Baromètre EY du capital risque en France - Bilan annuel 2016EY
Le Baromètre EY du capital risque en France recense les opérations de financement en fonds propres des entreprises en phase de création ou durant les premières années d’existence, en date d’opération du 1er janvier au 31 décembre 2016, publiées avant le 20 janvier 2017.
Diaporama ProgrèS Technique Et Croissance 2007 2008guestf961ba
Ce diaporama présentant les liens entre croissance et déprogrès technique reprend :
1 - le diaporama de T Larribe sur robinson (remarquable comme toujours)
2 - il s'appuie sur des éléments à une diaporama d'HEC
3 Il emprunte des animations à mr Rodriguez
Le 1er juin 2010, la Fondation iFRAP a organisé, en partenariat avec la Fondation Concorde et CroissancePlus, un colloque à Bercy placé sous le haut patronage de Christine Lagarde, ministre de l'Économie.
Objectif du colloque : dégager des propositions pour « Reconstruire notre économie ».
Medef 2020 03 03 - documents du Conseil Exécutif sur le coronavirusSociété Tripalio
Document récapitulatif du MEDEF présenté au Conseil Exécutif de fin mars sur la situation économique après 15 jours de confinement. Importants indicateurs donnés par les différentes fédérations du MEDEF.
L'Insee a publié, le 27 janvier 2017, son enquête trimestrielle de conjoncture dans l'artisanat du bâtiment.
En janvier 2017, le climat conjoncturel s'améliore à nouveau dans l'artisanat du bâtiment.
En janvier 2017, les artisans du bâtiment sont plus nombreux qu'en octobre 2016 à déclarer une hausse de leur activité passée.
Le solde correspondant passe au-dessus de sa moyenne de long terme pour la première fois depuis de 2e trimestre 2011.
Le solde sur l’activité prévue s’améliore nettement et repasse audessus de sa moyenne de longue période. De même, l’opinion des artisans sur les perspectives générales du secteur s’améliore ; le solde correspondant excède davantage sa moyenne de long terme.
Le mot du président - Georges-Antoine Strauch Groupe ARTICQUE
Georges-Antoine Strauch président du Groupe ARTICQUE, présente les sociétés et les missions du groupe au travers de sa présentation.
Ce diaporama a été réalisé et présenté en introduction lors des Rencontres annuelles Articque 2014, qui se sont déroulées le 29 janvier à Paris et organisées par le Groupe ARTICQUE.
Pour en savoir plus : http://www.articque.com/societe/rencontres-annuelles-2014/
Ipsos/Sopra-Steria pour la 20ème journée du livre d'économie Lire la société
En savoir + : https://www.ipsos.com/fr-fr/six-mois-des-elections-europeennes-les-francais-portent-un-regard-ambivalent-sur-lunion-europeenne
Baromètre EY du capital risque en France - Bilan annuel 2016EY
Le Baromètre EY du capital risque en France recense les opérations de financement en fonds propres des entreprises en phase de création ou durant les premières années d’existence, en date d’opération du 1er janvier au 31 décembre 2016, publiées avant le 20 janvier 2017.
Diaporama ProgrèS Technique Et Croissance 2007 2008guestf961ba
Ce diaporama présentant les liens entre croissance et déprogrès technique reprend :
1 - le diaporama de T Larribe sur robinson (remarquable comme toujours)
2 - il s'appuie sur des éléments à une diaporama d'HEC
3 Il emprunte des animations à mr Rodriguez
Le 1er juin 2010, la Fondation iFRAP a organisé, en partenariat avec la Fondation Concorde et CroissancePlus, un colloque à Bercy placé sous le haut patronage de Christine Lagarde, ministre de l'Économie.
Objectif du colloque : dégager des propositions pour « Reconstruire notre économie ».
Medef 2020 03 03 - documents du Conseil Exécutif sur le coronavirusSociété Tripalio
Document récapitulatif du MEDEF présenté au Conseil Exécutif de fin mars sur la situation économique après 15 jours de confinement. Importants indicateurs donnés par les différentes fédérations du MEDEF.
L'Insee a publié, le 27 janvier 2017, son enquête trimestrielle de conjoncture dans l'artisanat du bâtiment.
En janvier 2017, le climat conjoncturel s'améliore à nouveau dans l'artisanat du bâtiment.
En janvier 2017, les artisans du bâtiment sont plus nombreux qu'en octobre 2016 à déclarer une hausse de leur activité passée.
Le solde correspondant passe au-dessus de sa moyenne de long terme pour la première fois depuis de 2e trimestre 2011.
Le solde sur l’activité prévue s’améliore nettement et repasse audessus de sa moyenne de longue période. De même, l’opinion des artisans sur les perspectives générales du secteur s’améliore ; le solde correspondant excède davantage sa moyenne de long terme.
Le mot du président - Georges-Antoine Strauch Groupe ARTICQUE
Georges-Antoine Strauch président du Groupe ARTICQUE, présente les sociétés et les missions du groupe au travers de sa présentation.
Ce diaporama a été réalisé et présenté en introduction lors des Rencontres annuelles Articque 2014, qui se sont déroulées le 29 janvier à Paris et organisées par le Groupe ARTICQUE.
Pour en savoir plus : http://www.articque.com/societe/rencontres-annuelles-2014/
Ipsos/Sopra-Steria pour la 20ème journée du livre d'économie Lire la société
En savoir + : https://www.ipsos.com/fr-fr/six-mois-des-elections-europeennes-les-francais-portent-un-regard-ambivalent-sur-lunion-europeenne
- The document discusses strategies for analyzing large datasets that are too big to fit into memory, including using cloud computing, the ff and rsqlite packages in R, and sampling with the data.sample package.
- The ff and rsqlite packages allow working with data beyond RAM limits but require rewriting code, while data.sample provides sampling without rewriting code but introduces sampling error.
- Cloud computing avoids rewriting code and has no memory limits but requires setup, and sampling is good for analysis but not reporting exact values.
The document introduces building a data science platform in the cloud using Amazon Web Services and open source technologies. It discusses motivations for using a cloud-based approach for flexibility and cost effectiveness. The key building blocks are described as Amazon EC2 for infrastructure, Vertica for fast data storage and querying, and RStudio Server for analytical capabilities. Step-by-step instructions are provided to set up these components, including launching an EC2 instance, attaching an EBS volume for storage, installing Vertica and RStudio Server, and configuring connectivity between components. The platform allows for experimenting and iterating quickly on data analysis projects in the cloud.
This document describes a collapsed dynamic factor analysis model for macroeconomic forecasting. It summarizes that multivariate time series models can more accurately capture relationships between economic variables compared to univariate models. The document then presents a collapsed dynamic factor model that relates a target time series (yt) to unobserved dynamic factors (Ft) estimated from related macroeconomic data (gt). Out-of-sample forecasting experiments on US personal income and industrial production data demonstrate the model achieves more accurate point forecasts than univariate benchmarks like random walk or AR(2) models.
This document discusses time series forecasting and summarizes four illustrations of time series analysis and forecasting:
1. A multivariate model is used to analyze the European business cycle based on trends, common cycles, and leads/lags between economic indicators like GDP, industrial production, and confidence.
2. A bivariate unobserved components model is applied to daily Nordpool electricity spot prices and consumption data. The model decomposes the data into trends, seasons, cycles and residuals. Forecasting results show the bivariate model outperforms the univariate.
3. A periodic dynamic factor model is jointly modeled to 24 hours of French electricity load data. The model accounts for long-term trends, various seasonal patterns,
This document describes a collapsed dynamic factor analysis model for macroeconomic forecasting. It summarizes that multivariate time series models can more accurately capture relationships between economic variables compared to univariate models. The document then presents a collapsed dynamic factor model that relates a target time series (yt) to unobserved dynamic factors (Ft) estimated from related macroeconomic data (gt). Out-of-sample forecasting experiments on US personal income and industrial production data demonstrate the model achieves more accurate point forecasts than univariate benchmarks like random walk or AR(2) models.
This document discusses state space methods for time series analysis and forecasting. It begins by introducing the basic state space model framework, which represents a time series using unobserved states that evolve over time according to a state equation and generate observations according to an observation equation. The document then provides examples of how various time series models, such as regression models with time-varying coefficients, ARMA models, and univariate component models can be expressed as state space models. Finally, it introduces the Kalman filter algorithm, which provides a recursive means of estimating the unobserved states from the observations.
This document provides an overview of a course on forecasting time series using state space methods and unobserved components models. The course covers introduction to univariate component models, state space methods, forecasting different time series components, and exercises for practical forecasting applications with examples. Key topics include white noise processes, random walk processes, the local level model, and simulated data from a local level model.
Parallel R in snow (english after 2nd slide)Cdiscount
This presentation discusses parallelizing computations in R using the snow package. It demonstrates how to:
1. Create a cluster with multiple R sessions using makeCluster()
2. Split data across the sessions using clusterSplit() and export data to each node
3. Write functions to execute in parallel on each node using clusterEvalQ()
4. Collect the results, such as by summing outputs, to obtain the final parallelized computation. As an example, it shows how to parallelize the likelihood calculation for a probit regression model, reducing the computation time.
2. Page 2
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Citations
– «La théorie, c'est quand on sait tout et que rien ne
fonctionne. La pratique, c'est quand tout fonctionne et que
personne ne sait pourquoi. Ici, nous avons réuni théorie et
pratique : Rien ne fonctionne... et personne ne sait pourquoi
!» Einstein
– « Prediction is very difficult, especially if it is about the
future » Niels Bohr
3. Page 3
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Plan
1. Esquisse
Qu’est donc ?
Pour quoi faire ?
Quels acteurs ?
Comment ?
2. Deux grandes classes de problèmes
Prévoir son erreur
Comparer les « experts »
L’Insee contre le hasard : retour sur le passé
3. Description de son erreur à l’aide d’un « fan chart ».
4. Autres problématiques
4. Page 4
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Périmètre de la conjoncture
Analyse de la situation économique d’un pays ( d’un
groupe de pays ou d’une région) et une prévision à court
terme (deux ou trois trimestres) pour ce domaine, ainsi que
les techniques adaptées à cet exercice.
Prévisions chiffrées
Prévoir les évolutions de
dizaines d’agrégats
économiques (PIB,
consommation, FBCF,…)
Discours
Théorie économique (agents,
comportements,…). Explications
détaillées.
5. Page 5
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Discours
- L’Insee publie 3 notes de Conjonctures par an (100
pages) et un point de conjoncture.
6. Page 6
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Prévisions Chiffrées
Des centaines de prévisions chiffrées dans ces Notes
7. Page 7
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Pour quoi faire ?
› Repérer et dater les inflexions
que les données annuelles masquent
–En vue de prendre les bonnes décisions
› Utilisations : macro, sectorielle, financière…
› Mettre à jour, constater, prévoir, décider
8. Page 8
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Actualité
› La nouvelle était visiblement jugée suffisamment
bonne pour mériter d'être dévoilée immédiatement.
Rompant l'embargo imposé par l'Insee, c'est le
ministre du Budget, François Baroin, qui a rendu
public hier matin la nouvelle prévision de croissance
de l'institut pour 2010.
Les Echos 01/10/10
Croissance : l'Insee prévoit 1,6 % en 2010
Fusion entre discours et chiffres
9. Page 9
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Quels acteurs ?
› Institutions : Insee, Gouvernement, Banque de
France, OFCE, etc…
› Acteurs privés : Banques, Rexecode,…
10. Page 10
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Comment à l’Insee ?
Prévision Phare : taux de croissance
trimestriel du PIB
? ?
11. Page 11
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Comment à l’Insee ?
Calendrier d’une Note
Q Q+1Q-1
Q+45 j : publication
des Premiers Résultats
du trimestre Q
20eme jour du
troisième mois
: publication
de la Note
12. Page 12
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Comment à l’Insee ?
Processus Complexe
- « Grande » quantité de données
quantitatif
& synthétique
quantitatif
qualitatif
Nature
Trimestriel
Mensuelle
Mensuelle &
trimestrielle
Périodicité
–
+45 +90j
Comptes
trimestriels
+/–
10j/fin m+1
Indicateurs
++
fin m
Enquêtes de
conjoncture
Précocité
13. Page 13
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Comment à l’Insee ?
Processus Complexe
- 3 semaines d’itérations avec plusieurs services
MINEFE
INSEE DGTPE
DESE
Département de la
conjoncture
Département des
comptes nationaux
DCT
DEC
UPC
DSC
Divisions
thématiques
Sources externes
Consultations
Consultations
Indicateurs quantitatifs
Synthèse conjoncturelle (Notes et
points de conjoncture)
Comptes trimestriels Enquêtes de conjoncture auprès
des entreprises
14. Page 14
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Processus
Complexe
- Raisonnements
économiques
Demande mondiale
Demande Étrangère
Taux de Change
État des stocks des
biens intermédiaires
Anticipation de prix
Revenus
Taux d’Épargne
Chômage
Effectifs employés
Productivité
Production industrielle
Compétitivité
Demande de produits
industriels
Importations
Demande globale
de biens
d’équipement
Investissement
intérieur
Situation
financière des
entreprises
Situation des
capacités de
production
Consommation
des ménages
Compétitivité
Demande globale
de biens de
consommation
Demande globale de
biens intermédiaires
Taux
d’intérêt
Taux de salaires
15. Page 15
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Processus Complexe
Une multitude de modèles
› Séries temporelles univariées
› Étalonnages
– Variable expliquée des CT = endogène,
– soldes d’opinion = exogènes.
› Modèle VAR
› Modèles Economiques bouclés (modèle d’equilibre général).
› Autres modèles
– Modèles non linéaires
16. Page 16
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Principales caractéristiques des enquêtes de
conjoncture
› Simples, légères et rapides.
› Périodicité infra-annuelle, données historiques depuis 1976.
› Petits échantillons : de 1000 à 4500 entreprises.
› Questions en faible nombre et auxquelles on peut répondre vite.
› Questions sur la tendance récente, la situation actuelle et les prévisions.
› Questions généralement à choix multiple, à 3 modalités : « en hausse », « stable »
ou « en baisse ».
› Information précoce sur l’activité des entrepreneurs.
› On privilégie la rapidité d’obtention des résultats.
17. Page 17
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Points forts / points faibles
(+) Indications en général de très bonne qualité sur le passé récent.
(+) Vue assez complète et cohérente d’un secteur d’activité.
(+) Éclairage sur des domaines peu couvert ou très tardivement par les statistiques
quantitatives.
(-) La nature qualitative des réponses et la subjectivité qui s’y attache rendent
l’interprétation délicate.
(-) L’intérêt des indications fournies diminue dès que les statistiques quantitatives
sont disponibles.
18. Page 18
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
L’agrégation des réponses ou dépouillement
› But : calculer les pourcentages de réponses « en hausse », « stable » et
« en baisse » puis les soldes d’opinion.
› On cherche à estimer :
– où selon la réponse de l’entreprise,
– est la taille de l’entreprise (chiffre d’affaires ou effectifs).
∑
∑
=
Population
i
Population
ii
c
yc
D
1ou0-1,=iy
ic
20. Page 20
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
IntroductionFrance
Le climat des affaires s’est légèrement amélioré
ces derniers mois
60
70
80
90
100
110
120
janv.-07 janv.-08 janv.-09 janv.-10
Le climat des affaires en France
Industrie manufacturière
Services
Bâtiment
Dernier point : septembre 2010
Indicateur normalisé, moyenne=100, écart-type=10
21. Page 21
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Notre scénario
Une croissance modeste,
dans la ligne de la prévision de juin
Un ralentissement des exportations…
… compensé en partie par le soutien de la demande intérieure
Secteur de la construction : vers une stabilisation
d’ici la fin de l’année
1.Croissance2.Entreprises3.Ménages
22. Page 22
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
1.Croissance2.Entreprises3.Ménages
La prévision de croissance
de la note de juin…
Rappel : 0,5 % prévu au deuxième trimestre (0,7 % réalisé),
0,4 % au deux trimestres suivants
23. Page 23
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
… n’est pas revue sur la fin de l’année
1.Croissance2.Entreprises3.Ménages
0,7
0,4 0,4
-2,0
-1,5
-1,0
-0,5
0,0
0,5
1,0
T1 T2 T3 T4 T1 T2 T3 T4 T1 T2 T3 T4
2008 2009 2010
Taux de croissance trimestriel du PIB
Prévision
24. Page 24
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Deux grandes classes de problèmes
Question :
Si en tant qu’expert, ma rémunération dépend du résultat,
quel(le) contrat/prévision suis-je prêt à signer ?
Réponses (personnelles) sur la conjoncture :
1. Contrat « absolu » : sur l’ordre de grandeur de l’erreur
de prévision
2. Contrat « relatif » : sur la comparaison de mon erreur de
prévision avec l’erreur d’autres « experts ».
(Question bonus, le contrat que je suis prêt à signer intereste-t-il quelqu un
?)
25. Page 25
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Notations
– la variables explicatives au trimestre
– le premier résultat du PIB du trimestre q-1 observé en q
– avec la stratégie de prédictions
– la prédiction du PR observé en q+1
– la perte au trimestre q, par exemple
– le coût cumulé normalisé
– Le RMSE
– RMSE glissant deux ans
qx
qy
qq )(φ=Φ RRR qdq
q →×:φ
),(:ˆ 1 qqqq yxy φ=+
qqq xx )(:=
),ˆ( qq yyL
2
)ˆ( qq yy −
∑=Φ q qqQ yyL
Q
C ),ˆ(
1
:)(
∑q qq yyL
Q
),ˆ(
1
∑ −=
q
qk kk yyL7
),ˆ(
8
1
26. Page 26
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Première classe de problèmes
Contrat « absolu »
1) Ensemble de confiance (avec/sans grande proba)
2) Prévision de la densité
qqq yyL ℑ∈),ˆ(
QQRMSE ℑ∈Φ)(
qqq fyyL ≈),ˆ(
27. Page 27
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Deuxième classe de problèmes
Contrat « relatif »
1) Mon erreur est très souvent plus petite que ton erreur
2) Mon erreur est en moyenne plus petite que ton erreur
),ˆ(),ˆ(, 21
qqqq
presque
yyLyyLq ≤∀
)()( 21
Φ≤Φ QQ RMSERMSE
28. Page 28
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Deuxième classe de problèmes
Séries Premiers Résultats
29. Page 29
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Deuxième classe de problèmes
Un bon et simple candidat (NL)
)()(ˆ)(ˆˆˆˆ 32101 qIqIqIyy qq αααα +++=+
Avec le facteur commun)(qI
1−tY
tI
tt II ∆∆
Estimate Std. Error T value p-value
Intercept 0.61 0.05 11.84 ***
-0.41 0.09 -4.42 ***
0.09 0.01 6.89 ***
0.10 0.01 8.28 ***
30. Page 30
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Deuxième classe de problèmes
Post Mortem Modèle NL
31. Page 31
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Deuxième classe de problèmes
Modèle NL vs Marche aléatoire
32. Page 32
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Deuxième classe de problèmes
Post Mortem INSEE vs Moyenne Mobile
33. Page 33
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Deuxième classe de problèmes
Modèle NL vs ARMA
34. Page 34
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Deuxième classe de problèmes
Un bon et simple candidat
Climat des affaires en France et glissement annuel du PIB
60
70
80
90
100
110
120
130
1992 1994 1996 1998 2000 2002 2004 2006 2008 2010
-6
-4,5
-3
-1,5
0
1,5
3
4,5
6
Climat France GAPIB_CH
35. Page 35
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Conclusion partielle
NL est meilleur que les stratégies naives ou
simplement sans terme du second ordre
Erreur NL/Volatilité du PIB reste constante
36. Page 36
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
1. Donner un intervalle de confiance
• Erreur autour de la prév
• Prévision
2. Ou une prévision en densité
• Erreur autour de la prév
• Prévision
Quel est l’ordre de grandeur de ma future
erreur ?
qqq yyL ℑ∈),ˆ(
qqq fyyL ≈),ˆ(
qqy ℑ∈
qq fy ≈
38. Page 38
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Méthodologie Insee
1. Hypothèse : l’erreur est supposée gaussienne
2. estimé avec les erreurs passées
3. En prévision, l’erreur avec
),0( σN
σ
)ˆ,0( σε Nq ≈
qqq yy ˆ: −=ε
39. Page 39
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Limites (1/2)
1. Forme paramétrique
gaussienne:
La distribution des erreurs
est asymétrique avec
une queue gauche
épaisse.
-1.0 -0.5 0.0 0.5 1.0
0.00.51.01.52.0
density.default(x = erreurInsee)
N = 55 Bandwidth = 0.1114
Density
Insee Fan chart
Distribution empirique erreurs Insee
40. Page 40
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Limites
2. Prévision inconditionnelle
La forme de la distribution des
erreurs ne varie pas au
cours du temps.
Alors que la difficulté à
prédire dépend du
moment où l’on fait sa
prévision.
41. Page 41
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
› Soit avec proba p, 1-p, état de
l’économie.
› le taux de croissance du PIB.
› On suppose avec
et
Alors erreur moyenne d’un conjoncturiste
Mais
Toy model
{ }DAZq ,∈
qY
),()( 2
ttt
ZZtY NZyf σµ= AD µµ <
DA
22
σσ <
ADtt ppIyVarE 22
)1())(( σσ −+=
DADA pp 2222
)1( σσσσ <−+<
42. Page 42
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Nous allons utiliser la régression quantile et les enquêtes de
conjoncture pour :
1. Obtenir des intervalles de confiance conditionnels
2. Obtenir des densités conditionnelles
3. Construire un indice de turbulence/risque pour notre
prévision
Nous attacherons une importance particulière à la période de
crise.
Comment faire ?
44. Page 44
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Résultats
numériques
:
Fan chart
0.0 0.5 1.0
0.00.51.01.5
Chart on 2008 Q2
N = 99 Bandw idth = 0.1022
Density
GDPFirst release
-0.5 0.0 0.5 1.0 1.5
0.00.40.8
Chart on 2008 Q3
N = 99 Bandw idth = 0.1682
Density
GDPFirst release
-2 -1 0 1
0.00.40.8
Chart on 2008 Q4
N = 99 Bandw idth = 0.1729
Density
GDPFirst release
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
0.00.40.81.2
Chart on 2009 Q1
N = 99 Bandw idth = 0.1098
Density
GDPFirst release
-0.5 0.0 0.5 1.0 1.5 2.0
0.00.40.81.2
Chart on 2009 Q2
N = 99 Bandw idth = 0.1531
Density
GDPFirst release
-1.0 -0.5 0.0 0.5 1.0
0.00.51.01.5
Chart on 2009 Q3
N = 99 Bandw idth = 0.1088
Density
GDPFirst release
45. Page 45
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Forecasting Risk Index
Forecasting Risk Index
Time
sqrt(variance)
1995 2000 2005 2010
0.20.30.40.50.60.7
46. Page 46
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Méthodologie
› On souhaite connaître séquentiellement
La densité du futur PR conditionnellement à l’information
présente et passée (ici les enquêtes).
On prendra
› Il suffit connaître la courbe quantile conditionnelle de la
distribution de
)( 1 qq zyf +
1+qY
{ }θθθ ≥∈=→ ++
)(:inf:)( 11 qYqY ztFRtzQ qq
),,,1(: 1 ttttt IIIYZ ∆∆= −
47. Page 47
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Méthodologie, estimation
Avec le
pinball loss
Cf. Biau and Patra (2009)
)))((minarg)( (.) zXzmYEzQ mY =−∈ θρθ
48. Page 48
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Méthodologie, estimation
de la forme)(zm β'
z
On estime : θβθ ˆ:)(ˆ '
iY zzQ =
avec ∑=
−∈
t
i
ii zy
1
'
)(minargˆ βρβ θθ
49. Page 49
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Rappelons que si est uniforme sur [0,1], alors
Algorithme pour
•grand
•Définissons
•Posons
Avec un noyau, la fenêtre
Méthodologie, densité
)(ˆ zyfY
Ni
N
i
ui ≤≤= 1;:)(ˆ: zuQy ii =
∑
−
=
t
i
Y
h
yy
K
Th
zyf )(
1
:)(ˆ
K h
N
U zYzUQY ≈)(
50. Page 50
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
•Prendre un indicateur de la dispersion de la densité
conditionnelle. De préférence homogène à une erreur.
•On estime l’indicateur de risque de la prévison par
Méthodologie, forecasting risk index
)( zYVar
)(ˆ: ttt zYarVFRI =
51. Page 51
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Bibliographie
› Biau, G. and Patra, B. (2009). Sequential quantile prediction of
time series.
› INSEE Note de Conjoncture for June 2008, pages 15 to 18
› Koenker, Roger W. and Gilbert W. Bassett, (1978). Regression
quantiles. Econometrica 46, 33-50
› Dubois É. et Michaux E. (2006), Étalonnages à l'aide d'enquêtes de
conjoncture : de nouveaux résultats, Économie et Prévision, n°172,
http://dubois.ensae.net/EcoPrev126_Dubois_Michaux.pdf.
› Matthieu Cornec. Constructing a conditional GDP fan chart with
an application to French business survey data. 30th CIRET
Conference, New York, October 2010
52. Page 52
Conjoncture : Art ou Science ?M.CORNEC 8/10/10
Autres travaux en cours
› Prévoir la tendance du taux de croissance du PIB (accélération
ou décélération)
› Comparer stratégies Bottom-Up et Top Down.