Big Data Analytics in Economics : What Have We Learned so Far, and Where Should We Go from Here?

French Abstract: L’analyse des données massives en économie : ce qu’on a appris jusqu’à maintenant et quelles directions pour la prochaine étape? Les travaux sur les tests de précision des prévisions demeurent au premier plan dans le monde de la prévision. Une première raison est que les ordonnancements de la précision des prévisions des divers modèles (qui selon le degré de mis‐spécification dépend de la fonction de perte) sont universellement utilisés pour calibrer l’utilité des modèles économétriques. Une seconde raison, qui correspond à l’objectif de ce mémoire, est que les chercheurs concentrent une portion considérable de leur attention sur ce qu’on appelle les données massives, et les outils (anciens et nouveaux) disponibles pour analyser ce type de données. Un des objectifs dans ce champ d’études est d’établir si les données massives mènent à l’amélioration dans la précision des prévisions. Dans cette étude‐synthèse, les auteurs examinent quelques‐unes des méthodes les plus récentes et les plus intéressantes qui sont disponibles pour analyser et utiliser ce genre de données quand l’objectif est d’améliorer les prévisions. La discussion inclut une présentation succincte d’approches en termes de réduction de dimensions, de rétrécissement, et méthodes d’apprentissage machine, ainsi qu’un résumé succinct d’outillages récents qui sont utiles pour ordonnancer les modèles de prévision associés à la mise en application de ces méthodes. On fournit aussi une brève illustration de données massives en action, dans laquelle on montre que l’analyse des données massives est utile pour prévoir la structure par échéance des taux d’intérêt