Le prix Nobel d?économie 2003 a été attribué à l?Américain Robert F. Engle et au Britannique Clive W. J. Granger pour avoir développé de nouvelles méthodes d?analyse statistique au cours des années 1980. Engle et Granger ont travaillé respectivement sur les notions de ?volatilité saisonnière? et de ?non-stationnarité? ; notions caractéristiques des ?séries temporelles?, c?est-à-dire des séries chronologiques de données.

Selon l?Académie royale des sciences de Suède, organisation qui décerne les Nobel, les travaux des deux hommes ont contribué à fournir aux économistes des outils pour l?étude de données telles que l?évolution du PIB, des prix, des taux d?intérêt, ou des cours de Bourse. Essentiels notamment pour les marchés financiers, ces instruments de calcul facilitent la quantification des fluctuations aléatoires dans le temps, afin de limiter, autant que possible, les risques qui en résultent.

Robert F. Engle, professeur à l?université de New York, est récompensé ?pour des méthodes d?analyse de séries temporelles économiques avec volatilité saisonnière?. Sa découverte, le concept d??auto-régressifs à hétéroscédasticité conditionnelle? (ARCH), permet de modéliser statistiquement la volatilité saisonnière de nombreuses séries temporelles. Auparavant, les économistes supposaient dans leurs calculs que la volatilité était constante, ce qui entraînait de nombreuses approximations. La modélisation ARCH, plus rigoureuse, est devenue un outil indispensable, non seulement pour les chercheurs, mais aussi pour les analystes financiers dans l?estimation du risque de gestion de portefeuille.

Le Britannique Clive W. J. Granger, professeur à l?université de Californie, est, lui, primé ?pour des méthodes d?analyse de séries temporelles économiques avec une tendance commune?. On parle alors de ?co-intégration?. Granger a étudié les ?séries non stationnaires?, des séries temporelles dans laquelle une perturbation temporaire a un effet prolongé sur le long terme (comme pour l?évolution du PIB). Or, dans l?étude de ces séries ?non stationnaires?, les méthodes d?analyse employées pour les séries stationnaires donnent des résultats erronés. Les travaux de Clive Granger permettent de corriger l?approche en montrant que ?des combinaisons spécifiques de séries temporelles non stationnaires peuvent se comporter stationnairement et donc permettent de produire des résultats statistiquement corrects?.