Rechercher

Les études consacrées au travail de prévision ont fait ressortir depuis longtemps que la moyenne des projections de plusieurs modèles a souvent un degré de précision plus élevé que les projections tirées d’un seul modèle, et qu’à ce titre, la technique qui consiste à établir une moyenne en pondérant les prévisions avec les mêmes coefficients donne de très bons résultats.

Bien que l’utilité des modèles factoriels soit maintenant reconnue, leur pouvoir de prévision à l’égard de l’économie japonaise a été très peu étudié. Les auteurs se proposent de comparer la qualité des prévisions produites par divers modèles factoriels sur différentes périodes, dont l’une inclut la récente crise financière.

On note un intérêt accru, ces derniers temps, pour la prévision en temps réel du prix réel du pétrole brut. Les prévisions usuelles de ce prix, obtenues avec des équations de forme réduite ou fondées sur les cours à terme de l’or noir, ne permettent pas d’explorer l’incidence de scénarios différents au sujet de l’évolution future de la demande et de l’offre de pétrole sur la prévision de référence.

Les auteurs construisent un ensemble de données mensuelles en temps réel qui regroupe les cuvées relatives à la période allant de janvier 1991 à décembre 2010 et qui se prête à la génération de prévisions du prix réel du pétrole à partir de divers types de modèles.

Les auteurs analysent quelques-unes des grandes questions qui se posent dans la prévision du prix du pétrole brut. Que doivent savoir les prévisionnistes quant au choix de la période d’observation et aux choix entre différentes séries de prix et spécifications de modèle?

L'auteur évalue différentes approches fondées sur l'emploi d'indicateurs mensuels pour prévoir le PIB chinois pour le trimestre courant et le trimestre à venir. Il a recours à trois techniques d'estimation à fréquence mixte : la première est basée sur un indicateur de l'activité économique (Liu et autres, 2007); la deuxième utilise la moyenne des valeurs calculées au moyen de différents modèles indicateurs (Stock et Watson, 2004); la dernière fait appel à un modèle factoriel statique (Stock et Watson, 2002).

Les auteurs cherchent à évaluer comment la plus ou moins grande richesse des données utilisées influe sur la qualité des prévisions touchant la zone euro. Pour ce faire, ils comparent trois approches : 1) la prévision au moyen d'un modèle simple fondé sur les indices des directeurs d'achats (ci-après « modèle PMI » pour Purchasing Managers' Indices); 2) le recours à un modèle factoriel dynamique estimé à partir de données en temps quasi réel se rapportant à l'ensemble de la zone euro; 3) le recours au modèle et aux statistiques en question en conjonction avec des données relatives aux économies nationales.

Les auteurs proposent divers modèles semi-structurels à équation unique pour prévoir l'inflation au Canada en combinant les modèles structurels néo-keynésiens et les caractéristiques chronologiques des données. Plusieurs mesures du coût marginal sont utilisées, notamment une qui intègre, en plus du coût unitaire de main-d'oeuvre, des chocs de prix relatifs dont le rôle important dans les économies ouvertes est un fait avéré.

La qualité des prévisions issues des modèles factoriels a été largement documentée dans la littérature. À la différence des nombreuses recherches qui ont été menées sur un ensemble de variables très limité (généralement le PIB et l'inflation), la présente étude évalue la qualité des prévisions à des niveaux désagrégés, le but étant d'expliquer pourquoi un modèle factoriel a un pouvoir prédictif plus grand qu'un modèle autorégressif simple.

Pour estimer les modèles GARCH susceptibles de compter un nombre indéterminé de ruptures structurelles, les auteurs proposent une méthode séquentielle de Monte-Carlo. Celle-ci fait appel à des techniques de filtrage particulaire qui permettent l'actualisation rapide et efficace de valeurs postérieures et de prévisions en temps réel.