Titre | Forecasting GDP Growth Using Artificial Neural Networks |
Auteur(s) | Greg Tkacz et Sarah Hu |
Type de document |
Document de travail 99-3 |
Date de publication |
Janvier 1999 |
Langue | Anglais |
Résumé |
Les variables financières et monétaires sont reconnues depuis longtemps comme des indicateurs fiables de l'activité économique future. Dans cette étude, les auteurs tentent de déterminer si le recours à des réseaux neuronaux permet d'améliorer les prévisions réalisées à l'aide de ces variables. Ils constatent qu'à l'horizon d'un trimestre, les réseaux neuronaux ne produisent pas de meilleures prévisions que les modèles linéaires traditionnels. À l'horizon de quatre trimestres toutefois, on observe une amélioration significative des prévisions sur le plan statistique. Les erreurs quadratiques moyennes de prévision des meilleurs modèles neuronaux sont inférieures de 15 à 19 % à celles des modèles linéaires. Cette précision accrue des prévisions pourrait indiquer la présence de relations non linéaires fondamentales entre les variables financières et la croissance de la production réelle à l'horizon d'un an. |
Classification de la Banque |
Indicateurs monétaires et financiers; Méthodes économétriques et statistiques |
JEL | C45, E37, E44 |
Vous pouvez télécharger le document dans le(s) formats(s) suivant(s) :