Evaluating Forecasts from Factor Models for Canadian GDP Growth and Core Inflation

Les auteurs évaluent la capacité de modèles factoriels statiques et dynamiques à prévoir, sur une base trimestrielle, la croissance du PIB réel du Canada et l'inflation mesurée par l'indice de référence. Une fois le facteur commun extrait d'un vaste ensemble d'indicateurs macro-économiques, ils utilisent les modèles estimés pour produire des prévisions hors échantillon au moyen de deux méthodes; l'une est de type récursif, et l'autre fait appel à une fenêtre glissante de longueur variable. Les prévisions issues des modèles factoriels sont comparées à celles tirées d'un modèle autorégressif d'ordre p, d'un modèle fondé sur une courbe IS et d'un modèle formalisant une courbe de Phillips. Les auteurs constatent qu'aux horizons inférieurs à neuf trimestres, les modèles factoriels donnent de meilleures prévisions que les modèles de prévision habituels. Les modèles factoriels proposés sont également moins susceptibles de générer de larges erreurs, en particulier quand l'horizon s'allonge. Les auteurs montrent en outre que le choix du schéma d'échantillonnage influe grandement sur la qualité générale des prévisions, les fenêtres glissantes de petite taille donnant de meilleurs résultats que les gros échantillons. L'emploi d'estimateurs à « mémoire limitée » contribuerait par conséquent à améliorer la qualité des prévisions.