Estimation of the trend-cycle using methods robust to atypical points

This study focuses on the real-time estimation of the trend-cycle around shocks and turning points. The linear moving averages classically used for estimating the trend-cycle, which are sensitive to the presence of atypical points, are compared with robust non-linear methods. We also propose a method for taking external information into account when building moving averages, and thus building moving averages that are robust to the presence of certain shocks. We show how to validate the methodology for building new moving averages by describing how to estimate confidence intervals for estimates derived from moving averages. By comparing the methods on simulated and real series, we show that: building robust moving averages makes it possible to reduce revisions and better model turning points around shocks, without degrading the estimates when no shock is observed; robust non-linear methods do not make it possible to extract a trend-cycle component that is satisfactory for economic analysis, with sometimes significant revisions.

This study is in French but the online version can easily be used to have a translated version.

Estimation de la tendance-cycle avec des méthodes robustes aux points atypiques

Cette étude s'intéresse à l'estimation en temps réel de la tendance-cycle autour de chocs et de points de retournement. Les moyennes mobiles linéaires classiquement utilisées pour l'estimation de la tendance-cycle, sensibles à la présence de points atypiques, sont comparées à des méthodes non-linéaires robustes. Nous proposons également une méthode pour prendre en compte, lors de la construction de moyennes mobiles, des informations extérieurs et ainsi construire des moyennes mobiles robustes à la présence de certains chocs. Nous montrons comment valider la méthodologie de construction de nouvelle moyennes mobiles en décrivant comment estimer des intervalles de confiance pour les estimations issues de moyennes mobiles. En comparant les méthodes sur des séries simulées et réelles, nous montrons que : construire des moyennes mobiles robustes permet de réduire les révisions et de mieux modéliser les points de retournement autour de chocs, sans dégrader les estimations lorsqu'aucun choc n'est observé ; les méthodes non-linéaires robustes ne permettent pas d'extraire une composante tendance-cycle satisfaisante pour l'analyse conjoncturelle, avec parfois des révisions importantes.