Key points are not available for this paper at this time.
L'objectif de cet article est d'étudier l'application d'un modèle de facteur dynamique généralisé (GDFM) basé sur une analyse dynamique des composantes principales pour prévoir la croissance économique à court terme en Roumanie. Nous avons utilisé une approche généralisée des composantes principales pour estimer un modèle dynamique basé sur un ensemble de données comprenant 86 variables économiques et non économiques liées à la production économique. Le modèle exploite les corrélations dynamiques entre ces variables et utilise trois composantes communes qui représentent environ 72 % des informations contenues dans l'espace d'origine. Nous montrons qu'il est possible de générer des prévisions fiables du produit intérieur brut (PIB) réel trimestriel en utilisant uniquement les composantes communes tout en évaluant également la contribution des variables individuelles à la dynamique du PIB réel. Afin d'évaluer la performance relative du GDFM par rapport aux modèles standards basés sur l'analyse des composantes principales, nous avons également estimé deux modèles de Stock-Watson (SW) qui ont été utilisés pour effectuer les mêmes prévisions hors échantillon que le GDFM. Les résultats indiquent une performance significativement meilleure du GDFM par rapport aux modèles SW concurrents, ce qui confirme empiriquement nos attentes selon lesquelles le GDFM produit des prévisions plus précises lorsqu'il traite de grands ensembles de données.
Armeanu et al. (Mon,) ont étudié cette question.