L’accessibilité des données massives et l’avancement des techniques d’apprentissage automatique ont considérablement changé la façon d’approcher le problème de prévision macroéconomique. L’utilisation des techniques d’apprentissage automatique et de l’inclusion des composantes principales dans les modèles standards à l’application des réseaux de neurones, est cependant une succession de boîtes noires. Ce chapitre dresse le portrait des avancées récentes dans le domaine de la prévision macroéconomique dans un contexte de données massives et de l’apprentissage automatique. Nous y présentons différents groupes de modèles de prévision basés sur la réduction de dimension, la régularisation, les ensembles et la non-linéarité. Nous discutons des défis qu’ils présentent pour les praticiens. Finalement, nous appliquons ces méthodes pour la prévision de la croissance de l’économie québécoise.

Consultez l'ensemble des chapitres du Québec économique 9