CDFM

Das Cluster dynamischer Faktormodelle (CDFM) schließt die Lücke zwischen umfangreichen, strukturellen makroökonomischen Modellen und flexiblen, kleineren Faktormodellen. Das CDFM besteht aus einer Reihe kleiner dynamischer Faktormodelle, die jeweils auf einen bestimmten Sektor oder eine bestimmte Variable zugeschnitten und innerhalb einer Clusterstruktur sequenziell miteinander verbunden sind.

Die Verbindungen zwischen diesen Modellen werden mithilfe von Granger-Kausalitätstests hergestellt. Dabei kommen sowohl klassische als auch moderne (einschließlich auf nichtlinearen neuronalen Netzen basierende) Methoden zum Einsatz, um robuste direktionale Beziehungen zwischen den Variablen zu ermitteln. Diese Modellarchitektur ermöglicht es, im CDFM die Kreuzkorrelationsstruktur von Zeitreihendaten zu nutzen und gleichzeitig die Interpretierbarkeit und Konsistenz zu erhalten, die für strukturelle Modelle charakteristisch sind.

Das CDFM generiert disaggregierte BIP-Prognosen für die vierteljährliche Entstehungs-, Verwendungs- und Verteilungsseite der Volkswirtschaftlichen Gesamtrechnungen (VGR) unter Verwendung einer breiten Palette monatlicher und vierteljährlicher Indikatoren. Jedes kleine Faktormodell innerhalb des Clusters wird mithilfe des Kalman-Filters geschätzt, der mehrere praktische Vorteile bietet: Er kann mit fehlenden Beobachtungen und Daten mit gemischter Frequenz umgehen und ermöglicht bedingte Prognosen.

Das CDFM erstellt nicht nur konsistente und genaue Prognosen für eine Vielzahl makroökonomischer Variablen, sondern ermöglicht auch die Einbeziehung von Experteneinschätzungen und Szenarioanalysen. Insgesamt bietet das CDFM einen flexiblen, interpretierbaren und empirisch robusten Rahmen für detaillierte makroökonomische Prognosen, der die Stärken struktureller und datengesteuerter Ansätze vereint.