Condition de stationnarité du processus AR

Un modèle AR(p) prédit une valeur à partir de ses propres valeurs passées. Mais cette mécanique n'est valide que si le processus est stationnaire. La leçon précédente vous a montré comment ajuster AutoReg sur des données boursières ; celle-ci vous explique pourquoi les coefficients estimés doivent satisfaire une condition précise pour que vos prévisions restent exploitables. ## La condition de stationnarité pour AR(1) Un processus AR(1) s'écrit X_t = α · X_{t-1} + ε_t. Pour que ce processus soit stationnaire, il faut que |α| < 1. Intuitivement, si |α| ≥ 1, chaque valeur amplifie ou conserve intégralement l'effet des valeurs passées : la série dérive sans limite et sa variance explose. À l'in