Quantile VARs and Macroeconomic Risk Forecasting

Les récentes hausses de la volatilité macroéconomique ont suscité l’adoption de modèles vectoriels autorégressifs quantiles (QVAR) pour prévoir les risques macroéconomiques. Cette étude présente une évaluation approfondie de la qualité des prévisions découlant d’un modèle QVAR dans une expérience en pseudo hors échantillon couvrant 112 variables mensuelles américaines recueillies sur 40 ans, avec des horizons de 1 à 12 mois. Nous comparons ce modèle avec trois modèles paramétriques de référence : un modèle vectoriel autorégressif (VAR) gaussien, un modèle VAR à hétéroscédasticité conditionnelle autorégressive généralisée et un modèle VAR à volatilité stochastique. Nous constatons que les résultats du modèle QVAR sont fréquemment, significativement et quantitativement supérieurs à ceux des modèles de référence et ne leur sont presque jamais significativement inférieurs. L’amélioration se constate particulièrement dans les prévisions relatives au marché du travail, aux taux d’intérêt et aux taux de change. L’ajout de facteurs estimés par des composantes principales ou des facteurs quantiles au modèle QVAR améliore considérablement la prévision des risques macroéconomiques dans certains cas, principalement en ce qui concerne le marché du travail. En général, le modèle QVAR et ses versions enrichies fonctionnent tout aussi bien, et nous concluons qu’ils constituent tous des outils adéquats pour modéliser les risques macroéconomiques.