Description
Abstract: The answer as to whether there are gains from pooling real-time oil price forecasts depends on the objective. The approach of combining five of the leading forecasting models with equal weights dominates the strategy of selecting one model and using it for all horizons up to two years. Even more accurate forecasts, however, are obtained when allowing the forecast combinations to vary across forecast horizons. While the latter approach is not always more accurate than selecting the single most accurate forecasting model by horizon, its accuracy can be shown to be much more stable over time. The mean-squared prediction error of real-time pooled forecasts is between 3% and 29% lower than that of the no-change forecast and its directional accuracy as high as 73%. Our results are robust to alternative oil price measures and apply to monthly as well as quarterly forecasts. We illustrate how forecast pooling may be used to produce real-time forecasts of the real and the nominal price of oil in a format consistent with that employed by the U.S. Energy Information Administration in releasing its short-term oil price forecasts, and we compare these forecasts during key historical episodes.
Résumé: La combinaison de modèles de prévision en temps réel du prix du pétrole présente-t-elle des avantages? La réponse dépend de l’objectif. La méthode consistant à mettre en commun cinq des principaux modèles de prévision en leur attribuant un poids uniforme prime sur la stratégie visant à choisir un seul modèle et à l’utiliser à des horizons allant jusqu’à deux ans. Il est même possible d’accroître la justesse des prévisions en faisant varier les combinaisons de modèles selon les horizons. Bien que cette approche ne produise pas systématiquement des prévisions plus exactes que celles obtenues en sélectionnant le modèle qui offre la meilleure qualité prédictive à chaque horizon, la précision des projections fournies se révèle beaucoup plus stable au fil du temps. En effet, les prévisions en temps réel réunies présentent une erreur quadratique moyenne de 3 % à 29 % inférieure à celle d’une marche aléatoire et indiquent avec exactitude le sens des variations dans 73 % des cas. Ces résultats ne dépendent pas de la mesure du prix du pétrole retenue et s’appliquent tant aux prévisions mensuelles qu’aux prévisions trimestrielles. Les auteurs montrent comment établir au moyen de modèles combinés des prévisions en temps réel des prix réels et nominaux dans un format analogue à celui qu’emploie l’Agence d’information du département de l’Énergie des États-Unis pour formuler ses propres prévisions à court terme; les deux groupes de prévisions des prix pétroliers sont ensuite comparés pour des périodes historiques déterminantes.
Résumé: La combinaison de modèles de prévision en temps réel du prix du pétrole présente-t-elle des avantages? La réponse dépend de l’objectif. La méthode consistant à mettre en commun cinq des principaux modèles de prévision en leur attribuant un poids uniforme prime sur la stratégie visant à choisir un seul modèle et à l’utiliser à des horizons allant jusqu’à deux ans. Il est même possible d’accroître la justesse des prévisions en faisant varier les combinaisons de modèles selon les horizons. Bien que cette approche ne produise pas systématiquement des prévisions plus exactes que celles obtenues en sélectionnant le modèle qui offre la meilleure qualité prédictive à chaque horizon, la précision des projections fournies se révèle beaucoup plus stable au fil du temps. En effet, les prévisions en temps réel réunies présentent une erreur quadratique moyenne de 3 % à 29 % inférieure à celle d’une marche aléatoire et indiquent avec exactitude le sens des variations dans 73 % des cas. Ces résultats ne dépendent pas de la mesure du prix du pétrole retenue et s’appliquent tant aux prévisions mensuelles qu’aux prévisions trimestrielles. Les auteurs montrent comment établir au moyen de modèles combinés des prévisions en temps réel des prix réels et nominaux dans un format analogue à celui qu’emploie l’Agence d’information du département de l’Énergie des États-Unis pour formuler ses propres prévisions à court terme; les deux groupes de prévisions des prix pétroliers sont ensuite comparés pour des périodes historiques déterminantes.