Essays in economic forecasting

Abstract

This dissertation consists of two independent chapters on economic and financial forecasting. The first chapter introduces a nonlinear forecasting framework that combines forecasts of the sign and absolute value of a time series into conditional mean forecasts. In contrast to linear models, the proposed framework allows different predictors to separately impact the sign and absolute value of the target series. An empirical application using the FRED-MD dataset shows that forecasts from the proposed model substantially outperform linear forecasts for series that exhibit persistent volatility dynamics, such as output and interest rates. The second chapter, coauthored with Christian Brownlees, provides an extensive comparison of methods to forecast downside risks to GDP growth for a panel of 24 OECD economies. We consider forecasts constructed from standard quantile regressions as well as from conditional volatility models. Our evidence suggests that standard volatility models such as the GARCH(1,1) are at least as accurate as quantile regressions.

Aquesta dissertació consta de dos capítols independents sobre previsió econòmica

i financera. El primer capítol introdueix un modelo de predicció

no lineal que

combina les previsions del signe i del valor absolut d’una sèrie temporal en previsions mitjanes condicionals. A diferència dels models lineals, el modelo proposat permet que diferents variables afectin per separat el signe i el valor absolut de la sèrie d’interés. Una aplicació empírica que utilitza el conjunt de dades FRED-MD mostra que les previsions basades en el modelo proposat superen substancialment les previsions lineals per a sèries que presenten dinàmiques de volatilitat persistents, com la producció industrial i els tipus d’interès. El segon capítol, coautorado con Christian Brownlees, proporciona una àmplia comparació

de mètodes

per predir els riscos negatius per al creixement del PIB per a un grup de 24 economies de l’OCDE. Considerem les previsions construïdes a partir de regressions quàntils estàndard, així com a partir de models de volatilitat condicional. La nostra evidència suggereix que els models de volatilitat, com el GARCH (1,1), són almenys tan precisos com les regressions quantils.