Rechercher

Nous étudions des modèles vectoriels autorégressifs structurels qui comportent une volatilité stochastique. Nous cherchons à déterminer s’il est possible de repérer un choc structurel particulier à l’aide de l’hétéroscédasticité sans imposer des contraintes de signe et d’exclusion.

Nous utilisons la synthèse bayésienne des prévisions et des décisions pour formaliser le processus de prise de décision sur la politique monétaire. Nous développons une étude de cas portant sur la prise des décisions de politique monétaire par une banque centrale qui cible l’inflation, et ce, en utilisant de multiples modèles de manière à prendre en compte les objectifs, les attentes et les résultats relatifs aux décisions.

Dans cette étude, j’élabore un algorithme de Monte-Carlo par chaînes de Markov (MCMC) fondé sur une population, soit une atténuation parallèle, pour estimer des modèles d’équilibre général dynamique et stochastique. L’atténuation parallèle fait une approximation de la distribution d’intérêt a posteriori à l’aide d’une famille de chaînes de Markov à distributions a posteriori tempérées.

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.

Je montre comment combiner un grand nombre de prévisions au moyen de différentes approches dans le cadre d’une synthèse de prévisions bayésienne. Je constate que les techniques qui permettent de sélectionner et de combiner quelques prévisions – soit l’utilisation de mesures de rétrécissement a priori basées sur un modèle global-local – sont celles qui donnent les meilleurs résultats.

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.

Nous introduisons un équilibre basé sur l’apprentissage des comportements dans les modèles DSEG avec des agents dotés d’une rationalité limitée qui utilisent des règles d’anticipation autorégressives de premier ordre simples mais optimales. Le modèle DSEG de Smets-Wouters avec équilibre basé sur l’apprentissage est estimé et présente une bonne adéquation avec les anticipations tirées des enquêtes sur l’inflation. Pour ce qui est de l’application empirique à la politique monétaire, nous montrons que l’apprentissage nécessite un degré plus faible de lissage des taux d’intérêt.

Comment la politique devrait-elle être conçue dans un contexte de niveaux d’endettement élevés, où les autorités budgétaires ont peu de marge de manœuvre pour ajuster les taux d’imposition? Une autorité monétaire qui doit jouer un rôle afin d’assurer la viabilité de la dette réussit moins bien à stabiliser l’inflation et l’écart de production.

Les secteurs des biens et des services ont connu des dynamiques de prix très différentes au cours des 30 dernières années. Nous avons cherché à comprendre comment des évolutions sectorielles aussi contrastées se répercutent sur la dynamique de l’inflation tendancielle globale.

Nous présentons une nouvelle classe de modèles vectoriels autorégressifs (VAR) à paramètres variables dans le temps dans laquelle les innovations structurelles désignées explicitement peuvent influer – simultanément et en décalage – sur la dynamique de la constante et des coefficients autorégressifs.