Description
Abstract: We evaluate different approaches for using monthly indicators to predict Chinese GDP for the current and the next quarter (‘nowcasts’ and ‘forecasts’, respectively). We use three types of mixed-frequency models, one based on an economic activity indicator (Liu et al., 2007), one based on averaging over indicator models (Stock and Watson, 2004), and a static factor model (Stock and Watson, 2002). Evaluating all models’ out-of-sample projections, we find that all the approaches can yield considerable improvements over naïve AR benchmarks. We also analyze pooling across forecasting methodologies. We find that the most accurate nowcast is given by a combination of a factor model and an indicator model. The most accurate forecast is given by a factor model. Overall, we conclude that these models, or combinations of these models, can yield improvements in terms of RMSE’s of up to 60 per cent over simple AR benchmarks.
Résumé: L'auteur évalue différentes approches fondées sur l'emploi d'indicateurs mensuels pour prévoir le PIB chinois pour le trimestre courant et le trimestre à venir. Il a recours à trois techniques d'estimation à fréquence mixte : la première est basée sur un indicateur de l'activité économique (Liu et autres, 2007); la deuxième utilise la moyenne des valeurs calculées au moyen de différents modèles indicateurs (Stock et Watson, 2004); la dernière fait appel à un modèle factoriel statique (Stock et Watson, 2002). D'après les résultats qu'il obtient, chacune de ces approches peut produire des projections hors échantillon bien meilleures que des modèles autorégressifs simples. L'auteur examine également si le fait de combiner les méthodes de prévision offre des avantages. Il constate que la prévision la plus exacte pour le trimestre courant résulte de la combinaison d'un modèle factoriel et d'un modèle indicateur. La meilleure prévision pour le trimestre à venir est tirée d'un modèle factoriel. L'auteur conclut globalement que ces modèles, ou des combinaisons de ceux-ci, donnent lieu à des réductions pouvant aller jusqu'à 60 % de la racine de l'erreur quadratique moyenne par rapport à des modèles autorégressifs simples.
Résumé: L'auteur évalue différentes approches fondées sur l'emploi d'indicateurs mensuels pour prévoir le PIB chinois pour le trimestre courant et le trimestre à venir. Il a recours à trois techniques d'estimation à fréquence mixte : la première est basée sur un indicateur de l'activité économique (Liu et autres, 2007); la deuxième utilise la moyenne des valeurs calculées au moyen de différents modèles indicateurs (Stock et Watson, 2004); la dernière fait appel à un modèle factoriel statique (Stock et Watson, 2002). D'après les résultats qu'il obtient, chacune de ces approches peut produire des projections hors échantillon bien meilleures que des modèles autorégressifs simples. L'auteur examine également si le fait de combiner les méthodes de prévision offre des avantages. Il constate que la prévision la plus exacte pour le trimestre courant résulte de la combinaison d'un modèle factoriel et d'un modèle indicateur. La meilleure prévision pour le trimestre à venir est tirée d'un modèle factoriel. L'auteur conclut globalement que ces modèles, ou des combinaisons de ceux-ci, donnent lieu à des réductions pouvant aller jusqu'à 60 % de la racine de l'erreur quadratique moyenne par rapport à des modèles autorégressifs simples.