Nowcasting Brazilian GDP: a performance assessment of dynamic factor models

Abstract

This work compares dynamic factor model’s forecasts for Brazilian GDP. Our approach takes into account mixed frequencies and can handle missing data. We implement three models: the first is based on the Principal Components Analysis methodology; the second employs a two-step estimation method with quarterly inputs; the last is similar to the former but uses monthly series. A real-time out-of-sample exercise is proposed to assess the performance of these models. A dataset is created for each day within 27 quarters - from the fourth quarter of 2010 up to the second quarter of 2017. For recent periods, the nowcasts estimated by both two-step procedures perform better than the average predictions of Focus Survey, a bulletin organized by the Brazilian Central Bank. We also show evidence that the average of GDP forecasts from this survey may be biased

Esse trabalho compara previsões para o PIB brasileiro utilizando modelos de fatores dinâmicos. Nossa abordagem leva em consideração frequências mistas e lida com dados incompletos na base (missing data). Nós implementamos três modelos: o primeiro é baseado na metodologia de componentes principais; o segundo emprega uma estimação por dois estágio com variáveis trimestrais; o último é similar ao anterior mas utiliza series mensais. Um exercício em tempo real, fora da amostra, é proposto para comparar o desempenho desses modelos. Uma base de dados é criada para cada dia dentro de 27 trimestres - do quarto trimestre de 2010 até o segundo de 2017. Para períodos recentes, os nowcasts estimados para ambos os procedimentos de dois estágios se mostram melhores do que a média de previsão da pesquisa Focus, um boletim organizado pelo Banco Central do Brasil. Nós também mostramos evidências que a média das previsões do PIB dessa pesquisa pode ser viesada