Rechercher

Cette note présente PULSE, une nouvelle mesure de l’inflation sous-jacente au Canada basée sur un modèle factoriel dynamique estimé à partir de données désagrégées sur l’inflation. PULSE saisit la composante persistante de l’inflation et la décompose en pressions inflationnistes généralisées et sectorielles.

Cette étude présente une évaluation exhaustive de la qualité des prévisions des risques macroéconomiques produites par un modèle vectoriel autorégressif quantile (QVAR). En général, celui-ci donne de meilleurs résultats que les modèles de référence standards. Des résultats de qualité équivalente sont également obtenus lorsqu’il est enrichi de facteurs. Nous concluons donc que le modèle QVAR et ses versions enrichies constituent tous des outils adéquats pour modéliser les risques macroéconomiques.

Nous étudions l’incidence macroéconomique des entreprises dont les activités ont été mises en veilleuse – c’est-à-dire des entreprises qui ont été fermées temporairement – sur les prix d’équilibre sectoriels après un choc de demande négatif. Nos résultats indiquent que les mesures budgétaires ayant permis des fermetures temporaires pendant la pandémie pourraient avoir allégé les pressions inflationnistes.

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.

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.

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.

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.

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.

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.

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.