Séries temporelles ARIMA/SARIMA

Modèles statistiques de séries temporelles combinant autorégression (AR), différenciation (I, intégration) et moyenne mobile (MA), avec extension saisonnière pour SARIMA

• Modélisation et prévision de séries temporelles univariées à partir de leurs valeurs et erreurs passées
• Prise en compte explicite de la saisonnalité via l'extension SARIMA
• Cadre statistique rigoureux avec tests de diagnostic (stationnarité, autocorrélation des résidus)

Suppose une relation linéaire et une stationnarité (après différenciation) qui ne rendent pas compte de dynamiques non linéaires complexes, et est de plus en plus concurrencé par des modèles d'apprentissage profond (RNN, Transformers temporels) sur des séries multivariées volumineuses.

Aucune autre fiche du référentiel ne nomme celle-ci, et celle-ci n'en nomme aucune. Ce n'est pas un signe d'accord : c'est un silence documentaire, et il se comble en écrivant les limites de la fiche avec des noms.

1. 1.Modèle ARIMA — Wikipédiasecondaire07/09/2026

• Global Peace Index × Séries temporelles ARIMA/SARIMAIndices de paix et projection statistique de séries temporelles

  Fiche humaine : Global Peace Index

• Black-Scholes × Séries temporelles ARIMA/SARIMAValorisation des dérivés et prévision statistique des séries financières

  Fiche humaine : Black-Scholes

• FMI × Séries temporelles ARIMA/SARIMASurveillance macroéconomique internationale et prévision de séries temporelles

  Fiche humaine : FMI

• OPEP × Séries temporelles ARIMA/SARIMAPrévision des marchés pétroliers et suivi de conformité aux quotas

  Fiche humaine : OPEP

• Socialisme du XXIe siècle × Séries temporelles ARIMA/SARIMAPilotage budgétaire d'une redistribution financée par la rente de matières premières

  Fiche humaine : Socialisme du XXIe siècle

• Arbres de décisionMéthode d'apprentissage automatique classique (algorithmes ID3, C4.5, CART, développés à partir des années 1980)
• AutoencodeursArchitecture de réseau de neurones popularisée à partir des années 1980-1990, largement développée depuis les années 2010
• CNNArchitecture développée notamment par Yann LeCun (LeNet, fin des années 1980-1990), popularisée à grande échelle par AlexNet (2012)
• Forêts aléatoiresMéthode d'ensemble développée notamment par Leo Breiman (2001)
• GANConcept développé par Ian Goodfellow et ses collègues (juin 2014)
• Gradient Boosting (XGBoost/LightGBM/CatBoost)Méthode formalisée par Jerome Friedman (1999). Les implémentations XGBoost, LightGBM et CatBoost qui donnent son nom à la fiche ne sont nommées par aucune source de celle-ci : leurs dates et leurs éditeurs restent à tracer.
• K-MeansAlgorithme classique de partitionnement de données (formalisé par Stuart Lloyd et James MacQueen dans les années 1950-1960)
• K-NNMéthode statistique classique d'apprentissage non paramétrique ; la source citée n'en donne pas la datation