Finding a Needle in a Haystack: A Machine Learning Framework for Anomaly Detection in Payment Systems Document de travail du personnel 2024-15 Ajit Desai, Anneke Kosse, Jacob Sharples Notre cadre d’apprentissage automatique à deux niveaux peut renforcer la surveillance des transactions en temps réel dans les systèmes de paiement de grande valeur, lesquels représentent un élément central de l’infrastructure financière d’un pays. Testé sur des données provenant de systèmes de paiement canadiens, le cadre s’est révélé capable de détecter avec précision des transactions anormales. Il pourrait contribuer à améliorer la résilience informatique et opérationnelle des systèmes de paiement. Type(s) de contenu : Travaux de recherche du personnel, Documents de travail du personnel Sujet(s) de recherche : Institutions financières, Monnaies numériques et technologies financières, Réglementation et politiques relatives au système financier, Services financiers, Systèmes de compensation et de règlement des paiements Code(s) JEL : C, C4, C45, C5, C55, D, D8, D83, E, E4, E42 Thème(s) de recherche : Argent et paiements, Infrastructures de paiement et de marchés financiers, Modèles et outils, Méthodes économétriques, statistiques et computationnelles
Machine learning for economics research: when, what and how Note analytique du personnel 2023-16 Ajit Desai 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. Type(s) de contenu : Travaux de recherche du personnel, Notes analytiques du personnel Sujet(s) de recherche : Méthodes économétriques et statistiques, Modèles économiques, Recherches menées par les banques centrales Code(s) JEL : A, A1, A10, B, B2, B23, C, C4, C45, C5, C55 Thème(s) de recherche : Défis structurels, Numérisation et productivité, Modèles et outils, Méthodes économétriques, statistiques et computationnelles
Predicting Changes in Canadian Housing Markets with Machine Learning Document d’analyse du personnel 2023-21 Johan Brannlund, Helen Lao, Maureen MacIsaac, Jing Yang Nous utilisons deux algorithmes d’apprentissage automatique pour prévoir la croissance mensuelle des prix des logements et des ventes de logements existants au Canada. Même si ces algorithmes peuvent parfois être plus efficaces qu’un modèle linéaire, l’amélioration de l’exactitude des prévisions n’est pas toujours statistiquement significative. Type(s) de contenu : Travaux de recherche du personnel, Documents d'analyse du personnel Sujet(s) de recherche : Logement, Marchés financiers, Méthodes économétriques et statistiques Code(s) JEL : A, C, C4, C45, C5, C53, D, D2, R, R2, R3 Thème(s) de recherche : Modèles et outils, Méthodes économétriques, statistiques et computationnelles, Politique monétaire, Économie réelle et prévisions