Étalonnages du taux de croissance du PIB français sur la base des enquêtes de conjoncture

Fiche du document

Auteur
Date

2010

Type de document
Périmètre
Langue
Identifiant
Collection

Persée

Organisation

MESR

Licence

Copyright PERSEE 2003-2023. Works reproduced on the PERSEE website are protected by the general rules of the Code of Intellectual Property. For strictly private, scientific or teaching purposes excluding all commercial use, reproduction and communication to the public of this document is permitted on condition that its origin and copyright are clearly mentionned.




Citer ce document

Marie Bessec, « Étalonnages du taux de croissance du PIB français sur la base des enquêtes de conjoncture », Économie & prévision, ID : 10.3406/ecop.2010.8036


Métriques


Partage / Export

Résumé En Fr

This paper discusses new bridge models for short-term forecasting of French quarterly GDP growth. The only data used are from business surveys in French manufacturing, services, and construction. We consider two alternative methods. The first relies on the general-to-specific (GETS) algorithm applied to blocks of randomly selected variables (Hendry and Krolzig, 2005) ; the other relies on the combination method popularized by Stock and Watson (2004). We conduct in-sample and out-of-sample assessments of both methods using recursive and rolling regressions. We show that the forecast based on an automatic regression-model selection (GETS) performs better, and that extending the database to business surveys in the service and construction sectors can be useful for short-term GDP forecasting.

Cet article développe des nouveaux étalonnages du taux de croissance du PIB français destinés à produire des prévisions de court terme de l’activité . Ils sont construits à partir de données d’enquête de l’Insee, dans l’industrie mais également dans les services et le bâtiment. Nous examinons deux stratégies de réduction de l information, l’une fondée sur l’algorithme de sélection automatique GETS par blocs de Hendry et Krolzig (2005), l’autre sur la méthode de combinaison popularisée par Stock et Watson (2004). Ces deux méthodes sont évaluées en-échantillon et hors-échantillon au travers de régressions récursives et roulantes. Nous montrons la supériorité des étalonnages construits avec GETS et l’intérêt de considérer d’autres enquêtes que celle dans l’industrie dans les stratégies de modélisation et de prévision.

document thumbnail

Par les mêmes auteurs

Sur les mêmes sujets

Sur les mêmes disciplines

Exporter en