4.8 Sommaire des principaux résultats de
l'étude empirique à la fréquence
mensuelle
Le chapitre IV de cette recherche a été
consacré à l'étude de la performance prévisionnelle
des modèles POTI, PPA, MF, PE modifiés. La fréquence des
observations était mensuelle.
La non-stationnarité des régresseurs
détectée par les tests ADF et KPSS, nous a amenés à
modifier les modèles initiaux. Les régresseurs des modèles
de l'étude ont donc été exprimés en
différence première. Par la suite, l'étude
préliminaire de la précision des modèles a
révélé une hausse des erreurs de prévision autour
de 2008, année de la crise financière.
Les approches de prévision récursive, roulante 5
ans et roulante 10 ans ont été appliquées aux
modèles pour étudier leurs performances prévisionnelles.
L'échantillon de prévision est janvier 1986 - décembre
2014. Les horizons de prévision vont de 1 à 12. Le modèle
de référence est la marche aléatoire. Les
critères
d'analyse sont les statistiques U de Theil, ÄREQM, , IPA et
IPM.
Concernant l'analyse des performances prévisionnelles des
modèles POTI, PPA, MF et PE modifiés par rapport à la
marche aléatoire, les critères U de Theil, ÄREQM et ,
conduisent aux résultats suivants :
-pour les horizons h=1, 2, 3, 4, 5, 6, 7, 8 et 12, les
modèles MF et POTI modifiés font mieux que la marche
aléatoire. Ces modèles font pire sur les horizons 9, 10 et 11.
Quant aux modèles PPA et PE modifiés, ils battent la marche
aléatoire sur les horizons h= 2, 3, 4, 5, 6, 7, 8 et 12 mais ils font
pire sur les horizons 1, 9, 10 et 11.
78
-Le modèle MF modifié auquel est
appliquée l'approche roulante 5 ans a les meilleures performances sur la
période 1986-1991. le modèle MF mais avec l'approche
récursive présente les meilleures performances sur la
période 1992-2014.
Par ailleurs, le critère IPA montre que sur tout
l'échantillon de prévision, l'approche de prévision
récursive est la meilleure pour chaque modèle. En plus, selon le
critère IPM, le modèle MF auquel est appliquée l'approche
récursive est le meilleur sur l'ensemble de l'échantillon de
prévision
Dans le prochain chapitre, nous présentons le sommaire
des résultats de l'étude des modèles mais avec des
données à fréquence trimestrielle. Cela permet ainsi de
comparer le contenu informationnel des alternatives des variables fondamentales
considérées à une plus faible fréquence.
| 
