Vous avez appris à formuler un processus MA(q), à lire l'ACF pour choisir l'ordre et à produire des prévisions. Avant de passer aux modèles ARIMA, il est utile de faire un bilan honnête : que peut réellement faire un modèle MA pur, et où s'arrête-t-il ? Cette leçon recense ses limites pratiques sur données boursières et montre pourquoi ARMA puis ARIMA constituent des extensions naturelles. ## Un horizon de prévision structurellement court Un modèle MA(q) exprime la valeur courante comme une combinaison linéaire des q dernières erreurs. Conséquence directe : l'autocorrélation théorique s'annule exactement au-delà du lag q. Pour la prévision, cela signifie que dès que l'on dépasse q pas dans l
La suite de cette leçon est réservée aux abonnés
Créez votre compte gratuit pour lire les leçons en accès libre, puis passez à l'accès complet quand vous le souhaitez.