Description

Abstract: This paper examines the ability of linear and nonlinear models to replicate features of real Canadian GDP. We evaluate the models using various business-cycle metrics. From the 9 data generating processes designed, none can completely accommodate every business-cycle metric under consideration. Richness and complexity do not guarantee a close match with Canadian data. Our findings for Canada are consistent with Piger and Morley's (2005) study of the United States data and confirms the contradiction of their results with those reported by Engel, Haugh, and Pagan (2005): nonlinear models do provide an improvement in matching business-cycle features. Lastly, the empirical results suggest that investigating the merits of forecast combination would be worthwhile.

Résumé: Les auteurs évaluent la capacité des modèles linéaires et non linéaires à reproduire les caractéristiques de l'évolution du PIB réel canadien en ayant recours à diverses mesures du cycle économique. Aucun des neuf processus générateurs de données qu'ils élaborent ne permet de recréer chacune des caractéristiques du cycle considérées. La richesse et la complexité du modèle ne garantissent pas une concordance parfaite avec les données canadiennes. Selon les résultats obtenus par les auteurs pour le Canada, les modèles non linéaires permettent de mieux reproduire les caractéristiques du cycle; ces résultats sont conformes à ceux de Piger et Morley (2005) fondés sur les données américaines et vont à l'encontre, comme les résultats de ces deux auteurs, de ceux présentés par Engel, Haugh et Pagan (2005). Enfin, les résultats empiriques donnent à penser qu'il vaudrait la peine d'examiner les avantages à tirer de la combinaison des prévisions.

Details

PDF

Files

Statistics

from
to
Export
Download Full History