CANVAS: A Canadian Behavioral Agent-Based Model

Les modèles économiques sont utiles aux banques centrales pour effectuer des prévisions et des analyses de politiques. La projection économique actuelle de la Banque du Canada repose essentiellement sur deux grands modèles complémentaires : le modèle économique des termes de l’échange (ToTEM) et le grand modèle empirique et semi-structurel (LENS). Toutefois, le fait d’intégrer dans ces modèles des différences détaillées entre les ménages et les entreprises ainsi que des comportements réalistes pose des défis, sur le plan tant théorique que pratique.

Cette étude contribue au développement de la prochaine génération de modèles de la Banque en présentant CANVAS, un modèle fondé sur les comportements d’agents au Canada. Nous simulons les comportements individuels d’un grand nombre d’agents variés en vue de brosser un portrait général de l’économie canadienne. CANVAS apporte une valeur ajoutée par rapport aux modèles précédents, et ce de trois façons. Premièrement, il tient compte des différences individuelles entre les ménages et les entreprises. Deuxièmement, il s’éloigne des attentes rationnelles en intégrant des comportements réalistes de vraies personnes et de vraies entreprises. Enfin, il modélise le réseau de production canadien.

Les différences plus fines entre les caractéristiques démographiques des ménages (sexe, âge, profession, bilan financier) peuvent aider les décideurs à mieux comprendre les décisions des ménages relatives à la consommation et à l’emploi. Par ailleurs, nous modélisons le comportement stratégique d’entreprises individuelles en matière de fixation des prix, en recourant à des données d’expériences en laboratoire et d’enquêtes. Cela nous permet de prendre en compte la dynamique de l’inflation, par l’intermédiaire de facteurs comme l’offre, la demande et les attentes. La structure du réseau au sein de CANVAS lie les différentes caractéristiques et les comportements des agents. CANVAS fait partie de la première famille de modèles macroéconomiques multi-agents pouvant rivaliser avec les modèles de référence sur le plan des prévisions hors échantillon. Ces caractéristiques font de CANVAS un complément appréciable aux modèles actuels qui accroît nos capacités de prévisions et d’analyses de politiques.