Économétrie & prévision

GER/ECP

Pour qui ?

  • Cette formation permet d'utiliser des outils économétriques en vue d'effectuer des recherches de corrélations, des ajustements entre séries physiques ou économiques et réaliser des prévisions ou simulations.
  • Elle est plus particulièrement adaptée à la modélisation et aux prévisions de la demande d’énergie ainsi qu’à la modélisation des marchés énergétiques.
Public :
  • Cette formation cible les ingénieurs, économistes et financiers de tous secteurs d'activité.

Niveau : Perfectionnement

Programme

  • BASES STATISTIQUES

      • Statistiques descriptives (moyenne, médiane, écart-type, etc.), indices (Laspeyres, Paasche, Divisia).
      • Tests statistiques (normalité, student, Fisher).
      • Application : données sur l’énergie (quantités, prix).
  • MODÈLES DE RÉGRESSION LINÉAIRE & PRÉVISION

      • Modèles de régression linéaire simple et multiple, méthode des moindres carrés ordinaires, R2.
      • Application : modèle de demande énergétique.
      • Tests statistiques de validation des modèles économétriques : autocorrélation (Durbin-Watson, multiplicateur de Lagrange), hétéroscédasticité (White et Breusch-Pagan), multi-colinéarité (BKW).
      • Tests de détection des changements structurels dans un modèle de régression linéaire (Chow, Brown-Durbin et Evans).
      • Application : analyse de l’arbitrage entre le pétrole, le gaz et l’électricité.
      • Prévision à partir d’un modèle économétrique (propriétés des estimateurs, intervalle de prédiction).
      • Application : prévisions à partir du modèle de demande énergétique.
  • ANALYSE DES SÉRIES TEMPORELLES & PRÉVISION

      • Modèle à partir de séries temporelles.
      • Méthodes de lissage pour des prévisions de court terme : techniques d’extrapolation (moyenne mobile, décomposition saisonnière avec constante).
      • Application : séries mensuelles de demande d’énergie (avec saisonnalité), prévision sur un an.
      • Modèles autorégressifs ARIMA (AutoRegressive Integrated Moving Average), tests évaluant les processus stochastiques (nombre de retards, stationnarité).
      • Application : simulations à partir de modèles ARIMA.
  • RELATION ENTRE SÉRIES TEMPORELLES : CO-INTÉGRATION & CAUSALITÉ

      • Introduction aux techniques de co-intégration : test de racine unité (Dickey-Fuller, Phillips-Perron, KPSS), modèle d’Engle et Granger, équilibre de long terme, modèle de correction d’erreur (Error Correction Model : ECM).
      • Test de causalité.
      • Application : techniques de co-intégration sur les marchés pétroliers et gaziers.
      • Co-intégration avec relations multiples : test de Johanson (max. eigenvalue et test Trace) sur un modèle VAR (Vectorial AutoRegressive).
      • Application : modélisation de l’équilibre entre les prix sur plusieurs places de marchés.
      • Changements structurels d’un modèle de co-intégration : dynamique de court terme et de long terme (test de Perron et test de Gregory et Hansen).
  • CHANGEMENTS DE VOLATILITÉ SUR LES MARCHÉS ÉNERGÉTIQUES

      • Modèles ARCH (AutoRegressive Conditional Heteroscedastic).
      • Application : modélisation des changements de volatilité sur la dynamique de court-terme, ainsi que sur l’équilibre de long-terme, sur les marchés pétroliers et gaziers.

Objectifs

  • À l'issue de la formation, les participants seront en mesure de :
  • utiliser les principales techniques économétriques,
  • réaliser une estimation économétrique,
  • effectuer des prévisions, en particulier dans le domaine de l'énergie,
  • construire des modèles d'analyse des marchés financiers.

Pédagogie

  • Applications réalisées sur ordinateur (tests statistiques, développement de modèles économétriques, prévisions, simulations, mise en évidence de relations de co-intégration et de causalité, etc.) à partir des logiciels Excel et Eviews.
IFP Training est référencé au DataDock. Rapprochez-vous de votre OPCO (ex-OPCA) pour connaître les possibilités de financement de cette formation.