Les séries temporelles sont souvent présentées sous forme de graphique de séries. Par exemple, les valeurs d’indice du jeu de données eu_stocks sont illustrées dans la figure ci-contre. Rappel : eu_stocks contient les cours de clôture quotidiens de 1991 à 1998 pour les principaux indices boursiers en Allemagne (DAX), en Suisse (SMI), en France (CAC) et au Royaume-Uni (FTSE).

Il est également utile d’examiner la relation bivariée entre des paires de séries temporelles. Dans cet exercice, nous nous intéressons à la relation contemporaine, c’est-à-dire en appariant les observations qui se produisent au même moment, entre des paires de valeurs d’indice ainsi que leurs rendements logarithmiques. La fonction plot(a, b) produit un nuage de points lorsque deux séries a et b sont passées en entrée.

Pour créer simultanément des nuages de points pour toutes les paires de plusieurs actifs, la fonction pairs() peut être utilisée pour produire une matrice de nuages de points. Lorsque des tendances temporelles communes sont présentes dans les prix ou les indices, il est courant de comparer plutôt leurs rendements ou leurs rendements logarithmiques.

Dans cet exercice, vous allez vous entraîner sur les données eu_stocks. Comme les rendements de DAX et de FTSE couvrent des périodes similaires, vous pouvez facilement tracer un nuage de points de ces indices. Notez que la distribution normale possède des contours elliptiques de probabilité égale, et que des paires de données tirées d’une loi normale multivariée forment un nuage de points de forme approximativement elliptique. Certaines paires dans les matrices de nuages de points présentent‑elles ce motif, avant ou après la transformation logarithmique ?

Devinez le coefficient de corrélation

Exercice interactif pratique