Diagnostic de court terme et nowcasting

Ects : 3

Enseignant responsable :

  • MARIE BESSEC

Volume horaire : 21

Description du contenu de l'enseignement :
Ce cours présente les outils utilisés par les conjoncturistes en vue de faire de la prévision de court terme (ou
nowcasting) des variables macroéconomiques. Nous faisons d’abord un rappel sur les modèles de prévision linéaires classiques et les techniques d’évaluation des prévisions. Nous indiquons ensuite comment ces spécifications peuvent être adaptées, afin de prendre en compte de gros volumes de données (modèles à facteurs, algorithme de sélection et combinaison des prévisions). Nous introduisons par ailleurs des modélisations multi-fréquentielles (MIDAS, bridge) pour intégrer des indicateurs de fréquence élevée et mettre à jour le diagnostic au fil de la publication des indicateurs conjoncturels. Enfin, les modèles à changement de régime et certaines techniques du
machine learning permettent de prendre en compte des liaisons plus complexes entre la variable prévue et les prédicteurs et de qualifier l’état conjoncturel. Ces différentes techniques sont mises en perspective avec les outils actuellement employés dans les services conjoncturels de l'Insee, de la Banque de France et de la direction générale du Trésor et sont illustrées sur des cas pratiques sur le logiciel Matlab.

Pré-requis obligatoires :
Econométrie des séries temporelles ; programmation sous Matlab
Coefficient : 3
Compétence à acquérir :
Construction d'outils de prévision de court terme de séries macroéconomiques et financières
Mode de contrôle des connaissances :
Projet sous Matlab
Bibliographie, lectures recommandées
- Ghysels, M. Marcellino. Applied Economic Forecasting using Time Series Methods, Oxford University Press, 2018.
- Timmermann, A. Elliott, G. Economic Forecasting, Princeton University Press, 2016.