Prévision immédiate du PIB français en temps réel avec des enquêtes et des régressions "bloquées" : Combinaison de prévisions ou mise en commun de l'information ?

Résumé Cet article étudie empiriquement deux stratégies alternatives de combinaison, à savoir la combinaison de prévisions et le regroupement d'informations, dans le contexte de la prévision immédiate du PIB français en temps réel à partir d'opinions d'enquêtes mensuelles. Selon le paradigme englobant, nous affirmons que la surperformance de la stratégie de combinaison des prévisions rapportée par les travaux récents peut être liée aux problèmes de sélection et de mauvaise spécification des modèles. Pour résoudre ces problèmes, nous promouvons l'approche de modélisation par blocs qui nous permet de traiter les fréquences mixtes dans un cadre linéaire compatible avec un algorithme de sélection automatique de modèles. Des modèles sélectionnés à information restreinte et à information groupée sont spécifiés et testés pour l'englobement des prévisions afin de déterminer la meilleure stratégie de combinaison. Les résultats suggèrent que la stratégie de combinaison des prévisions domine tant qu'aucun modèle individuel (restreint) n'englobe les rivaux. Cependant, lorsqu'un modèle d'englobement des prévisions est obtenu en regroupant les ensembles d'informations, ce modèle est plus performant que le schéma de combinaison des prévisions le plus précis.