Description

Abstract: Financial and monetary variables have long been known to contain useful leading information regarding economic activity. In this paper, the authors wish to determine whether the forecasting performance of such variables can be improved using neural network models. The main findings are that, at the 1-quarter forecasting horizon, neural networks yield no significant forecast improvements. At the 4-quarter horizon, however, the improved forecast accuracy is statistically significant. The root mean squared forecast errors of the best neural network models are about 15 to 19 per cent lower than their linear model counterparts. The improved forecast accuracy may be capturing more fundamental non-linearities between financial variables and real output growth at the longer horizon.

Résumé: Les variables financières et monétaires sont reconnues depuis longtemps comme des indicateurs fiables de l'activité économique future. Dans cette étude, les auteurs tentent de déterminer si le recours à des réseaux neuronaux permet d'améliorer les prévisions réalisées à l'aide de ces variables. Ils constatent qu'à l'horizon d'un trimestre, les réseaux neuronaux ne produisent pas de meilleures prévisions que les modèles linéaires traditionnels. À l'horizon de quatre trimestres toutefois, on observe une amélioration significative des prévisions sur le plan statistique. Les erreurs quadratiques moyennes de prévision des meilleurs modèles neuronaux sont inférieures de 15 à 19 % à celles des modèles linéaires. Cette précision accrue des prévisions pourrait indiquer la présence de relations non linéaires fondamentales entre les variables financières et la croissance de la production réelle à l'horizon d'un an.

Details

PDF

Files

Statistics

from
to
Export
Download Full History