1 Séminaire de travail « Indicateur de croissance en France et/ou en zone euro : méthodologie et évaluation » 14 juin 2006 Indicator Models of Real GDP.

Présentation au sujet: "1 Séminaire de travail « Indicateur de croissance en France et/ou en zone euro : méthodologie et évaluation » 14 juin 2006 Indicator Models of Real GDP."— Transcription de la présentation:

1 1 Séminaire de travail « Indicateur de croissance en France et/ou en zone euro : méthodologie et évaluation » 14 juin 2006 Indicator Models of Real GDP Growth in selected OECD Countries Nigel Pain et Franck Sédillot

2 2 Objectifs de loutil Affiner et synthétiser le diagnostic conjoncturel en début dexercice de prévision Fournir un calage trimestriel de court terme pour les prévisions de PIB des pays du G7 Permettre un mise à jour rapide des projections de PIB entre les exercices officiels de prévision

3 3 Trois approches possibles Approche 1: prévision dun agrégat trimestriel à laide dindicateurs mensuels (« bridge équation » / étalonnage). ==> raffinement possible: désagrégation temporelle / PIB mensuel (cf. NIESR, STAT CAN) Approche 2: estimation dun agrégat composite reflétant létat sous jacent (variable latente) de la situation économique Approche 3: utilisation des modèles à changement de régimes pour évaluer la pertinence des indicateurs à prévoir les retournements conjoncturels ==> Approche 1 retenue

4 4 Les principes Automatisation des procédures destimation et de sélection des modèles selon des critères transparents ==> éviter le data « mining » Prise en compte en temps réel de linformation conjoncturelle nouvelle ==>monitoring et révisions lissées des prévisions Conditionnellement à un ensemble dinformation, évaluer les risques entourant la projection centrale (intervalle de confiance ou méthode plus sophistiquée) ==> ne pas se focaliser uniquement sur la projection centrale Outil facilement compréhensible ==>faciliter la conduite dexercices post mortem, expliquer les révisions / erreurs des projections

5 5 Les modèles La procédure de sélection des variables et des modèles trimestriels est automatique Changement de variable en fonction de la période et de lensemble dinformation considéré Tester tous les modèles potentiellement pertinent Outil adéquate pour mener des travaux spécifiques: les exercices de prévision hors échantillon, impact des révisions Pertinence de lestimation basée sur des variables de bon sens (ceux utilisés par les compte trimestriels+enquêtes) ==> Reproduire de façon stylisée et très simple les comptes trimestriel

6 6 Les modèles Linformation conjoncturelle nouvelle est intégrée en « temps réel »: Méthode 1: une équation trimestrielle par ensemble dinformation mensuel disponible (Fitzegerald et Miller, 1989; Grasmann et Keereman, 2001, Dubois et al., 2004) Méthode 2: une seule équation trimestrielle estimée (en supposant un ensemble dinformation mensuel complet sur le trimestre) et un modèle auxiliaire mensuel qui prévoit les données mensuelles manquantes (Miller et Chin, 1996; BCE et OCDE; 2003)

7 7 Les modèles Les capacités prédictives des différentes équations sont connues et calculées au travers dun exercice de prévision hors échantillon Le gain pour la prévision de linformation mensuelle supplémentaire est identifié et comparable à celles des autres études: Pour le trimestre courant, le gain est statistiquement net dès quun mois dinformation est disponible, et saccroît encore au deuxième mois (de 20 à 30 pourcent de baisse de la RMSE) En revanche, pour le trimestre à venir, il est difficile de battre un processus autorégressif

8 8 Après trois ans dutilisation

9 9 Les erreurs de prévisions observées et simulées sont comparables Elles sont plus élevées en Italie ou au Japon, deux pays pour lesquels la volatilité du taux de croissance du PIB sur le période récente est très marquée Elles sont plus élevées pour le trimestre suivant que pour le trimestre courant

10 10 Conclusion / développements en cours Une mise à jour rapide et en temps réel des projections de PIB de court terme Utilisation dun modèle adapté à lensemble dinformation considérée Nombre limité de variables explicatives ==> rend lanalyse de erreurs de prévision plus aisée ==> facilite les discussions internes et externes des projections de court terme

11 11 Conclusion / développements en cours Ne plus associer quune équation par ensemble dinformation (infra trimestrielle) –Produire les estimations à date fixe dans le temps –Utilisation de la méthode de Krolzig / Hendry pour déterminer léquation retenue –Éviter de faire une prévision des données mensuelles manquantes Évaluation plus précise de la performance en temps réel des estimations –Construction dune base de données propre indicateurs et PIB (en fonction de leur date de publication)