Estimating Large-Dimensional Connectedness Tables: The Great Moderation Through the Lens of Sectoral Spillovers

Les crises sectorielles, comme la crise pétrolière de 1973, ont souvent des répercussions sur les secteurs connexes. Ces effets de débordement exposent les liens existants à l’intérieur d’un réseau de secteurs. Il est essentiel de bien comprendre l’ampleur de ces liens pour prévoir l’incidence de telles crises sur l’ensemble de l’économie.

Nous examinons une catégorie de techniques servant à estimer, à partir de séries chronologiques de données, un réseau de liens intersectoriels mis en relief par des effets de débordement. Ce type de réseau comporte normalement de nombreux paramètres, mais assez peu d’observations. Nous appliquons donc des techniques d’apprentissage statistique afin d’éviter l’estimation de liens entre des secteurs véritablement indépendants pour nous concentrer sur les liens les plus importants. D’abord, nous comparons l’efficacité de ces techniques au moyen de simulations. Ensuite, nous les mettons en application pour étudier les changements qui se sont produits dans les liens intersectoriels entre la période qui a précédé la Grande Modération et le début de celle-ci au milieu des années 1980.

Les résultats obtenus illustrent l’importance d’employer des techniques d’apprentissage statistique pour mesurer des réseaux étendus de liens. Ces approches sont nettement plus efficaces que les techniques d’estimation habituelles. D’un point de vue empirique, nous constatons que certains secteurs ont perdu beaucoup d’importance au début de la Grande Modération. Cela porte à croire que des changements structurels ont contribué à l’avènement de cette période et que celle-ci n’était pas entièrement due aux politiques publiques.