Prévision de l’activité économique au Québec

Dalibor Stevanovic and Rachidi Kotchoni

CIRANO Project Reports from CIRANO

Abstract: We evaluate the predictability of the economic activity of Quebec in a data-rich environment. In our framework, the province of Quebec is treated as a regional economy that is exposed to the influence of the Canadian and American economies. Three large information sets are used: data from Quebec, Canada and the US, for a total of 453 macroeconomic variables. We compare a large number of models for the purpose of identifying those that are most efficient at forecasting macroeconomic aggregates of Quebec such as the GDP, employment, inflation, investment, etc. Our results suggest that the best model in terms of mean squared error depends on the variable of interest and on the forecasting horizon. A model that performs well at short horizons does not necessarily perform well at long horizons. Likewise, the model that best predicts the nominal GDP does not necessarily win the race when it comes to predict the real GDP. The ARMA(1,1) is found to be one of the best standard models to predict the nominal GPD and inflation. Models exploiting rich data sets often rank best individually. The most robust performances are obtained by averaging the forecasts delivered by the 5, 10 or 20 best individual models. Nous évaluons la prévisibilité de l’activité économique du Québec dans un environnement riche en données. Notre approche consiste à voir la province du Québec comme une économie régionale soumise aux influences des économies canadienne et américaine. Trois grands ensembles d’information sont utilisés : les données québécoises, canadiennes et américaines, soit un total de 453 variables macroéconomiques. Nous comparons un grand ensemble de modèles dans le but d’identifier ceux qui sont les plus efficaces pour prédire les principaux agrégats de l’économie québécoise tels que le PIB, l’emploi, l’inflation, l’investissement, etc. Nos résultats suggèrent que le meilleur modèle en termes d’erreur quadratique moyenne dépend de la série à prédire et de l’horizon de prévision visé. Un modèle ayant de bonnes performances à court horizon peut devenir moins bon à long horizon. Un modèle bon pour prédire le PIB nominal ne l’est pas forcément pour prédire le PIB réel. Dans la catégorie des modèles standards, le modèle ARMA(1,1) s’est révélé un bon benchmark pour prédire le PIB nominal ou l’inflation. Les modèles riches en données se classent souvent comme les meilleurs individuellement. La moyenne des prévisions fournies par une sélection des 5, 10 ou 20 meilleurs modèles individuels délivre des performances encore plus robustes.

Keywords: Forecasting; Macroeconomic aggregates; Large data sets; Factor models; Time series models; Prévision; agrégats macroéconomiques; grandes bases de données; modèles à facteurs; modèles de séries chronologiques (search for similar items in EconPapers)
JEL-codes: C22 C32 C53 C55 E17 (search for similar items in EconPapers)
Date: 2016-06-08
New Economics Papers: this item is included in nep-mac
References: Add references at CitEc
Citations:

Downloads: (external link)
https://cirano.qc.ca/files/publications/2016RP-08.pdf

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:cir:cirpro:2016rp-08

Access Statistics for this paper

More papers in CIRANO Project Reports from CIRANO Contact information at EDIRC.
Bibliographic data for series maintained by Webmaster ().