N. 896 - Previsioni di breve periodo del PIL con un modello a fattori dinamico a frequenze miste e volatilità stocastica

Go to the english version Cerca nel sito

di Massimiliano Marcellino, Mario Porqueddu e Fabrizio Venditti gennaio 2013

L’adozione delle decisioni di politica macroeconomica richiede un regolare monitoraggio delle condizioni cicliche dell’economia, reso difficile dalla mancata disponibilità di informazioni tempestive sull’andamento del PIL e delle principali voci dei conti nazionali. Questi ultimi sono, infatti, aggiornati con frequenza trimestrale e con significativo ritardo; la prima stima del PIL dell’area dell’euro è disponibile solo dopo circa due mesi dalla fine del trimestre di riferimento. Anche l’aggiornamento della produzione industriale, il più importante indicatore quantitativo di offerta disponibile a frequenza mensile, è soggetto a un simile ritardo.

Una maggiore tempestività caratterizza gli indicatori qualitativi, quali gli esiti delle inchieste congiunturali, che sono disponibili già alla fine del mese di riferimento. Alla maggiore tempestività si contrappone, tuttavia, una loro minore affidabilità ai fini della valutazione dello stato della congiuntura reale. Per questa ragione, allo scopo di ottenere stime aggiornate del PIL, anche in prossimità della pubblicazione dei dati ufficiali, sono stati sviluppati modelli che consentono l’utilizzo di informazioni quantitative e qualitative disponibili con diversi ritardo e frequenza. Si è, inoltre, accresciuto l’interesse verso la stima di intervalli di confidenza con cui misurare l’evoluzione dell’incertezza sulle previsioni a mano a mano che si rendono disponibili nuove informazioni.

Allo scopo di ottenere previsioni accurate della dinamica del PIL dell’area dell’euro, questo lavoro utilizza metodi Bayesiani per stimare un modello a fattori dinamici a frequenze miste e volatilità stocastica. Quest’ultima caratteristica si dimostra particolarmente rilevante per ottenere previsioni più accurate, per dati intervalli di confidenza, rispetto a quelle desunte da un modello con varianza degli errori costante.

La specificazione state-space del modello, congiuntamente al metodo di stima Bayesiano, consente di valutare l’impatto dell’aggiornamento dei singoli indicatori sulla previsione della crescita del PIL, con riferimento sia al valore puntuale sia al suo grado di incertezza. In particolare, la disponibilità di nuove informazioni sulla produzione industriale consente di migliorare l’accuratezza delle previsioni in misura maggiore rispetto a quanto riscontrato con nuovi dati sulle inchieste presso le imprese.

Pubblicato nel 2016 in: Journal of Business & Economic Statistics, v. 34, 1, pp. 118-127