2939 articles  [version française]
HAL: halshs-00662771, version 1

Detailed view  Export this paper
Prévoir sans persistance
Christophe Boucher ( ) 1, 2, Bertrand Maillet 2, 3, 4
(2012-01)

La littérature sur la prévision économique et financière a identifié trois problèmes importants : l'instabilité des régressions prédictives, la discordance des résultats des tests de prévisions en échantillon et hors échantillon, et la difficile inférence statistique lorsque les prédicteurs sont hautement persistants. Dans cet article, nous abordons ces trois questions simultanément, en proposant de traiter en amont la persistance des variables prédictives. Nous retirons ainsi préalablement les composantes basses fréquences des prédicteurs et nous montrons, en simulations et sur des données financières, que ce pré-traitement permet d'améliorer leur pouvoir prédictif.
1:  Centre d'économie de la Sorbonne (CES)
CNRS : UMR8174 – Université Paris I - Panthéon-Sorbonne
2:  A.A.Advisors-QCG
ABN AMRO
3:  Laboratoire d'économie d'Orleans (LEO)
CNRS : UMR6221 – Université d'Orléans
4:  EIF
Europlace Institute of Finance
Axe Finance
Humanities and Social Sciences/Economies and finances

Humanities and Social Sciences/Business administration

Humanities and Social Sciences/Methods and statistics
Prévision – persistance – filtres.
Attached file list to this document: 
PDF
12001.pdf(338 KB)