Robustesse des prévisions à plusieurs étapes et des régressions prédictives à des horizons intermédiaires et longs.

Résumé Cet article étudie les propriétés des projections à plusieurs étapes, ainsi que les prévisions qui sont obtenues par des méthodes itérées ou directes. Les modèles considérés sont asymptotiques locaux : ils permettent une racine unitaire proche et une dérive locale à zéro. Nous traitons les prévisions à court, moyen et long terme en considérant l'horizon par rapport à la taille de l'échantillon observable. Nous montrons l'implication de nos résultats pour les modèles de régressions prédictives utilisés dans la littérature financière. Nous montrons ici que les méthodes de projection directe aux horizons intermédiaires et longs sont robustes à la mauvaise spécification potentielle de la corrélation sérielle des erreurs de régression. Nous recommandons donc, pour une meilleure puissance globale dans les régressions prédictives, une combinaison de statistiques de test avec et sans correction d'autocorrélation.