A Three‐Frequency Dynamic Factor Model for Nowcasting Canadian Provincial GDP Growth

Nous estimons un modèle factoriel dynamique reposant sur des données de triple fréquence que nous appliquons à la prévision du produit intérieur brut (PIB) des provinces canadiennes pour la période en cours. Statistique Canada publie le PIB des provinces canadiennes chaque année, mais avec un décalage non négligeable de onze mois. Ce retard impose de recourir à une méthode qui combine plusieurs fréquences afin de réussir à traiter des données mensuelles plus à jour, les comptes nationaux trimestriels et des données annuelles sur la variable ciblée. Notre modèle est estimé à partir d’un vaste ensemble de statistiques provinciales, nationales et internationales. Nous évaluons l’utilité de ces indicateurs dans la prévision de l’évolution annuelle du PIB des provinces pour la période en cours dans un environnement où les données sont disponibles en temps quasi réel. Nous construisons également des indicateurs de l’évolution mensuelle non observée du PIB de chaque province, qui peuvent servir à évaluer la situation des économies régionales. Ces indicateurs de l’activité mensuelle présentent une bonne adéquation avec les données sur échantillon, retracent les points de retournement du cycle économique dans les provinces, et illustrent bien la forte hétérogénéité régionale caractéristique d’un pays aussi grand et divers que le Canada. Les indicateurs fournissent aussi des informations plus à jour sur les points de retournement du cycle économique et peuvent déceler de courtes périodes de contraction de l’activité que ne permettent pas d’observer les mesures moyennes annuelles. Dans un environnement où les données sont disponibles en temps quasi réel, notre modèle soutient la comparaison avec des méthodes à fréquence mixte plus sophistiquées, par exemple avec les modèles d’échantillonnage de données de fréquence mixte (MIDAS).