2020-09-16

Working Paper no. 153

Time-Varying Macroeconomic Forecast Uncertainty: Sweden and the Covid-19 Pandemic

In this paper I construct time-varying uncertainty around forecasts for the Swedish economy published by the National Institute of Economic Research.

By Sebastian Ankargren

Using several statistics for evaluating interval and density forecasts of GDP growth and unemployment in 2014–2019, I find that time-varying uncertainty has performed better than standard measures of unconditional uncertainty derived from normal distributions with constant variance. Compared to t distributions, however, the results are not as clear, but speak in favor of time-varying uncertainty.

Using Bayesian model comparisons, the results show that time-varying uncertainty has been particularly important for GDP growth, whereas correlations between revisions have played a bigger role for the unemployment rate. I study forecast uncertainty during the initial phase of the Covid-19 episode and find that the rise in forecast uncertainty was unprecedented.

Svensk sammanfattning

Jag beräknar tidsvarierade osäkerhet kring prognoser gjorda av Konjunkturinstitutet. Med hjälp av flera olika utvärderingsmått för att utvärdera intervall- och täthetsprognoser för BNP-tillväxt och arbetslöshet under 2014–2019 finner jag att tidsvarierande osäkerhet har varit mer lämpligt än vanligen använda mått baserade på normalfördelning med konstant varians. Jämfört med t-fördelning är dock resultaten inte lika entydiga, men talar till den tidsvarierande osäkerhetens fördel. En bayesiansk
modelljämförelse visar att tidsvarierande osäkerhet har varit särskilt viktigt för BNP-tillväxten, medan korrelation mellan prognosrevideringar spelat en större roll för arbetslösheten. Jag studerar prognososäkerheten under den initiala fasen av covid-19 och kommer fram till att uppgången i prognososäkerhet saknade motstycke.