JdS2012


 English   -  Français  

Résumé de communication



Résumé 137 :

Modélisation de données à longue mémoire localement stationnaires
SONG, Li ; Bondon, Pascal
L2S, CNRS UMR 8506

Nous étudions le problème de la modélisation d'une série chronologique à longue mémoire localement stationnaire au moyen d'un processus par morceaux de type autorégressif à moyenne mobile fractionnairement intégrée. Le nombre de points de ruptures et leurs localisations sont inconnus ainsi que les paramètres et les ordres de chaque sous-série. Nous proposons un critère basé sur le principe de description de longueur minimale (MDL) pour sélectionner le meilleur modèle. L'optimisation de ce critère est réalisée par un algorithme génétique. Nous montrons au moyen de simulations de Monte Carlo que ce critère est plus performant que le critère d'information de Bayes (BIC) et qu'un autre critère introduit dans la littérature.