Description
Abstract: The workhorse DSGE model used for monetary policy evaluation is designed to capture business cycle fluctuations in an optimization-based format. It is commonplace to log-linearize models and express them with variables in deviation-from-steady-state format. Structural parameters are either calibrated, or estimated using data pre-filtered to extract trends. Such procedures treat past and future trends as fully known by all economic agents or, at least, as independent of cyclical behaviour. With such a setup, in a forecasting environment it seems natural to add forecasts from DSGE models to trend forecasts. While this may be an intuitive starting point, efficiency can be improved in multiple dimensions. Ideally, behaviour of trends and cycles should be jointly modeled. However, for computational reasons it may not be feasible to do so, particularly with medium- or large-scale models. Nevertheless, marginal improvements on the standard framework can still be made. First, pre-filtering of data can be amended to incorporate structural links between the various trends that are implied by the economic theory on which the model is based, improving the efficiency of trend estimates. Second, forecast efficiency can be improved by building a forecast model for model-consistent trends. Third, decomposition of shocks into permanent and transitory components can be endogenized to also be model-consistent. This paper proposes a unified framework for introducing these improvements. Application of the methodology validates the existence of considerable deviations between trends used for detrending data prior to structural parameter estimation and model-consistent estimates of trends, implying the potential for efficiency gains in forecasting. Such deviations also provide information on aspects of the model that are least coherent with the data, possibly indicating model misspecification. Additionally, the framework provides a structure for examining cyclical responses to trend shocks, among other extensions.
Résumé: Le modèle d'équilibre général dynamique et stochastique (EGDS) généralement employé dans l'analyse de la politique monétaire est conçu de manière à rendre compte des fluctuations économiques dans une logique d'optimisation. Il est courant de log-linéariser le modèle et d'en exprimer les variables en écart par rapport à la situation d'équilibre. Les paramètres structurels sont étalonnés ou estimés à l'aide de données préalablement filtrées pour en extraire la composante tendancielle, les tendances passées et futures étant considérées comme entièrement connues de tous les agents économiques ou, à tout le moins, comme indépendantes de la composante cyclique. Dans un contexte prévisionnel fondé sur une telle configuration, il apparaît naturel d'ajouter aux prévisions tendancielles celles qui sont générées par le modèle EGDS. Ce point de départ intuitif ouvre la voie à la réalisation de gains d'efficacité multidimensionnels. Idéalement, on devrait modéliser conjointement les comportements tendanciels et cycliques, mais des contraintes de calcul font parfois obstacle, en particulier dans le cas des modèles de moyenne ou de grande taille. De légères améliorations peuvent néanmoins être apportées au cadre de base : a) par l'intégration, aux critères de filtrage préalable des données, de relations structurelles entre les diverses tendances implicites dans la théorie économique sous-jacente au modèle, pour ainsi accroître l'exactitude des estimations tendancielles; b) par l'élaboration d'un modèle destiné à la prévision de tendances conformes au modèle EGDS; c) par l'endogénéisation, au sein de celui-ci, de la décomposition des chocs en composantes permanente et transitoire. Dans leur étude, les auteurs proposent un cadre unifié d'introduction de ces améliorations. Leurs résultats confirment l'existence d'écarts importants entre, d'une part, les tendances utilisées pour extraire la composante tendancielle des données avant l'estimation des paramètres structurels et, d'autre part, les tendances conformes au modèle issues du modèle prévisionnel, ce qui implique que la qualité des prévisions peut être améliorée. Ces écarts laissent également soupçonner une mauvaise spécification du modèle en indiquant quels aspects de l'ajustement de ce dernier laissent le plus à désirer. Par ailleurs, le cadre offre plusieurs possibilités d'extension, notamment pour l'étude des réactions cycliques aux chocs tendanciels.
Résumé: Le modèle d'équilibre général dynamique et stochastique (EGDS) généralement employé dans l'analyse de la politique monétaire est conçu de manière à rendre compte des fluctuations économiques dans une logique d'optimisation. Il est courant de log-linéariser le modèle et d'en exprimer les variables en écart par rapport à la situation d'équilibre. Les paramètres structurels sont étalonnés ou estimés à l'aide de données préalablement filtrées pour en extraire la composante tendancielle, les tendances passées et futures étant considérées comme entièrement connues de tous les agents économiques ou, à tout le moins, comme indépendantes de la composante cyclique. Dans un contexte prévisionnel fondé sur une telle configuration, il apparaît naturel d'ajouter aux prévisions tendancielles celles qui sont générées par le modèle EGDS. Ce point de départ intuitif ouvre la voie à la réalisation de gains d'efficacité multidimensionnels. Idéalement, on devrait modéliser conjointement les comportements tendanciels et cycliques, mais des contraintes de calcul font parfois obstacle, en particulier dans le cas des modèles de moyenne ou de grande taille. De légères améliorations peuvent néanmoins être apportées au cadre de base : a) par l'intégration, aux critères de filtrage préalable des données, de relations structurelles entre les diverses tendances implicites dans la théorie économique sous-jacente au modèle, pour ainsi accroître l'exactitude des estimations tendancielles; b) par l'élaboration d'un modèle destiné à la prévision de tendances conformes au modèle EGDS; c) par l'endogénéisation, au sein de celui-ci, de la décomposition des chocs en composantes permanente et transitoire. Dans leur étude, les auteurs proposent un cadre unifié d'introduction de ces améliorations. Leurs résultats confirment l'existence d'écarts importants entre, d'une part, les tendances utilisées pour extraire la composante tendancielle des données avant l'estimation des paramètres structurels et, d'autre part, les tendances conformes au modèle issues du modèle prévisionnel, ce qui implique que la qualité des prévisions peut être améliorée. Ces écarts laissent également soupçonner une mauvaise spécification du modèle en indiquant quels aspects de l'ajustement de ce dernier laissent le plus à désirer. Par ailleurs, le cadre offre plusieurs possibilités d'extension, notamment pour l'étude des réactions cycliques aux chocs tendanciels.