De economische voorspellingen zijn snel gevorderd, dankzij rijkere gegevens, betere algoritmen en rigoureuze evaluaties. Drie methoden verbeteren de nauwkeurigheid voortdurend. Combineer eerst meerdere modellen, aangezien voorspellingscombinaties vaak beter zijn dan elk enkel model bij tests buiten de steekproef, een bevinding die teruggaat tot Bates en Granger en wordt bevestigd door moderne recensies en studieboeken (overzicht, hoofdstuk uit het leerboek). Ten tweede, selecteer systematische voorspellers met behulp van methoden die bescherming bieden tegen overfitting. Ten derde, gebruik voor nowcasting hoogfrequente indicatoren met gemengde frequentiemethoden zoals MIDAS en MF-VAR, die informatie bewaren die door tijdaggregatie wordt weggegooid (Ghysels e.a., Giannone—Reichlin—Klein). Voor scenarioanalyse, voorwaardelijke voorspelling in VAR- en DSGE-modellen volgens het Bayesiaanse raamwerk van Wagoner en Zha maakt wat-als-paden mogelijk die beperkt worden door beleids- of macro-veronderstellingen.

1) Indicatief

Indicio is een prognoseplatform zonder code dat is ontworpen voor economen die behoeften hebben aan een robuuste modelselectie, een brede modeldekking en snelle scenarioanalyse. Het automatiseert de selectie van variabelen in grote datasets, evalueert een breed portfolio van econometrische, tijdreeks- en ML-modellen en weegt deze in ensembles af. Voor nowcasting ondersteunt het modelleren met gemengde frequenties om dagelijkse en wekelijkse indicatoren op te nemen in maandelijkse of driemaandelijkse voorspellingen. Scenarioanalyse maakt gebruik van het conditionele voorspellingskader dat is geïntroduceerd door Waggoner en Zha, zodat u paden kunt conditioneren op basis van beleids- of marktaannamen en met een paar klikken distributies kunt genereren. De leverancier meldt dat gebruikers grote nowcasting-verbeteringen hebben bereikt en garandeert een nauwkeurigheidswinst van ten minste 30 procent dankzij de geautomatiseerde selectie en ensembles (Overzicht van nowcasting).

Voordelen:

1. Geautomatiseerde selectie van variabelen plus een grote modelbibliotheek met gewogen ensembles, gericht op een verhoging van de nauwkeurigheid.
2. Nowcasting met gemengde frequentie met hoogfrequente gegevens en bewijs van aanzienlijke winsten.
3. Scenario-analyse via voorwaardelijke voorspellingen van Waggoner-Zha, geïmplementeerd via een gebruiksvriendelijke gebruikersinterface.

Nadelen:

1. Kost meer dan opensourcepakketten.
2. U kunt uw eigen modellen niet coderen, maar u kunt wel de modelinstellingen aanpassen.
3. Vereist een internetverbinding.

2) Beoordelingen

Eviews blijft een belangrijk onderdeel voor toegepaste macro-economie die diepgaande tijdreeksen en econometrische hulpmiddelen nodig hebben in een point-and-click-omgeving. Het biedt ARIMA/ETS, VAR/VEC, state-space, Bayesiaanse routines en native MIDAS-regressies, zodat u kwartaaldoelen kunt combineren met maandelijkse of dagelijkse indicatoren zonder vooraf te aggregeren. Recente releases hebben verbeteringen toegevoegd die MIDAS combineren met automatisch zoeken in GETS-stijl om relevante hoogfrequente voorspellers te selecteren voor nowcasting-workflows. Deze functies maken het eenvoudig om veel specificaties te testen, de nauwkeurigheid te vergelijken en een werkende ensemblestrategie samen te stellen (Eviews MIDAS overzicht, 12 verbeteringen van eViews).

Voordelen:

1. Native MIDAS en gegevensverwerking met gemengde frequentie voor praktische nowcasting-builds.
2. Brede econometrische dekking, waaronder VAR/VEC en staatsruimte.
3. UI-gestuurde modelvergelijking die ensembleworkflows ondersteunt.

Nadelen:

1. Beperkte ingebouwde automatische-ensembleweging in vergelijking met gespecialiseerde platforms.
2. Zware scripting of handmatige installatie is vereist voor grootschalige modelrasters.
3. Samenwerking en versiebeheer zijn minder moderne dan cloud-native tools.

3) MATLAB Econometrics Toolbox (+ toolboxen voor de gemeenschap)

De Econometrics Toolbox van MATLAB biedt een volwassen omgeving voor VAR/VEC, staatsruimte, Bayesiaanse VAR en beperkte of voorwaardelijke prognoses. Officiële voorbeelden laten zien hoe conditionele reacties kunnen worden gegenereerd in VAR's, wat de basis vormt voor een gedisciplineerde scenarioanalyse. Voor modellering met gemengde frequentie gebruiken beoefenaars vaak op MATLAB gebaseerde toolboxen, zoals het JSS mixed-frequency state-space-pakket van Brave en coauteurs van de MIDAS-Toolbox van Ghysels, waardoor MIDAS- en MF-State-Space-workflows mogelijk zijn naast de optimalisatie- en visualisatiestack van MATLAB (voorbeeld van voorwaardelijke voorspellingen, gids voor toestand-ruimtevaart met gemengde frequentie, MIDAS gereedschapskist).

Voordelen:

1. End-to-end-omgeving voor econometrie, simulatie en voorwaardelijke scenarioanalyse.
2. Rijk ecosysteem van add-ons met gemengde frequentie en Bayesiaanse VAR.
3. Sterke tools voor automatisering, reproduceerbaarheid en visualisatie.

Nadelen:

1. De licentiekosten lopen op bij meerdere toolboxen.
2. Functies met een gemengde frequentie zijn vaak afhankelijk van add-ons of communitycode.
3. Steilere leercurven en point-and-click-suites.

4) SAS-econometrie (SAS/ETS)

SAS/ETS biedt tijdreeksen en econometrische procedures van industriële kwaliteit, waaronder varianten in de staatsruimte, UCM, ARIMA/ARIMAX, VAR/MAX en Bayesiaanse varianten. De documentatie bevat uitgewerkte voorbeelden voor voorwaardelijke voorspellingen en scenarioanalyse met VARMAX, waardoor deze geschikt zijn voor wat-als-beleidsonderzoeken en stresstests. In grote organisaties helpen de bestuurs-, planning- en audittrails van SAS om prognoses van prototype naar productie te verplaatsen (voorwaardelijke voorspellingen en scenario's in VARMAX, voorbeeld).

Voordelen:

1. Ingebouwde voorwaardelijke prognoses en scenarioworkflows voor VAR/MAX.
2. Implementatie, logboekregistratie en beheer op bedrijfsniveau.
3. Brede bibliotheek voor klassieke en ruimtevaartmodellen met exogene drivers.

Nadelen:

1. Hoge totale eigendomskosten.
2. Minder flexibel voor geavanceerde ML vergeleken met Python/R-ecosystemen.
3. De GUI-ervaring voelt gedateerd aan in vergelijking met nieuwere platforms.

5) OxMetrics (PCGive + Autometrie)

OxMetrics met PCGive richt zich op econometrisch gedisciplineerde modellering. Autometrie implementeert de algemene naar specifieke benadering voor geautomatiseerde selectie van variabelen en vertragingen, waardoor u enorme modelruimten kunt doorkruisen met behoud van de diagnostische nauwkeurigheid, een sterk antwoord op de vraag welke variabelen in de modelvraag moeten worden opgenomen. PCGive omvat systemen met één en meerdere vergelijkingen, VAR's, co-integratie en meer, zodat u veel structuren kunt evalueren en vervolgens de resultaten kunt combineren of vergelijken om de nauwkeurigheid te stabiliseren (PCGive handleiding met notities over integratie van autometrie, Autometrische principes).

Voordelen:

1. Geïndustrialiseerde automatische variabele selectie via Autometrics/GETS.
2. Sterke diagnose voor verkeerde specificaties, stabiliteit en uitschieters.
3. Geschikt voor het bouwen van verdedigbare modellen die analisten kunnen uitleggen.

Nadelen:

1. Minder kant-en-klare ML-opties en -ensembles.
2. Ondersteuning voor gemengde frequenties is afhankelijk van workflows in plaats van speciale modules.
3. Kleiner ecosysteem van extensies van derden dan MATLAB/R.

6) Dynare

Dynare is de toonaangevende open-source omgeving voor DSGE-modellering en Bayesiaanse macro-econometrie. Het ondersteunt voorwaardelijke prognoses en scenarioanalyse door de paden van geselecteerde variabelen of schokken te beperken, wat ideaal is voor beleidssimulaties en toekomstgerichte begeleidingsoefeningen. Economie kunnen DSGE- en BVAR-elementen integreren om theorie-consistente projecties te vergelijken met datagestuurde alternatieven en deze zelfs combineren om de nauwkeurigheid te stabiliseren (Dynare handleiding: prognoses).

Voordelen:

1. Geavanceerde DSGE- en Bayesiaanse workflows voor scenario's op beleidsniveau.
2. Open source, met een groot gebruikersbestand van academische en centrale banken.
3. Flexibel voor beperkte paden en simulaties met meerdere schokken.

Nadelen:

1. Steile leercurve en workflow waarbij de code centraal staat.
2. Beperkte GUI en rapportage vergeleken met commerciële suites.
3. Gemengde frequentie wordt indirect afgehandeld via aangepaste status-space-opstellingen.

7) Status

Stata is een veelzijdige econometrische werkbank met een solide dekking van tijdreeksen, waaronder VAR/VECM en Bayesiaanse VAR's voor prognoses met meerdere variabelen. Het ondersteunt dynamische en Bayesiaanse prognoseworkflows en kan eenvoudig worden geïntegreerd met reproduceerbare scripts voor robuuste backtesting en evaluatie. Voor scenarioanalyse kunt u voorspellingen conditioneren via de modelstructuur en exogene paden, en de Bayesiaanse toolchain gebruiken voor het kwantificeren van onzekerheden (Bayesiaanse VAR-voorspelling in Stata).

Voordelen:

1. Betrouwbare VAR/VEC- en Bayesiaanse VAR-workflows met onzekerheidsanalyse.
2. Sterk gegevensbeheer en reproduceerbare do-file-pijplijnen.
3. Goede documentatie en ondersteuning van de gemeenschap.

Nadelen:

1. Geen native kant-en-klare MIDAS-module voor nowcasting met gemengde frequentie.
2. Minder kant-en-klare geautomatiseerde hulpprogramma's voor ensembles.
3. Visualisatie en dashboards zijn minder modern dan gespecialiseerde platforms.

8) R-ecosysteem (midars, vars, BVAR en meer)

R biedt een best-in-class open-source stack voor economische prognoses. De midar pakket implementeert MIDAS en U-MIDAS voor nowcasting met gemengde frequentie, vars biedt VAR/SVAR/VECM prognoses en IRF's, en BVAR ondersteunt Bayesiaanse VAR's met scenarioanalysemethoden. In combinatie met stapelpakketten kunt u grote modelrasters bouwen, variabelen selecteren en klassieke en ML-modellen samenvoegen. Het is krachtig, uitbreidbaar en klaar voor productie met de juiste techniek (midasr JSS-artikel, vars CRAN handleiding, BVAR CRAN handleiding).

Voordelen:

1. Eersteklas nowcasting met gemengde frequentie met MIDAS/U-MIDAS.
2. Brede econometrische dekking plus moderne ML- en stapelbibliotheken.
3. Laagste kosten en grootste uitbreidbaarheid via pakketten.

Nadelen:

1. Veel code, vereist engineering voor bestuur en MLOps.
2. De kwaliteit varieert tussen pakketten, waardoor de kosten voor validatie toenemen.
3. Geen enkele leverancier voor ondersteuning, tenzij u een contract aanneemt.

Waarom deze functies op dit moment belangrijk zijn

• Variabele selectie die schaalbaar is
  Bayesiaanse selectie van variabelen, stapsgewijs zoeken, bestraffing en op factoren gebaseerde screening verminderen het aantal valse positieven en stabiliseren de fouten die buiten de steekproef vallen wanneer de set kandidaat-voorspellers groot is (Indico: variabele selectie).
• Monteer over afzonderlijke modellen
  Tientallen jaren bewijs tonen aan dat combinaties doorgaans beter presteren dan individuele specificaties in alle omstandigheden, waardoor de variantie en het modelrisico afnemen (50-jarig overzicht, notitie uit het leerboek).
• Gemengde frequentie voor nowcasting
  MIDAS en MF-VAR gebruiken alle tijdige dagelijkse of wekelijkse signalen zonder aggregatie van informatie te vernietigen, en recent onderzoek toont aan dat de nauwkeurigheid in de praktijk aanzienlijk toeneemt (Ghysels e.a., ECB-aanvragen, Cleveland Fed 2024).
• Scenario-analyse die gebaseerd is op principes
  Met voorwaardelijke voorspellingen volgens het Waggoner-Zha-raamwerk kunt u zachte of harde toekomstpaden opleggen en distributies genereren voor wat-als-beleidsvorming (Wagoner en Zha, Scenario's van de ECB voor grote).

‍