Modèles VAR et prévisions à court terme - article ; n°5 ; vol.106, pg 109-122

Pierre Malgrange, Catherine Doz

Description

Économie & prévision - Année 1992 - Volume 106 - Numéro 5 - Pages 109-122
Die Verwendung der VAR-Modelle zu Prognosezwecken,
von Catherine Doz, Pierre Malgrange.

In diesem Artikel soil die Eignung eines als einfacher schwarzer Kasten verwandten VAR-Modells zu Prognosezwecken bewertet werden. Die Schätzungsergebnisse führen zu einem VAR-Modell mit Kointegrationsrelationen, das mit Hilfe der Johansen-Methode bewertet wird. Das Modell umfaßt folgende Variablen: BIP, Konsum, Ein- und Ausfuhren sowie die Investitionstätigkeit. Für die untersuchten Jahre entspricht die Leistungsfähigkeit dieses Modells bei bestimmten Zeithorizonten weitgehend der Zuverlässigkeit der von den Prognoseinstituten gemachten Vorhersagen.
Utilización de modelos VAR para la previsión,
por Catherine Doz y Pierre Malgrange.

El objeto perseguido por este artículo consiste en evaluar la aptitud de un modelo VAR, utilizado como una sencilla caja negra para la previsión. Los resultados de las evaluationes económicas conducen a adoptar un modelo VAR con relationes de cointegración, evaluado por el método de Johansen. Este modelo incluye las variables siguientes : Pib, consumo, importaciones, exportationes, inversiones. Para los años estudiados, los resultados de este modelo son bastante cercanos unos de otros, para ciertos horizontes, de aquellos efectuados por los organismos de previsión.
Using VAR Models for Forecasting,
by Catherine Doz and Pierre Malgrange.

The goal of this article is to evaluate the forecasting ability of a VAR model used as a simple black box. The products of the estimations result in the selection of a VAR model with cointegration relations, as estimated by the Johansen method. It includes the following variables: GDP, consumption, imports, exports and investment. For the years studied and for certain outlooks, the performances of this model are fairly similar to those carried out by forecasting bodies.
Modèles VAR et prévisions à court terme,
par Catherine Doz, Pierre Malgrange.

Le but de cet article est d'évaluer l'aptitude d'un modèle VAR, utilisé comme une simple boîte noire, à prévoir. Les résultats des estimations conduisent à retenir un modèle VAR avec relations de coïntégration, estimé par la méthode de Johansen. Il inclut les variables suivantes : Pib, consommation, importations, exportations, investissement. Pour les années étudiées, les performances de ce modèle sont assez voisines, pour certains horizons, de celles effectuées par les organismes de prévision.
14 pages
Source : Persée ; Ministère de la jeunesse, de l’éducation nationale et de la recherche, Direction de l’enseignement supérieur, Sous-direction des bibliothèques et de la documentation.

Sujets

• Sciences et techniques

Informations

• Publié par: ECONOMIE_-_PREVISION
• Publié le: 01 janvier 1992
• Nombre de lectures: 67
• Langue: Français
• Poids de l'ouvrage: 1 Mo

Extrait

Catherine Doz
Pierre Malgrange
Modèles VAR et prévisions à court terme
In: Économie & prévision. Numéro 106, 1992-5. Développements récents de la macro-économie. pp. 109-122.
Citer ce document / Cite this document :
Doz Catherine, Malgrange Pierre. Modèles VAR et prévisions à court terme. In: Économie & prévision. Numéro 106, 1992-5.
Développements récents de la macro-économie. pp. 109-122.
doi : 10.3406/ecop.1992.5319
http://www.persee.fr/web/revues/home/prescript/article/ecop_0249-4744_1992_num_106_5_5319Zusammenfassung
Die Verwendung der VAR-Modelle zu Prognosezwecken,
von Catherine Doz, Pierre Malgrange.
In diesem Artikel soil die Eignung eines als einfacher "schwarzer Kasten" verwandten VAR-Modells zu
Prognosezwecken bewertet werden. Die Schätzungsergebnisse führen zu einem VAR-Modell mit
Kointegrationsrelationen, das mit Hilfe der Johansen-Methode bewertet wird. Das Modell umfaßt
folgende Variablen: BIP, Konsum, Ein- und Ausfuhren sowie die Investitionstätigkeit. Für die
untersuchten Jahre entspricht die Leistungsfähigkeit dieses Modells bei bestimmten Zeithorizonten
weitgehend der Zuverlässigkeit der von den Prognoseinstituten gemachten Vorhersagen.
Resumen
Utilización de modelos VAR para la previsión,
por Catherine Doz y Pierre Malgrange.
El objeto perseguido por este artículo consiste en evaluar la aptitud de un modelo VAR, utilizado como
una sencilla "caja negra" para la previsión. Los resultados de las evaluationes económicas conducen a
adoptar un modelo VAR con relationes de cointegración, evaluado por el método de Johansen. Este
modelo incluye las variables siguientes : Pib, consumo, importaciones, exportationes, inversiones. Para
los años estudiados, los resultados de este modelo son bastante cercanos unos de otros, para ciertos
horizontes, de aquellos efectuados por los organismos de previsión.
Abstract
Using VAR Models for Forecasting,
by Catherine Doz and Pierre Malgrange.
The goal of this article is to evaluate the forecasting ability of a VAR model used as a simple "black
box". The products of the estimations result in the selection of a VAR model with cointegration relations,
as estimated by the Johansen method. It includes the following variables: GDP, consumption, imports,
exports and investment. For the years studied and for certain outlooks, the performances of this model
are fairly similar to those carried out by forecasting bodies.
Résumé
Modèles VAR et prévisions à court terme,
par Catherine Doz, Pierre Malgrange.
Le but de cet article est d'évaluer l'aptitude d'un modèle VAR, utilisé comme une simple "boîte noire", à
prévoir. Les résultats des estimations conduisent à retenir un modèle VAR avec relations de
coïntégration, estimé par la méthode de Johansen. Il inclut les variables suivantes : Pib, consommation,
importations, exportations, investissement. Pour les années étudiées, les performances de ce modèle
sont assez voisines, pour certains horizons, de celles effectuées par les organismes de prévision.Le présent travail se situe dans une étude plus vaste
d'évaluation des prévisions de la Direction de la Modèles VAR
Prévision (voir Borowski et alii, 1991). Un des
objectifs de cette étude était de confronter ces
et prévisions dernières à des normes fournies par des procédures
automatiques ou purement statistiques. En
à court terme particulier, l'étude citée a montré que les normes
minimales constituées par les prévisions naïves,
reproduction à l'identique de la dernière valeur
connue, étaient en moyenne d'une qualité nettement
inférieure à celle des prévisions de la Direction de la
Catherine Doz(*} Prévision. Nous comparons ici ces dernières à une
référence de prévisions purement statistiques
Pierre Malgrange**** fournies par la modélisation VAR. L'idée de
confronter les d'un institut à celles
fournies par un modèle VAR n'est pas nouvelle et il
en existe de multiples illustrations dans la littérature.
Citons par exemple McNees (1986), Zarnowitz
(1986), Wallis (1989), Germain (1990), LeSage
(1990). Un large consensus semble se dégager de ces
travaux : la modélisation VAR fournit généralement
des prévisions de qualité tout à fait comparable, voire
parfois supérieure, à celles des instituts de
prévisions.
Après avoir rappelé la méthodologie des modèles
VAR (en particulier la méthode de Johansen), nous
comparons les résultats obtenus en simulant des
prévisions avec ces modèles aux résultats qui ont été
obtenus par la Direction de la Prévision sur la période
récente.
Le cadre méthodologique
Généralités sur les modèles VAR
L'utilisation d'un modèle vectoriel autorégressif
(VAR) comme alternative aux modèles macro
économétriques de type keynésien a été introduite
par Sims (1980) dans son article recensant les vices
de méthode dans l'identification de la forme
structurelle de ces derniers : restrictions a priori trop
fortes par rapport à ce que suggère la théorie, absence
de tests sérieux sur la structure causale, en particulier
sur la distinction exogène-endogène, traitement
inadéquat des anticipations.
(*) Direction de la Prévision. Sims estimait cependant que la forme réduite de ces
(**) Cepremap et Direction de la Prévision. modèles pouvait être une bonne approximation de la
"vraie" forme structurelle (non identifiable) du Nous remercions les deux rapporteurs pour leurs nombreuses système économique. Cela le conduisit à proposer et stimulantes remarques, et Pierre Morin pour le soutien qu'il
une alternative très économe concernant les a apporté à ce projet. Nous avons bénéficié de l'apport des
travaux de Jean-Marc Germain, Françoise Maurel et Bernard contraintes de spécification a priori consistant à
Salanié qui ont effectué une étude analogue à l'Insee en 1990, estimer directement une forme réduite multivariée
et nous remercions Stéphane Gregoir qui nous a communiqué sans autre restriction a priori que le choix des son expérience sur le même sujet. Nous remercions également variables sélectionnées et la longueur des retards. les participants aux séminaires de la Direction de la Prévision,
de l'Insee, et de l'Université Catholique de Louvain, pour leurs
La modélisation VAR repose sur l'hypothèse que commentaires qui nous ont été fort utiles.
l'évolution de l'économie est bien approchée par la
Economie et Prévision n°106 1992-5 description du comportement dynamique d'un
109 de n variables X=(x1, ... ,xn)' vecteur Cependant, lorsque les variables sont non ,
stationnaires et coïntégrées, les résultats d'Engle et dépendant linéairement du passé, de sorte que l'on
peut modéliser le vecteur X sous la forme : Granger (1987) montrent que la bonne spécification
du modèle consiste à utiliser une forme à correction
d'erreur, qui permet de se ramener à une écriture ne
faisant intervenir que des variables stationnaires, et (1) Xt dans laquelle il est possible d'effectuer des tests sur i-l
les paramètres du modèle. avecX, = (xu,...,xnt)' .
Un tel modèle peut aussi s'écrire : Les modèles VAR non stationnaires et la théorie de
la coïntégration
O (L ) Xt = \i + zt
Les modèles à correction d'erreur
où <I>
i-l La condition de stationnarité des variables est, de
façon générale, nécessaire dans toute estimation par
les Moindres carrés d'un modèle économétrique Lorsque les variables sont stationnaires, on peut
linéaire, pour obtenir la normalité asymptotique des supposer que le polynôme en z :
estimateurs. Les modèles à correction d'erreur
(ECM) introduits par Davidson, Hendry, Srba et Yeo
(1978) permettent une spécification satisfaisante de det (/ - a toutes ses racines de module ce point de vue, tout en conservant l'information sur i-l les niveaux des variables, et leur comportement à strictement supérieur à 1. Dans ce cas, 8 1 s'interprète long terme. Ces modèles font en effet à la fois comme l'innovation du processus ( Xt ) . intervenir les relations de long terme entre les
variables étudiées, déduites de la théorie
La prévision linéaire optimale de Xt au moyen de économique, et l'ajustement dynamique spé