Les prévisions économiques ont progressé rapidement, grâce à des données plus riches, à de meilleurs algorithmes et à des évaluations rigoureuses. Trois pratiques améliorent constamment la précision. Tout d'abord, combinez plusieurs modèles, car les combinaisons de prévisions surpassent souvent n'importe quel modèle lors des tests hors échantillon, une constatation qui remonte à Bates et Granger et confirmée par des revues et des manuels modernes (vue d'ensemble, chapitre du manuel). Deuxièmement, sélectionnez systématiquement les prédicteurs à l'aide de méthodes qui préviennent le surajustement. Troisièmement, pour la prévision immédiate, exploitez les indicateurs à haute fréquence à l'aide de méthodes à fréquences mixtes telles que MIDAS et MF-VAR, qui préservent les informations rejetées par l'agrégation temporelle (Ghysels et coll., Giannone—Reichlin—Small). Pour l'analyse de scénarios, les prévisions conditionnelles dans les modèles VAR et DSGE selon le cadre bayésien de Waggoner et Zha permet des trajectoires hypothétiques limitées par des politiques ou des hypothèses macroéconomiques.

1) Indice

Indicio est une plateforme de prévisions sans code conçue pour les économistes qui ont besoin d'une sélection de modèles robuste, d'une large couverture de modèles et d'une analyse rapide des scénarios. Il automatise la sélection des variables dans de grands ensembles de données, évalue un large portefeuille de modèles économétriques, de séries chronologiques et de ML, et les pondère en ensembles. Pour la prévision immédiate, il prend en charge la modélisation à fréquences mixtes afin d'intégrer des indicateurs quotidiens et hebdomadaires dans les prévisions mensuelles ou trimestrielles. L'analyse de scénarios utilise le cadre de prévisions conditionnelles introduit par Waggoner et Zha, ce qui vous permet de conditionner les trajectoires en fonction d'hypothèses politiques ou de marché et de générer des distributions en quelques clics. Le fournisseur indique que les utilisateurs obtiennent d'importantes améliorations en matière de prévision immédiate et garantit des gains de précision d'au moins 30 % grâce à sa sélection et à ses ensembles automatisés (aperçu de la diffusion immédiate).

Avantages :

1. Sélection automatique de variables et vaste bibliothèque de modèles avec ensembles pondérés, augmentation de la précision du ciblage.
2. Des prévisions immédiates à fréquences mixtes avec des données à haute fréquence et des preuves de gains importants.
3. Analyse de scénarios via les prévisions conditionnelles Waggoner-Zha, mises en œuvre via une interface utilisateur conviviale.

Inconvénients :

1. Coûte plus cher que les packages open source.
2. Vous ne pouvez pas coder vos propres modèles, mais vous pouvez ajuster les paramètres des modèles.
3. Nécessite une connexion Internet.

(2) Critiques

eViews reste un outil incontournable pour les macroéconomistes appliqués qui ont besoin de séries chronologiques approfondies et d'outils économétriques dans un environnement pointer-cliquer. Il propose des routines ARIMA/ETS, VAR/VEC, un espace d'états, des routines bayésiennes et des régressions MIDAS natives, ce qui vous permet de combiner des objectifs trimestriels avec des indicateurs mensuels ou quotidiens sans pré-agrégation. Les versions récentes ont ajouté des améliorations qui associent MIDAS à la recherche automatique de type GETS afin de sélectionner des prédicteurs haute fréquence pertinents pour les flux de travail de prévision immédiate. Ces fonctionnalités permettent de tester facilement de nombreuses spécifications, de comparer la précision et d'élaborer une stratégie d'ensemble fonctionnelle (Aperçu de Eviews MIDAS, Améliorations apportées à Eviews 12).

Avantages :

1. Gestion native des données MIDAS et à fréquences mixtes pour des versions pratiques de prévision immédiate.
2. Large couverture économétrique, y compris VAR/VEC et l'espace étatique.
3. Comparaison de modèles basée sur l'interface utilisateur qui prend en charge les flux de travail d'ensemble.

Inconvénients :

1. Pondération d'ensemble automatisée intégrée limitée par rapport aux plateformes spécialisées.
2. Des scripts lourds ou une configuration manuelle sont nécessaires pour les grilles de modèles à grande échelle.
3. La collaboration et la gestion des versions sont moins modernes que les outils natifs du cloud.

3) Boîte à outils d'économétrie MATLAB (+ boîtes à outils communautaires)

La boîte à outils d'économétrie de MATLAB fournit un environnement mature pour la VAR/VEC, l'espace d'états, la VAR bayésienne et les prévisions contraintes ou conditionnelles. Des exemples officiels montrent comment générer des réponses conditionnelles dans les variables, ce qui sous-tend une analyse de scénario rigoureuse. Pour la modélisation à fréquences mixtes, les praticiens utilisent couramment des boîtes à outils basées sur MATLAB, telles que le package d'espace d'états à fréquence mixte JSS de Brave et de ses coauteurs ou la boîte à outils MIDAS créée par Ghysels, qui permet d'activer les flux de travail MIDAS et MF-State-Space en plus de la pile d'optimisation et de visualisation de MATLAB (exemple de prévisions conditionnelles, guide de l'espace d'états à fréquences mixtes, Boîte à outils MIDAS).

Avantages :

1. Environnement de bout en bout pour l'économétrie, la simulation et l'analyse de scénarios conditionnels.
2. Riche écosystème d'extensions VAR à fréquences mixtes et bayésiennes.
3. Un outillage performant pour l'automatisation, la reproductibilité et la visualisation.

Inconvénients :

1. Les coûts de licence s'additionnent avec la multiplicité des boîtes à outils.
2. Les fonctionnalités à fréquence mixte reposent souvent sur des modules complémentaires ou du code communautaire.
3. Courbe d'apprentissage plus abrupte que les suites pointer-cliquer.

4) Econométrie SAS (SAS/ETS)

SAS/ETS propose des séries chronologiques et des procédures économétriques de niveau industriel, y compris l'espace d'états, l'UCM, l'ARIMA/ARIMAX, le VAR/MAX et les variantes bayésiennes. Sa documentation comprend des exemples concrets de prévisions conditionnelles et d'analyse de scénarios avec VARMAX, ce qui la rend adaptée aux hypothèses politiques et aux tests de résistance. Dans les grandes entreprises, la gouvernance, la planification et les pistes d'audit de SAS permettent de faire passer les prévisions du prototype à la production (prévisions et scénarios conditionnels dans VARMAX, exemple).

Avantages :

1. Prévisions conditionnelles et flux de travail de scénarios intégrés pour VAR/MAX.
2. Déploiement, journalisation et gouvernance à l'échelle de l'entreprise.
3. Vaste bibliothèque de modèles classiques et d'espace d'états avec des moteurs exogènes.

Inconvénients :

1. Coût total de possession élevé.
2. Moins flexible pour les écosystèmes ML de pointe que pour les écosystèmes Python/R.
3. L'expérience de l'interface graphique semble dépassée par rapport aux nouvelles plates-formes.

5) OxMetrics (PCGive + Autometrics)

OxMetrics avec PCGive se concentre sur la modélisation économétrique disciplinée. Autometrics met en œuvre l'approche générale à spécifique pour la sélection automatique des variables et des décalages, vous aidant à parcourir de vastes espaces de modèles tout en préservant la rigueur du diagnostic, une réponse solide à la question des variables à inclure dans la question du modèle. PCGive couvre les systèmes à équations uniques et multiples, les variables, la cointégration, etc., vous permettant d'évaluer de nombreuses structures, puis de combiner ou de comparer les résultats pour stabiliser la précision (Manuel PCGive notant l'intégration d'Autometrics, Principes de l'autométrie).

Avantages :

1. Sélection automatique des variables industrialisée via Autometrics/GETS.
2. Diagnostic efficace pour détecter les erreurs de spécification, la stabilité et les valeurs aberrantes.
3. Adapté à la création de modèles défendables que les analystes peuvent expliquer.

Inconvénients :

1. Moins d'options et d'ensembles de ML prêts à l'emploi.
2. Le support à fréquence mixte repose sur des flux de travail plutôt que sur des modules dédiés.
3. Écosystème d'extensions tierces plus petit que MATLAB/R.

6) Dynare

Dynare est le principal environnement open source pour la modélisation DSGE et la macroéconométrie bayésienne. Il prend en charge les prévisions conditionnelles et l'analyse de scénarios en limitant les trajectoires de variables ou de chocs sélectionnés, ce qui est idéal pour les simulations politiques et les exercices d'orientation prospective. Les économistes peuvent intégrer des éléments DSGE et BVAR pour comparer des projections cohérentes sur le plan théorique avec des alternatives basées sur les données et même les mélanger pour stabiliser la précision (Manuel Dynare : prévisions).

Avantages :

1. Des flux de travail DSGE et bayésiens de pointe pour des scénarios de niveau politique.
2. Open source, avec une large base d'utilisateurs universitaires et de banques centrales.
3. Flexible pour les trajectoires contraintes et les simulations multi-chocs.

Inconvénients :

1. Courbe d'apprentissage abrupte et flux de travail axé sur le code.
2. Interface graphique et rapports limités par rapport aux suites commerciales.
3. Fréquences mixtes gérées indirectement via des configurations d'espace d'état personnalisées.

7) État

Stata est un outil d'économétrie polyvalent doté d'une solide couverture de séries chronologiques, y compris des VAR/VECM et des VARs bayésiennes pour les prévisions multivariables. Il prend en charge les flux de travail de prévision dynamiques et bayésiens et s'intègre facilement à des scripts reproductibles pour des tests et des évaluations robustes. Pour l'analyse de scénarios, vous pouvez conditionner les prévisions à l'aide de la structure du modèle et de trajectoires exogènes, et tirer parti de la chaîne d'outils bayésienne pour la quantification de l'incertitude (Prévisions VAR bayésiennes à Stata).

Avantages :

1. Flux de travail VAR/VEC et VAR bayésiens fiables avec analyse des incertitudes.
2. Gestion efficace des données et pipelines de fichiers Do-File reproductibles.
3. Bonne documentation et soutien communautaire.

Inconvénients :

1. Aucun module MIDAS clé en main natif pour la diffusion immédiate à fréquences mixtes.
2. Moins d'utilitaires d'ensemble automatisés prêts à l'emploi.
3. Visualisation et tableaux de bord moins modernes que les plateformes spécialisées.

8) Écosystème R (midsar, vars, BVAR et plus)

R propose une pile open source de premier ordre pour les prévisions économiques. Le midasr le package implémente MIDAS et U-MIDAS pour la diffusion immédiate à fréquences mixtes, vars fournit à VAR/SVAR/VECM des prévisions et des IRF, et BVAR prend en charge les variables bayésiennes avec des méthodes d'analyse de scénarios. Combiné à des packages d'empilage, vous pouvez créer de grandes grilles de modèles, effectuer une sélection de variables et regrouper des modèles classiques et ML. Il est puissant, extensible et prêt à être mis en production grâce à une ingénierie adaptée (article JSS midasr, manuel Vars CRAN, Manuel BVAR CRAN).

Avantages :

1. Une diffusion immédiate à fréquences mixtes de première classe avec MIDAS/U-MIDAS.
2. Une couverture économétrique étendue ainsi que des bibliothèques modernes de machine learning et d'empilage.
3. Le coût le plus bas et la plus grande extensibilité via des packages.

Inconvénients :

1. Lourd en code, nécessite une ingénierie pour la gouvernance et les MLOP.
2. La qualité varie d'un package à l'autre, ce qui augmente les frais de validation.
3. Il n'y a pas de fournisseur unique pour le support, à moins que vous ne le contractiez.

Pourquoi ces fonctionnalités sont importantes en ce moment

• Sélection de variables qui s'adapte
  La sélection bayésienne de variables, la recherche par étapes, la pénalisation et le dépistage factoriel réduisent les faux positifs et stabilisent les erreurs hors échantillon lorsque l'ensemble de prédicteurs candidats est important (Indico : sélection de variables).
• Assemblez sur des modèles uniques
  Des décennies de preuves montrent que les combinaisons surpassent généralement les spécifications individuelles dans toutes les conditions, réduisant ainsi la variance et le risque du modèle (Bilan sur 50 ans, note de manuel).
• Fréquence mixte pour la diffusion immédiate
  MIDAS et MF-VAR utilisent tous les signaux quotidiens ou hebdomadaires opportuns sans agrégation destructrice d'informations, et des travaux récents montrent des gains de précision importants dans la pratique (Ghysels et coll., Demandes de la BCE, Fed de Cleveland 2024).
• Une analyse de scénarios fondée sur des principes
  Les prévisions conditionnelles suivant le cadre de Waggoner-Zha vous permettent d'imposer des trajectoires futures souples ou difficiles et de générer des distributions pour l'élaboration de politiques hypothétiques (Waggoner et Zha, Scénarios à grande valeur ajoutée de la BCE).

‍