ElasticSearch Score: 13.183947
Nous étudions les incidences du développement des marchés financiers en prenant en considération les modes de financement aussi bien formel qu’informel. En nous fondant sur des données internationales sur les entreprises, nous constatons que le financement informel est plus courant dans les pays riches que dans les pays pauvres.
ElasticSearch Score: 13.149451
Nous mesurons le risque systémique dans le réseau des infrastructures de marchés financiers (IMF) en fonction de la probabilité que deux IMF ou plus aient une forte exposition au risque de crédit à l’égard d’un même participant.
ElasticSearch Score: 12.015533
Il est généralement reconnu que la segmentation des processus de production est une caractéristique importante de l’économie mondiale actuelle. Ce fractionnement du processus de production en plusieurs étapes a été incorporé à de nombreux modèles quantitatifs modernes du commerce, et il a été démontré qu’il produit des gains additionnels importants sur le plan du commerce international.
ElasticSearch Score: 11.639577
Nous étudions comment différents types de politique monétaire influencent les effets redistributifs de chocs économiques externes sur la consommation des ménages dans une petite économie ouverte. Nos résultats montrent qu’il existe un arbitrage entre la stabilisation de l’ensemble de l’économie et la réduction des inégalités de consommation.
ElasticSearch Score: 11.008727
15 août 2013
Les auteurs évaluent si la combinaison de prévisions du PIB réel issues de différents modèles permet d’améliorer le pouvoir prédictif et examinent quelles méthodes de combinaison donnent les meilleurs résultats. Conformément aux travaux antérieurs, ils concluent que les prévisions combinées sont habituellement plus précises que celles tirées de divers modèles de référence pris individuellement. À l’encontre des données de plusieurs études, ils constatent néanmoins que l’attribution aux modèles de pondérations non uniformes, déterminées en fonction de la qualité des prévisions passées de ceux-ci, a en général pour effet d’accroître le pouvoir prédictif lorsque les prévisions diffèrent sensiblement d’un modèle à l’autre.
ElasticSearch Score: 10.604419
15 août 2013
Ce dossier spécial porte sur les outils utilisés à la Banque du Canada pour l’analyse de la conjoncture, qui consiste à rassembler et à examiner une vaste gamme d’informations afin de se former une opinion de l’activité économique actuelle. L’analyse conjoncturelle apporte une contribution clé à la prise des décisions de la Banque en matière de politique monétaire.
ElasticSearch Score: 10.23174
Les indicateurs officiels du marché du travail chinois sont considérés comme problématiques, en raison de leurs faibles fluctuations cycliques et du fait qu’ils ne rendent compte qu’en partie de la population active. Nous établissons un indice mensuel des conditions du marché du travail pour la Chine en recourant à l’analyse textuelle de journaux en chinois publiés sur le continent de 2003 à 2017.
ElasticSearch Score: 10.161356
Cette étude examine, au moyen d’un modèle d’économie ouverte avec un secteur bancaire, l’incidence de nouvelles informations positives sur les valeurs futures d’actifs lorsque ces annonces ne se concrétisent pas entièrement. Ce modèle reproduit les évolutions du crédit bancaire et la dynamique de la balance courante en Espagne entre 2000 et 2010. D’après ce modèle, les politiques non traditionnelles entraînent une contraction plus modérée.
ElasticSearch Score: 10.124068
La modélisation et l’estimation de données discrètes persistantes peuvent s’avérer difficiles. Dans cette étude, nous utilisons un modèle probit autorégressif avec données de panel où l’autocorrélation de la variable discrète dépend de l’autocorrélation de la variable latente. Dans ce type de modèle non linéaire, l’autocorrélation d’une variable non observée entraîne une vraisemblance incalculable contenant des intégrales de haute dimension.
ElasticSearch Score: 10.00307
Nous présentons les processus gamma autorégressifs généralisés (GARG), une catégorie de processus autorégressifs et moyennes mobiles où la dynamique de chacun des moments conditionnels est influencée par une différente moyenne mobile identifiable de la variable d’intérêt. Nous montrons que l’utilisation de processus GARG réduit les erreurs d’évaluation de façon nettement plus importante que les processus gamma autorégressifs existants.