Econométrie des séries temporelles

A travers ce projet, purement pratique, nous avons utilisé une base de données relative aux données du Sénégal sur la période 1962-2017 dont les cinq dernières années ont servi à vérifier nos prévisions. Plus particulièrement nous nous sommes intéressés à l’évolution de la masse monétaire, grandeur importante à prendre en compte pour une bonne santé de l’économie. En premier lieu, il s’agissait de faire une modélisation univariée par l’approche de Box Jenkins allant de la partie analyse préliminaire jusqu’à la prévision en passant par l’identification et les estimations, etc. La deuxième partie est consacrée, quant à elle, à la modélisation multivariée où nous avons introduit de nouvelles variables comme le revenu national brut et le montant des crédits afin d’obtenir des prévisions plus efficaces basées sur un ensemble informationnel plus grand. Cette dernière permet également d’analyser les causalités et éventuellement les réponses face aux chocs qui ont pour rôle de montrer comment une variable réagit dynamiquement suite à un choc donné à une autre variable sachant que toutes les autres variables intervenant dans le modèle restent constantes. En somme, la réalisation de ce projet nous a permis de mieux découvrir les dessous de la modélisation des séries temporelles à savoir l’analyse univariée (ARIMA), l’analyse multivariée (VAR) ainsi que l’utilisation du modèle à correction d’erreur (MCE). Ces dernières sont appliquées selon la nature et l’information que dégagent les données car comme le disait le célébre statisticien Christopher A. Sims en 1996 :