Forecasting Quarterly GDP Growth Rates Using Machine Learning Methods

Indikatorer från Konjunkturinstitutets Konjunkturbarometer används ofta i olika indikatormodeller för att ta fram modellbaserade kortsiktsprognoser för den ekonomiska utvecklingen. Barometerdata kan också användas för att ta fram prognoser med hjälp av maskininlärningsmodeller. I denna studie undersöker vi prognosförmågan hos olika maskininlärningsmodeller som använder barometerdata för kortsiktsprognoser av den kvartalsvisa BNP-tillväxten. Vi jämför resultaten med prognosförmågan hos linjära indikatormodeller. Jämförelsen visar att vissa trädbaserade modeller (Random Forest och Gradient-Boosted Regression Trees) samt ett enkelt neuralt nätverk (Multi-Layer Perceptron) producerar prognoser som står sig väl i relation till andra modellers prognoser.