C3 - Modèles à équations multiples ou simultanées et/ou à variables multiples
-
-
Decomposing Systemic Risk: The Roles of Contagion and Common Exposures
Nous examinons les risques systémiques dans le secteur bancaire canadien en les décomposant selon trois canaux de contribution : la contagion, les expositions communes et les risques idiosyncrasiques. À l’aide d’un modèle structurel, nous analysons la façon dont les relations interbancaires et les conditions du marché contribuent au risque systémique, ce qui nous permet ainsi d’offrir de nouvelles perspectives sur la stabilité financière. -
Predictive Density Combination Using a Tree-Based Synthesis Function
Cette étude s’intéresse aux combinaisons non paramétriques de prévisions par densité de probabilités. Nous présentons une méthode basée sur des arbres de régression qui permet de varier la pondération des combinaisons selon les caractéristiques des densités, les tendances temporelles ou les indicateurs économiques. Dans le cadre de deux exercices empiriques, nous montrons les avantages de cette méthode sur le plan de l’amélioration de l’exactitude et de l’interprétabilité des prévisions. -
Finding the balance—measuring risks to inflation and to GDP growth
Au moyen de notre nouvel outil quantitatif, nous montrons comment les risques pesant sur les perspectives d’inflation et de croissance ont évolué au cours de 2023. -
Making It Real: Bringing Research Models into Central Bank Projections
La projection macroéconomique et l’analyse des risques jouent un rôle important dans la prise de décision des autorités monétaires. Les modèles font partie intégrante de ce processus. Cette étude décrit comment la Banque du Canada intègre les modèles utilisés en recherche pure et leurs apports dans l’environnement de projection des banques centrales. -
Forecasting Risks to the Canadian Economic Outlook at a Daily Frequency
Cette étude quantifie les risques extrêmes présents dans les perspectives d’inflation et de croissance du PIB réel au Canada en estimant leur distribution conditionnelle quotidienne. Nous montrons que les probabilités de matérialisation de ces risques calculées à partir des distributions conditionnelles reflètent fidèlement les résultats obtenus au cours de la période de 2002 à 2022. -
Global Demand and Supply Sentiment: Evidence from Earnings Calls
Dans cette étude, les auteurs quantifient les chocs de demande, d’offre et d’incertitude à l’échelle mondiale, et ils comparent deux grandes récessions mondiales : la Grande Récession de 2008-2009 et la pandémie de COVID-19. Ils utilisent deux méthodes pour analyser ces chocs économiques, soit 1) des techniques de traitement automatique du langage naturel appliquées à des transcriptions de présentations des résultats financiers et 2) un modèle vectoriel autorégressif structurel avec estimation bayésienne. -
What Can Earnings Calls Tell Us About the Output Gap and Inflation in Canada?
Nous élaborons des indicateurs de la demande et de l’offre dans l’économie canadienne au moyen de techniques de traitement automatique du langage naturel pour analyser les présentations de résultats financiers de sociétés cotées en bourse. Nos résultats montrent que ces nouveaux indicateurs pourraient aider les banques centrales à repérer les pressions inflationnistes en temps réel. -
Supply Drivers of US Inflation Since the COVID-19 Pandemic
Cette étude examine la contribution de divers facteurs d’offre à l’inflation globale aux États-Unis depuis le début de la pandémie de COVID-19. Nous identifions six chocs d’offre à l’aide d’un modèle VAR structurel : chocs liés à l’offre de travail, à la productivité de la main d’œuvre, aux chaînes d’approvisionnement mondiales, au prix du pétrole, aux majorations de prix et aux hausses salariales. -
Comparison of Bayesian and Sample Theory Parametric and Semiparametric Binary Response Models
À l’aide de calculs sur processeur graphique, nous comparons un modèle bayésien semi-paramétrique avec un modèle d’échantillonnage semi-paramétrique. Nos résultats montrent qu’une bande passante optimale n’est pas supérieure à une bande passante normale pour les modèles semi-paramétriques à variables binaires.