Är GDPNow en officiell prognos från Atlanta Fed eller bankens ordförande?
Nej, det är inte en officiell prognos från Atlanta Fed, dess ordförande, Federal Reserve System eller FOMC.
Används någon bedömning för att justera prognoserna?
Nej. När GDPNow-modellen börjar prognostisera BNP-tillväxten för ett visst kvartal kommer koden inte att justeras förrän efter ”förhandsbedömningen”. Om vi förbättrar modellen med tiden kommer vi att införa ändringar direkt efter ”förhandsbedömningen” så att prognoserna för det efterföljande kvartalet använder en fast metodik under hela sin utveckling.
När börjar och slutar nuvärdesberäkningarna av BNP-tillväxten för ett visst kvartal?
GDPNows nuvärdesberäkningar av den reala BNP-tillväxten för ett visst kvartal börjar cirka 90 dagar innan ”förhandsberäkningen” av BNP-tillväxten för kvartalet offentliggörs; de slutar den sista arbetsdagen med ett datautlämnande GDPNow utnyttjar som föregår datumet för offentliggörande av Bureau of Economic Analysis (BEA) förhandsberäkning av BNP-tillväxten. Med undantag för årliga riktmärkes- eller omfattande revideringar av BNP, som vanligtvis sker i slutet av juli, börjar GDPNows nuvärdesberäkningar för ett kvartal i allmänhet den vardag som följer på offentliggörandet av förhandsberäkningen av BNP-tillväxten för det föregående kvartalet. Efter omfattande eller riktmärkesrevisioner av BNP kan den första GDPNow-nowcasten för det efterföljande kvartalet försenas i ungefär en vecka tills BEA släpper reviderade ”underliggande detaljtabeller” för National Income and Product Accounts.
Till exempel skedde GDPNows första nowcast av den reala BNP-tillväxten för det första kvartalet 2018 måndagen den 29 januari 2018, den första veckodagen efter fredagen den 26 januari 2018, då den preliminära uppskattningen av den reala BNP-tillväxten för det fjärde kvartalet 2017 släpptes. Den slutliga GDPNow-nowcasten av den reala BNP-tillväxten under första kvartalet 2018 gjordes den 26 april 2018, och förhandsbedömningen av den reala BNP-tillväxten under första kvartalet 2018 släpptes den 27 april 2018.
Hur ofta uppdateras GDPNow-prognosen?
Modellprognosen uppdateras sex eller sju gånger i månaden på vardagar, med minst en efter sju datasläpp: Tillverknings ISM Report on Business, USA:s internationella handel med varor och tjänster (FT900), grossisthandel, månadsrapport om detaljhandel, nybyggnation av bostäder, Advance Report on Durable Goods Manufacturers samt personlig inkomst och utlägg. Även andra datapublikationer, t.ex. industriproduktion och kapacitetsutnyttjande samt försäljning av befintliga bostäder, ingår i modellen och deras inverkan på modellens prognos kommer att visas nästa veckodag med en av datapublikationerna. De egna prognoserna från Blue Chip Economic Indicators och Blue Chip Financial Forecasts som visas i diagrammet är tillgängliga från Aspen Publishers.
Hur kan jag få tillgång till historiska prognoser från GDPNow-modellen?
Dessa prognoser finns tillgängliga i detta nedladdningsbara kalkylblad. Under fliken ”ReadMe” i kalkylbladet finns hyperlänkar till de historiska prognoserna och andra data för modellen. I synnerhet finns under fliken ”TrackingDeepArchives” prognoser för perioden 2011:Q3-2014:Q1 (innan modellen togs i bruk), under fliken ”TrackingArchives” finns prognoser från 2014:Q2 till och med det sista kvartalet för vilket en förhandsuppskattning av BNP har släppts av BEA, och under fliken ”TrackRecord” finns en jämförelse mellan de historiska prognoserna för GDPNow-modellen och de faktiska förhandsuppskattningarna av den reala BNP-tillväxten från BEA.
Var kan jag läsa om de metoder och källdata som används i modellen?
En detaljerad beskrivning ges i ett arbetsdokument som beskriver modellen. Sammanfattningsvis kan man säga att BEA:s NIPA Handbook innehåller mycket detaljerad dokumentation om både källdata och metoder som används för att skatta delkomponenterna i BNP. Den avlidne nobelpristagaren Lawrence Klein var en pionjär när det gäller många av de metoder med ”bryggekvationer” som används för att göra kortsiktiga prognoser av BNP-tillväxten med hjälp av dessa källdata; i ett dokument från 1989, som han skrev tillsammans med E. Sojo, beskrivs tillvägagångssättet. Kathleen Navin, ekonom på Macroeconomic Advisers, ger ett fågelperspektiv som illustrerar hur man i praktiken kan använda en broekvationsmetod för att förbättra BNP-prognoserna i denna presentation från 2017. De ekonometriska tekniker som används i vår GDPNow-modell har i hög grad anpassats till de modeller för BNP-nowcasting som beskrivs i en artikel i Minneapolis Fed Quarterly Review från 1996 av Preston J. Miller och Daniel M. Chin och i en artikel från 2008 av styrelsens David Small och ekonomerna Domenico Giannone och Lucrezia Reichlin.
Var kan jag hitta alternativa prognoser för BNP-tillväxten?
För modellprognoser från andra centralbanker, se New York Fed Nowcasting Report, St. Louis Fed Economic News Index: Real GDP Nowcast, Philadelphia Research Intertemporal Stochastic Model (PRISM) och Federal Reserve Bank of Clevelands prognosmodell för BNP-tillväxt baserad på avkastningskurvans lutning. Moody’s Analytics och Now-Casting.com producerar egna modeller för kortsiktiga BNP-prognoser. För undersökningsbaserade prognoser, se Philadelphia Feds kvartalsvisa Survey of Professional Forecasters, som innehåller prognoser för real BNP och dess viktigaste delkomponenter. Wall Street Journal’s Economic Forecasting Survey görs varje månad och Moody’s Analytics/CNBC Rapid Update-undersökningen görs i allmänhet flera gånger i veckan. Ingen av dessa undersökningar innehåller prognoser för BNP:s delkomponenter.
Hur exakta är GDPNow-prognoserna? Är de mer exakta än ”professionella” prognoser?
Diagrammet nedan visar GDPNows realtidsprognoser som gjorts strax före offentliggörandet av den första uppskattningen av den årliga tillväxttakten för real BNP tillsammans med de första uppskattningarna från U.S. Bureau of Economic Analysis.
Sedan vi började spåra BNP-tillväxten med versioner av den här modellen 2011 är det genomsnittliga absoluta felet i de slutliga GDPNow-prognoserna 0,81 procentenheter. Det rot-medelkvadratiska felet i prognoserna är 1,24 procentenheter. Dessa noggrannhetsmått omfattar de första uppskattningarna för 2011:Q3-2020:Q4. Ytterligare analyser av GDPNows prognosfel finns i makrobloggen här och här. Vi har gjort vissa förbättringar av modellen jämfört med tidigare versioner, och modellens prognoser har blivit mer exakta med tiden (den fullständiga resultatlistan finns här). När man back-testar med reviderade data är rotmedelkvadratfelet för modellens prognos utanför urvalet med samma datatäckning som en analytiker skulle ha strax före ”förhandsbedömningen” 1,15 procentenheter för perioden 2000:Q1-2013:Q4. Figuren nedan visar hur prognoserna blir mer exakta när intervallet mellan det datum då prognosen görs och det kommande datumet för offentliggörande av BNP minskar.
Samt sett ger dessa noggrannhetsmått inte några övertygande bevis för att modellen är mer exakt än professionella prognosmakare. Modellen verkar dock klara sig bra jämfört med andra konventionella statistiska modeller.
Hur hanteras revideringar av uppgifter som ännu inte återspeglats i det senaste BNP-meddelandet?
I allmänhet försöker modellen inte förutse hur uppgifter som offentliggörs efter den senaste BNP-rapporten kommer att påverka revideringarna i det kommande BNP-meddelandet. Undantaget är delkomponenten ”förändring av privata lager”, där revideringar av föregående kvartal påverkar BNP-tillväxten under innevarande kvartal. Användare av GDPNow-prognosen bör i allmänhet använda prognoserna för förändringen av ”nettoexporten” och förändringen av ”förändringen av de privata lagren”, och inte prognoserna för nivåerna. Revideringar av detaljhandelsförsäljningen används för att förutse revideringar av de verkliga månatliga utgifterna i ”PCE-kontrollgruppen” och revideringar av påbörjade bostäder används för att förutse revideringar av det månatliga värdet av privata bostadsbyggnadsutgifter som satts på plats.
Tillhandahåller du din kod?
I dagsläget, nej. Excel-kalkylbladet ger dock de numeriska detaljerna – inklusive rådata och modellparametrar – om hur de månatliga uppgifterna kartläggs i prognoser av BNP:s delkomponenter.
Vilka skillnader finns det mellan GDPNow och FRBNY:s Nowcast-modeller? Varför har de två modellerna olika prognoser?
FRBNY:s Nowcast-modell för real BNP-tillväxt bygger på en dynamisk faktormodell som beskrivs i detta blogginlägg från Liberty Street. Chicago Fed National Activity Index och Aruoba-Diebold-Scotti Business Conditions Index är båda indikatorer på ekonomisk aktivitet som uppskattas från faktormodeller. Den senaste prognosen från FRBNY Nowcast-modellen tillsammans med några relaterade Q&A finns här.
Atlanta Feds GDPNow använder också en dynamisk faktormodell – baserad på en modell från en av New York Feds ekonomer som är medförfattare till blogginlägget på Liberty Street – men använder faktorn endast som en ingångsfaktor för att fylla i de månatliga källdata för BNP som ännu inte har släppts. Uppskattningarna av denna dynamiska faktor finns i fliken Factor i denna Excel-fil.
De månatliga källuppgifterna används sedan för att skatta delkomponenterna i BNP, som sedan aggregeras upp till en nowcast för den reala BNP-tillväxten. Förutom en dynamisk faktormodell använder GDPNow flera andra ekonometriska tekniker, inklusive ”broekvationer” och Bayesianska vektorauktoregressioner, för att göra en nowcast av BNP:s delkomponenter. De exakta metoderna beskrivs i detta arbetsdokument. De numeriska detaljerna – inklusive rådata och modellparametrar – som översätter månadsdata till nowcasts av BNP:s delkomponenter i den senaste GDPNow-prognosen finns i denna Excel-fil (se fliken ReadMe).