أف يكوف ) AR(pو ) MA(qمستقرين يف وحدة الزمن وبالتارل ) ARMA(p,qمستقر تعريفاً.
ادلعادلة ( ) للنموذج ادلختلط ) A R M A ( p qظلتاز دبا يلي36 :
35 B.COUTROT et F.DROESBEKE (1989), « Les méthodes de prévision -Que sais-je », Edition P.U.F Paris, p 61-66.
36 Hassen BENNACEUR. (2010), « Econometrie : Notes De Cours_ Exercices Corriges », Centre De Publication
Universitaire, Tunisie, p 291.
47
جدول 3خصائص منحنى االرتباط الذاتي
FAP FAC النموذج
اآلف بعد ربديد طبيعة كثَت احلدود ،تبقى كيفية ربديد درجتو ،ففي حالة كثَت احلدود ) MA (q), AR (pربدد
الدرجػة pأو qوفقا ألكرب معامل تأخَت ( )kاستقرت عنده السلسلة ،أما يف حالة كثَت احلدود ) ARMA (p , qفيحدد
بنفس األسلوب السابق على أساس التجزئة ،أو عن طريق التجربػة ومالحظة منحٌت دالة االرتباط (.)Corrélogramme
كما صلد عدة معايَت الختيار النموذج ادلناسب أعلها:
)2( p q
AIC log ˆ 2ˆ -معيار :)2969( Akaike
T
log T
)SIC log ˆ2ˆ ( p q -معيار :)2978( Schwars
T
log T
HQ( p, q) log ˆ2ˆ ( p q)c -معيار :)2979( Hannan-Quinn
T
مع c>2ثابت.
. HQ, SIC, AIC وىنا يكوف االختيار على أساس أصغر قيمة للمعيار ،أي نفضل النموذج الذي ػلقق أصغر
نماذج االنحدار الذاتي المتوسط المتحرك الموسميSARMA:
عند دمج ظلوذج االضلدار الذايت ادلومسي مع ظلوذج ادلتوسط ادلتحرؾ ادلومسي ضلصل عمى ظلوذج مركب ويرمز لو
)SARMA(P,Qويعرب عن ىذه النماذج بالشكل التارل:
𝛼 𝛼
𝛼
48
ًَارجانسالسمانضيُيتانعشىائيتانغيشيسخقشة : .III
.2أَىاعانسالسمانضيُيتانغيشيسخقشة 37:
.2.2انًُىرج :(Trend. Stationary) TS
ىذه النماذج غَت مستقرة و تربز عدـ استقراريتها التحديدية و يعطى على الشكل التارل:
a0باستعماؿ MCO a1 ىذا النموذج غَت مستقر كونو مرتبط بالزمن و من أجل إرجاعو مستقرا وجب تقدير ادلعادل
حيث أف:
.Bثابت حقيقي
.dدرجة التأخر.
فإذا كانت 0=Bيسمى النموذج DSبدوف مشتقة و يكتب على النحو التارل:
YT Yt 1 t
yt yt 1 B t
.1اخخباساثانكشفعٍاسخقشاسيتانسهسهتانضيُيت :
2.1اخخباس 38:(Dickey – Fuller 1979)D.F:
يسمح االختيار دبعرفة إف كانت السلسلة مستقرة أـ ال و معرفة نوع السلسلة الغَت مستقرة TSأو DSو يعتمد االختبار
على ثالث ظلاذج ىي:
)yt 1 yt 1 t .........(1 * ظلوذج االضلدار الذايت:
)yt 1 yt 1 t ............(2 * ظلوذج االضلدار الذايت مع وجود ثابت:
* ظلوذج االضلدار الذايت مع وجود االذباه العاـyt 1 yt 1 bt c t ...........(3) :
و نقوـ بتقدير 1باستعماؿ طريقة MCOمن أجل النماذج الثالث و كذلك االضلراؼ ادلعياري.
1 n 2
2
et
n t 1
-تقدير التباين يف ادلدى الطويل بالعالقة التالية:
ومن أجل تقدير ىذا التباين يف ادلدى الطويل ،من ادلهم ربديد رقم التأخر ، lويساوي بالتقريب:
ˆ 2
k حيث:
st2
ˆ tيعٍت وجود جدر وحدي و لتوضيح اختبار DFأكثر نستعُت بادلخطط التارل: 1
tTAB إذا كانت
p
yt t 1 j yt j 1 t ............(4)
j 2
p
yt t 1 j yt j 1 c t ............(5)
j 2
p
yt t 1 j yt j 1 c bt ............(6)
{ j 2
t
ˆ 2
k حيث:
st2
نرفض فرضية العدـ ( االستقرار ) إذا كانت اإلحصائية LMأكرب من قيمة احلرجة ادلستخرجة من اجلدوؿ ادلعد من طرؼ
.Kwiatkowski et al.
ىذا االختبار و ادلعرؼ ب ، ERSيعترب دبثابة نقطة أمثلية بالنسبة جلذر الوحدة حيث أنو يعتمد على شبو الفروقات
ادلطبقة على السلسلة ،xtفهو ػلسن من قوة االختبار مقارنة مع االختبارات القياسية ؿ .Dickey-Fuller
معzt=1 :يف حالة بدوف مشتقة (النموذج األوؿ من اختبار zt=1,…,t،)Dickey-Fullerيف حالة وجود مشتقة
c=13,5 𝛼 حيث c=7اذا كانت السلسلة ال يبدو أهنا ربتوي على اذباه عاـ و (النموذج الثاين) ،و ⁄
اذا كاف يبدو أف ىذه السلسلة ربتوي على اذباه عاـ.
.نقوـ بتقدير ادلعامل aبطريقة ادلربعات الصغرى ادلعممة ): (MCG ليكن النموذج:
. .األمر الذي يسمح حبساب متغَت جديد̂ : ̂
يتم مقارنة االحصائية ERSمع القيم احلرجة ادلستخرجة من اجلدوؿ ادلعد من طرؼ ،Elliot and alاذا كانت
ERS>ERStabيتم قبوؿ الفرضية العدمية ،H0و العكس صحيح.
.2.3اختبار ):Ng-Perron(2001
اقًتح كل من Ng and Perronأربع احصائيات ترتكز على طريقة ادلربعات الصغرى ادلعممة ) (MCGادلطبقة على
)،Phillips-Perron (1988 معطيات بدوف اذباه عاـ .ىذه االختبارات عبارة عن نسخة معدلة من اختبارات
) Bhargava(1986و ) ERS(1996اليت تعترب اختبارات قوية بالنسبة لالضلرافات الكبَتة عندما تكوف البواقي مًتابطة
بشكل سليب.
∑
بدوف اذباه عاـ. ىي السلسلة مع لتكن الصيغة:
53
االحصائيات األربع معرفة بالشكل التارل:
( )
) (
( )
ال ربتوي على اذباه عاـ اذا كاف يبدو أف
{
( )
ربتوي على اذباه عاـ اذا كاف يبدو أف
قيمة f0ىي عبارة عن تقدير طيفي للبواقي من أجل الًتدد 0مع c=-7اذا كانت السلسلة ال ربتوي على اذباه عاـ و
c=-13,5اذا كانت السلسلة ربتوي على اذباه عاـ.
.Ng and Perron يتم مقارنة ىذه االحصائيات األربعة مع القيم احلرجة ادلستخرجة من اجلدوؿ ادلعد من طرؼ
.3االيخذادإنىانًُارجARIMAو 42:SARIMA
سبكننا اختبارات اجلذور الوحدية من معرفة إف كانت السالسل الزمنية مستقرة أو غَت مستقرة ،ويف حالة عدـ
استقرارىا سبكننا كذلك من معرفة إف كانت من النوع TSأو .DS
فإذا كانت من النوع TSفيمكن ربويلها إذل سلسلة مستقرة بطريقة االذباه العاـ بالنسبة للوقت والباقي ادلقدر
للباقي .وإظلا ARوMA و qلألجزاء يدرس باستعماؿ منهجية .Box-Jenkinsىذا ما يسمح بتحديد الدرجات
p
نبقى ىنا دائما يف حالة النماذج ادلختلطة .ARMA
وإذا كانت السلسلة ادلدروسة من النوع ،DSؽلكن ربوذلا إذل سلسلة زمنية مستقرة باالنتقاؿ إذل الفروقات
حسب درجة التكامل ( I dدبعٌت عدد ادلرات اليت غلب أف نفاضل فيها السلسلة من أجل ربويلها إذل سلسلة
AR مستقرة) .والسلسلة ادلفاضلة تدرس باستعماؿ منهجية Box-Jenkinsاليت تسمح بتحديد الدرجات pو qلألجزاء
و .MAويسمى ىذا النوع من النماذج بػ ).ARIMA (p,d,q
والنماذج SARIMAتسمح دبكاملة درجة من التفاضل ادلرتبطة باالستقرار ادلعمم بالتحويالت:
( I Ds ) yt yt yt sأين sتتبع مدة البيانات ( 4 sمن أجل بيانات فصلية 12 s ،من أجل بيانات
شهرية).
يقذيت :
من خالؿ دراسة ظلاذج التلميس األسي نالحظ أهنا اعتمدت على وجود القانوف األسي الذي يدير السلسلة الزمنية،
ولكن يف الواقع غَت واضح سباما ىذا من جهة ومن جهة أخرى السالسل الزمنية معقدة جدا بسبب االرتباط الذايت
والفارؽ الزمٍت الذي يفصل بُت القيم ادلشاىدة وأثرىا عل ى القيم الالحقة وبالتارل على القيم ادلقدرة .ففي سنة 2976
توصل BOX-JENKINSيف الواليات ادلتحدة األمريكية إذل نشر عملهما ادلتعلق دبعاجلة السالسل الزمنية وكيفية
استعماذلا يف رلاؿ التنبؤ وذلك باالعتماد على دالة االرتباط الذايت واستخداـ مبدأ ادلتوسطات ادلتحركة ومبدأ االضلدار
الذايت ،ىذا التحليل ؼلضع السلسلة الزمنية إذل العشوائية ظلوذج عشوائي (. )(S)ARIMA
43
-2اسخخشاجخصائصانسهسهتانضيُيت :
تتلخص ىذه الطريقة يف اجراء رلموعة من التحليالت البيانية و اإلحصائية للسلسلة الزمنية كالعشوائية ،ادلومسية،
االستقرارية....،
أ .العشوائية:
وتتمثل يف ادلركبة العشوائية اليت تكوف قد تولدت عن ظروؼ عشوائية .وىي تعرب عن التذبذبات غَت ادلنتظمة.44
وؽلكن الكشف عن ادلركبة العشوائية إما عن طريق ربليل ادلعلومات بيانيا ،أو باستعماؿ االختبارات اإلحصائية .إال أف
الطريقة األوذل ال تبُت لنا بصفة واضحة ىذه ادلركبة لذا سوؼ نلجأ إذل االختبارات اإلحصائية.
ب .نزع الموسمية:
يف حالة ما إذا كانت السلسلة الزمنية تتأثر بالتغَتات ادلومسية ،يتوجب أوال نزع ىذه االخَتة قبل أي معاجلة إحصائية ذلذه
السلسلة الزمنية .تضاؼ ىذه ادلومسية للسلسلة ادلتنبأ هبا يف هناية ادلعاجلة بغرض احلصوؿ على تنبؤات بادلدى اخلاـ.
43التسمية (S)ARIMAىي اختصار لػ.(Seasonal) Auto Regresive Integrated Moving Average :
44مولود حشماف (مرجع سابق) ص.222
55
ت .البحث عن االستقرارية:
نقوؿ عن سلسلة زمنية ما بأهنا ذات معٌت واسع لالستقرار أو ذات تباين مشًتؾ مستقر إذا كانت أوساطها ،تبايناهتا
وتبايناهتا ادلشًتكة ثابتة عرب الزمن ،أي أف:45
E (Yt ) E (Yt k )
VAR (Yt ) VAR (Yt k ) 0
) COV (Yt , Yt k ) COV (Yt k , Yt k s
إذا كانت دراسة الرسم البياين لدالة االرتباط الذايت البسيط و كذا االختبارات اإلحصائية (إحصائية )Qتدؿ على أف
السلسلة الزمنية تتأثر دبركبة االذباه العاـ ،فانو من األحسن أف تتم دراسة استقرار السلسلة الزمنية دبوجب اختبار اجلذور
الوحدية ؿ (Dickey-Fuller) 46حسب ادلنهجية ادلبينة (أنظر الفصل .)3
الطريقة ادلناسبة للتخلص من مركبة االذباه العاـ تتحدد وفقا لنوع السلسلة الغَت مستقرة اما TSأو.DS
-1انخعشفعهىانًُىرج:
تعترب مرحلة التعرؼ على النموذج أىم و أصعب مرحلة على االطالؽ :ألهنا تستوجب ربديد النموذج ادلالئم من بُت
ظلاذج .ARMAتتميز ىذه ادلرحلة بدراسة الرسم البياين لدالة االرتباط الذايت البسيط واجلزئي
( .)Corrélogrammesفيما يلي سنلخص بعض القواعد البسيطة تسهل ربديد رتب ) (p,d,qلنموذج
.ARIMA
بعد التأكد من استقرار السلسلة الزمنية يتم ربديد الرتب p,qللنموذج ،ARMAوفقا للشروط ادلبسطة التالية:
اذا كانت qحد األوذل دلنحٌت دالة االرتباط البسيط زبتلف عن الصفر ( q=3على األكثر) و قيم منحٌت دالة
االرتباط اجلزئي تتناقص تدرغليا ،ؽلكن أف نستنتج ظلوذج ).MA(q
اذا كانت pحد األوذل دلنحٌت دالة االرتباط اجلزئي زبتلف عن الصفر ( p=3على األكثر) و قيم منحٌت دالة
االرتباط البسيط تتناقص تدرغليا ،فهذا ؽليز ظلوذج ).AR(p
اذا كانت دواؿ االرتباط الذايت البسيط و اجلزئي ال تبدو مبتورة ،و بالتارل ضلن ىنا أماـ ظلوذج من نوع
،ARMAو الذي يتم ربديد رتبو تبعا للشكل اخلاص دلنحٌت دالة االرتباط الذايت.
-3حقذيشيعانىانًُىرج :
بعد االنتهاء من مرحلة التعرؼ على ظلوذج السلسلة الزمنية وذلك بتحديد كل من ) ،(p,q,dؽلكننا االنتقاؿ إذل
ادلرحلة ادلوالية وادلتمثلة يف مرحلة تقدير معادل النموذج باستعماؿ طريقة ادلربعات الصغرى ) (MCOأو طريقة اإلمكاف
األكرب ) ،(Maximum Likelihood Methodفاختيار الطريقة ادلالئمة للتقدير يتوقف أساسا على نوع النموذج ادلختار:
حيثT:عدد ادلشاىدات
:Zمصفوفة من الرتبة ).(p+q+T,p+q
-4اخخباسجىدةانًُىرج :
بعد تقدير معلمات النموذج غلب اختبار نتيجة ىذا التقدير أو جودتو عن طريق اإلحصائيات معروفة يف ىذا
اجملاؿ ،منها:
،بافًتاض أف ادلقدرات تقبل توزيعا Student: -أ -اختبار جودة المعالم :ذلذا الغرض نستخدـ اإلحصائية ( )tلػ
طبيعيا فإف اإلحصائية تؤكد أو تنفي جودة ادلقدر ومدى مساعلتو يف تفسَت النموذج باحتماؿ قيمتو ): ( 5%
بالنسبة لػ ): AR(p
ˆ p
tc ) (0,1
) VAR (ˆ p
وبالنسبة لػ ): MA(q
ˆ q
tc ) (0,1
) VAR (ˆ q
فإذا كانت قيمة ( ) tc 1.96نقبل ادلقدر ونرفض فرضية انعدامو والعكػس صػحيح ؛ باإلضػافة إذل اعتمػاد اإلحصػائيات
التقليدية (.)t , R , F, ...
عند احلصوؿ على عدة ظلاذج قياسية للظاىرة ادلدروسة ،طلتار النموذج ادلنػاسب للواقع على أساس اختبار صحة
التمثيل باالعتماد على ادلعػايَت التالية :
47
للخطأ . ) (i عدد ادلشاىدات و ) ˆ2 (iمربع االرتباط الذايت بدرجة تأخر N حيث أف
-تتبع Qتػوزيع كاي-مربع 2بدرجة حرية ( ،)k-p-qوبدرجة ثقة ( .)=95%فإذا كانت:
) Q (cal.) (2K p qغلب إعػادة النظػر يف ربديد النموذج بإضافة مركبات نظامية ) (AR,MAإليو.
) Q (cal.) (2K p qالسلسلة عشوائية ،وىذا دليل على قوة النموذج ادلختار.
نستعمل إحصائية Qبدال من إحصائية ( Durbin-Watsonلكوف ىذه األخَتة ربسب فقط االرتباط الذايت لألخطاء
من الدرجة األوذل) ،وقد أدخل عليها تعديل من طرؼ ( )Box-Pierceفأصبحت بالشكل :
k
Q N
) ˆ 2 (i
i 1
-اخلطأ األبيض يتبع التوزيع الطبيعي :إلثبات ذلك نستعمل اختبار ،)2984( Jarque-Beraالذي غلمع بُت كل من
) ( B11 / 2والذي يساوي: Skeweness ادلعامل
B11 / 2 3
3/ 2
2
48M.DAVID et J.C.MICHAUD « La prévision, Approche empirique d’une méthode statistique » édition Masson, Paris
1989. p 112.
59
1 n
العزـ ادلركزي من الرتبة .k k ( xt x )k
n t 1
مع
واإلحصائية Sتعطى على الشكل التارل:
n n
S B1 ( B2 3) 2
6 24
مع أف Sيتبع توزيع كاي تربيع.
نرفض الفرضية العدمية إذف 1 القرار :إذا كانت 12 Sحيث أف درجة احلرية ،1ومستوى ادلعنوية
اخلطأ األبيض ال يتبع التوزيع الطبيعي ،والعكس صحيح.
-القياـ باختبار ARCHلعدـ ثبات تباين حد اخلطأ ،و الذي يتم اجرائو انطالقا من دالة االرتباط الذايت دلربع
البواقي.
تعترب مرحلة اختبار جودة النموذج مهمة وتتطلب يف غالب األحياف الرجوع اذل مرحلة التعرؼ على النموذج.
-5انقياوبانخُبؤ :
بعد إسباـ ادلراحل السابق و ربديد نوع النموذج ىل ىو اضلدار ذايت أـ متوسطة متحرؾ أو ظلوذج سلتلط و ربديد رتب كل
من q.d.pوجب اآلف إجراء عملية التنبؤ ،حيث يعترب ىذا األخَت عرض حارل للمعلومات ادلستقبلية باستخداـ
49
معطيات و مشاىدات تارؼلية ،و يكوف التنبؤ وفق منهجية Box Jenkinsكالتارل:
.1كتابة النموذج ادلقدر yˆt f ˆ.ˆ. y.e.
.2تعويض tب t + 1حيث L = 1.2.3 .... Lو سبثل Lعدد الفًتات .
.3تعويض كل القيم ادلستقبلة للمتغَت اخلاص بالظاىرة ادلدروسة بتنبؤاهتا بينما هبم تعويض األخطاء ادلستقبلية بالصفر و
ادلاضية بالبواقي فمثال:
yt u t 1 t : MA1
إلجراء التنبؤ و بعد تتبع ادلراحل السابقة تكتب
yˆT 1 uˆ ˆeT
ˆyˆT 2 uˆ ˆeT 1 u
بعد اجراء عملية التنبؤ يتم قياس جودة ىذا األخَت ،فمن بُت الطرؽ ادلستخدمة صلد:
اخلطأ النسيب و متوسط اخلطأ النسيب:
يعطى بالعالقة التالية_:
X i Fi
ERi .100
Xi
ER
Nفإف
i
i 1
EM
N
وتتم ادلفاضلة بُت ظلوذج وآخر على أساس أدىن قيمة للمقياس ) ،(EMلكن إذا أردنا منح ثقل أكثر ألخطاء القياس فإنو
يتوجب علينا حساب اخلطأ الًتبيعي ادلتوسط ادلعطى بالعالقة:
N
(X
i 1
i Fi ) 2
E
N
وبالرغم من ىذا فإف ىذا ادلقياس لن يكوف حامسا إال إذا جعلنا منو ديناميكيا على النحو التارل :
t h
)( 2h 1
مقاييس أخرى:
أ.جدر متوسط مربعات البواقي:
R.MSS
1
T
yt yt/ 2
1
N 1 2
1
N 1 Fi 1 X i 1 2 2
فالنتائج احملصل عليها هبذه الطريقة مكافئة لنتائج الطرؽ البسيطة. u1 إذا كانت
فالنتائج احملصل عليها هبذه الطريقة غَت مرغوب فيها. u1 إذا كانت
فالنتائج احملصل عليها جيدة. u1 إذا كانت
63
حًشيٍحطبيقي"سهسهتيبيعاثانُشاء":""Amidon
.1استخراج خصائص السلسلة الزمنية:
أ .إنشاء المنحنى البياني و بيان اإلرتباط الذاتي البسيط والجزئـي :الشػكل ( )1يبػُت بيػاف اإلرتبػاط الػذايت لسلسػلة
مبيعات النشاء و كذا ادلنحٌت البياين ذلذه السلسلة .
الشكل ( :)1ادلنحٌت البياين ومنحٌت دالة االرتباط الذايت لسلسلة النشاء
يشَت الشكل البياين اذل تطور الظاىرة ادلدروسة وكذا بياف االرتباط الذايت لسلسلة مبيعات النشاء (اف معامل اإلرتباط
الذايت لفًتة التأخر k=12ؼلتلف إختالفا واضحا عن الصفر) ،فمن خالؿ ربليل ىذا الشكل يتضح أف سلسلة مبيعات
النشاء غَت مستقرة و تتأثر بادلومسية.
Eviews ب .ن ــزع التغيـ ـرات الموس ــمية ) :(Désaisonnalisationنق ػػوـ بن ػػزع التغ ػَتات ادلومسيػػة باس ػػتخداـ الربن ػػامج
،V10.0فػػإذا رمزنػػا ب ػ AMCVSإذل السلسػلة الزمنيػػة خاليػػة مػػن التغػَتات ادلومسيػػة،ورمزنا أيضػػا ب ػ CSإذل ادلعػػامالت
ادلومسية ،فاجلدوؿ ( )1يبُت ادلعامالت ادلومسية الشهرية:
اجلدوؿ ( :)1ادلعامالت ادلومسية للسلسلة مبيعات النشاء.
64
أما الشكل ( )2فيبُت الرسم البياين لدالة االرتباط الذايت البسيطة واجلزئية للسلسلة :AMIDCVS
الشكل( :)2منحٌت البياين لدالة االرتباط الذايت للسلسة النشاء ادلعدلة
من خالؿ الرسم البياين لدالة االرتباط الذايت البسيط يتبُت أف السلسلة AMCVSتتأثر دبركبة االذباه العاـ.
ت .مش ــكلة االس ــتقرارية :وم ػػن أج ػػل ذل ػػك سنس ػػتعمل إختب ػػار )2988( Phillips-Perronوى ػػذا باإلس ػػتعانة بإس ػػتعماؿ
الربن ػػامج ،Eviews V10.0حي ػػث نق ػػوـ بتحدي ػػد رق ػػم الت ػػأخر ،3وال ػػذي يق ػػوـ بتدني ػػة معي ػػاري Akaikeو
Schwarzوىذا من أجل حساب قيمة إحصائية . ppcal
. Dickey-Fuller ومن أجل إجراء اإلختبار ،نقدر النماذج الثالثة ( )3.2.1لػ
فننطلق من دراسة النموذج الثالث :
3واجلدوؿ ()2 AMIDCVS t * النموذج الثالث :وىو معطى بالصيغة اآلتية 1 AMIDCVS t 1 Bt c t
يوضح ذلك:
اجلدوؿ ( :)2اختبار PPللنموذج الثالث
و بالتارل ؽلكن القوؿ tcal> ttab من خالؿ اجلدوؿ نالحظ اف نسبة studentاحملسوبة اكرب من النسبة اجلدولية اي
اف معامل االذباه العاـ ؼلتلف معنويا عن .0
65
ننتقل اذل اخلطوة ادلوالية و تتمثل يف اختبار معنوية ( ɸاختبار اجلذور الوحدية )
اف pp cal <pptabو بالتارل فاف السلسلة Amcvsغَت مستقرة من النوع .Ts
2واجلدوؿ ( )3يوضح AMIDCVS t 1 AMIDCVS t 1 B t * النموذج الثاين :وىو معطى بالصيغة اآلتية
نتائج عملية التقدير:
اجلدوؿ ( :)3اختبار PPللنموذج الثاين
من خالؿ اجلدوؿ ( )3نالحظ أف قيمة اإلحصائية لػ ppcalتساوي -4.7وبادلقارنة مع القيمة اجلدولة pptab
= -2.89عند مستوى معنوية ،% 5صلد ، pptab ppcalإذف نرفض الفرضية العدمية للجذور الوحدية ،وبالتارل فإف
سلسلة مبيعات النشاء مستقرة.
1واجلدوؿ ( )4يوضح AMIDCVSt 1 AMIDCVSt 1 t * النموذج األوؿ :وىو معطى بالصيغة اآلتية
ذلك:
اجلدوؿ ( :)4اختبار PPللنموذج األوذل
66
من خالؿ اجلدوؿ ( )4نالحظ أف قيمة اإلحصائية لػ ppcalتساوي -1.75وبادلقارنة مع القيمة اجلدولة pptab
= -1.94عند مستوى معنوية ،% 5صلد ، pptab ppcalإذف نقبل الفرضية العدمية للجذور الوحدية ،وبالتارل فإف
سلسلة مبيعات النشاء غَت مستقرة.
انطالقا من النماذج الثالث نستنتج أف سلسلة مبيعات النشاء غَت مستقرة من TSوالرجاع السلسلة مستقرة نلجا اذل
طريقة االضلدار باستخداـ . mcoو حساب ادلتبقى etو الذي يتم دراستو وفقا دلنهجية . Box-Jenkins
مث نقوـ بدراسة استقرارية سلسلة : et
اجلدوؿ( :)5نتائج اختبار PPبالنسبة للسلسلة et
القرار PPtabقيمة إحصائية ppcal النموذج
من خالؿ النتائج اليت تظهر يف اجلدوؿ ( )5نالحظ أف قيمة ppcalاحلسابية لكل من النماذج الثالث أصغر من القيم
احلرجة ( ،)% 1 ،%10 ، %5إذف عدـ قبوؿ فرضية اجلذور الوحدية،وبالتارل فإف السلسلة etمستقرة.
.2التعرف على النموذج:
يبُت الشكل ( )11-4التمثيل البياين لدواؿ االرتباط الذايت بالنسبة للسلسلة etدلبيعات النشاء.
الشكل ( :)3منحٌت البياين لدالة االرتباط الذايت للسلسلة et
67
من خالؿ الرسم البياين لدالة االرتباط الذايت ادلبُت يف الشكل ( ،)3نالحظ أف معامل اإلرتباط األوؿ لدالة االرتباط
الذايت اجلزئي ؼلتلف جوىريا عن الصفر p=1عند ،k>1وأف معامالت اإلرتباط الذايت البسيط تتناقص ىندسيا و
بالتارل فاف النموذج احملصل عليو مبدئيا ىو ).AR(1
.3تقدي ــر معلمات النموذج:
نقوـ بتقدير النموذج ،باستعماؿ الربنامج .Eviews 10.0
* تقدير النموذج ) :AR(1ويتم عن طريق تقدير ادلعادلة اآلتية:
et 1et 1 t
واجلدوؿ ( )6يبُت النتائج اآلتية:
(AR(1 اجلدوؿ ( :)6تقدير النموذج
68
من الشكل ( ) 4نالحظ أف كل احلدود تقع داخل رلاؿ الثقة وىذا مؤشر على غياب االرتباط الذايت للبواقي ،كما
نالحظ أف إحتماالت إحصائية Ljung – Boxأكرب من ،%5و كذا يشَت منحٌت دالة اإلرتباط الذايت لسلسلة مربع
البواقي (اختبار )ARCHأف كل احلدود تقع داخل رلاؿ الثقة وىذا ما يثبت ثبات تباين حد اخلطأ ،وبالتارل قبوؿ فرضية
أف البواقي تتبع توزيع خطأ أبيض.
ت .هل الخطأ األبيض يتبع توزيع طبيعي؟ :من أجل معرفة ىل بواقي اخلطأ األبيض تتبع توزيع طبيعي نستعمل اختبار
)1984( Jarque-Beraالذي غلمع بُت اختبار Skewnessوالذي نرمز لو بػ v1واختبار
Kurtosisوالذي نرمز لو بػ v2ونبُت ذلك يف الشكل (.)13 -4
الشكل ( :)5ادلدرج التكراري لسلسلة البواقي
دبا أف 1.96> V1فإننا نقبل الفرضية العدمية اليت تنص على أف اخلطأ األبيض يتبع التوزيع الطبيعي.
ودبا أف 1.96< V2فإننا نقبل الفرضية البديلة اليت تنص على أف اخلطأ األبيض ال يتبع التوزيع الطبيعي ،وللفصل يف
اإلختالؼ الواقع بُت نتائج اإلختبارين سوؼ نستخدـ إختبار Jarque-Beraوالذي غلمع بُت اإلختبارين وكانت
النتائج كاآليت:
69
JB 6.33 02.05 (2) 0.10
ودبا أف إحصائية 02.05 (2) < JBفاخلطأ األبيض ال يتبع التوزيع الطبيعي.
.5التنبـ ــؤ:
بعد ما إتضح أف النموذج مقبوؿ إحصائيا ؽلكن إستخدامو يف التنبؤ كاأليت حيت:
: etسلسلة ادلتبقى.
: et-1سلسلة ادلتبقى ادلزاح بفًتة واحدة .
: Amcvstسلسلة Amidonاخلالية من ادلومسية et +ادلقدر.
^ : Amcvstسلسلة Amidonاخلالية من ادلومسية ادلقدرة .
فالتنبؤ بالنسبة للستة أشهر ادلقبلة لػسنة 2018لسلسلة etيكوف يف اجلدوؿ التارل:
جوان ماي أبريل مارس فيفري جانفي األشهر
70
حًشيٍحطبيقيسهسهتيبيعاثانجهيكىص":"GLUCOSE
.1استخراج خصائص السلسلة الزمنية:
يبُت بياف اإلرتباط الذايت لسلسلة ()1 أ .إنشاء المنحنى البياني و بيان اإلرتباط الذاتي البسيط والجزئي :الشكل
مبيعات اجلليكوز و كذا ادلنحٌت البياين ذلذه السلسلة.
الشكل ( :)2ادلنحٌت البياين ومنحٌت دالة االرتباط الذايت لسلسلة اجلليكوز
يشَت الشكل البياين اذل تطور الظاىرة ادلدروسة وكذا بياف االرتباط الذايت لسلسلة مبيعات النشاء (اف معامل اإلرتباط
الذايت لفًتة التأخر k=12ؼلتلف إختالفا واضحا عن الصفر) ،فمن خالؿ ربليل ىذا الشكل يتضح أف سلسلة مبيعات
النشاء غَت مستقرة و تتأثر بادلومسية.
Eviews ب .نزع التغيرات الموسمية ) : (Désaisonnalisationنقوـ بنػزع التغَتات ادلومسية باستخداـ الربنامج
V10.0فإذا رمزنا بػ GLUCCVSإذل السلسلة الزمنية خالية من التغَتات ادلومسية،ورمزنا أيضا بػ CSإذل ادلعامالت
ادلومسية ،فاجلدوؿ ( )1يبُت ادلعامالت ادلومسية الشهرية:
اجلدوؿ ( :)1معامالت ادلومسية للسلسلة مبيعات اجلليكوز
71
ت .مشكلة االستقرارية :نستعمل إختبار Phillips-Perronللكشف عن استقرارية السلسلة الزمنية ،باستعماؿ الربنامج
وذلك من أجل حساب schwarz و Akaike Eviews v10.0إذ ضلدد رقم التأخر 3الذي يقوـ بتذنية ادلعياري
قيمة إحصائية . ppcal
وبنفس الطريقة السابقة نقوـ بتقدير النماذج الثالث ( )3.1.2لػ :Dickey-Fuller
1 GLUCCVSt 1GLUCCVSt 1 t
2 GLUCCVSt 1GLUCCVSt 1 B t
3 GLUCCVSt 1GLUCCVSt 1 Bt c t
يبُت اجلدوؿ ( )2ملخص النتائج إلختبار :Phillips-Perron
اجلدوؿ ( :)2نتائج اختبار PPبالنسبة للسلسلة الزمنية GLUCCVS
القرار النموذج
قيمة إحصائية PPtab ppcal
القيم الحرجة %2 القيم الحرجة %5 القيم الحرجة %20
غير مستقرة -2.59 -1.94 -1.61 -1.15 2
مستقرة -3.51 -2.89 -2.58 -7.83 1
من خالؿ النتائج اليت تظهر يف اجلدوؿ ()1يتضح أف النموذجُت ( )1و ( )3مستقرين ،و كذا قيمة ppcalاحلسابية
بالنسبة للنموذج( )2أكرب من القيم احلرجة ( ،) % 1، %20 ، %5إذف قبوؿ فرضية وجود اجلذور الوحدية للسلسلة
مبيعات اجلليكوز ،أي أهنا غَت مستقرة من النوع DSوأحسن طريقة إلرجاعها مستقرة ىي طريقة الفروؽ ادلعطاة بالصيغة
اآلتية:
GLUCCVSt GLUCCVSt GLUCCVSt 1
نقوـ باختبار إستقرارية السلسلة الزمنية ذات الفروؽ األوذل ، GLUCCVSونبُت ذلك يف اجلدوؿ (.)3
GLUCCVS اجلدوؿ ( :)3نتائج اختبار PPبالنسبة لسلسلة الزمنية
القرار النموذج
قيمة إحصائية PPtab ppcal
القيم الحرجة %2 القيم الحرجة %5 القيم الحرجة %20
مستقرة -2.59 -1.94 -1.61 -17.79 2
مستقرة -3.51 -2.89 -2.58 -17.64 1
من خالؿ النتائج اليت تظهر يف اجلدوؿ ( )3فإف قيمة PPtabاحلسابية لكل من النماذج الثالث ،أصغر من القيم
احلرجة ( ،) % 1، %20 ، %5إذف عدـ قبوؿ فرضية وجود اجلذور الوحدية للسلسلة مبيعات اجلليكوز ،أي أهنا
السلسلة الزمنية مستقرة من الدرجة األوذل.
72
.2التعرف على النموذج :
التمثيل البياين لدواؿ االرتباط الذايت البسيط و اجلزئي بالنسبة لسلسلة الفروؽ من الدرجة األوذل ()1يبُت الشكل
دلبيعات اجلليكوز.
الشكل( :)2منحٌت دالة االرتباط الذايت لسلسلة الفروؽ من الدرجة األوذل
من الشكل البياين ( )1لدالة االرتباط الذايت نالحظ ،أف احلد األوؿ لدالة االرتباط الذايت البسيط ؼلتلف عن الصفر
،q=1وأف احلدود دالة االرتباط الذايت اجلزئي تتناقص ىندسيا ،وبالتارل فاف النموذج احملصل عليو مبدئيا ىو ).MA(1
.3تقدي ـ ــر معلمات النموذج:
فإنو يأخد الصيغة اآلتية: )MA(1 دبا أف النموذج من النوع
GLUCCVSt t 1 t 1
أما نتائج عملية التقدير فهي موضحة يف الشكل (:)4
)MA(1 اجلدوؿ ( :)4تقدير النموذج
73
الصفر( t ؼلتلف جوىريا عن للنموذج)MA(1 أ .إختبار معنوية المعامالت :نالحظ أف معامل ادلتوسط ادلتحرؾ بالنسبة
،( 1.96 < 25.68 = studentوقد مت اختيار النموذج) MA(1حسب معيار Akaikeأو ، Schwarzإذ نالحظ أف
القيمة الدنيا ىي للنموذج) MA(1وتساوي 17.49بالنسبة دلعيار Akaikeو 17.52بالنسبة دلعيار .Schwarz
ب .هل البواقي تتبع خطأ أبيض ؟ :من خالؿ الرسم البياين لدالة االرتباط الذايت البسيط واجلزئي -الشكل (- )3
لبواقي النموذج ) ARIMA(0.1.1يتضح أف كل احلدود تقع داخل رلاؿ الثقة وىذا مؤشر على غياب االرتباط
الذايت للبواقي ،كما نالحظ أف إحتماالت إحصائية Ljung – Boxأكرب من ،%5و كذا يشَت منحٌت دالة
اإلرتباط الذايت لسلسلة مربع البواقي (اختبار )ARCHأف كل احلدود تقع داخل رلاؿ الثقة وىذا دليل على
ثبات تباين حد اخلطأ ،وبالتارل قبوؿ فرضية أف البواقي تتبع توزيع خطأ أبيض.
الشكل ( :)3منحٌت دالة اإلرتباط الذايت لسلسلة البواقي وسلسلة مربع البواقي
والشكل Jarque-Bera ت .هل الخطأ األبيض يتبع توزيع طبيعي؟ :وبنفس الطريقة السابقة سوؼ نستخدـ إختبار
( )4يوضح ذلك:
الشكل ( :)4ادلدرج التكراري لسلسلة البواقي
74
من الشكل البياين التارل ( )4تتضح النتائج اآلتية:
V1 0.45 1.96
V2 3.87 1.96
ودباأف 1.96>V1فإننا نقبل الفرضية العدمية اليت تنص على أف اخلطأ يتبع التوزيع الطبيعي.
ودبا أف 1.96<V2فإننا نقبل الفرضية البديلة اليت تنص على أف اخلطأ األبيض ال يتبع التوزيع الطبيعي،وباستعماؿ اختبار
Jarque-Beraوالذي غلمع بُت اإلختبارين كانت النتائج كاآليت:
JB 5.57 02.05 (2) 0.1
ودبا أف إحصائية 02.05 (2) <JBإذف اخلطأ األبيض ال يتبع التوزيع الطبيعي.
.5التنب ــؤ:
بعد ما إتضح أف النموذج مقبوؿ إحصائيا ؽلكن إستخدامو يف التنبؤ كاأليت حيت:
:GLUالسلسلة الزمنية اخلاـ.
:GLUCVSالسلسلة اخلالية من التغَتات ادلومسية.
:DGLUCVSسلسلة الفروؽ األوذل خالية من التغَتات ادلومسية.
وعليو فإف النموذج يكتب على الشكل اآليت:
GLUCCVSt t 0.93 t 1
فعلى سبيل ادلثاؿ ،فيما ؼلص التنبؤ بالفًتة األوذل يتم بالطريقة التالية:
GLUCCVS85 85 0.93 84 0 0.937 * (-2128.377) 1995,71
علما أف األخطاء العشوائية يف ادلستقبل تساوي ،0فاف قيمة الفًتة األوذل ؿ ( GLUCVSالسلسلة اخلالية من التغَتات
ادلومسية) ىي كالتارل:
GLUCCVS85 GLUCCVS84 GLUCCVS85 3129.28 1995.71 5124.99
(السلسلة اخلالية من GLUCVS بعد إضافة ادلعامل ادلومسي اخلاص بالفًتة األوذل اذل القيمة ادلتنبئ هبا من سلسلة
التغَتات ادلومسية) ،نتحصل على قيمة الفًتة األوذل ؿ ( GLUالسلسلة الزمنية اخلاـ):
GLU85 GLUCCVS85 CS 5124.99 (60.197) 5064.79
أما نتائج التنبؤ بالنسبة دلبيعات اجلليكوز خالؿ الستة أشهر القادمة من سنة 1028فهي موضحة يف اجلدوؿ (:)5
75
اجلدوؿ( :)5نتائج التنبؤ دببيعات اجلليكوز
التنبؤ CS GLUCCVS األشهر
76
انفصمانخايس
.2يفهىوانزاكشةانطىيهت :
يتلخص مفهوـ السالسل الزمنية ذات الذاكرة الطويلة يف النماذج اليت يكوف فيها أثر الصدمات أو التغَتات دلتغَت الظاىرة
االقتصادية دائم ويظهر أثره يف ادلستقبل عند عملية التنبؤ لذلك فانو غلب أخذىا بيعن االعتبار عند القياـ بعملية التنبؤ
بالظواىر االقتصادية ،ويعترب الربيطاين Hurstأوؿ من الحظ ظاىرة الذاكرة الطويلة للسالسل الزمنية سنة 2952و كاف
ذلك يف ميداف الري ،و مشل بعد ذلك ادليداف االقتصادي بعدما تبُت أف الكثَت من السالسل الزمنية للظواىر االقتصادية
ذلا ذاكرة طويلة .فلقد أثبت ) Hurst (1951من خالؿ دراساتو أف العديد من السالسل الزمنية ذات طبيعة ارتباط خاصة
قريبة من عدـ االستقرار ولقد بلور كل من ) Mandelbrot and Wallis (1968و Mandelbrot and Wallis
77
فكرة Hurstببناء حركة Brownالكسرية مث بعد ذلك التشوش ذات التوزيع الطبيعي الكسري اليت تسمح )(1969
| |∑
حيث القيم ادلطلقة لالرتباطات الذاتية تكوف غَت ذبميعية .عموما وجود عمليات ذات الذاكرة الطويلة يعٍت ضمنا أف
العملية مكونة من الكثَت من االرتباطات الزمنية.
وبشكل مغاير عندىا يكوف:
| |∑
ثابت= k
يف ىذا احلاؿ نستطيع القوؿ أف العملية تتميز خباصية الذاكرة القصَتة.
وقد تبُت أف مفهوـ الذاكرة الطويلة ينبغي تطبيقو يف العمليات الساكنة فقط يف سياؽ الظواىر "يف حالة مستقرة" .لذلك
فمن ادلنظور الفلسفي ؽلكن زبمُت الصعوبات ادلمكن مواجهتها يف اختبار الذاكرة الطويلة ،من منظور اخر انو اذا قدر
النموذج بشكل جيد حىت ادلشاىدات ادلتباعدة يف الزمن قد تكوف مفيدة يف التنبؤ بالسلسلة ونتوقع درجة عالية من دقة
التنبؤ نتيجة ذلذا االعتماد للفجوات ادلتباعدة (.)Lildhold, 2000
فكيف ؽلكن للذاكرة الطويلة أف تنسجم مع االفًتاضات اإلحصائية ،يرى البعض أنو اذا كاف حجم العينة nكبَت ،فإف
تباين متوسط العينة ؽلكن أف يعرب عنو من خالؿ العالقة:
̅ ثابت ; c :
وللعينات الكبَتة يكوف التناقص لتباين متوسط العينة يعتمد على ذاكرة العملية ،فقد أثبت ()Beran, 1994أنو إذا كانت
ytثابتة وتتميز بالذاكرة الطويلة فعندىا nتؤوؿ إذل ما الهناية.
78
̅
ثبات و انعكاس عمليات ARMAسبثل عمليات الذاكرة القصَتة عندما ،d=0إذا يف ىذا الصدد ال تتناسب خاصية
ىو الذاكرة الطويلة مع االفًتاضات الكالسيكية القياسية ،ألف التمييز بُت ادلعدالت ادلختلفة الضمحالؿ ̅
التمييز نفسو بُت الذاكرة الطويلة والذاكرة القصَتة ،ولو بالتأكيد تأثَت عند حساب االختبارات وفًتات الثقة للمتوسط،
إذا مت ذباىل ىذا التمييز ،بالطبع يًتتب على ذلك آثار كارثية ،ذلك كما أشار (.)Beran, 1989
.1انخحقكيٍخاصيتانزاكشةانطىيهت :
ىناؾ العديد من االختبارات االحصائية اليت تسمح بالتحقق من خاصية الذاكرة الطويلة ،كما يوجد أيضا لبعض ىذه
االختبارات أشكاؿ بيانية للتحقق من الذاكرة سوؼ نعرض بعضا من ىذه االختبارات واألشكاؿ البيانية.
.2.1انخحقكيٍخاصيتانزاكشةانطىيهتباسخخذاواالخخباساثاالحصائيت :
يعترب معامل ىورست ( )Hurst Exponentوالذي يرمز لو عادة بالرمز عادة بالرمز Hمقياسا للذاكرة طويلة األمد
للسالسل الزمنية ،وذلك من خالؿ ما يتعلق باالرتباطات الذاتية للسلسلة الزمنية ،ولقد مت اقًتاح العديد من ادلقدرات
دلعامل ىورست لتحليل الذاكرة الطويلة يف السالسل الزمنية من خالؿ عدة طرؽ نذكر بعضها:
أ .طريقة :(Re-scaled Range Methd) R/S
قدمت ىذه الطريقة ألوؿ مرة من طرؼ الباحث ( )Hurst 1951وىي إحصائية تسمح باكتشاؼ وجود ظاىرة الذاكرة
الطويلة.
الفكرة األساسية إلحصائية R/Sىي مقارنة القيم الدنيا والقصوى للمجاميع اجلزئية لالضلرافات بُت السلسلة ومتوسطها
احلسايب مقسوما على اضلرافها ادلعياري (.)Lillo and Farmer, 2004
حيث:
̅ :متوسط السلسلة و nحجم العينة. :االضلراؼ ادلعياري للسلسلة/ .
ال ترتبط ىذه اإلحصائية بشكل التوزيع اذلامشي للسلسلة ،حيث تسمح ىذه اإلحصائية بالكشف عن وجود بنية ارتباط
طويل ادلدى يف سلسلة زمنية معينة ،إال أف اإلحصائية R/Sال سبثل اختبارا إحصائيا دبعٌت الكلمة باعتبار أف التوزيع
االحتمارل غَت معروؼ.
Hurstوالذي يسمح بتصنيف السالسل الزمنية تبعا لنوع إف ادليزة األساسية ذلذه اإلحصائية أهنا تعطي معامال يسمى
االرتباط .يف ىذه احلالة ؽلكن سبثيل ادلعطيات بالعالقة التالية:
79
( )
اذف:
ؽلكن ربديد مقياس االرتباط طويل ادلدى chادلرتبط بأس Ch .Hurstيقيس االرتباط بُت متوسط ادلشاىدات ادلستقبلية
الكبَتة .االرتباط طويل ادلدى يعرؼ بالصيغة اآلتية:
الكسري d سبكن فيما بعد الباحثُت ) Mandelbort and Van Ness (1968من ربديد عالقة قوية بُت معامل التفاضل
لنماذج ARFIMAومعامل ىورست حيث .d=(H-1/2) :
وىذا ما يسمح بتصنيف السالسل الزمنية بداللة قيم ادلعامل dوىذا حسب تغَت قيم ادلعامل Hكما يلي:
-إذا كاف ½ = Hيكوف d=0ال يوجد ارتباط بُت األحداث ادلاضية واحلاضر ،فالسلسلة الزمنية ال تتميز بذاكرة طويلة
ادلدى ويصبح النموذج ARFIMAظلوذج ARMAعادي.
H -إذا كاف 1/2<H<1يكوف 0<d<1/2فإف السلسلة تتميز بذاكرة طويلة ،حيث يكوف االرتباطات قوية كلما اقًتب
من الواحد .ويصبح ظلوذج ARFIMAظلوذج مستقر بذاكرة طويلة.
-إذا كاف 0<H<1/2يكوف -1/2<d<0يف ىذه احلالة ال تكوف سلسلة ذات ذاكرة طويلة ويف نفس الوقت ال تسلك
سلوؾ ظلاذج ARMAويف ىذه احلالة تكوف االرتباطات الذاتية يف حاؿ تبادؿ اشارات ،مراحل متبوعة دبراحل اطلفاض.
تطبيق اإلحصائية باستخداـ الرسم البياين كما يلي:
رسم ))ln(Q(t.kمقابل ).ln(k
Rتعرب عن ادلدى S ،تعرب عن االضلراؼ ادلعياري k،نعرب عن الفجوات عرب الزمن.
تستخدـ طريقة ادلربعات الصغرى لتقدير اخلط ادلستقيم ذو ادلقطع الصادي الذي بدوره ػلدد العالقة بُت )) ln(Q(t.kو
).(Brean, 1994) .ln(k
وؽلكن إعتبار ميل ىذا اخلط ادلستقيم كمقياس للتفريق بُت عمليات الذاكرة القصَتة والطويلة ،حيث أف معظم عمليات
الذاكرة القصَتة يتجو فيها ىذا ادليل ضلو ½ بينما إذا كانت ىذه ادلعطيات ربتوي على ذاكرة طويلة فإف ادليل ذلذا اخلط
ادلستقيم يتجو ليكوف الثابت α=(d+1/2)>1/2والسبب يف ذلك أف ) Q(t.kتتميز دبعادالت سلتلفة من التقارب للذاكرة
القصَتة /الطويلة ،ودبا أف ىذا األسلوب يستند على اختالؼ معدالت التقارب فمن الواضح أنو ػلتاج إذل الكثَت من
ادلشاىدات ودلزيد من التوضيح سوؼ نستعرض االشكالية البيانية التالية الحصائية R/Sمن خالؿ الشكل رقم (.)1
أنظر (.)Lidholdt, 2000
80
ونموذج ).)ARFIMA(0,0.3,0 )AR(1 لبيانات مولدة ل R/S شكل 7رسم
أف ادليل ادلقدر يف كال احلالتُت أعلى من 0.5حيث يعترب ذلك مؤشر على ذاكرة طويلة ()2 نالحظ من خالؿ الشكل
على الرغم من أهنا ال توجد يف احلالة الثانية ،وبالرجوع إذل ما ذكرناه سابقا عن ما جاء بو الباحث ( )Lo 1991ألنو قد
أثبت بأف ربليل R/Sؽلكن أف يكوف متحيزا ويعطي نتائج مضللة أو متحيزة حوؿ وجود ذاكرة طويلة ،وىذا يف احلالة
اليت يكوف ىناؾ ارتباط ذايت يف ادلدى القصَت بالنسبة للسلسلة الزمنية قيد الدراسة لذلك اقًتح Lo 1991احصائية
أخرى وقد مسيت اإلحصائية R/Sادلصححة أو ادلغَتة ) (R/S Modidierويبدو ىذا واضحا يف الشكل ) .(1حيث أننا
صلد صعوبة يف التفرقة بُت الشكل األوؿ والثاين من خالؿ ادليل.
ب .احصائية :Lo
كما أف الباحث ()Andrews Lo 1991قد أثبت بأف ربليل R/Sؽلكن يكوف متحيزا ويعطي نتائج مضللة أو متحيزة
حوؿ وجود ذاكرة طويلة ،ويف ىذه احلالة اليت يكوف ىناؾ ارتباط ذايت يف ادلدى القصَت بالنسبة للسلسلة الزمنية قيد
الدراسة لذلك اقًتح ()Loاحصائية أخرى وقد مسيت احصائية R/Sادلصححة أو ادلعَتة ونرمز ذلا ’ R/Sوؽلكن تعريفها
وفق العالقة اآلتية:
* ∑ ̅ ∑ ̅ +
⁄
∑ * ̅ ∑ ∑ ̅ ̅ +
81
ألهنا ال تأخذ بعُت االعتبار التباينات لقيم ادلفردات فقط ،وإظلا تأخذ ̃ زبتلف عن اإلحصائية إف اإلحصائية
أيضا التباينات ادلشًتكة ادلرجحة كدالة تابعة دلعامل التأخَت qحيث اقًتح ()Lo 1991القاعدة اآلتية الختيار ادلعلم:q
⁄ ⁄
̂
([ ) ( ) ]
حيث:
̂ :ىو عبارة عن ادلعلمة ادلقدرة لنموذج االضلدار الذايت من الدرجة األوذل أي ).AR(1
ليتم فيما بعد ربديد قيمة االحصائية Vcalاحلسابية وفق العالقة التالية:
̂
√
على عكس ربليل R/Sالتقليدي فإف احصائية ’ R/Sزبضع لتوزيع معروؼ حيث يتم حسابو Vكما يف ادلعادلة.
حيث أف حساب اإلحصائية Hيتم بنفس العالقة ؿ R/Sادلعادلة ( )6.5حيث أثبت الباحث ) Lo (1991ما يلي:
̂ [ ]
{
√ [ ]
وعليو من أجل اختبار وجود ذاكرة طويلة فإنو غلب اختبار الفرضيتُت اآلتيتُت:
ويتم قبوذلا عند مستوى معنوية ،%5اذا كانت H=0.5 :H0يوجد ذاكرة قصَتة يف السلسلة الزمنية وىذا يعٍت اف
[ ]
:H1يوجد ذاكرة طويلة يف السلسلة الزمنية إذا مت رفض الفرضية العدمية.
ت .طريقة التباين المجمعة ):(Aggregated Variance Method
طوذلا Nمقسمة إذل سلسلة فرعية طوذلا .mلكل سلسلة فرعية ،d=N/mالسلسلة التجميعية اليت yi ألي سلسلة زمنية
شكلت بواسطة الوسط )(Taqqu, et al 1995مت تعريف السلسلة اجملمعة ادلناظرة من قبل )(Brean 1994كالتارل:
∑
(∑ )̅
عندما ∞→ mحيث σىي معلمة القياس للقيم ادلتعاقبة ،mيتم رسم ( ) مع العلم أف
تباين العينة ضد mعلى شكل log-logويتم توفيق خط ادلربعات لنقاط الشكل ،ليتم حساب معامل ىَتست ،مع العلم
أف اخلط ادلستقيم ميلو ).(Taqqu, et al, 1995).(2H-2
بسبب كرب mو ،dوالنقاط الناذبة غلب أف تشكل وأف التباين للعينة غلب أف يكوف تقاريب ومتناسب مع
خط مستقيم ميلو βحيث أف .-1<β<0
82
Β= 2H-2
وحبساب ادليل βتقدر قيمة معامل ىورست ،Hحيث تكوف:
H= (β+2)/2
مث يتم مقارنة قيمة Hمع احلاالت السابق ذكرىا يف طريقة ربليل R/Sلالستدالؿ على وجود ذاكرو طويلة.
كما أنو يوجد أيضا رسم بياين ذلذه اإلحصائية نستطيع من خالذلا ربديد الذاكرة الطويلة ،ففي اختبار طريقة التباين
اجملمعة حيث يتم توفيق خط ادلربعات لنقاط الشكل ،ليتم حساب معامل ىيورست ،مع العلم أف اخلط ادلستقيم ميلو
( )2H-2كما ىو موضح يف الشكل (.)1
شكل 8رسم التباين المجمعة ( )Aggregated Variance Methodلسمسمة زمنية ذات ذاكرة طويمة.
يبدو أف النقاط متوافق على اخلط وىذا يدؿ على أف السلسلة تتمتع خباصية الذاكرة 1 كما ىو موضح من الشكل
.H=0.9166 الطويلة وىذا ما أكده قيمة االختبار
(:)Absolute Moment Method ث .طريقة القيمة المطلقة
ىذه الطريقة متشاهبة لطريقة التباين التجميعي حيث يتم تقسيم البيانات بنفس الطريقة ادلعادلة رقم 10.5لتشكيل
سلسلة رلمعة ،حيث تقوـ ىذه الطريقة حبساب القيم ادلطلقة للسلسلة اجملمعة كالتارل:
|∑ |̅
للقيم ادلتعاقية ،mويتم رسم تباين العينة ضد mعلى شكل ،log-logويتم توفيق خط ادلربعات لنقاط الشكل ،ليتم
حساب معامل ىورست ،Hمع العلم أف اخلط ادلستقيم ميلو ).)Taqqu, et , al 1995( n(H-1
وأخَتا يتم مقارنة قيمة Hمع احلاالت السابق ذكرىا يف طريقة ربليل R/Sلالستدالؿ على وجود ذاكرة طويلة.
:Higuchi or Fractal Dimension Method ج .طريقة هيجوتشي
تقدر طريقة Higuchiمعلمة Hللسلسلة الزمنية ذات ( Long Range Dependence )LRDعلى أساس نظرية النمط
اذلندسي ادلتكرر كما جاء من خالؿ ( )Higuchi,1988,1990,1998حيث تنطوي ادلهمة على حساب طوؿ ادلسار
83
ومن مث إغلاد بعد النمط اذلندسي ادلتكرر ،حيث يتم حساب ادليل عن طريق أقل ادلربع تباين مناسب للوغاريتم أطواؿ
ادلنحٌت ادلتوقع ) log(Lعلى زلور الصادي مقابل لوغاريتم كتلة األحجاـ ) log(mعلى احملور السيٍت.
وذلك من خالؿ أخذ السلسلة الزمنية ) y(1), y(2),…,y(Nليتم ربليلها أوال ويتم بناء سلسلة زمنية جديدة
معرفة كالتارل:
[ ]
يدؿ على دالة عدد صحيح والطوؿ الوقت)(N-m)/K يشَت إذل فًتة زمنية منفصل و mتشَت إذل قيمة K حيث أف
يكوف بادلعادلة التالية: الطبيعي دلنحٌت
[ ]
يف الشكل 3ادلوضح حيث أف ادليل يساوي ( )D=1.5075ومنو نستطيع ربديد معلمة ىورست ومنها نستطيع معرفة ما
إذا كانت البيانات ذات ذاكرة طويلة أـ ال من القانوف .D=2-H
84
):(Periodogram Method ح .طريقة الباريودجرام
قاـ العادلاف Geweke and Prter-Hudak, 1983بإقًتاح هنج إلختبار الذاكرة الطويلة وىي ذاكرة من عملية كسرية
متكاملة .معلمة الفروؽ الكسرية dؽلكن تقديرىا بواسطة معادالت االضلدار.
تكوف سلسلة زمنية و: نضع ̅̅̅̅̅
∑| |
( Long حيث λسبثل الًتددات ) I(λيكوف ىو تقدير الكثافة الطيفية ذلذه السلسلة ،فقد تبُت أف العملية اليت تتميز
)Range Dependenceوىو اعتماد طويل األمد أو ذاكرة طويلة ( )LRDربتوي عل اؿ Periodogramوالذي يتناسب
1- مع ......ويقًتب من نقطة األصل ،لذلك فإف رسم log-logؿ ،Periodogramضد الًتدد غلب أف تعطي ميل
.2Hواؿ Periodogramادلعدلة أو ادلصححة تعطي تقديرا أفضل من اؿ Periodogramالعادية .وبادلقارنة مع أسلوب
،Periodogramؽلكننا القوؿ أف طريقة Periodogramادلعدلة تعمل على تقليل تباين التقديرات وكذلك التحيز عند
(.)Sheng, et al, 2011 تقدير معلمة ىورست
واؿ Periodogramادلعدلة ىي تعديل على Periodogramالعادية للحصوؿ على نتائج أفضل يف التقدير ،حيث يتم
فيها تقسيم زلور الًتدد إذل صناديق تفضل بينها مسافة لوغاريتم متساوية ويتم تقدير قيم Periodogramادلوجودة داخل
الصندوؽ ومتوسطاهتا ادلتاظرة للًتددات.
حيث تتمركز لنظريةPeriodogram فباإلضافة إلختبار Periodogramلتحديد معلمة ىورست ىناؾ أيضا رسم بياين
أغلب البيانات حوؿ نقطة األصل الصفر كما ىو موضح يف الشكل (.)4
لسمسمة زمنية ذات ذاكرة طويمة Periodogram شكل 10رسم دالة
.1.1انخحقكيٍخاصيتانزاكشةانطىيهتباسخخذاواالشكالانبياَيت :
الذاتي (:)ACF Plot أ .رسم دالة االرتباط
85
لقد قمنا بتعريف دالة االرتباط الذايت يف الفصل السابق وقمنا بتوضيح ماىيتها وسوؼ نقوـ اآلف بالتعرؼ على اشكاذلا
اليت من خالذلا شلكن التعرؼ على الذاكرة الطويلة.
كثَتا ما يستخدـ رسم ACFكأداة شخصية أولية يف العمل التطبيقي ،للتعرؼ على وجود ذاكرة طويلة للسالسل
الزمنية ،كما نعلم أف ىناؾ عدة أشكاؿ مشهورة ذلذه الدالة ؽلكن عرضها يف الشكل التوضيحي رقم ( )5حيث نالحظ
من الشكل ( )5aأف دالة ACFتتناقص بشكل بطيء ضلو الصفر ,اهنا ربتاج لوقت طويل للوصوؿ إذل الصفر وذلذا
العالقة بالشكل العاـ لدالة االرتباط الذايت اخلاصة بطبيعة ىذه النماذج ،بينما الشكل )(5bنال حظ أهنا تتناقص بسرعة
بشكل أسي حيث من ىذه النماذج ظلاذج عمليات ) AR(1وىذا يعٍت أف السلسلة تتذكر كل شيء يف ادلاضي أي أف
ذلا ذاكرة ال هنائية ولكن ىذه الذاكرة تتناقص يف شكل أسي بزيادة عمر ادلشاىدات بينما الشكل ( )5cنالحظ التناقص
يأخذ شكل موجب ربتكي الدالة اجليب وذلك بسبب قيمة السالبة اليت تعتمد عليها ىذا التناقص من حيث البطء أو
السرعة للوصوؿ إذل الصفر ،وأخَتا الشكل ( )5dتنقطع فجأة بعد الفجوة الزمنية الثانية وذلك بناء على دالة االرتباط
ذلذه العملية.
شكل 11أشكال دوال االرتباط الذاتي.
إف ما ؽليز السالسل الزمنية ذات الذاكرة الطويلة عن غَتىا فيما ؼلتص برسم دالة ACFذلا أهنا تتناقص بشكل بطيء
شديد ضلو الصفر وأهنا ربتاج لوقت طويل للوصوؿ إذل الصف كما يف الشكل ( )5على عكس ما ؼلص سالسل الذاكرة
القصَتة ظلاذج ARMAحيث أف دالة AFCاخلاصة هبا تتناقص بشكل أسي أو (ىندسي) بسرعة إذل قيم قريبة من
الصفر أنظر الشكل ( )5bكل ىذه توضيحية ألشهر دواؿ االرتباط الذايت ،حيث تركز ىذه الدراسة على احلالة األوذل يف
الشكل رقم ) (5aوالذي ؼلتص بطبيعة السالسل الزمنية اليت خباصية الذاكرة الطويلة ادلدى.
86
ب .رسم :Variogram
عرؼ كال من Journel and Hujibergts, 1978ال Variogramكالتارل:
[ ]
على افًتاض سكوف التغاير ،فإنو ؽلكن إثبات أف.
حيث:
اآلف من الواضح أف ادلعلومات لرسم ) V(Kمقابل Kىي قريبة من ادلعلومات اخلاصة باإلضلدار الذايت ACFويف الواقع
أف ىذه ادلعلومات ستكوف نفسها إذا مت تقديرىا ( V(Kبواسطة ) ρ(Kولكن اؿ Variogramتقدر بشكل مباشر من
خالؿ تربيع الفروؽ )yt-yt-k(2سلوؾ Variogramؽلكن االستدالؿ عليو من خالؿ ACFعرب ادلعادلة ( .)15.5حيث
ؽلكن ترمجة التناقص اذلندسي لدالة االضلدار الذايت ACFبأنو يؤدي لتعرج ىندسي ؿ Variogramوكذلك تناقص
( .)Lidholdt,2000(.)Hyperbolic ascent اذلايرببوليك )Hyperbolic decay(.لدالة ACFيؤدي لتعرج
شكل 12رسم ممهد ل Variogramلسالسل زمنية مولد
الشكل( )6يوضح اؿ Variogramلبيانات سالسل زمنية مولدة ،نالحظ التعرج السريع لسلسلة الذاكرة القصَتة ادلتمثلة
يف اجلزء العلوي للشكل عرب النموذج ) ،AR(1والبطيء جدا لسلسلة الذاكرة الطويلة ادلمثلة من خالؿ النموذج الثاين
) ARFIMA (0,0.3,0يف اجلزء السفلي للشكل .أف تعرج سلسلة الذاكرة القصَتة أو التعرج البطيء لسلسلة الذاكرة
الطويلة تتطلب الكثَت من ادلشاىدات لتظهر الفروقات بُت الذاكرة القصَتة أو الطويلة اليت تتميز هبا السالسل الزمنية.
ت .رسم التباين:
فكرة ىذه الرمسة ىو استغالؿ السلوؾ التقاريب لتباف دلتوسط العينة وكما أهنا تستغل ىذا السلوؾ فإهنا تتطلب العديد من
ادلشاىدات وتصاغ كالتارل:
87
بأخذ Lnللطرفُت.
[ ] ] [ ] [
بإقًتاح رسم ln(Ӯn).مقابل ).ln(nادليل αذلذا اخلط ادلستقيم يف الرمسة غلب أف يساوي -2عندما d=0وتكوف α>-1
ل d>0ادليل ادلقدر بطريقة ادلربعات الصغرى.
شكل ( :)7رسم التباين لسالسل زمنية مولدة.
كما ىو مالحظ من الشكل ( )7أف الرمسة األورل تتميز بسلسلة ذاكرة قصَتة متمثلة يف النموذج )AR(1حيث أف ادليل
يساوي ( )-2.02وىي قريبة للقيمة النظرية ؿ( )-2لذلك ؽلكن اعتبارىا سلسلة ذات ذاكرة قصَتة إما سلسلة الذاكرة
الطويلة ادلمثل من خالؿ النموذج الثاين ) ARFIMA (0,0.3,0يف اجلزء السفلي للشكل فإف يساوي ( )-0.27وىو أكرب
من ( ،)-2وألهنا أكرب من القيمة النظرية نقوؿ أف السلسلة ذات ذاكرة طويلة .Lildholdt, 2000
𝜙 𝜙∑
∑
∑
وتتضمن ىذه السلسلة جزء ARMAاليت تدرس بنية االرتباط قصَت ادلدى و معامل التكامل الكسري الذي يشرح احلركة
طويلة األمد .و ترتبط اخلصائص األصلية لسلسلة ) ARFIMA(p,d,qبشكل ادلركبة طويلة األمد ،و ؽلكن دراسة ىذه
اخلصائص بافًتاض حالة السلسلة من النوع ) .ARFIMA(0,d,0حيث تعرؼ دالة االرتباط الذايت
ذلذه السلسلة كما يلي :
89
فإف السلسلة ليست ذاكرة طويلة و لكن يف نفس الوقت ال تسلك سلوؾ ظلاذج ARMAوتكوف ⁄ <d<0 -إذا كاف
السلسلة ىنا ذات ذاكرة متوسطة.
.4طشقحقذيشًَارج:ARFIMA
ؽلكن التمييز بُت نوعُت من الطريق لتقدير ظلاذج :ARFIMAالطرؽ دبرحلتُت و الطرؽ دبرجلة واحدة (طريقة اإلمكاف
األكرب).
.2.4طشقانخقذيشبًشحهخيٍ:
يف ىذه الطرؽ يتم يف ادلرحلة األوذل تقدير معلمة التفاضل الكسري ،dو يف ادلرحلة الثانية يتم التقدير باالعتماد
على الطرؽ التقليدية للسالسل الزمنية ،معلمات االضلدار الذايت وادلتوسطات ادلتحركة للتمثيل ) ARMA(p,qللسلسلة
احملولة اليت تتمي بتفاضل كسري.
فيما يلي نعرض عدة مقدرات لتقدير ادلعلمة ،باإلضافة إذل الطريقة السابق ذكرىا يف ربديد الذاكرة الطويلة و ىي طريقة
ربليل R/Sسوؼ نشرح أربعة طرؽ أخرى وىذه الطرؽ اليت سوؼ نقوـ بشرحها جزء من طرؽ كثَتة للتقدير و ىنا
سوؼ نقوـ بعرض الطرؽ األكثر أعلية يف تقدير معلمة التفاضل الكسري .d
“Geweke and Porter – Hudak (1983)” GPH أ .مقدر
(Geweke and Porter إف الطريقة األكثر استخداما يف تقدر معلمة ظلاذج ،ARFIMAىي طريقة ادلرحلتُت لػ
– ،)Hudak,1983حيث يتم يف ادلرحلة األوذل تقدير معامل التكامل الكسري dباستخداـ طريقة ادلربعات الصغرى ،و
يف ادلرحلة الثانية يتم التقدير باالعتماد على الطرؽ التقليدية للسالسل الزمنية.
اقًتح GPHطريقة تقدير شبو معلمية ترتكز على اضلدار طيفي ”.“Spectral Regressionو بُت الباحثاف
أف معلم ادلعاينة الضلدار لوغاريتم الدالة الدورية periodogramربتوي على متغَت مستقل ربديدي من أجل الذبذبات
األوذل لػ Fourierبطريقة ادلربعات الصغرى العادية يعترب مقدرا متقاربا للمعامل ،dترتكز طريقة GPHعلى دالة الكثافة
الطيفية.
مقدر معامل اتكامل الكسري بطريقة ادلربعات الصغرى معطى ̂ بالصيغة التالية:
∑ ̅ ̅
̂
∑ ̅
،يكوف توزيع ادلقدر ̂ يتجو ضلو ⁄ <d< ⁄ أنو عندما يكوف Geweke and Porter – Hudak و قد بُت
. التوزيع الطبيعي عندما
{
A(d,غلب أف زبتار بعناية ،و ىذا الػ bandwidthال ؽلكن حساهبا من الناحية العملية ،ألهنا ربتاج إذل حيث
معرفة القيمة احلقيقية لػ ،dومع ذلك نتجاوز ىذه ادلشكلة عن طريق استبداؿ ىذه ادلعلمة dاجملهولة يف الدالة )g(n
و بواسطة إما التقدير ̂ pأو ، ̂ spومن مث نستخدـ ) g(nاليت ربقق الشروط
).(Hurvich et al., 1998 ،حيث جاء الشرط األوؿ من خالؿ و تكوف 0عندما
)Fractionally-Differenced ( Fracdiff ث .مقدر
وىي إحدى الطرؽ ادلستخدمة يف تقدير معلمة التفاضل الكسري .dو تقوـ ىذه الطريقة على استخداـ مقدر
) Maximum-Likelihood(MLHلتقدير معلمات Fractionally-Differencedلنموذج )ARFIMA (p,d,q
باإلضافة لتقدير التغاير و مصفوفة االرتباط و اخلطأ ادلعياري ،فضال عن قيمة likelihoodاألرجحية العظمى ،ويعترب
likelihoodطريقة سريعة و دقيقة للتقدير.(Haslettand and Raftery, 1989) .
يتم عرض القيمة ادلتوقعة من loglikelihoodلتقدير ادلعلمة ( dواليت تتطابق و تتعادؿ يف الزمن ادلستمر مع معلمة
كسور احلركة الرباونية ادلتعلقة ببعد النمط اذلندسي ادلتكرر) واليت تبُت أف ذلا حد أقصى والذي ػلدث يف صحيح قيمة
.dوبُت Cramer-Raoأف التباين غَت متحيز لتقدير .dو تبُت التجربة أف تقدير MLHلػ dغَت متحيز وفعاؿ
عندما تستخدـ رلموعة بيانات زلدودة احلجم يف إجراء التقدير ).(Deriche and Twefik, 1993
و يكوف تقدير dيف الشكل التارل :
.2.4انطشقبًشحهتواحذة(طشقاإليكاٌاألكبش) :
تعترب طرؽ اإلمكاف األكرب من بُت أكثر الطرؽ فعالية لتقدير معلمة الذاكرة الطويلة ،dو سبثل طرؽ االمكاف
األكرب الطرؽ دبرجلة واحدة ،و اليت يتم فيها تقدير معامل التفاضل الكسري dبادلوازاة مع معلمات ARMAللنموذج
ARFIMAو تتطل ىذه الطريقة أف تكوف السلسلة الزمنية مستقرة أو أف يتم ربويلها إذل سلسلة مستقرة.
يوجد عدة طرؽ دبرحلة واحدة سوؼ نقوـ بذكر بعض ىذه الطرؽ و شرحها بشكل موجز وىي:
)Exact Maximum Likelihood (EML أ .مقدر
ىذه الطريقة مقًتحة من طرؼ ) ،(Sowell, 1992aواليت تسمح باستخداـ كل ادلعلومات طويلة و قصَتة
األجل ادلرتبطة بتصرؼ السلسلة الزمنية ،ويعترب ادلقدر ادلتحصل من طرؼ )(Sowellىو األفضل و األقوى من بُت
ادلقدرات ادلقًتحة يف حاؿ وجود مركبة قصَتة ادلدى .ػلتاج حسابو ،عند كل تكرار خوارزمية التعظيم ،إذل مصفوفة
التباينات ادلشًتكة وعكسها.
أعطى ) (Sowell, 1992aدالة االمكاف األكرب لسلسلة زمنية مستقرة و طبيعية ذات تكامل كسري .لتكن YTأي
سلسلة زمنية و yTعينة مكونة من Tمشاىدة ،حيث :
] YT .YT =[y1,y2,….,y3زبضع القانوف الطبيعي دبتوسط معدوـ و مصفوفة تباين – تبياف مشًتؾ ∑ .تعرؼ دالة
الكثافة كما يلي :
⁄
| | ⁄
( ̇ )
YT حيث |∑| ؽلثل مصفوفة التباين – التباين ادلشًتؾ لػ
يعطى لوغاريتم دالة اإلمكاف بالصيغة:
92
n.sبصفة تقريبية ) و ( T → ̂ دلا ∞ التوزيع التقاريب دبقدر طريقة االمكاف االكرب التامة يعطى بالصيغة
( D-1مع : ̂ ( √ يؤوؿ بتوزيع احتمارل إذل القانوف الطبيعي دبتوسط معدوـ و تباين مشًتؾ
ويف ذبارب زلاكاة لػ ) (Hauster, 1999تشَت إذل أف احلد من التحيز يعمل يف عينة مكونة من 200مشاىدة .و كما
يوجد لتقدير ) (EMLو ) (MPLاجراءات تتطلب حساب مصفوفة Rيف ادلتجو و يف ادلتغَتات .y
Rدل يتم تعريفها عندما ، d>0.5لذلك تقتصر االجراءات على متغَتات ثابتة .ويف حاؿ ظهرت بيانات غَت ثابتة عندىا
)(EMLو).(Lildholdt, 2000)(MPL غلب اخذ الفرؽ للبيانات لتحقيق السكوف قبل تقدير
)Conditional Sum of Squares (CSS ت .مقدر
) (Beran, 1995طور مقدر االمكاف التقرييب على أساس التقليل إذل احلد األدىن:
ال ثبت كفاءة وطبيعة ىذا ادلقدر ،ونتائج احملاكاة على ىذا االجراء سلتلطة جدا
)(Beveridge and Oickle,1993
توصي بإجراء CSSألحجاـ عينة من .200يف حُت أف زلاكاة ) (Chung and Baillie, 1993توصي باستخداـ CSS
93
لعينة حجم أكرب من .250و يف ظل وجود ديناميكية ادلدى القصَت فإف التحيز يزداد بسرعة و بشكل عاـ ال يتم وصف
خصائص االجراء بالكامل.
الػ CSSلديها العديد من ادلميزات اجليدة :مثل أهنا بسيطة نسبيا ،وؽلكن أف سبتد إذل ظلاذج أكثر تعقيدا مع عدـ طبيعية
الكثافة الشرطية ).(Lildholdt, 2000
.5يشاحمبُاءًَىرج :ARFIMA
حىت نستطيع أف نصل إذل النموذج األفضل لتمثيل السلسلة الزمنية البد النا أف ظلر بعدة مراحل لذلك سوؼ نقوـ
بعرض ىذه ادلراحل واليت سوؼ نقوـ بتطبيقها يف اجلانب العملي.
.2.5يشحهتانخعشف :
أوؿ مرحلة من مراحل التحليل للسالسل الزمنية ىي التعرؼ على النموذج ادلبدئي ادلالئم لبيانات السلسلة
الزمنية ،و يقصد بالتعرؼ على النموذج اختيار رتب النموذج الثالث ) (p,d,qوتعد مرحلة التعرؼ من أصعب مراحل
التحليل و أعلها ليس يف رلاؿ السالسل الزمنية فحسب بل يف رلاؿ اإلحصاء بصفة عامة.
ففي ىذه ادلرحلة نتعرؼ على السلسة الزمنية و علة سيماهتا و مالزلها الرئيسية مث اختبار السلسلة الزمنية
دلعرفة مدى حاجتها إذل التحويل لعدـ استقراريتها حوؿ الوسط و التباين فإذا كانت ساكنة نقوـ بالتحليل عل بالقيم
األصلية للمتغَت دوف إجراء أي ربويل أو أخذ أي فروؽ ولكن وجود سلسلة مستقرة مسبقا يعد أمرا نادرا و أما إذا كانت
غَت ساكنة يف التباين نأخذىا ذلا ربويلة و إذا كانت غَت ساكنة يف ادلتوسط ففي ىذه احلالة نقوـ بأخذ الفروؽ و ىنا
ؼلتلف أخذ إما بأعداد صحيحة و ىي ظلاذج ARIMAوىذا ليس دبوضوعنا أو أخذىا بأعداد كسرية أو الفروؽ
الكسرية وىي ظلاذج ARFIMAو ىو موضوعنا الذي نبحث من خاللو و سبق شرح عدة طرؽ لتحديد الفروؽ
الكسرية.
وأما تعريف p,qفيتم من خالؿ النظر إذل شكل االنتشار لدالة االرتباط الذايت و دالة االرتباط الذايت اجلزئي،
ظلوذج االضلدار الذايت ARتتحدد رتبتو من خالؿ عدد االرتباطات الذاتية اجلزئية اليت زبتلف معنويا عن الصفر ،أما
النموذج MAفإف رتبتو تتحدد من عدد االرتباطات الذاتية ذات الداللة اإلحصائية ،إما إذا كانت االرتباطات الذاتية و
الذاتية اجلزئية هتبط إذل الصفر بصورة أسية فإف ىذا النموذج ىو ظلوذج .ARMA
.1.5يشحهتانخقذيش
إف عملية تقدير النموذج ىي ادلرحلة الثانية ،وتأيت بعد عملية التعرؼ على النموذج ادلالئم للسلسلة الزمنية ،و
لكي ػلقق النموذج اذلدؼ األساس من بنائو ،و ىو التنبؤ فيجب علينا أف نضمن جودة تقديره و مالئمتو للسلسلة
الزمنية ،و بعد التعرؼ وربديد رتبة النموذج يتم تقديره و أىم طرؽ التقدير ىي طريقة ادلربعات الصغرى و طريقة اإلمكاف
االكرب.
94
لتحديد وتقدير ظلوذج ) ARFIMA(p,d,qوالستخداـ تقنيات االضلدار يوجد عدة خطوات ضرورية للحصوؿ على ظلوذج
ARFIMAجملموعة من بيانات السالسل الزمنية )(Hosking, 1981و )(Brockwell and Davis, 1991وىي كالتارل:
بفرض أف العملية ،Xtكما يلي:
𝜙
حيث أف:
)ARFIMA(0,d,0 = Ytعملية ،Ut= (1 – B)dXtحبيث تكوف Utتعرب عن عملية ) ، ARMA(p,qوكذلك
كما جاء يف )(Reisen et al., 2001عن آلية التعرؼ والتقدير عند بناء ظلوذج ARFIMAكالتارل :
.1تقدير dيف ظلوذج ) ARIMA(p,d,qو يرمز ذلذا التقدير بالرمز ̂ .
̂
̂. .2حساب
).ARMA(p,q 𝜙 من خالؿ عملية .3استخداـ منهجية بوكس – جينكنز لتعريف ز تقدير ادلعادل،
̂
Yt = ̂ .4حساب
.5تقدير dلنموذج ) .ARFIMA(0,d,0قيمة ̂ اليت مت احلصوؿ عليها يف ىاتو اخلطوة تكوف ىي التقدير اجلديد لػ .d
𝜙. .6تكرار اخلطوات من 2إذل 5حىت تتقارب تقديرات ادلعادل
ذبدر اإلشارة عادة إذل أف تكرار واحد فقط مع اخلطوات 2حىت 3تستخدـ للحصوؿ على النموذج.
معايير المقارنة بين النماذج المرشحة:
إف اختيار النموذج األفضل تعترب مهمة صعبة يواجها الباحث ذلذا السبب مت وضع بعض ادلعايَت اليت تساعد يف
اختيار النموذج األفضل من بُت النماذج ادلرشحة حيث يتم ربديد النموذج صاحب أقل قيمة ذلذه ادلعايَت ومن ىذه
ادلعايَت االحصائية:
):Akaike Information Criterion (AIC أ .معيار معلومات اكايك
):(Akaike, 1973 قاـ الباحث Akaikeيف عاـ 2973بإغلاد ادلعيار AICمعيار أكايك ويعرؼ كالتارل
AIC(M)=-2(Conditional maximum likelihood)+2M
فإذا كاف النموذج دبعلمات Mوفق البيانات ،تكوف صيغة ادلعيار AICبداللة مقدار تباين اخلطأ كما يلي:
̂
Mوىي رتبة النموذج n ،عدد ادلشاىدات ̂ ،مقدار تباين اخلطأ.
ويكوف االختيار على أساس أصغر قيمة للمعيار.
):Bayesian Information Criterion (BIC ب .معيار معلومات بيز
أو معيار Schawrz )(BIC إذل ادلعيار اجلديد الذي مسي دبعيار بيز AIC قاـ ) (Schawrz,1978بتطوير ادلعيار
( )SICوصيغتو كالتارل:
̂
95
حيث أف N :عدد مشاىدات السلسلة ،و : Mالعدد الكلي دلعلمات النموذج.
و يكوف االختيار على أساس أصغر قيمة للمعيار.
):Mean Square Error (MSE ت .متوسط مربعات األخطاء
و ؽلكن التعبَت عن ىذا ادلقياس بالصيغة اآلتية :
القيمة احلقيقية للسلسة ̂ ،سبثل القيمة ادلقدرة n ،سبثل عدد ادلشاىدات. سبثل البواقي، حيث
):Mean Absolute Error (MAE ث .متوسط الخطأ المطلق
و ؽلكن التعبَت عن ىذا ادلقياس بالصيغة اآلتية:
القيمة احلقيقية للسلسلة ̂ ،سبثل القيمة ادلقدرة n ،سبثل عدد ادلشاىدات. سبثل البواقي، حيث
):Mean Absolute Percentage Error (MAPE ج .متوسط األخطاء النسبية المطلقة
و ؽلكن التعبَت عنو بالصيغة اآلتية :
̂
|∑ | |∑ |
القيمة احلقيقية للسلسلة ̂ ،سبثل القيمة ادلقدرة n ،سبثل عدد ادلشاىدات. سبثل البواقي، حيث
.3.5يشحهتانخشخيص :
يعتمد ظلوذج السالسل الزمنية الذي يتم التعرؼ عليو يف ادلرحلة األوذل على رلموعة من الفروض النظرية
اخلاصة بالعملية العشوائية اليت ولدت البيانات والشكل العاـ للنموذج ادلختار والتغيَتات العشوائية .و يعٍت أف مقدرات
ىذه ادلعادل وخصائصها واالستدالالت االحصائية ادلختلفة ليس ذلا معٌت إال إذا كانت ىذه الفروض صحيحة أو على
األقل ال ؽلكن رفض مالئمتها للبيانات ادلتاحة .ومن مث فإف دراسة مالئمة ىذه الفروض للسلسلة الزمنية ادلتاحة تعد من
األمور الضرورية و جزء ال يتجزأ من دراسة ربليل السالسل الزمنية ألي رلموعة من البيانات واليت غلب أف يوليها
مستخدـ السالسل الزمنية اىتماما خاصا .و تعرؼ ىذه النوعية من الدراسات بتشخيص النموذج ادلبدئي و الذي ؽلكن
النظر إليو كنوع من التوازف بُت الفروض النظرية اليت يعتمد عليها النموذج و سلرجات العملية التطبيقية دلرجلة التقدير.
ويوجد العديد من الفحوصات اليت تستخدـ يف التشخيص نذكر منها:
أ .تحليل السكون:
96
لقد أوضحنا يف الفصل السابق ماىية السكوف ،ومن مث غلب فحص تقديرات معادل االضلدار الذايت اليت مت
𝜙 احلصوؿ عليها يف مرحلة التقدير للتأكد من أهنا ربقق شروط السكوف وىي أف جذور ادلعادلة ادلميزة
تقع كلها خارج دائرة الوحدة .فإذا كانت القيمة ادلطلقة لكل جذر من ىذه اجلذور أكرب من الواحد الصحيح فهذا يدؿ
على سكوف العملية العشوائية اليت لدت السلسلة ادلرصودة .أما إذا كانت القيمة ادلطلقة ألحد اجلذور قريبة من الواحد
الصحيح فقد يدؿ ىذ على ضرورة أخذ فروؽ إضافية.
ب .تحليل االنعكاس:
االنعكاس ال يقل أعلية عن السكوف لنماذج السالسل الزمنية موضع الدراسة ،ولذلك غلب فحص التقديرات
تقع اخلاصة دبعادل ادلتوسطات ادلتحركة للتأكد من أهنا ربقق شروط االنعكاس وىي أف جذور ادلعادلة
كلها خارج دائرة الوحدة ،فإذا كانت القيمة ادلطلقة لكل جذر من ىذه اجلذور أكرب من الواحد الصحيح فهذا يدؿ على
انعكاس النموذج األصلي .أما إذا كانت القيمة ادلطلقة ألحد اجلذور قريبة من الواحد الصحيح فقد يدؿ ىذا على
استخداـ فروؽ غَت ضرورية.
ت .تحليل البواقي:
بعد التعرؼ على ظلوذج مبدئي و تقدير معلماتو يتم تطبيق بعض اختبارات الفحص على البواقي أو مقدرات
األخطاء دلعرفة مدى مطابقة النموذج لبيانات السلسلة ادلشاىدة ويفًتض يف مقدرات البواقي ̂ أهنا مقدرات
،و يتم يف ىذه ادلرحلة فحص البواقي و ذلك واليت يفًتض أهنا مستقلة موزعة توزيعا طبيعيا دبتوسط صفر وتباين
بإجراء رلموعة من االختبارات لنرى فيما إذا كانت ربقق شروط االضطرابات اذلادئة فإذا حققت الشروط يعترب النموذج
ادلطبق مقبوال وإال فيجب اقًتاح ظلوذج آخر .نذكر بعض االختبارات اليت تستخدـ ربليل البواقي يف تشخيصها وىي
كالتارل:
رسم البواقي:
اخلطوة األوذل واذلامة يف ربليل البواقي ىي التوقيع البياين ذلذه القيم كسلسلة زمنية ،فرسم البواقي واالختبارات
االحصائية يظهر ادلالمح األساسية للبواقي – مثل االذباه العاـ والتشتت والبيانات الشاذة – بشكل قد ال تستطيع
االختبارات االحصائية اظهاره ة اكتشافو .فإذا كاف النم وذج ادلبدئي جيدا فهذا يعٍت أنو قد استطاع استيعاب كل األظلاط
والتحركات ادلنتظمة يف البيانات تاركا البواقي خالية من مثل ىذه االظلاط والتحركات ،ومن مث فإف البواقي على ورقة
التوقيع البياين غلب أف تتأرجح بتشتت حوؿ الصفر كخط وسط موازي حملور الزمن كما أف الشكل غلب أف يبدو
عشوائيا خاليا من أي معلومة ؽلكن استخدامها يف التنبؤ بالسلسلة الزمنية موضوع الدراسة .الدراسات احلديثة يف رلاؿ
االحصاء تعطى أعلية لرسم البواقي ال تقل أعلية عن االختبارات اإلحصائية.
اختبار دالة االرتباط الذاتي للبواقي:
97
غلب أف زبلو دالة االرتباط الذايت من أي نتوءات أي غلب أف تكوف كل معامالت االرتباط الذايت صغَتة
بشكل ؽلكن معو قبوؿ عدـ اختالؼ كل معامل ارتباط ذايت نظري مناظر معنويا عن الصفر ،ويتم ىنا فحص كل معامل
ارتباط ذايت للعينة على حدة ،وشلن مث غلب فحص توزيعات ادلعاينة ذلذه ادلعامالت.
):(Ljung Box إحصاء بوكس بيرس المعدل
يستخدـ ىذا االختبار يف اختبار عشوائية أخطاء السلسلة الزمنية وذلك من خالؿ حساب معامالت االرتباط
الذايت للبواقي جملموعة من االزاحات.
فقد قدـ بوكس وبَتس يف عاـ 2970االحصائية Qإلجراء ىذا االختبار:
∑
∑
.4.5انخُبؤ :
و ىي تعد آخر مرحلة يف بناء النموذج وىي أىم مرحلة وىي أساس ربليل السالسل الزمنية ،و ال ؽلكن الوصوؿ
إذل ىذه ادلرحلة دوف ادلرور بباقي ادلراحل و النجاح يف كل اخلوارزميات.
وبعد احلصوؿ على ظلوذج مالئم لتمثيل البيانات فإف ىذا النموذج يستخدـ للتنبؤ بالقيم ادلستقبلية للسلسلة
الزمنية و يعد التنبؤ اخلطوة األخَتة من خطوات دراسة وربليل ظلاذج السالسل الزمنية ويعد اذلدؼ األساسي من الدراسة.
98
.IIانًُارجانغيشانخطيت:ARCH
لقد تطرقنا يف الفصل السابق إذل النماذج اخلطية للسالسل الزمنية ، ARMAاليت كاف ذلا أثر كبَت ومهم يف ظلذجة
العديد من الظواىر االقتصادية و ساعدت على التنبؤ هبا ،إال أف الفرضية اخلطية اليت تتصف هبا ىذه النماذج تستلزـ أف
تتميز السالسل الزمنية بثبات التباين ) ، (Homoscedasticitéإضافة إذل ثبات السَتورة 52 ARMAوىذا ما أدى إذل
ظهور ظلاذج غَت خطية تساعد على ظلذجة ىذا النوع من السالسل الزمنية .يقدـ النموذج القياسي تنبؤات مستقبلية
للمتغَت موضوع الدراسة ،ففي أغلب األحياف النموذج الذي يقدر بشكل جيد خطأ التنبؤ يكوف فيو منعدـ .إال أنو فيما
ؼلص األصوؿ ادلالية ،ثبات األخط اء ذلذه النماذج ؽلكن أف يتغَت من حُت آلخر عرب الزمن بسبب سرعة التقلبات ( la
)volatilitéيف ادلداخيل على سبيل ادلثاؿ الدخل اليومي دلؤشر cac40بباريس يكوف يف بعض األحياف يتميز
بتقلبات تكوف اغلابية مرتفعة و كذلك منخفضة أو سلبية بفًتات مستقرة و ىذا ما يوضحو الشكل التارل:
ىذه التقلبات زبلق قيم قصوى يف منحٌت كثافة ادلداخيل كما يوضح الشكل التارل:
Source : Stephen BAZEN- Marava Sabatier
بنمذجة التقلبات ذلذه الفًتات ؽلكننا احلصوؿ على أحسن التنبؤات للخطر .ىذا يعٍت أنو يوجد عدـ ثبات تباين حد
األخطاء ( )hétéroscidasticitéخلطأ النموذج ،و دبا أف فًتات التقلبات ال تستمر كثَتا فهذا يدؿ على أف عدـ ثبات
تباين حد اخلطأ ىو شرطي ،أي ارتفاع يتبعو ارتفاعات أكثر أعلية و ىذا ما يدؿ على أف حالة عدـ ثبات تباين حد
اخلطأ ىي حالة اضلدارية.
- 52سعيد ىتهات " دراسة اقتصادية و قياسية لظاىرة التضخم يف اجلزائر مرجع سابق ص. 278
99
Autoregressive ( ARCH اقًتح Engelسنة 1992ظلوذجا ؽلكن أف يدرس ىذا النوع من الظواىر و ىو ظلوذج
،)Conditionel hétéroscidasticitéىذا النموذج ىو أصل النموذج القياسي ادلارل . L'économétrie Financière
.1انحاالثانششطيتوانغيشانششطيتنًُىرج :ARCH
يف ظلوذج ARCHخصائص السلسلة ( التوقع ،التباين ،التباين ادلشًتؾ ) الشرطية يتم اقتباسهم من حاالت غَت شرطية
،األوذل تعتمد على فًتات سابقة على عكس احلاالت الغَت الشرطية اليت قيمها تعمد على فًتات طويلة .
y t xt t نأخذ كمثاؿ النموذج اإلحصائي التارل :
t ut ht و نفرض أف حد اخلطأ معطي بػ:
ut N 0,1و ht 0 1 t21 حيث :
0 1 1 0 0و مع
كما نضع أيضا u tىو مستقل عن t21
-التوقع الرياضي الشرطي ؿ t 1 ، tمعطي بػ :
E
t
t 1 E ut E ht 0 /E
ht 0
التحويل شلكن بفضل فرضية االستقاللية بُت u tو . t21التباين الشرطي ؿ ، tػ t 1معطي كالتارل :
) E t2 / t 1 E ut2 Eht 1E 0 1 t21 0 1( t21
احلد t21يعترب كمعطيات ( من تسمية " الشرطي") التباين ادلشًتؾ بُت tو t 1معطي بػ :
E t s / t 1 E u t u s E ht 0
E 0 1 t21 0
var u t 1 et cov u t , u s 0 من أجلt s :
E t E t p et t2 E t21 -احلاالت الغَت الشرطية
ما ػلدث t21ال تعد معطيات و نتحصل :
E t E u t E ht 0
0
var t E t2 E u t2 0 1 E t21 0 1 E t2
1 1
COV t , s E t , s E u t u s 0 1 t21 0 1 t21 0
إذف يوجد ىناؾ اختالؼ بُت التباين الشرطي و الغَت الشرطي .عمليات ARCHسبكن من خلق صدمة باضلراؼ قيمة
كبَتة ؿ tو اليت تؤدي إذل تأثَتات على القيم يف الفًتات ....., t , tو لكن ىذه التأثَتات عرب الزمن تقل ،بسبب أف
2 1
ىذه احلاالت أو األوقات سوؼ تتبع من جديد القيم الغَت الشرطية .تأثَت الصدمة اليت كانت يف األوؿ ىي غَت مستمرة(
تبياف أعلية الفرضية 0 1يف ىذا ادلفهوـ) ،ؽلكننا أيضا إف نبُت أف الرمز الذي يعطي إذل حد اخلطأ يف كل مرحلة 1
يعتمد على القيمة ، u tىذا الرمز ؽلكنو أف يكوف موجب أو سالب باحتماؿ 0.3يف كل حالة .ظلوذج ARCHيدرس
السالسل اليت زبضع لفًتات تقلبات قصَتة ،مثال :مداخيل مؤشرات البورصة .خالؿ ىذه ادلراحل الشكل الشرطي
100
للنموذج ؽلكن من احلصوؿ على أحسن التنبؤات لنموذج يكوف فيو حد اخلطأ ػلقق الفرضيات الكالسيكية دبعٌت
53
. ) t iid (0, 2
.2انخصائصاألساسيتنًُارج :ARCH
يف ظلوذج ARCHالذي ضلن بصدد تقدؽلو نالحظ أف األخطاء تتميز باخلصائص التالية:
*األوساط الشرطية و الغَت الشرطية t معدومة .
*السلسلة t غَت مًتابطة .
*ادلالحظات t ىي غَت مستقلة دبا أهنا مًتابطة بفًتهتا ادلوالية ( نالحظ بأف االرتباط الذايت ىي عالقة خطية .التباين
الشرطي بػ t ىو عبارة عن عمليات االضلدار الذايت ينتج عنو أخطاء مشروطة باضلداره على القيمة السابقة .
-ما ىو تأثَت ىيكلة األخطاء على السلسلة . yt
من الواجب الذكر اف ظلوذج ARCHلألخطاء و معلمات االرتباط الذايت بػ yt تكوف مًتابطة .التفسَت ىنا بديهي
:كل صدمة مهمة يف u tتكوف مصحوبة بتغيَت كبَت ثابت على مستوى . tيتميز ىذا الثبات بأعلية أكرب من أما
1
بالنسبة إذل القيم الكبَت دلعامل االضلدار الذايت ، aالتغيَت يف ytيكوف أكثر ثبات و مواظبة ،من جهة أخرى احلالة
1
اليت تكوف فيها ytسبيل إذل بقائها بعيدة عن وسطها ادلعتاد تنتج تباين كبَت.
ؽلكن توضيح ىذه اخلصائص النظامية ،و ذلذا الغرض قمنا باختيار النموذج البسيط(.ARCH)1
y t a0 a1 y t 1 t
t u t 0 2
1 t 1
.الوسط و التباين الغَت الشرطي بػ yt ؽلكن أف ربسب 1 نالحظ أف التباين الشرطي بػ yt ىو مرتبط اغلابيا مع
0
yt a1i yt i كالتارل :
1 1 i 1
E t 0
E y
a0 . و دبا أف :
t
1 a1
نتحصل على :
var y t a1 var t -i
2i
i 0
0
var t var t 1 ...... var 1 ونعلم أنو:
1 1
53 - Stephen BAZEN Marava Sabatier" Économétrie Des Fondements A La Modelisation" Edition Vuidert P 164 . 165.
101
0 1
var y t 2
الذي يتبع:
1 1 1 a1
و القيمة ادلطلقة . a1 1 و نالحظ بأف تباين ytىو دالة تعظيمية ؿ
و شلا سبق يتبُت بوضوح اآلف أف عمليات األخطاء ( )ARCHىي نافعة جدا لنمذجو الفًتات ادلتميزة بتقلب متغَتاهتا
.54
q
t vt 0 i t2i
i 1
ؽلكن استخالص أنو من ادلمكن تعميم النتائج ادلتوصل إليها سابقا إذل ظلاذج ARCHذات درجة أكرب .
يف ىذه احلالة نتكلم عن ظلوذج ( : ARCH ) q
q
t ut 0 i t21
i 1
.3حقذيشيعهًاثانًُىرج :
ظلوذج ARCHمتكوف من معادلتُت :األوذل زبص ادلتغَت ادلستقل و األخرى زبص حدا اخلطأ و مع بعضهما يكوناف
ظلوذج غَت خطي بالنسبة دلعلمات النموذج .دبا أف الفرضيات سبت ادلوافقة عليها يف النموذج ادلقدـ ،طريقة
Maximum De Vraisemblanceىي اليت يتم استعماذلا.
*غالبا و ربت الفرضيات الكالسيكية حلد اخلطأ يكوف ) ، t in(0, 2لوغاريتم معادلة ادلعقولية تكتب على النحو
التارل :
1 t t2
LnL Ln 2 - L n var t
t 1 t
2 2 t 2 2 t 1 var t
يف ظلوذج var t ARCHتعوض بالتباين الشرطي 0 1 t21و حد اخلطأ بػ t yt xt B :
و بتعويض يف معادلة ادلعقولية صلد:
t 1 y t x t B 2
Ln 2 Ln 0 1 y t 1 xt 1 B tt 2
1 t 1
Ln L
2
.4اخخباسARCHنهسالسمانضيُيت :
قبل تقدير ظلوذج ARCHال بد من إجراء اختبار للتأكد من أف تباين البواقي غَت ثابت عرب الزمن و من بُت ىذه
االختيارات صلد اختيار ARCHو الذي يتم عن طريق اختيار الفرضيتُت التاليتُت :
H 0 1 2 ........... p 0
H1 يوجد معامل واحد على األقل ؼلتلف عن الصفر:
54-samI khiddine « conrs de économétrie mélodes et application «édition gennes sciences la vaaisier p 189. 190. 191.
55 - Stephen bazen-mareva sabatier "économétrie des fondementsa la modélisation référence précédent p 166.
102
الفرضيةH 1 . ففي حالة قبوؿ الفرضية H 0فهذا يعٍت بأف تباين اخلطأ ثابت عرب الزمن و العكس يف حالة قبوؿ
و يتم ذلك عن طريق حساب اإلحصائية LMcalكما يلي :
LM cal n * R 2 حيث
nعدد ادلشاىدات .
R 2معامل التحديد للنموذج اآليت :
p
t2 0 i t2i
i 1
.5انخُبؤباسخخذاوًَىرج):ARCH (p
ؽلكن استخداـ العالقة اآلتية للتنبؤ بتباين ا خلطأ العشوائي و استخدامو لتحسُت اجملاالت التنبؤية باستخداـ العالقة
التالية:
h2 t m 0 i h2 t m 1
m
i 1
حًشيٍحطبيقي:
اجلدوؿ التارل يضم البيانات ادلسجلة واخلاصة بالسلسلة الزمنية .yt
انشهش 1 2 3 4 5 6 7 8 9 10 11 12
انسُت
1 15,00 15,00 15,45 13,91 11,12 15,33 18,71 16,41 13,97 12,36 12,36 15,61
2 17,43 16,75 13,75 14,61 15,01 14,68 15,31 14,83 12,50 12,88 13,79 14,65
3 14,23 13,57 12,47 14,04 15,28 15,43 15,66 16,78 18,31 17,93 14,44 13,50
4 13,47 15,52 15,53 14,48 14,71 14,20 14,25 14,04 13,11 14,36 16,10 13,46
5 12,94 14,35 15,44 14,27 14,03 15,56 15,84 11,35 4,17 7,19 14,38 17,19
6 15,84 13,39 11,82 11,44 14,23 13,95 12,35 12,94 11,79 15,13 16,68 16,54
7 15,12 13,62 14,08 14,49 15,32 13,71 14,84 17,11 17,02 15,79 15,16 14,32
8 13,14 14,53 14,19 12,25 14,02 13,28 13,58 13,57 14,64 15,44 15,51 14,79
9 14,01 15,00 13,32 10,45 13,96 15,77 15,22 13,72 13,13 14,61 14,59 17,36
10 13,73 11,89 11,72 14,73 15,55 14,67 14,21 14,06 13,20 16,30 19,67 15,57
11 12,53 13,68 14,40 14,42 13,96 14,56 13,30 12,06 10,09 13,78 15,55 14,71
12 14,13 15,39 15,65 14,69 13,66 13,49 13,71 13,77 13,63 15,22 18,73 23,18
13 19,66 12,87 9,81 10,52 13,35 15,73 17,17 16,04 13,54 10,70 12,48 14,65
14 15,86 14,82 13,15 14,26 14,80 13,60 14,03 15,69 15,94 14,10 14,46 14,52
15 15,49 14,84 13,87 13,49 14,96 12,48 13,09 13,07 14,53 14,85 13,61 13,31
103
16 15,80 15,95 14,30 13,02 12,86 13,62 14,15 14,26 13,37 12,34 12,36 12,89
17 15,24 15,07 14,02 13,30 12,52 12,66 14,16 13,73
ادلطلوب :القياـ بدراسة خصائص و كذا تقدير معلمات النموذج بالطريقة ادلالئمة.
الحل:
20
16
12
8
4
25 50 75 100 125 150 175 200
Y
104
لدالة االرتباط الذايت يتضح أف احلدين األولُت لدالة االرتباط الذايت اجلزئي ؼلتلفاف عن الصفر ()1 من الشكل البياين
،p=2وأف حدود دالة االرتباط الذايت البسيط تتناقص بشكل أسي ،وبالتارل فاف النموذج احملصل عليو مبدئيا ىو
).AR(2
عملية التقدير أعطت النتائج التالية:
احلدود األوذل دلنحٌت دالة االرتباط الذايت زبتلف اختالفا معنويا عن ،0يوثق ىذا التحليل باالستعانة باختبار مضاعف
الجرانج .اختبار اخلاصية من النوع ) ARCH(1يفضي اذل النتائج التالية:
105
عند قراءة النتائج ،إحصائية فيشر احملسوبة Fcalو كذا إحصائية LMدلضاعف الجرانج تسمح بافًتاض خاصية النوع
).ARCH(1يف ىذه احلالة االحتمالُت أصغر من ،%5وبالتارل سيتم رفض الفرضية العدمية H0القائلة بانعداـ ادلعامالت
.αغلب يف ىذه احلالة اختبار خاصية من النوع ):ARCH(2
ادلعامل من الدرجة الثانية للمتغَت ) RESID^2(-2ال ؼلتلف معنويا عن ،0اخلاصية ادلقبولة ىنا ىي من الشكل
).ARCH(1عًهيتتقدير ادلعلمات تتم بواسطة طريقة اإلمكاف األكرب ،النتائج ادلتحصل عليها كانت كالتارل:
106
احلد الثابت للعملية يساوي:
̂ ̂ ( ̂ ) ̂ 4 4 4
،و بالتارل فاف العملية √
4 الوحدة النمطية جلذر عامل التأخَت كثَت احلدود تساوي
مستقرة.
،حيث أف األخطاء 4 النموذج ادلقدر يكتب على الشكل التارل:
𝛼 و مع العشوائية تتبع الشكل:
̂. 𝛼 ادلقدر بالعالقة:
- 56مكيدش زلمد ،ساىد عبد القادر " دراسة قياسية السعار البًتوؿ باستخداـ ظلاذج "garch
107
nR 2 2 q
:درجة احلرية .
: R 2معامل التحديد
MCOيف ادلعادلة : و باستعماؿ طريقتو ادلربعات الصغرى
̂ ∑ ̂ ∑ ̂
إذا كاف x 2 q R 2 * n :و ذلك عند درجة qو باحتماؿ 0.00فإننا نرفض الفرضية H0و ذلك يعٍت قبوؿ . H1
57
و ىذا يعٍت أف األخطاء خاضعة لسَتورة من النوع (:GARCH)p.q
-التنبؤ باستخداـ ظلوذج (: GARCH)p.q
ؽلكن استخداـ الصيغة التالية :
p q
ht2 t m 0 i t2 B j h t - j m
i 1 j 1
حيث
: mأفق التنبؤ.
و ؽلكن حساب رلاالت التنبؤ باستخداـ اجملاؿ اآليت و ىذا عندي مستوى معنوية % 5
.58 yˆ t m 2.hˆt m
حًشيٍحطبيقي:
اجلدوؿ التارل ػلتوي على البيانات ادلسجلة و اخلاصة بالسلسلة الزمنية .yt
انشهش 1 2 3 4 5 6 7 8 9 10 11 12
انسُت
1 50,00 49,98 47,59 51,24 49,88 48,32 49,22 46,44 47,16 48,25 50,56 53,42
2 47,55 48,28 50,45 49,85 51,12 49,51 50,33 50,19 49,02 51,61 49,54 49,41
3 50,56 51,33 49,80 51,06 53,27 52,00 52,96 48,96 49,90 51,35 50,51 51,34
4 48,11 48,26 47,84 50,72 49,65 48,82 51,06 51,81 47,25 51,84 52,07 48,05
5 50,57 47,35 46,91 46,81 46,63 51,99 47,34 46,37 50,17 51,92 48,54 50,34
6 49,57 49,85 49,63 53,69 50,16 48,44 48,23 47,05 49,09 48,55 48,34 47,53
7 50,34 50,31 49,17 50,24 50,71 52,70 47,73 49,86 48,87 50,89 53,65 50,81
8 48,55 51,44 53,65 52,26 47,93 51,12 51,30 52,25 53,04 51,93 51,27 51,09
9 49,35 53,86 49,22 48,00 48,91 49,24 47,56 47,42 48,77 49,25 49,72 48,55
10 51,80 50,96 46,82 54,00 46,38 45,82 47,73 47,82 48,31 44,30 45,15 40,47
11 51,60 48,15 52,07 48,80 50,37 52,39 49,31 48,48 49,50 48,05 49,29 51,04
12 48,33 44,09 43,88 51,96 53,43 48,05 50,32 48,84 48,95 49,57 47,68 49,12
13 46,10 45,32 54,33 55,78 46,08 54,38 48,79 50,77 53,96 51,72 49,34 51,98
14 52,48 50,73 54,21 53,93 47,77 46,33 47,27 46,99 46,04 43,99 48,23 51,28
15 50,68 45,31 50,10 51,17 48,92 49,70 53,55 46,40 53,31 53,01 46,81 49,99
57-Reqis bourbounnais michel terraza analgse des séries temporelles 3 em édition dunid paris 2010 p 310 . 311.
مكيدش زلمد ،ساىد عبد القادر دراسة قياسية السعار البًتوؿ باستخداـ ظلاذج garchمرجع سابق. - 58
108
16 45,59 45,43 53,16 41,82 43,16 50,00 43,74 42,64 40,93 46,33 45,48 39,64
17 50,43 45,10 49,80 51,82 49,62 47,56 47,24 45,36
52
48
44
40
36
25 50 75 100 125 150 175 200
Y
Box الدراسة الكاملة (استخراج خصائص السلسلة الزمنية ،التعرؼ على النموذج )..،ذلذه السلسلة الزمنية وفقا دلنهجية
et Jenkinsأفضت اذل تبٍت النموذج التارل .ARMA(1,1) :تقدير ادلعلمات أعطى النتائج التالية:
109
اإلحصائية Qلػ Ljung-Boxتشَت اذل أف معامالت دالة االرتباط الذايت ال زبتلف معنويا عن ،0وبالتارل فاف البواقي
غَت مرتبطة ببعضها البعض (مستقلة فيما بينها).
أما منحٌت دالة االرتباط الذايت لسلسلة مربع البواقي يكتسي الشكل التارل:
عند القياـ بتحليل منحٌت دالة االرتباط الذايت لسلسلة مربع البواقي ،يتضح من خالؿ إحصائية Qلػ Ljung-Boxأف
معامالت ىذا األخَت زبتلف اختالفا معنويا عن ،0وبالتارل فانو سيتم تبٍت اخلاصية من النوع .ARCHىذه اخلاصية يتم
توثيقها باالستعانة باختبار مضاعف الجرانج (:)p=1
بعد اختبار رلموعة من اخلاصيات ) ARCH(2) ،ARCH(1و ) ،GARCH(1,1اتضح أف النموذج الذي كل معلماتو
تتسم بادلعنوية ىو ) . GARCH(1,1وىذه اخلاصية األخَتة ىي اليت مت تقديرىا ،وكانت النتائج ادلتحصل عليها على
الشكل التارل:
110
كل معامالت ادلتغَتات تتسم بادلعنوية ،النموذج ادلقدر يكتسي الشكل التارل:
4 4
111
قائمة الجداول
جدوؿ 1ربليل التباين للكشف عن التغَتات ادلومسية و االذباه العاـ 17 ...........................................
جدوؿ 2اطلفاض قيمة ادلعلومات مع أقدميتها 30 ..............................................................
جدوؿ 3خصائص منحٌت االرتباط الذايت 48 ..................................................................
112
قائمة األشكال
113
قائمة المراجع
جالطو اجليالرل " ،االحصاء مع سبارين ومسائل زللولة " ،ديواف ادلطبوعات اجلامعية ،اجلزائر.1021 ،
صالح الدين اذلييت" ،األساليب اإلحصائية يف العلوـ اإلدارية –تطبيقات باستخداـ ،"-SPSSدار وائل للطباعة
مولود حشماف" ،ظلاذج وتقنيات التنبؤ القصَت ادلدى" ،ديواف ادلطبوعات اجلامعية ،اجلزائر.2998 ،
مولود حشماف" ،السالسل الزمنية وتقنيات التنبؤات يف ادلدى القصَت" ،ديواف ادلطبوعات اجلامعية اجلزائر،
إبراىيم علي إبراىيم عبد ربو :مبادئ علم اإلحصاء ،الدار اجلامعية ،االسكندربة ،الطبعة الثانية.1008 ،
ناظم عبد اهلل عبد احملمدي ،ـ.ـ .سعدية عبد الكرًن طعمو ،استخداـ ظلاذج السالسل الزمنية ادلومسية للتنبؤ
اجمللد ،4العدد7 باستهالؾ الطاقة الكهربائية يف مدينة الفلوجة ،رللة جامعة األنبار للعلوـ االقتصادية واإلدارية،
.1022،
صليب رجب" ،إلحصاء التطبيقي "،دار العلوـ للنشر" ،عنابة ،اجلرائر.1004 ،
Abraham, B. and Ledolter, J. (1983). Statistical Methods for Forecasting, Wiley, New York,
USA.
Andrew C. Harvey. (2014), « Forecasting, Structural Time Series Models and the Kalman
Filter», Cambridge University Press, Cambridge, England.
Nino Silverio, (1005) , « Séries chronologiques », Support de cours provisoire pour l’unité de
valeur “Mathématiques et statistiques” destiné aux classes du BTS Comptabilité-Gestion de
l’ECG,
114
Arthur CHARPENTIER.( 2011), « Cours De Series Temporelles : Theorie Et Applications »,
Université Paris Dauphine.
Avishek Pal, PKS Prakash. (2017), «Practical Time Series Analysis», Packt Publishing,
Birmingham, United Kingdom.
Bernard GOLDFARB, Catherine PARDOUX. (2013), «Introduction A La Méthode Statistique :
Cours et Exercices Corrigés», 7ème Edition, Dunod, Paris, France.
Box, G. E. P. and McGregor, J. F. (1974). "The Analysis of Closed-Loop Dynamic Stochastic
Systems", Technometrics, Vol. 16-3.
Box, G. E. P., Jenkins, G. M., and Reinsel, G. C. (1994). Time Series Analysis, Forecasting and
Control, 3rd ed. Prentice Hall, Englewood Clifs, NJ.
Brockwell, P. J., & Davis, R. A. (1991). Time Series: Theory and Methods (2nd ed.). New York:
Springer-Verlag.
Brockwell, Peter J. and Davis, Richard A. (2002). Introduction to Time Series and Forecasting,
2nd. ed., Springer-Verlang.
M.DAVID et J.C.MICHAUD, (1989), « La prévision, Approche empirique d’une méthode
statistique », édition Masson, Paris, France.
Chatfield, C. (1996). The Analysis of Time Series, 5th ed., Chapman & Hall, New York, NY.
Cromwell, J. B., Hannan, M. J., Labys, W. C., & Terraza, M. (1994). Multivariate tests for time
series models. Thousand Oaks, CA: Sage Publications.
Crosbie, J., & Sharpley, C. F. (1989). DMITSA: A simplified interrupted time-series analysis
program. Behavior Research Methods, Instruments & Computers, 21(6), 639-642.
Damodar N. Gujarati, Dawn C. Porter, Sangeetha Gunasekar. (2013), « Basic Econometrics »,
Fifth Edition, Tata McGraw-Hill Education Pvt. Ltd, London, United Kingdom.
David Makowski, Hervé Monod. (2011), « Analyse statistique des risques agro-
environnementaux : Études de cas », 1ére Edition, Springer-Verlag Paris,.
DeLurgio, S. A. (1998). Forecasting Principles and Applications, Irwin McGraw-Hill, Boston,
MA.
Dominique M. Hanssens, Leonard J. Parsons, Randall L. Schultz.(2002), «MARKET
RESPONSE MODELS Econometric and Time Series Analysis», KLUWER ACADEMIC
PUBLISHERS, United States of America, 2nd Edition.
DOUGLAS C. MONTGOMERY, CHERYL L. JENNINGS, MURAT KULAHCI. (2008),
«Introduction to Time Series Analysis and Forecasting», Wiley Publishing, New Jersey, United
States of America.
Gallistel, C. R. (1992). Classical conditioning as a nonstationary, multivariate time series
analysis: A spreadsheet model. Behavior Research Methods, Instruments & Computers, 24(2),
340-351.
Giovanni Petris. (2010), « An R Package for Dynamic Linear Models», JSS Journal of Statistical
Software, Volume 36, Issue 12.
Granger, C. W. J.( 1989), « Forecasting in Business and Economics. », 2nd ed. Boston:
Academic Press.
Guy Melard. (2008), « méthodes de prévision a courte terme », 2ème édition, Ellipses, Editions de
l'Université de Bruxelles, Belgique.
115
Hamaker, E. L., Dolan, C. V., & Molenaar, P. C. M. (2005). Statistical modeling of the
individual: Rationale and application of multivariate stationary time series analysis. Multivariate
Behavioral Research, 40(2), 207-233.
Harvey, Andrew. C.( 1993), « Time Series Models ». 2nd ed. Cambridge, MA: MIT Press.
Hassen BENNACEUR. (2010), « Econometrie : Notes De Cours_ Exercices Corriges », Centre
De Publication Universitaire, Tunisie.
Helmut Lütkepohl, (2005), « New Introduction to Multiple Time Series Analysis », Springer-Verlag Berlin
Heidelberg, Germany.
J.C.Usunier, (1982), Pratique de prévision à court terme: Conception de système de prévision,
Éd Dunod, Paris, France.
J.J. Daudin, C. Duby, S. Robin, and P. Trécourt. (1996), « Analyse de Séries Chronologiques »,
Cours : INA-PG, Mathématiques.
James D. Hamilton. (1994), «Time Series Analysis», Princeton University Press, New Jersey,
United States of America.
Jean-Marie DUFOUR. (2003), « Cours : Lissage Exponentiel », Universite De Montreal,
Canada.
Jorgensen, Jeff C., Eric J. Ward, Mark D. Scheuerell, and Richard W. Zabel. 2016. “Assessing
Spatial Covariance Among Time Series of Abundance.” Journal Article. Ecology and Evolution
6: 2472–85.
KHALDI KHALED. (2017), « Méthodes Statistiques : Rappels De Cours Exercices Corrigés»,
Office des Publications Universitaires, Alger.
Lamon, E.C. III, S.R. Carpenter, and C.A. Stow. 1998. “Forecasting Pcb Concentrations in Lake
Michigan Salmonids: A Dynamic Linear Model Approach.” Ecological Applications 8: 659–68.
Lisi, Peter J., Daniel E. Schindler, Timothy J. Cline, Mark D. Scheuerell, and Patrick B. Walsh.
2015. “Watershed Geomorphology and Snowmelt Control Stream Thermal Sensitivity to Air
Temperature.” Journal Article. Geophysical Research Letters 42 (9): 3380–8.
Ljung, G. and Box, G. (1978). "On a Measure of Lack of Fit in Time Series Models",
Biometrika, 65, 297-303.
Christian Marmuse. (1983), « Les aides à la décision –techniques quantitatives de gestion »,
2ème édition, Edition FERNAND NATHAN.
Makradakis, S., Wheelwright, S. C. and McGhee, V. E. (1983). Forecasting: Methods and
Applications, 2nd ed., Wiley, New York, NY.
McDowall, D., McCleary, R., Meidinger, E. E., & Hay, R. A., Jr. (1980). Interrupted time series
analysis. Thousand Oaks, CA: Sage Publications. View
Nelson, C. R. (1973). Applied Time Series Analysis for Managerial Forecasting, Holden-Day,
Boca-Raton, FL.
Ostrom, C. W., Jr. (1990). Time series analysis: Regression techniques (2nd ed.). Thousand
Oaks, CA: Sage Publications. View
Peter J. Brockwell, Richard A. Davis. (2016), « Introduction to Time Series and Forecasting »,
3rd Edition Springer International Publishing, Switzerland.
Petris, Giovanni, Sonia Petrone, and Patrizia Campagnoli. 2009. Dynamic Linear Models with R.
Use R! London: Springer.
Pindyck, R. S., and D. L. Rubinfield.( 1997), « Econometric Models and Economic Forecasts ».
3rd ed, McGraw-Hill College Div, New York, United States of America.
116
Pole, A., M. West, and J. Harrison. 1994. Applied Bayesian Forecasting and Time Series
Analysis. New York: Chapman; Hall, USA.
Rainer Von SACHS, Sébastien VAN BELLEGEM. (2005), «STAT 2414 : Séries
Chronologiques», Institut de statistique, 4ème édition , Université catholique de Louvain,
Belgique.
Régis BOURBONNAIS, Jean-Claude USUNIER. (2017), «Prévision Des Ventes», 6ème édition,
Economica, Paris.
Régis Bourbonnais, Michel Terraza. (2016), « Analyse des séries temporelles : Cours et
exercices corrigés - Applications à l'économie et à la gestion», 4ème édition, Dunod, Paris, France.
Régis Bourbonnais. (2018), « Économétrie : Cours et exercices corrigés », 10ème édition, Dunod,
Paris, France.
Robert H. Shumway, David S. Stoffer « Time Series Analysis and Its Applications With R Examples »,
Fourth Edition, Springer publishing, 2016.
Sayrs, L. W. (1989). Pooled time series analysis. Newbury Park, CA: Sage Publications.
Scheuerell, Mark D., and John G. Williams. 2005. “Forecasting Climate Induced Changes in the
Survival of Snake River Spring/Summer Chinook Salmon (Oncorhynchus Tshawytscha).”
Fisheries Oceanography 14 (6): 448–57.
Stachura, Megan M., Nathan J. Mantua, and Mark D. Scheuerell. 2014. “Oceanographic
influences on patterns in North Pacific salmon abundance.” Journal Article. Canadian Journal of
Fisheries and Aquatic Sciences 71 (2): 226–35.
Stephen Bazen, Mareva Sabatier. (2006), « économétrie ; des fondements à la modélisation »,
édition Vuibert, Paris, France.
Strahan, R. (1973). A generalized directional coefficient for multiple time-series analysis.
Multivariate Behavioral Research, 8(1), 109-116.
Tata Subba Rao, Suhasini Subba Rao, C.R. Rao. (2012), « Time Series Analysis: Methods and
Applications », First edition, Elsevier, Amsterdam, Netherlands.
Velicer, W. F., & Fava, J. L. (2003). Time series analysis. In J. A. Schinka & W. F. Velicer
(Eds.), Handbook of psychology: Research methods in psychology (pp. 581-606). Hoboken, NJ:
John Wiley & Sons.
W.N. Venables, B.D. Ripley. (2002), « Modern Applied Statistics with S», 4th Edition, Springer-
Verlag New York.
Yanovitzky, I., & VanLear, A. (2008). « Time series analysis: Traditional and contemporary
approaches ». In A. F. Hayes, M. D. Slater, & L. B. Snyder (Eds.), The SAGE Sourcebook of
Advanced Data Analysis Methods for Communications Research (pp. 89-124). Thousand Oaks,
CA: Sage Publications.
Zuur, A. F., R. J. Fryer, I. T. Jolliffe, R. Dekker, and J. J. Beukema. 2003. “Estimating Common
Trends in Multivariate Time Series Using Dynamic Factor Analysis.” Environmetrics 14 (7):
665–685.
117
حم ا ض را ت يف حت ل ي ل ا ل س ال س ل ا ل زم ن ي ة
– م د ع م ة أب م ث ل ة حم ل و ل ة –
تهدف هذه المطبوعة إلى توفير لطلبة الليسانس و الماستر في ميدان العلوم
االقتصادية والتجارية وعلوم التسيير األساسيات التي تبنى عليها معارفهم
فيما يخص تحليل السالسل الزمنية من خالل محاولة دعمها بالتقنيات و
النماذج و اثرائها بأمثلة و تمارين محلولة .تتعامل هذه المطبوعة بطريقة
بيداغوجية مع التقنيات -الكالسيكية والحديثة -لتحليل السالسل الزمنية.
كما أنها تجيب على األسئلةمنالتالية:اعداد :د .قليل حممد صغري
ما هي طرق التنبؤ بالمبيعات؟
ما هي تقنيات التلميس األسي و منهجية Box-Jenkins؟
استخدامها؟
2019كيفية الوحدية و
/2018 الجذور
الجامعية ما هي اختبارات
السنة
لماذا اللجوء الى نماذج ARFIMAأو ARCH؟