Pressemitteilung WP 133: Zeitnahe BIP-Prognosen anhand umfangreicher Monatsdatensätze – Eine Bewertung von Prognosemodellen im simulierten Echtzeitumfeld

published in the Journal of Forecasting, Vol. 28(7), Nov. 2009, pp. 595-611

Dieses Papier bewertet verschiedene Modelle für die zeitnahe Prognose des realen BIP-Wachstums in 10 ausgewählten europäischen Ländern sowie der gesamten Eurozone. Die Untersuchung vergleicht auf Quartalsdaten basierende Modelle mit solchen, die früh verfügbare monatliche Indikatoren für aktuelle Aussagen (Nowcast) und zukünftige Prognosen (Forecast) des vierteljährlichen BIP-Wachstums nutzen. Zu den letzteren zählen Überbrückungs- und Prognosegleichungen, die eine Überbrückung zwischen monatlichen und vierteljährlichen Daten erzielen, indem sie auf Faktoren zurückgreifen, die aus umfangreichen Monatsdatensätzen entnommen wurden. Die Prognose wird in einem simulierten Echtzeitumfeld durchgeführt, das die zeitlich verzögerte Veröffentlichung individueller Datenreihen berücksichtigt. Grundsätzlich konnte festgestellt werden, dass Modelle, die auf monatlichen Daten basieren, den auf Quartalsdaten basierenden Modellen überlegen sind. In der ersten Kategorie sind Faktormodelle am leistungsstärksten.