La capacità di monitorare il ciclo economico risente dei ritardi di pubblicazione del PIL trimestrale, la cui prima stima è disponibile, nell’area dell’euro, circa due mesi dopo la fine del periodo di riferimento. Valutazioni più tempestive possono essere ottenute sulla base di indicatori congiunturali pubblicati a frequenza più elevata, in genere mensile. A questo scopo vengono spesso utilizzati dei modelli dinamici lineari composti da equazioni singole o da sistemi di piccola scala, che mettono in relazione variabili trimestrali con indicatori mensili (bridge models). La specificazione di questi modelli richiede una preselezione accurata tra le numerose variabili congiunturali che possono essere considerate. Tale processo può rivelarsi estremamente oneroso dal punto di vista computazionale dato che il numero di specificazioni che è possibile definire con un insieme di indicatori aumenta a ritmo esponenziale con la dimensione dell’insieme stesso.
Il presente lavoro propone un metodo di selezione delle variabili per un modello bridge che consente di semplificare notevolmente la fase di individuazione della variabili. Esso si basa su un approccio noto come Bayesian Model Averaginge utilizza un algoritmo di selezione che esplora le possibili specificazioni in modo efficiente. Tale algoritmo inizialmente sceglie casualmente un modello di partenza e uno “simile” (caratterizzato dalla presenza di un indicatore in più o in meno). Se il primo modello ha una verosimiglianza inferiore a quella del secondo, l’algoritmo prende come base quest’ultimo, altrimenti prosegue con l’analisi di un altro modello “simile” al primo. Il processo termina dopo un numero di iterazioni prefissato. Tale procedura consente di esplorare solo una parte di tutte le possibili specificazioni; inoltre, fornisce informazioni sulla significatività di ciascun indicatore nel corso del tempo e sull’incertezza gravante su ciascun modello esplorato.
Per valutare l’accuratezza delle previsioni ottenute dai modelli bridge specificati utilizzando tale algoritmo, il lavoro presenta un esercizio di previsione in pseudo real-time del PIL dell’area dell’euro e delle tre maggiori economie. L’insieme degli indicatori mensili utilizzati è costituito da circa 20-30 variabili per ciascun paese. I risultati mostrano che le stime a breve termine ottenute con tale algoritmo di selezione sono generalmente più accurate di quelle fornite sia da semplici modelli a fattori dinamici, sia da modelli bridge in cui la selezione degli indicatori rimane costante nel tempo.
