Nowcasting Madagascar's GDP growth: a machine learning approach - Archive ouverte HAL Accéder directement au contenu
Pré-Publication, Document De Travail Année : 2023

Nowcasting Madagascar's GDP growth: a machine learning approach

Résumé

We investigate the predictive power of different Machine Learning models to nowcast Malagasy GDP growth. We trained Lasso, Ridge, Elastic Net, Principal component regression, Random forest, K-Nearest Neighbour and Support Vector Machines algorithms on sixteen Malagasy quarterly macroeconomic and sectorial leading indicators over the period 2007:Q1-2021:Q4, and we used early estimation from the National Institute of Statistics (INSTAT) as a benchmark. We measured the nowcast accuracy of each model by calculating the Root Mean Square Error (RMSE) and the mean absolute percentage error (MAPE). The results show that the machine learning algorithms outperform the traditional time series analysis that are the typical approaches in Malagasy GDP growth modeling. We conclude that Machine Learning models can deliver more accurate and timely nowcasts of Malagasy economic performance, and provide policy makers additional guidance for data-driven decision making.
Nous étudions les pouvoirs de prédiction de différents modèles d'apprentissage automatique pour effectuer une prévision immédiate de la croissance du PIB malgache. Nous avons entraîné les algorithmes Lasso, Ridge, Elastic Net, Principal Component Regression, Random forest, K-Nearest Neighbor et Support Vector Machines sur seize indicateurs avancés de l’économie malgaches sur la période 2007:T1-2021:T4, et nous avons pris comme référence les estimations provisoires de l'Institut National de la Statistique (INSTAT). Nous avons évalué la précision de la prédiction de chaque modèle à l'aide des mesures d'erreur quadratique moyenne (RMSE) et d'erreur absolue moyenne en pourcentage (MAPE). Les résultats montrent que les algorithmes d'apprentissage automatique surpassent l'analyse des séries temporelles qui sont les approches typiques de la modélisation de la croissance du PIB malgache. Nous concluons que les modèles d'apprentissage automatique peuvent fournir des prévisions immédiates plus précises et pertinentes de la performance économique Malagasy, et apportent aux décideurs politiques des recommandations supplémentaires pour la prise de décision basée sur les données.
Fichier non déposé

Dates et versions

hal-04164610 , version 1 (18-07-2023)

Licence

Paternité

Identifiants

  • HAL Id : hal-04164610 , version 1

Citer

Gerzhino H. Rasolofomanana, Franck Ramaharo. Nowcasting Madagascar's GDP growth: a machine learning approach. 2023. ⟨hal-04164610⟩

Collections

AFRIQ
30 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More