Les bases des données et des techniques d'analyse des séries chronologiques

Les données de séries chronologiques sont l'une des formes les plus répandues et les plus puissantes de données structurées dans presque tous les domaines, de la finance et de l'économie aux sciences de la santé, de l'énergie et de l'environnement. Au cœur de ces données, les séries chronologiques sont des observations recueillies successivement, généralement à intervalles réguliers. Cet ordre temporel les distingue des données transversales et permet aux analystes de découvrir les modèles, de prévoir les valeurs futures et de surveiller les changements dans les processus sous-jacents.

Comprendre les données des séries chronologiques

Chaque observation est associée à un horodatage et aux questions de commande. Les exemples communs comprennent les prix de clôture quotidiens des stocks, la demande horaire d'électricité, les chiffres mensuels de ventes, les nombres hebdomadaires d'incidences de maladies et les anomalies annuelles de température globale. continu (enregistré à chaque instant) et discret Dans la pratique, la plupart des séries chronologiques numériques sont discrètes et échantillonnées à intervalles réguliers, comme les secondes, les heures, les jours ou les années.

Ce qui rend les données de séries chronologiques uniques, c'est que les observations ne sont pas indépendantes. t est souvent influencé par des valeurs à la fois t-1, t-2 Cette dépendance temporelle est à la fois un défi statistique et une opportunité d'analyse. Les méthodes statistiques standard qui supposent des observations indépendantes et réparties de façon identique (i.d.) sont généralement inappropriées pour les séries chronologiques sans modifications.

Propriétés des données des séries chronologiques

Contrairement aux observations indépendantes, les données des séries chronologiques sont souvent présentées autocorrélation— la valeur à un moment donné est corrélée avec les valeurs à des moments antérieurs. Cette dépendance sérielle est à la fois un défi et une opportunité: elle viole les hypothèses de nombreux modèles statistiques standard mais fournit également la base de la prévision. tendance, saisonnalitéet bruit. Une compréhension approfondie de ces composants est essentielle avant d'appliquer toute technique d'analyse. hétéroscédastiques, où la variation de la série change au fil du temps — une caractéristique commune dans les données financières où les périodes de forte volatilité se regroupent.

Composantes essentielles des séries chronologiques

La plupart des séries chronologiques peuvent être décomposées en quatre composantes fondamentales qui capturent différents types de variation. La compréhension de ces composantes permet aux analystes de choisir les étapes de prétraitement et les approches de modélisation appropriées.

  • Tendance : La direction à long terme de la série, qui peut être ascendante, descendante ou plate. Les tendances peuvent être linéaires ou non linéaires. Par exemple, les températures moyennes mondiales ont montré une tendance à la hausse au cours du siècle dernier, tandis que le nombre de ventes de téléphones rotatifs a connu une tendance à la baisse.
  • Saisonnalité Par exemple, les ventes au détail augmentent souvent pendant les vacances de décembre et la baisse en janvier. La demande d'électricité atteint généralement des sommets pendant les heures de l'après-midi en semaine et diminue du jour au lendemain. La saisonnalité est prévisible et peut être modélisée explicitement une fois la période identifiée.
  • Composante cyclique: Les fluctuations qui se produisent à intervalles irréguliers, généralement plus d'un an, et sont souvent liées aux cycles économiques ou économiques. Contrairement à la saisonnalité, les cycles n'ont pas de période fixe. Les cycles de boom et de bâcle sur les marchés immobiliers, par exemple, peuvent durer de cinq à quinze ans.
  • Composante irrégulière (résidue) : Le bruit aléatoire ou les fluctuations imprévisibles qui subsistent après l'élimination des tendances, de la saisonnalité et des profils cycliques.Cette composante est supposée être du bruit blanc dans de nombreux modèles, ce qui signifie qu'elle a une moyenne nulle, une variance constante et aucune autocorrélation.

La décomposition d'une série chronologique dans ces composantes aide les analystes à visualiser les modèles plus clairement et à choisir des méthodes de modélisation appropriées. additif (lorsqu'un composant est assemblé) et multiplicatif Un modèle additif est approprié lorsque l'ampleur des fluctuations saisonnières ne varie pas selon le niveau de la tendance, tandis qu'un modèle multiplicatif fonctionne mieux lorsque les variations saisonnières augmentent proportionnellement à la tendance — un modèle commun dans les données économiques telles que les ventes au détail.

Concepts clés dans l'analyse des séries chronologiques

Avant de plonger dans des techniques spécifiques, il est important de saisir plusieurs concepts fondamentaux qui sous-tendent presque toutes les méthodes de séries chronologiques.Ces concepts forment le vocabulaire et la logique de l'analyse des séries chronologiques, et les sauter conduit souvent à des choix de modèles incorrects et de mauvaises prévisions.

Stationnement

Une série chronologique est dite stationnaire Si ses propriétés statistiques — la moyenne, la variance et la structure de l'autocorrélation — ne changent pas au fil du temps, de nombreux modèles de prévision, y compris l'ARIMA, exigent que la série soit stationnaire. La stationnalité est importante parce que si les propriétés statistiques d'une série changent au fil du temps, tout modèle estimé sur des données historiques ne se généralisera pas bien aux périodes futures.

Les tests de la stationnarité sont généralement effectués à l'aide de tests statistiques formels. Test de Dickey-Fuller (ADF) augmenté est le plus largement utilisé; il teste l'hypothèse nulle qu'une racine unitaire est présente, ce qui signifie que la série est non-stationnaire. Essai de Kwiatkowski-Phillips-Schmidt-Shin (KPSS) L'utilisation des deux tests en combinaison fournit une évaluation robuste. Les praticiens doivent toujours tester la station avant d'adapter des modèles comme ARIMA, car l'application de ces modèles à des données non stationnaires peut produire des résultats fallacieux.

Autocorrélation et autocorrélation partielle

Autocorrélation mesure la corrélation entre une série chronologique et une version en retard. Par exemple, la corrélation entre la température d'aujourd'hui et la température d'hier. Autocorrélation partielle Les diagrammes de ces fonctions (ACF et PACF) sont des outils essentiels pour identifier les ordres appropriés dans les modèles ARIMA et détecter la saisonnalité. Le diagramme ACF montre la corrélation à chaque décalage, tandis que le diagramme PACF montre la contribution directe de chaque décalage après avoir contrôlé les décalages plus courts. p suggère un modèle d'ordre AR p, alors qu'une coupure nette dans l'ACF après le décalage q suggère un modèle d'ordre MA q- Oui.

Lag et les différences

Dans l'analyse des séries chronologiques, décalage Pour une série quotidienne, le décalage 1 signifie comparer aujourd'hui avec hier, le décalage 2 compare aujourd'hui avec la veille d'hier, et ainsi de suite. Différences est une transformation simple mais puissante qui soustrait l'observation au laps d Par exemple, si vous avez des données mensuelles avec un modèle saisonnier annuel, vous différez au décalage 12, soustrayant la valeur du même mois de l'année précédente. Il peut être nécessaire de différencier le deuxième ordre si la tendance elle-même évolue (par exemple, accélération de la croissance), bien que cela soit moins courant dans la pratique.

Techniques communes pour l'analyse des données des séries chronologiques

Il existe un large éventail de techniques, allant de méthodes simples de lissage à des modèles d'apprentissage machine complexes. Le choix dépend des caractéristiques des données, de l'horizon de prévision et des exigences d'interprétation. Ci-dessous sont quelques-unes des approches les plus utilisées, organisées de la plus simple à la plus avancée.

Moyennes mobiles

Les moyennes mobiles lissent les fluctuations à court terme pour mettre en évidence les tendances à long terme. moyenne mobile simple (SMA) calcule la moyenne de la dernière k Observations. moyenne mobile pondérée exponentiellement (MEW) Les moyennes mobiles sont souvent utilisées comme indicateurs techniques; par exemple, le franchissement d'une moyenne mobile de 50 jours au-dessus d'une moyenne mobile de 200 jours est connu comme une « croix d'or » et est interprété comme un signal d'or.

Décomposition

La décomposition classique divise une série chronologique en éléments tendanciels, saisonniers et résiduels, à l'aide de modèles additifs ou multiplicatifs. STL (décomposition des saisons et des tendances à l'aide de Loess) STL travaille par lissage itératif pour extraire les composantes de tendance et saisonnières, et il peut gérer n'importe quel type de saisonnalité — pas seulement mensuelle ou trimestrielle. Il gère également les valeurs manquantes gracieusement et est robuste à des observations extrêmes. La décomposition est utile pour comprendre la structure sous-jacente et est souvent utilisée comme une étape de prétraitement avant de prévoir avec d'autres modèles. Visualiser les composantes décomposées peut révéler des modèles qui ne sont pas évidents dans les données brutes, comme une tendance qui change de direction ou un modèle saisonnier qui change au fil du temps.

Modèles ARIMA

Moyenne mobile intégrée autorégressive (ARIMA) est l'une des classes de modèles les plus populaires et les plus polyvalentes pour la prévision de séries chronologiques univariées.

  • Autorégressifs (AR): Modélise la dépendance entre une observation et un certain nombre d'observations décalées (l'ordre p). Cela illustre la persistance ou l'élan de la série.
  • Intégré (I): Utilisations différentes pour rendre la série stationnaire (l'ordre d). Cela gère les tendances et permet au modèle de travailler avec des séries qui ne sont pas intrinsèquement stationnaires.
  • Moyenne mobile (MA) : Modélise la dépendance entre une observation et des erreurs résiduelles par rapport aux prédictions précédentes (l'ordre q). Cela capture les effets de choc qui persistent pendant quelques périodes.

Le modèle est désigné par ARIMA(p,d,q). SAIMA intégrer des composantes saisonnières, et ARIMAX Le choix des commandes optimales nécessite une analyse minutieuse des tracés ACF et PACF et est souvent automatisé en utilisant des critères comme AIC ou BIC. En pratique, de nombreux analystes utilisent des implémentations auto-ARIMA – disponibles à la fois en Python (pmdarima) et en R (paquet prévu) – pour rechercher une grille de commandes possibles et sélectionner le meilleur modèle.

Lissage expanentiel

Les méthodes de lissage exponentielles attribuent des poids décroissants exponentiellement aux observations passées, le paramètre lissage contrôlant le taux de désintégration. Simple lissage exponentiel, convient aux données sans tendance ni saisonnalité. Méthode linéaire de la tendance de Holt élargit cette portée pour saisir les tendances linéaires, et Méthode saisonnière de Holt-Winters Ces méthodes sont intuitives, efficaces sur le plan des calculs et peuvent produire des prévisions à intervalles de prédiction. Le cadre spatial d'état sous-jacent au lissage exponentiel permet de calculer les intervalles de confiance et de choisir des modèles fondés sur la probabilité.

Techniques avancées: Prophet et apprentissage automatique

Ces dernières années, des approches plus souples sont apparues. Le Prophète Facebook Il utilise un modèle décomposable avec des effets de tendance, de saisonnalité et de vacances, et est robuste à aberrer. Prophète est particulièrement utile pour la prévision des affaires où l'interprétation et l'automatisation sont valorisées. Sa composante de tendance peut gérer plusieurs points de changement, permettant au modèle de s'adapter aux changements de trajectoire sans nécessiter d'intervention manuelle. Prophète fournit également des outils de diagnostic comme la validation croisée et les intervalles d'incertitude hors de la boîte.

Les modèles d'apprentissage automatique tels que Réseaux de mémoire à court terme (LSTM) (un type de réseau neuronal récurrent) peut capter des dépendances non linéaires complexes et des modèles à long terme. Cependant, ils nécessitent de grandes quantités de données et un réglage hyperparamétrique soigneux. Pour de nombreuses applications pratiques, des modèles plus simples comme ARIMA ou lissage exponentiel restent plus fiables et plus faciles à expliquer. Amélioration des gradients Les méthodes de calcul (p. ex. XGBoost, LightGBM) peuvent être appliquées par des dispositifs d'ingénierie décalés et des statistiques de roulement, bien qu'elles ne modélisent pas intrinsèquement l'ordre temporel.Ces méthodes basées sur les arbres se déroulent souvent bien dans les compétitions et les environnements réels, surtout lorsque de riches caractéristiques exogènes sont disponibles, comme les données météorologiques, les calendriers de vacances ou les horaires promotionnels.

Comparaison des approches classiques vs. Apprentissage automatique

Les modèles statistiques classiques tels que lissages ARIMA et exponentiels ont de solides fondements théoriques, fournissent des intervalles de prédiction et fonctionnent bien lorsque les hypothèses sont retenues. Les méthodes d'apprentissage automatique excellent lorsque les relations sont très non linéaires ou lorsque de nombreuses caractéristiques externes sont disponibles. La clé est de comprendre les compromis : interprétabilité, besoins en données, coût de calcul et horizon de prévision.

Évaluation des modèles de séries chronologiques

L'évaluation des modèles dans les séries chronologiques exige une attention particulière, car les observations dépendent de la situation.

  • Erreur absolue moyenne (EIM) : La différence absolue moyenne entre les valeurs prévues et les valeurs réelles est facile à interpréter et moins sensible aux valeurs aberrantes que les valeurs d'erreur carrées.
  • Erreur carrée moyenne (ESM) / Erreur carrée moyenne de racine (EMR) : RMSE est dans les mêmes unités que la série, ce qui la rend plus compréhensible que MSE. RMSE est particulièrement utile lorsque les erreurs importantes sont disproportionnée – par exemple, dans la gestion des stocks où les stocks sont beaucoup plus chers que les erreurs de surstock.
  • Erreur moyenne en pourcentage absolu (EMPE) : Exprime l'erreur en pourcentage, utile pour comparer les séries avec différentes échelles. Cependant, elle peut être indéfinie ou infinie si les valeurs réelles sont proches de zéro. MAPE a également une asymétrie : elle pénalise les surestimations différemment des sous-estimations lorsque les valeurs réelles sont petites. SMAPE (SYSTÉMIQUE MAPE) ou MASE (Erreur d'échelle absolue moyenne) répondent à certaines de ces limitations.

La validation croisée pour les séries chronologiques doit respecter l'ordre temporel. Validation à l'avance Une variante commune est la validation de la fenêtre roulante, où la fenêtre de formation a une taille fixe et glisse vers l'avant. Pour les ensembles de données de grande taille, ces procédures peuvent être calculables coûteuses, mais elles fournissent l'estimation la plus réaliste des performances hors échantillon. De nombreuses bibliothèques de séries chronologiques incluent des fonctions intégrées pour la validation continue, comme dans le scikit-learn et dans le paquet de prévisions R.

Applications et importance de l'analyse chronologique

L'analyse des séries chronologiques est indispensable dans toutes les industries:

  • Financement : Prévision des cours des actions, gestion des risques, modélisation de la volatilité (p. ex. GARCH). L'optimisation du portefeuille repose sur des estimations des covariances de rendement des actifs, qui varient en soi selon le temps.
  • Économie: Les banques centrales utilisent des modèles de séries chronologiques pour l'inflation et orientent les décisions en matière de taux d'intérêt.
  • Commerce de détail et chaîne d'approvisionnement : La prévision précise peut réduire les coûts d'inventaire de 10 à 30 % tout en améliorant les niveaux de service.
  • Énergie: Les services publics utilisent des séries chronologiques pour équilibrer l'offre et la demande en temps réel, surtout à mesure que les sources renouvelables intermittentes deviennent plus courantes.
  • Santé : La modélisation épidémiologique, la surveillance des signes vitaux des patients, la prévision de la demande de médicaments. Au cours de la pandémie de COVID-19, des modèles de séries chronologiques ont été utilisés pour projeter des hospitalisations et orienter les interventions en santé publique.
  • Météorologie: Les modèles numériques de prévision météorologique intègrent les observations de séries chronologiques des satellites et des stations météorologiques pour produire des prévisions.

La capacité d'anticiper les valeurs futures en fonction des modèles historiques appuie directement la planification stratégique, l'affectation des ressources et l'atténuation des risques. (Hyndman & Athanasopoulos, Prévision: principes et pratiques) Dans la fabrication, l'analyse chronologique des données des capteurs d'équipement permet une maintenance prédictive, réduisant les temps d'arrêt imprévus de 50 %.

Considérations et défis pratiques

Travailler avec des séries chronologiques présente plusieurs obstacles communs que les praticiens doivent naviguer:

  • Données manquantes : Les méthodes d'imputation telles que le remplissage avant, l'interpolation linéaire ou l'imputation par modèle doivent être appliquées avec prudence. Le choix de la méthode d'imputation dépend de la nature de la lacune, qu'elle soit aléatoire ou systématique. Le remplissage avant est simple mais peut introduire un biais si la série est en évolution. L'interpolation fonctionne bien pour les lacunes courtes mais peut lisser la volatilité réelle.
  • Déblais: Les valeurs extrêmes peuvent fausser les estimations de tendance et de saisonnalité. Il faut utiliser des méthodes de décomposition robustes ou des algorithmes de détection aberrantes. Dans de nombreux cas, les valeurs aberrantes représentent des événements authentiques (par exemple, une promotion dans le commerce de détail, une fermeture d'usine dans la fabrication) plutôt que des erreurs de données, de sorte qu'elles doivent être traitées avec soin plutôt que automatiquement éliminées.
  • Saisonnalité multiple : De nombreuses séries du monde réel présentent de multiples cycles saisonniers (p. ex., des données horaires avec des modèles quotidiens et hebdomadaires). Des modèles comme TBATS ou Prophète peuvent gérer cela. Par exemple, la demande d'électricité a un modèle quotidien (plus élevé pendant la journée, plus bas la nuit) et un modèle hebdomadaire (moins le week-end).
  • Non-statistique: Si vous ne vous penchez pas sur les tendances ou la saisonnalité, vous aurez toujours de mauvaises prévisions. Toujours tester la stationnalité en utilisant des tests comme Augmented Dickey-Fuller (ADF) avant de modéliser. Rappelez-vous que la différence supprime l'information – si vous surdifférence, vous perdez la capacité de modéliser les relations à long terme.
  • Sélection du modèle : Le dépassement est un risque, surtout avec des modèles complexes. Utilisez les critères d'information (AIC, BIC) et la validation hors échantillon pour guider les choix. L'AIC (Akaike Information Criterion) pénalise la complexité du modèle plus facilement que le BIC (Bayesian Information Criterion), donc le BIC a tendance à sélectionner des modèles plus simples.
  • Horizon de prévisions: La précision des prévisions se dégrade généralement à mesure que l'horizon s'allonge. Différents modèles peuvent fonctionner mieux à différents horizons. Un modèle qui fonctionne bien pour les prévisions à un pas peut fonctionner mal pour les prévisions à 12 pas. Les praticiens devraient évaluer la précision des prévisions à chaque horizon d'intérêt et utiliser potentiellement différents modèles pour différents horizons.

Logiciels et outils pour l'analyse des séries chronologiques

La plupart des data savants comptent sur Python ou R pour travailler en série chronologique. statistiques modèles (ARIMA, décomposition, lissage exponentiel), Prophète, sktimeet TensorFlow/Keras (pour les LSTM) sont populaires. pmdarima la bibliothèque fournit la fonctionnalité automatique-ARIMA, griscite LinkedIn offre une autre alternative pour la prévision de séries chronologiques d'affaires. Pour les applications à grande échelle, les solutions basées sur le cloud comme Amazon Forecast ou Azure Time Series Insights fournissent des services gérés qui traitent le pipeline de données, la formation de modèles et le déploiement à l'échelle.

R offre le prévisions colis, Tsibble pour les séries chronologiques ordonnées, et fable pour les flux de travail de prévision modernes. fable Les données de l'analyse de la situation de l'environnement sont présentées dans le tableau ci-dessous. bss paquet fournit des modèles de séries chronologiques structurales avec des antécédents de pointe et de labo pour la sélection variable.

Pour le stockage des données et la gestion des pipelines, des bases de données chronologiques telles que InfluxDB, CalendrierDBet Cliquez surMaison Ces bases de données supportent le décrochage, les politiques de conservation et les regroupements continus qui sont essentiels pour les flux de travail de série chronologique de production. Directus peut servir de moteur pour la gestion des métadonnées des séries chronologiques et de l'accès des utilisateurs, fournissant une couche structurée pour organiser les actifs des séries chronologiques aux côtés d'autres types de données dans une plate-forme de données unifiée.

Conclusion

L'analyse des séries chronologiques est à la fois un art et une science. La richesse des données temporelles exige un prétraitement soigneux, une sélection réfléchie des modèles et une évaluation rigoureuse. Des méthodes classiques comme l'ARIMA et le lissage exponentiel aux outils modernes comme le Prophète et l'apprentissage profond, le domaine offre un éventail de techniques qui peuvent être adaptées aux caractéristiques spécifiques des données.

Pour plus de détails, les excellentes ressources comprennent : Prévision: Principes et pratiques par Hyndman et Athanasopoulos, les statsmodels documentation des séries chronologiqueset les Documentation du prophète. Pour ceux qui s'intéressent aux fondations mathématiques, Analyse des séries chronologiques par James D. Hamilton Comme le domaine continue d'évoluer avec les progrès de la programmation probabiliste et de l'apprentissage profond, les fondamentaux du raisonnement temporel abordés dans cet article resteront essentiels pour tout praticien travaillant avec les données recueillies au fil du temps.