E37 - Prévision et simulation : modèles et applications
-
-
15 août 2013
CSI : un modèle de suivi de la croissance à court terme du PIB réel du Canada
Le modèle CSI (pour Canada’s Short-Term Indicator) est un nouveau modèle qui permet d’actualiser quotidiennement, à partir du contenu informatif de 32 indicateurs, les prévisions du taux de croissance trimestriel du PIB réel. Il offre un outil de prévision à court terme capable d’exploiter d’importants volumes de données sans faire intervenir le jugement humain. Si l’exactitude des prévisions qu’il produit en début de trimestre laisse à désirer, il gagne beaucoup en précision à mesure qu’augmente la quantité d’informations. CSI est le dernier-né du large éventail de modèles et de sources d’information que la Banque utilise et soupèse pour établir ses prévisions à court terme. -
15 août 2013
L’exactitude des combinaisons de prévisions à court terme
Les auteurs évaluent si la combinaison de prévisions du PIB réel issues de différents modèles permet d’améliorer le pouvoir prédictif et examinent quelles méthodes de combinaison donnent les meilleurs résultats. Conformément aux travaux antérieurs, ils concluent que les prévisions combinées sont habituellement plus précises que celles tirées de divers modèles de référence pris individuellement. À l’encontre des données de plusieurs études, ils constatent néanmoins que l’attribution aux modèles de pondérations non uniformes, déterminées en fonction de la qualité des prévisions passées de ceux-ci, a en général pour effet d’accroître le pouvoir prédictif lorsque les prévisions diffèrent sensiblement d’un modèle à l’autre. -
15 août 2013
Le suivi des perspectives économiques à court terme des économies étrangères
La Banque du Canada emploie plusieurs modèles de prévision à court terme pour suivre l’évolution des grandes économies étrangères que sont les États-Unis, la zone euro, le Japon et la Chine. La conception des modèles prévisionnels relatifs à chacune de ces régions est influencée par le niveau de détail requis ainsi que par la rapidité de diffusion et la volatilité des données. Les prévisions générées par différents modèles sont habituellement combinées de manière à réduire l’incertitude liée à la modélisation, et le jugement des experts est mis à contribution pour y intégrer l’information qui n’apparaît pas directement dans les plus récents indicateurs.