Introduction aux modèles espace-état et au filtre de Kalman
Matthieu Lemoine
Florian Pelgrin
Nous détaillons ici les principaux concepts et problèmes liés aux modèles espace-état, ainsi que leurs applications. Nous présentons d’abord ces modèles dans leur généralité. Ensuite, nous explicitons les algorithmes utilisés afin de procéder à l’estimation par le maximum de vraisemblance, c’est-à-dire fondamentalement le filtre de Kalman et l’algorithme EM. Nous considérons enfin quatre applications : les décompositions tendance-cycle, l’extraction d’indicateurs coïncidents d’activité, l’estimation d’un taux de chômage d’équilibre pouvant varier avec le temps (TV-Nairu) et l’évaluation du contenu informatif de la courbe des taux sur l’inflation future.
This article details the main concepts, problems and applications related to state-space models. We first present the general framework for these models and we, then, make explicit the algorithms used for the estimation, i.e. the Kalman filter and the EM algorithm. We, finally, analyse four applications : the decomposition of series into trend and cycle, the extraction of coincident economic indicators, the estimation of a time-varying equilibrium unemployment rate (TV-NAIRU) and the assessment of the informative content of the yield curve regarding future inflation.
• Introduction aux modèles espace-état
— Présentation générale des modèles espace-état
— Estimation des variables d’état par le filtre de Kalman
— Estimation des paramètres par le maximum de vraisemblance
• Applications
— Décomposition tendance/cycle
— Indice coïncident
— Détermination du taux de chômage d’équilibre
— Contenu informatif de la courbe des taux sur l’inflation future
— Conclusion
• Références bibliographiques