C55 - Grands ensembles de données : modélisation et analyse - Banque du Canada
https://www.banqueducanada.ca/fils-rss/
Fils RSS de la Banque du Canadafr2024-03-29T14:56:00+00:00Machine learning for economics research: when, what and how
https://www.banqueducanada.ca/2023/10/note-analytique-personnel-2023-16/
Nous passons en revue une sélection d’études tirant parti de l’apprentissage automatique à des fins de recherche économique et d’analyse de politiques. Notre examen fait ressortir les circonstances où l’apprentissage automatique est utilisé en économie, les modèles préférés en général, et la façon dont ils sont utilisés.2023-10-27T12:00:04+00:00frMachine learning for economics research: when, what and how2023-10-27Identifying Nascent High-Growth Firms Using Machine Learning
https://www.banqueducanada.ca/2023/10/document-travail-personnel-2023-53/
Les entreprises qui croissent rapidement sont susceptibles d’introduire des innovations, de lancer de nouveaux produits ou de mettre en place des processus inédits (Kogan et autres, 2017), de devenir des entreprises phares (Haltiwanger et autres, 2013) et d’avoir une incidence sur la part globale du travail (Autor et autres, 2020; De Loecker et autres, 2020). Nous explorons l’utilisation de techniques d’apprentissage automatique supervisé pour cerner un groupe d’entreprises émergentes à forte croissance en nous basant sur des données administratives sur les entreprises canadiennes.2023-10-16T15:26:41+00:00enIdentifying Nascent High-Growth Firms Using Machine Learning2023-10-16Dynamique des entreprisesMéthodes économétriques et statistiquesStaff Working Paper 2023-53https://www.banqueducanada.ca/wp-content/uploads/2023/10/swp2023-53.pdfIdentifying Nascent High-Growth Firms Using Machine LearningStephanie HouleRyan MacdonaldOctobre 2023CC5C55C8C81LL2L25A Blueprint for the Fourth Generation of Bank of Canada Projection and Policy Analysis Models
https://www.banqueducanada.ca/2023/10/document-analyse-personnel-2023-23/
La quatrième génération de modèles utilisés par la Banque du Canada pour effectuer des projections et des analyses est destinée à approfondir notre compréhension de la dynamique de l’inflation, de l’offre au sein de l’économie et des risques sous-jacents auxquels sont confrontés les décideurs publics, causés par l’incertitude qui entoure le fonctionnement de l’économie.2023-10-12T14:58:54+00:00enA Blueprint for the Fourth Generation of Bank of Canada Projection and Policy Analysis Models2023-10-12Incertitude et politique monétaireInflation et prixMarchés du travailModèles économiquesStaff Discussion Paper 2023-23https://www.banqueducanada.ca/wp-content/uploads/2023/10/sdp2023-23.pdfA Blueprint for the Fourth Generation of Bank of Canada Projection and Policy Analysis ModelsDonald ColettiOctobre 2023CC5C50C51C52C53C54C55Turning Words into Numbers: Measuring News Media Coverage of Shortages
https://www.banqueducanada.ca/2023/03/document-analyse-personnel-2023-8/
Nous élaborons des indicateurs à haute fréquence fondés sur les actualités qui utilisent le traitement automatique des langues pour analyser les reportages écrits. Nos indicateurs surveillent l’évolution des ruptures d’approvisionnement (matières premières, produits intermédiaires et produits finis) et de la pénurie de main-d’œuvre. Ils suivent aussi la variation de la trame narrative des différents types de pénuries au fil des semaines.2023-03-31T13:58:03+00:00enTurning Words into Numbers: Measuring News Media Coverage of Shortages2023-03-31Évolution économique et financière récenteIncertitude et politique monétaireMaladie à coronavirus (COVID-19)Méthodes économétriques et statistiquesStaff Discussion Paper 2023-8https://www.banqueducanada.ca/wp-content/uploads/2023/03/sdp2023-8.pdfStaff Discussion Paper 2023-8Lin ChenStephanie HouleMars 2023CC5C55C8C82EE3E37Sectoral Uncertainty
https://www.banqueducanada.ca/2022/09/document-travail-personnel-2022-38/
Nous proposons un nouveau cadre empirique qui permet de décomposer simultanément la variance conditionnelle des séries chronologiques de données économiques en deux facteurs : l’incertitude agrégée et l’incertitude sectorielle. Nous appliquons notre cadre à un ensemble de données désagrégées relatives à la production industrielle aux États-Unis. Nous constatons que les variations imprévues de l’incertitude liée aux biens durables sont des facteurs de ralentissement, tandis que les hausses inattendues de l’incertitude liée aux biens non durables ont une action expansionniste.2022-09-09T10:42:20+00:00enSectoral Uncertainty2022-09-09Cycles et fluctuations économiquesIncertitude et politique monétaireMéthodes économétriques et statistiquesStaff Working Paper 2022-38https://www.banqueducanada.ca/wp-content/uploads/2022/09/swp2022-38.pdfSectoral UncertaintyEfrem CastelnuovoKerem TuzcuogluLuis UzedaSeptembre 2022CC5C51C55EE3E32E4E44Historical Data on Repurchase Agreements from the Canadian Depository for Securities
https://www.banqueducanada.ca/2022/05/rapport-technique-121/
Nous élaborons un algorithme capable d’extraire de l’information sur les opérations de pension à partir de données de règlement désagrégées pour générer un nouvel ensemble de données historiques servant à la recherche.2022-05-03T09:14:28+00:00enHistorical Data on Repurchase Agreements from the Canadian Depository for Securities2022-05-03Marchés financiersMéthodes économétriques et statistiquesTechnical Report 121https://www.banqueducanada.ca/wp-content/uploads/2022/05/tr121.pdfHistorical Data on Repurchase Agreements from the Canadian Depository for SecuritiesMaxim RalchenkoAdrian WaltonMai 2022CC5C55C8C81GG1G10Macroeconomic Predictions Using Payments Data and Machine Learning
https://www.banqueducanada.ca/2022/03/document-travail-personnel-2022-10/
Nous démontrons l’utilité des données des systèmes de paiement et des modèles d’apprentissage automatique pour les prévisions macroéconomiques et proposons un ensemble d’outils économétriques pour surmonter les défis qui leur sont associés.2022-03-04T11:18:48+00:00enMacroeconomic Predictions Using Payments Data and Machine Learning2022-03-04Cycles et fluctuations économiquesMéthodes économétriques et statistiquesSystèmes de compensation et de règlement des paiementsStaff Working Paper 2022-10https://www.banqueducanada.ca/wp-content/uploads/2022/03/swp2022-10.pdfMacroeconomic Predictions Using Payments Data and Machine LearningJames ChapmanAjit DesaiMars 2022CC5C53C55EE3E37E4E42E5E52Business Closures and (Re)Openings in Real Time Using Google Places
https://www.banqueducanada.ca/2022/01/document-travail-personnel-2022-1/
La pandémie de COVID-19 a fait ressortir le besoin pour les décideurs de suivre au plus près les perturbations dans les secteurs de la vente au détail et de la restauration. Nous présentons une nouvelle méthode pour mesurer les taux d’ouverture et fermeture d’entreprises en utilisant des données en temps réel de Google Places, la base de données sur laquelle repose Google Maps.2022-01-04T14:14:30+00:00enBusiness Closures and (Re)Openings in Real Time Using Google Places2022-01-04Dynamique des entreprisesÉvolution économique et financière récenteStaff Working Paper 2022-1https://www.banqueducanada.ca/wp-content/uploads/2022/01/swp2022-1.pdfBusiness Closures and (Re)Openings in Real Time Using Google PlacesThibaut DupreyDaniel E. RigobonPhilip SchnattingerArtur KotlickiSoheil BaharianT. R. HurdJanvier 2022CC5C55C8C81DD2D22EE3E32Payment Habits During COVID-19: Evidence from High-Frequency Transaction Data
https://www.banqueducanada.ca/2021/09/document-travail-personnel-2021-43/
Nous examinons la façon dont les consommateurs ont modifié leurs habitudes de paiement durant la pandémie de COVID-19. Il semble qu’ils effectuent des opérations moins nombreuses, mais d’un montant plus élevé, sont moins portés à payer en liquide aux points de vente, et effectuent davantage de retraits aux guichets de leur institution financière qu’aux guichets d’autres enseignes.2021-09-10T09:18:28+00:00enPayment Habits During COVID-19: Evidence from High-Frequency Transaction Data2021-09-10Demande intérieure et composantesÉvolution économique et financière récenteMaladie à coronavirus (COVID-19)Systèmes de compensation et de règlement des paiementsStaff Working Paper 2021-43https://www.banqueducanada.ca/wp-content/uploads/2021/09/swp2021-43.pdfPayment Habits During COVID-19: Evidence from High-Frequency Transaction DataTatjana DahlhausAngelika WelteSeptembre 2021CC2C22C5C55DD1D12EE2E21E4E42E5E52Using Payments Data to Nowcast Macroeconomic Variables During the Onset of COVID-19
https://www.banqueducanada.ca/2021/01/document-travail-personnel-2021-2/
Nous utilisons des données sur les paiements de détail et des techniques d’apprentissage automatique afin de prévoir les effets de la COVID-19 sur l’économie canadienne en temps quasi réel. Notre modèle améliore de façon considérable la précision des prévisions macroéconomiques comparativement à un modèle de référence linéaire.2021-01-21T09:18:36+00:00enUsing Payments Data to Nowcast Macroeconomic Variables During the Onset of COVID-192021-01-21Méthodes économétriques et statistiquesSystèmes de compensation et de règlement des paiementsStaff Working Paper 2021-2https://www.banqueducanada.ca/wp-content/uploads/2021/01/swp2021-2.pdfStaff Working Paper 2021-2James ChapmanAjit DesaiJanvier 2021CC5C53C55EE3E37E4E42E5E52