Document de travail n°596 : Le modèle PRISME : la désagrégation sectorielle est-elle utile pour prévoir la croissance du PIB ? (en anglais)

Résumé

Un modèle de prévision peut avoir de bonnes propriétés statistiques et présenter des erreurs de prévisions en moyenne nulles. Toutefois, des séries d’erreurs de même signe peuvent apparaître sur des périodes courtes. Lorsque ce modèle sert de base à une publication régulière de prévisions de croissance de l’activité, le prévisionniste souhaiterait éviter que de telles séries apparaissent. Pour cette raison, un modèle « garde-fou » peut être utilisé pour alerter le prévisionniste lorsque son modèle de référence (à savoir le modèle le mieux spécifié en moyenne sur longue période) conduit à des erreurs persistantes sur plusieurs trimestres.
Cet article présente les motivations et les principes méthodologiques qui ont conduit au développement  d’un modèle garde-fou dans le but d'améliorer les prévisions du PIB français pour le trimestre en cours (publiées mensuellement par la Banque de France). Le modèle de référence utilisé pour prévoir la croissance du PIB est un modèle agrégé qui repose exclusivement sur l'enquête mensuelle de conjoncture dans l'industrie. Sur longue période, les performances de ce modèle en termes de prévision sont difficiles à battre. À l’inverse, le modèle garde-fou est un modèle désagrégé prévoyant la croissance de la valeur ajoutée dans les six branches principales de l’économie. Grâce à cet exemple, nous formulons des remarques générales sur les mérites comparés de la désagrégation pour prévoir l’évolution d’un agrégat, puis nous présentons la façon dont un modèle garde-fou peut être utilisé en pratique pour améliorer la prévision de croissance.

Camille Thubin, Thomas Ferrière, Éric Monnet, Magali Marx et Vichett Oung
Juin 2016

Classification JEL : C52, C53, E37

Mots-clés : Prévisions du PIB ; Agrégation ; Données à fréquence-mixte.