Short-Term Forecasting Economic Activity in Germany: A Supply and Demand Side System of Bridge Equations

Abstract

Research QuestionAn accurate assessment of current economic conditions and the short-term outlook is an important input for policy makers and institutions such as central banks. Quantitative forecasts play an important role for this purpose. In practice, it is not only the expected growth rate of the aggregate real gross domestic product (GDP) which matters, but also the corresponding composition, i.e. the drivers of the economic expansion on the sectoral level or in terms of demand impulses. ContributionAddressing this need, we propose a comprehensive disaggregate approach for short-term forecasting economic activity in Germany. We explicitly take into account the way GDP is computed in the national accounts statistics, i.e. on the one hand by the supply or production side and on the other hand by the demand side. The GDP figures calculated by the two sides usually yield different results and the official GDP release is somewhere in between. We make use of this statistical procedure by separately modeling the two sides of GDP in a system of so-called bridge equations at the most disaggregate level available and combining the resulting two aggregate GDP forecasts. ResultsComparing several specification schemes in an out-of-sample forecast evaluation setup, we are able to find accurate forecasts for most of the underlying GDP components. We then show first, that both approaches already yield aggregate forecasts which are better than a simple benchmark forecast for forecast horizons of up to 28 weeks and second, that combining the production side and the demand side projections substantially improves the forecast performance, in particular for the shorter forecast horizons. Nichttechnische ZusammenfassungFragestellung Für wirtschaftspolitische Entscheidungsträger und Institutionen wie Zentralbanken ist eine genaue Einschätzung der aktuellen konjunkturellen Lage und der kurzfristigen Perspektiven eine wichtige Entscheidungsgrundlage. Dabei spielen quantitative Prognosen eine wichtige Rolle. In der Praxis steht nicht nur die erwartete Wachstumsrate des aggregierten realen Bruttoinlandsprodukts (BIP) im Fokus, sondern auch die dazugehörige Komposition und somit die sektoralen Antriebskräfte sowie die Nachfrageimpulse hinter dem Wirtschaftswachstum. BeitragUm diesen Bedarf zu bedienen, wird ein umfassender disaggregierter Ansatz für die Kurzfristprognose der gesamtwirtschaftlichen Aktivität in Deutschland vorgestellt. Dabei wird explizit berücksichtigt, dass das BIP in den Volkswirtschaftlichen Gesamtrechnungen einerseits über die Entstehungsseite und andererseits über die Verwendungsseite berechnet wird. Beide Rechenansätze liefern üblicherweise unterschiedliche Ergebnisse, und die offiziellen BIP-Zahlen liegen dazwischen. Dieser statistischen Vorgehensweise wird Rechnung getragen, indem die Entstehungs-und die Verwendungsseite des BIP getrennt voneinander in einem System von sogenannten Brückengleichungen auf der tiefsten verfügbaren Disaggregationsstufe modelliert und die beiden sich daraus ergebenden aggregierten B...

Estimación adelantada del crecimiento regional mediante redes neuronales LSTM

“…Las herramientas clásicas para llevar a cabo el análisis regional, de ciclos y coyuntura, realizan un trabajo bastante satisfactorio que con el tiempo ha ido mejorando. Podemos señalar los modelos de series temporales (Ramajo, Márquez y Hewings; los modelos de ecuaciones puente que ponen en relación un conjunto de indicadores con una determinada variable de interés, generalmente el PIB, habitualmente desarrollando indicadores sintéticos (Trujillo, Benítez y López, 1999;López y Castro, 2004;Pinkwart, 2018) mediante técnicas de componentes principales o similares y, finalmente, merecen un apunte las versiones más modernas y sofisticadas de los mismos, como son los modelos de factores dinámicos (Cuevas y Quilis, 2015;Gil et al, 2018;Casares, 2017). DIAGRAMA 1.…”

“…Ecuaciones puente con indicadores sintéticos, ver una aplicación reciente en Pinkwart (2018), ponen en relación las variables explicativas con la variable a explicar. La opción más sencilla sería la utilización directa en la regresión de las variables independientes.…”