Est-ce que GDPNow est une prévision officielle de la Fed d’Atlanta ou du président de la Banque ?
Non, ce n’est pas une prévision officielle de la Fed d’Atlanta, de son président, du Système de réserve fédérale ou du FOMC.
Un jugement est-il utilisé pour ajuster les prévisions ?
Non. Une fois que le modèle GDPNow commence à prévoir la croissance du PIB pour un trimestre donné, le code ne sera pas ajusté avant l’estimation « anticipée ». Si nous améliorons le modèle au fil du temps, nous déploierons les changements juste après l’estimation « anticipée » afin que les prévisions pour le trimestre suivant utilisent une méthodologie fixe pour toute leur évolution.
Quand commenceront et se termineront les prévisions immédiates de la croissance du PIB pour un trimestre donné ?
Les prévisions immédiates de la croissance du PIB réel pour un trimestre donné commencent environ 90 jours avant la publication de l’estimation « anticipée » de la croissance du PIB pour le trimestre ; elles se terminent le dernier jour ouvrable avec une publication de données que GDPNow utilise et qui précède la date de publication de l’estimation anticipée de la croissance du PIB du Bureau of Economic Analysis (BEA). À l’exception des révisions annuelles de référence ou complètes du PIB, qui ont généralement lieu fin juillet, les prévisions immédiates de GDPNow pour un trimestre donné commencent généralement le jour ouvrable suivant la publication de l’estimation préalable de la croissance du PIB pour le trimestre précédent. Après les révisions complètes ou de référence du PIB, la prévision immédiate initiale de GDPNow pour le trimestre suivant peut être retardée d’environ une semaine jusqu’à ce que le BEA publie des « tableaux détaillés sous-jacents » révisés pour les comptes nationaux des revenus et des produits.
Par exemple, la prévision immédiate initiale de GDPNow de la croissance du PIB réel au premier trimestre de 2018 a eu lieu le lundi 29 janvier 2018, le premier jour de semaine après le vendredi 26 janvier 2018, date de publication de l’estimation anticipée de la croissance du PIB réel au quatrième trimestre de 2017. La prévision immédiate finale de GDPNow concernant la croissance du PIB réel au premier trimestre de 2018 a été effectuée le 26 avril 2018, et l’estimation anticipée de la croissance du PIB réel au premier trimestre de 2018 a été publiée le 27 avril 2018.
À quelle fréquence les prévisions de GDPNow sont-elles mises à jour ?
La prévision du modèle est mise à jour six ou sept fois par mois les jours de semaine, avec au moins une des sept publications de données suivantes : Rapport ISM sur l’activité manufacturière, Commerce international américain des biens et services (FT900), Commerce de gros, Rapport mensuel sur le commerce de détail, Nouvelle construction résidentielle, Rapport avancé sur les fabricants de biens durables, et Revenu et dépenses personnels. D’autres données, telles que la production industrielle, l’utilisation des capacités de production et les ventes de maisons existantes, sont également intégrées au modèle et leur impact sur les prévisions du modèle sera montré le jour de semaine suivant la publication de l’une de ces données. Les prévisions exclusives de Blue Chip Economic Indicators et Blue Chip Financial Forecasts présentées dans le graphique sont disponibles auprès d’Aspen Publishers.
Comment puis-je accéder aux prévisions historiques du modèle GDPNow ?
Ces prévisions sont disponibles dans cette feuille de calcul téléchargeable. Voir l’onglet « ReadMe » de la feuille de calcul pour les hyperliens vers les prévisions historiques et les autres données du modèle. En particulier, l’onglet « TrackingDeepArchives » a des prévisions pour la période 2011:Q3-2014:Q1 (avant que le modèle ne soit mis en service), l’onglet « TrackingArchives » a des prévisions de 2014:Q2 jusqu’au dernier trimestre pour lequel une estimation anticipée du PIB a été publiée par le BEA, et l’onglet « TrackRecord » a une comparaison des prévisions historiques du modèle GDPNow avec les estimations réelles « anticipées » de la croissance du PIB réel du BEA.
Où puis-je lire sur les méthodes et les données sources utilisées dans le modèle ?
Une description détaillée est donnée dans un document de travail décrivant le modèle. En résumé, le NIPA Handbook du BEA fournit une documentation très détaillée à la fois sur les données sources et les méthodes utilisées pour estimer les sous-composantes du PIB. L’économiste Lawrence Klein, lauréat du prix Nobel de la paix, a été à l’origine d’un grand nombre des méthodes d' »équation-relais » utilisées pour établir des prévisions à court terme de la croissance du PIB à l’aide de ces données sources ; un article de 1989 qu’il a coécrit avec E. Sojo décrit cette approche. Kathleen Navin, économiste chez Macroeconomic Advisers, fournit une vue d’ensemble illustrant la manière d’utiliser une approche d’équation-pont dans la pratique pour améliorer les prévisions du PIB dans cette présentation de 2017. Les techniques économétriques utilisées dans notre modèle GDPNow ont été fortement adaptées des modèles de prévision immédiate du PIB décrits dans un article de la Minneapolis Fed Quarterly Review de 1996 par Preston J. Miller et Daniel M. Chin et dans un article de 2008 de David Small du Conseil et des économistes Domenico Giannone et Lucrezia Reichlin.
Où puis-je trouver d’autres prévisions de la croissance du PIB ?
Pour des prévisions de modèles d’autres banques de réserve, voir le New York Fed Nowcasting Report, le St. Louis Fed Economic News Index : Real GDP Nowcast, le Philadelphia Research Intertemporal Stochastic Model (PRISM), et le modèle de prévision de la Federal Reserve Bank of Cleveland pour la croissance du PIB basé sur la pente de la courbe des taux. Moody’s Analytics et Now-Casting.com produisent des modèles propriétaires de prévisions du PIB à court terme. Pour les prévisions basées sur des enquêtes, voir l’enquête trimestrielle de la Fed de Philadelphie sur les prévisionnistes professionnels, qui comprend des prévisions du PIB réel et de ses principales sous-composantes. L’enquête sur les prévisions économiques du Wall Street Journal a lieu tous les mois, et l’enquête Moody’s Analytics/CNBC Rapid Update a lieu généralement plusieurs fois par semaine. Aucune de ces enquêtes ne comprend de prévisions des sous-composantes du PIB.
Quelle est la précision des prévisions de GDPNow ? Sont-elles plus précises que les prévisions « professionnelles » ?
Le graphique ci-dessous montre les prévisions en temps réel de GDPNow effectuées juste avant la publication de l’estimation initiale du taux de croissance annualisé du PIB réel ainsi que les estimations initiales du Bureau américain d’analyse économique.
Depuis que nous avons commencé à suivre la croissance du PIB avec des versions de ce modèle en 2011, l’erreur absolue moyenne des prévisions finales de GDPNow est de 0,81 point de pourcentage. L’erreur quadratique moyenne des prévisions est de 1,24 point de pourcentage. Ces mesures de précision couvrent les estimations initiales pour 2011:Q3-2020:Q4. Une analyse plus approfondie des erreurs de prévision de GDPNow est disponible dans les articles du macroblog situés ici et ici. Nous avons apporté quelques améliorations au modèle par rapport à ses versions précédentes, et les prévisions du modèle sont devenues plus précises au fil du temps (l’historique complet se trouve ici). Lors de l’analyse rétrospective avec des données révisées, l’erreur quadratique moyenne de la prévision hors échantillon du modèle avec la même couverture de données qu’un analyste aurait juste avant l’estimation « anticipée » est de 1,15 points de pourcentage pour la période 2000:Q1-2013:Q4. La figure ci-dessous montre comment les prévisions deviennent plus précises à mesure que l’intervalle entre la date de la prévision et la date de publication du PIB à venir se réduit.
Dans l’ensemble, ces mesures de précision ne donnent pas de preuves convaincantes que le modèle est plus précis que les prévisionnistes professionnels. Le modèle semble toutefois bien se comporter par rapport à d’autres modèles statistiques conventionnels.
Comment sont traitées les révisions des données qui ne sont pas encore reflétées dans la dernière publication du PIB ?
En général, le modèle ne tente pas d’anticiper comment les publications de données après le dernier rapport sur le PIB affecteront les révisions faites dans la prochaine publication du PIB. L’exception est la sous-composante « variation des stocks privés », où les révisions de la lecture du trimestre précédent affectent la croissance du PIB du trimestre en cours. Les utilisateurs des prévisions de GDPNow doivent généralement utiliser les prévisions de la variation des « exportations nettes » et de la « variation des stocks privés », et non les prévisions des niveaux. Les révisions des ventes au détail sont utilisées pour anticiper les révisions des dépenses mensuelles réelles dans le « groupe de contrôle PCE » et les révisions des mises en chantier sont utilisées pour anticiper les révisions de la valeur mensuelle des dépenses de construction résidentielle privée mises en place.
Partagez-vous votre code ?
À ce stade, non. Cependant, la feuille de calcul Excel donne les détails numériques – y compris les données brutes et les paramètres du modèle – de la façon dont les données mensuelles correspondent aux prévisions des sous-composantes du PIB.
Quelles sont les différences entre GDPNow et les modèles Nowcast de la FRBNY ? Pourquoi les deux modèles ont-ils des prévisions différentes ?
Le modèle FRBNY Nowcast de croissance du PIB réel est basé sur un modèle de facteurs dynamiques décrit dans cet article du blog de Liberty Street. L’indice d’activité nationale de la Fed de Chicago et l’indice des conditions des affaires Aruoba-Diebold-Scotti sont tous deux des indicateurs de l’activité économique estimés à partir de modèles factoriels. La dernière prévision immédiate du modèle FRBNY Nowcast ainsi que quelques Q&A connexes sont disponibles ici.
Le GDPNow de la Fed d’Atlanta utilise également un modèle factoriel dynamique basé sur un modèle de l’un des économistes de la Fed de New York qui a coécrit l’entrée de blog de Liberty Street – mais utilise le facteur uniquement comme entrée pour remplir les données sources mensuelles du PIB qui doivent encore être publiées. Les estimations de ce facteur dynamique sont disponibles dans l’onglet Facteur de ce fichier Excel.
Les données sources mensuelles sont ensuite utilisées pour estimer les sous-composantes du PIB, qui sont ensuite agrégées jusqu’à une prévision immédiate de la croissance du PIB réel. Outre un modèle factoriel dynamique, GDPNow utilise plusieurs autres techniques économétriques, notamment les « équations-ponts » et les autorégressions vectorielles bayésiennes, pour prévoir les sous-composantes du PIB. Les méthodes exactes sont décrites dans ce document de travail. Les détails numériques – y compris les données brutes et les paramètres du modèle – traduisant les données mensuelles en prévisions immédiates des sous-composantes du PIB dans les dernières prévisions de GDPNow sont disponibles dans ce fichier Excel (voir l’onglet ReadMe).