Nowcasting Swedish GDP Growth

In this paper we nowcast Swedish GDP growth using several types of popular short-term forecasting models.

By Sebastian Ankargren and Unn Lindholm

Our results indicate that medium-sized MIDAS regressions and small-scale bridge equation models provided the most accurate nowcasts in 2010Q1-2019Q4. Among dynamic factor models, we find a larger set of variables to be more appropriate, but the nowcasts made by our large dynamic factor model have historically been inferior to those made by the bridge equation and MIDAS regression models. Nevertheless, equal-weighted pooling of forecasts is superior to any single method. In a closer examination of nowcasting during the Covid-19 pandemic, we find that the dynamic factor model reacted much more forcefully during 2020Q2 and 2020Q3, with nowcasts that to a large degree developed like professional forecasts. Our results reveal a clear divide between, on the one hand, historical forecasting performance in the period between the Great Recession and the Covid-19 pandemic, and, on the other hand, usefulness during the pandemic. Decomposing the revisions of the dynamic factor model's nowcasts into contributions, we find that updated parameters caused large revisions. In comparison with a model that is not re-estimated during the pandemic, however, the re-estimated model's nowcasts are more reasonable and accurate. Incorporating new data sources that measure economic activity at higher frequency does not improve forecasting accuracy historically, but amplifies the downturn signal during the peak of the pandemic.

Svensk sammanfattning

Vi gör nulägesprognoser för svensk BNP-tillväxt med flera typer av populära kortfristiga prognosmodeller. Våra resultat tyder på att medel-stora MIDAS-regressioner och småskaliga överbryggnadsekvationer gav de mest exakta nulägesprognoserna under 2010kv1-2019kv4. Bland dynamiska faktormodeller finner vi att en större uppsättning variabler är mer lämpligt, men de nulägesprognoser som gjorts av vår stora dynamiska faktormodell har historiskt sett varit sämre än de som gjordes av överbryggnadsekvationer och MIDAS-regressionsmodellerna. Icke desto mindre är en lika viktad sammanslagning av prognoser överlägsen en enskild metod. I en närmare granskning av nulägesprognoser under covid-19-pandemin finner vi att den dynamiska faktormodellen reagerade mycket kraftigare under 2020kv2 och 2020kv3, med nulägesprognoser som till stor del utvecklats som prognoser gjorda av professionella prognosmakare. Våra resultat visar en tydlig skillnad mellan å ena sidan historisk prognosutveckling under perioden mellan finanskrisen och covid-19-pandemin och å andra sidan användbarheten under pandemin. Genom att dekomponera revideringarna av den dynamiska faktormodellens nulägesprognos till bidrag finner vi att uppdaterade parametrar orsakade stora förändringar i prognoserna. Jämfört med en modell som inte skattas om under pandemin är dock den omskattade modellens nulägesprognoser mer rimliga och korrekta. Att införliva nya datakällor som mäter ekonomisk aktivitet på högre frekvens förbättrar inte prognosförmågan historiskt, men förstärker nedgången under pandemins topp.