Groupe de travail sur la prévision

fdsfq

qfqsdf

wdddd

qfqsf

Bonjour,

J'ai le plaisir de vous annoncer la création d'un groupe de travail sur le thème de la prévision, dont la particularité sera d'échanger entre universitaires et professionnels "non universitaires". Au sommaire de ce mail,

1) Introduction
2) Participants
3) Présentations à venir
4) Calendrier des réunions (Important, communiquez-moi votre choix de dates)


1) Introduction

L'objectif de ce groupe de travail est donc d'échanger (essayer en tout cas) sur la théorie et la pratique de la prévision, en espérant que cela soit fructueux pour tout le monde. Sachant que nos emplois du temps sont chargés, les réunions se feront entre midi et deux à un rythme mensuel, vraisemblablement à l'Ensae. Chaque réunion d'une durée d'1h30 sera l'objet d'une présentation, en alternant entre présentations universitaires et non-universitaires.

Pour les professionnels non-universitaires, ce sera l'occasion d'expliquer dans le détail leurs données, leurs problématiques, ainsi que les solutions retenues (même s'il s'avère que c'est la règle de trois qui marche le mieux).

Enfin, chacun est bien entendu plus que le bienvenu pour faire une prévision sur le champ d'application de son choix.


2) Participants

Du côté professionnels "non-universitaires" :
-Yannig Goude à la R&D d'EDF est responsable notamment de la prévision de consommation électrique.
-Matthieu Durut et Benoit Patra travaillent chez LOKAD,une start-up spécialisée dans le domaine de la prévision des séries temporelles, en particulier les ventes des produits de la grande distribution et des sites internet.
-Enfin je travaille à l'INSEE sur la conjoncture économique (i.e. prévision de la croissance française).

Du côté universitaire :
-Pierre Alquier (Maître de conférence à P7),
-Guillaume Lecué (CNRS),
-Sylvain Arlot (CNRS),
-Jérémie Jakubowicz (Enseignant Chercheur à Telecom Paris),
-Mathilde Mougeot (Maître de conférence à P7),
-Stéphane Boucheron (Professeur à P7),
-Olivier Winterberger (Maître de conférence à Dauphine).

3) Présentations à venir

Matthieu Cornec : j'essaierai de vous résumer l'univers de la conjoncture, en soulignant les contraintes de calendrier et les critères de validation qui me semblent pertinents.
Je vous présenterai ensuite un travail récent "Constructing a conditional GDP fan chart with an application to French business survey data" (abstract à la fin du mail).

Dans un ordre à préciser

Pierre Alquier : "Extensions de la théorie de l'apprentissage au cadre de la prévision des séries temporelles"

Yannig Goude : "Un modèle GAM de prévision de consommation d'électricité".

4) Calendrier des réunions

Sur les dates, je vous propose pour la première réunion le vendredi 8 octobre ou le vendredi 29 octobre. Merci de m'indiquer votre préférence par retour de mail.

Nous calerons ensuite les prochaines rencontres lors de la première réunion.


Cordialement,

Matthieu



###########################################################################################
Constructing a conditional GDP fan chart with an application to French business survey data

Matthieu Cornec

Abstract

Among economic forecasters, it has become a more common practice to provide point projection with a density forecast. This realistic view acknowledges that nobody
can predict future evolution of the economic outlook with absolute certainty. Interval confidence and density forecasts have thus become useful tools to describe
in probability terms the uncertainty inherent to any point forecast (for a review see Tay and Wallis 2000). Since 1996, the Central Bank of England (CBE) has published
a density forecast of inflation in its quarterly Inflation Report, so called “fan chart”. More recently, INSEE has also published a fan chart of its Gross Domestic
Production (GDP) prediction in the Note de Conjoncture. Both methodologies estimate parameters of exponential families on the sample of past errors. They thus suffer
from some drawbacks. First, INSEE fan chart is unconditional which means that whatever the economic outlook is, the magnitude of the displayed uncertainty is the same.
On the contrary, it is common belief among practitioners that the forecasting exercise highly depends on the state of the economy, especially during crisis.
A second limitation is that CBE fan chart is not reproducible as it introduces subjectivity. Eventually, another inadequacy is the parametric shape of the ditribution.
In this paper, we tackle those issues to provide a reproducible conditional and non-parametric fan chart. For this, following Taylor 1999,
we combine quantile regression approach together with regularization techniques to display a density forecast conditional on the available information.
In the same time, we build a Forecasting Risk Index associated to this fan chart to measure the intrinsic difficulty of the forecasting exercise.
The proposed methodology is applied to the French economy. Using balances of different business surveys, the GDP fan chart captures efficiently the growth
stall during the crisis on an real-time basis. Moreover, our Forecasting Risk Index increased substantially in this period of turbulence, showing signs of
growing uncertainty.