Description

Abstract: This paper evaluates the performance of static and dynamic factor models for forecasting Canadian real output growth and core inflation on a quarterly basis. We extract the common component from a large number of macroeconomic indicators, and use the estimates to compute out-of-sample forecasts under a recursive and a rolling scheme with different window sizes. Forecasts from factor models are compared with those from AR(p) models as well as IS- and Phillips-curve models. We find that factor models can improve the forecast accuracy relative to standard benchmark models, for horizons of up to 8 quarters. Forecasts from our proposed factor models are also less prone to committing large errors, in particular when the horizon increases. We further show that the choice of the sampling-scheme has a large influence on the overall forecast accuracy, with smallest rolling-window samples generating superior results to larger samples, implying that using "limited-memory" estimators contribute to improve the quality of the forecasts.

Résumé: 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.

Details

PDF

Files

Statistics

from
to
Export
Download Full History