000			03729cam a2200325 4500500
005			20260322004219.0
041			_afre
042			_adc
100	1	0	_aBoya, Christophe _eauthor
700	1	0	_aMonino, Jean-Louis _eauthor
245	0	0	_aModélisation non paramétrique de la relation entre les séries : la cointégration qualitative
260			_c2013.
500			_a31
520			_aDans ce papier nous proposons d’appréhender le comportement de deux séries chronologiques avec une approche basée sur ses propriétés qualitatives. Nous mettons entre parenthèses le problème de l’intégration ou stationnarité, sources de difficultés quantitatives de plus en plus complexes, et nous nous intéressons au seul aspect qualitatif de court terme que sont les « variations qualitatives » d’une série chronologique. Ces variations ne sont pas modélisées en tant que valeurs quantitatives mais en tant qu’« état qualitatif ». En d’autres termes nous nous intéressons à deux événements complémentaires qui sont « la montée » et « la descente ». Ce choix binaire nous a amenés à considérer la série chronologique comme un modèle à réponse binaire. Nous utilisons les chaînes de Markov pour représenter la nouvelle série et obtenir un coefficient de décision. Le problème de la non-connaissance des lois sous-jacentes d’un phénomène nous impose le plus souvent de proposer des hypothèses plus ou moins contraignantes pour la construction des tests statistiques. Le rééchantillonnage nous permet d’aborder les tests sous un autre angle, souvent empirique. Le « Bootstrap », la recherche des percentiles de la série, permet de définir un intervalle de confiance de notre coefficient et de proposer un intervalle statistique et une règle de décision plus proche de l’observation. Ce dernier permet de conclure sur l’existence d’une relation entre les deux séries comme le fait la cointégration. Codes JEL : C01, C53, C14
520			_aNonparametric modeling of the relationship between the series: Qualitative cointegrationIn this paper, we examine the behaviour of two time series with an approach based on qualitative data. We put into parenthesis the problem of integration or stationarity, sources of growing difficulties, and then only take care of the quantitative aspect in the short term of a time series. These values are modulated by the qualitative data and not by the quantitative one. In other words we are interested in two complementary events that are “the rise” and “the decrease”. This binary choice led us to consider the time series as a binary responds model. We here use the Markov Chains to get a decisional coefficient. The problem caused by the fact that we don’t know the underlying laws of a phenomenon imposes us to propose more or less constraining hypothesis to make up statistic tests. Bootstrap gives us percentiles of a time series and can define an interval confidence of our coefficient. This makes us able to conclude about the existence of a relation between the two series as the “co-integration” does. JEL Codes: C01, C53, C14
690			_aBootstrap
690			_achaînes de Markov
690			_acointégration
690			_adonnées qualitatives
690			_améthodologie binaire
690			_aséries d'accroissements
690			_abinary methodology
690			_aBootstrap
690			_acointegration
690			_aMarkov Chains
690			_aqualitative data
690			_areturns series
786	0		_nInnovations | 42 | 3 | 2013-08-02 | p. 211-235 | 1267-4982
856	4	1	_uhttps://shs.cairn.info/revue-innovations-2013-3-page-211?lang=fr&redirect-ssocas=7080
999			_c1738412 _d1738412