Rechercher

Les auteurs présentent de nouvelles méthodes de pondération pour la combinaison de prévisions de variables discrètes issues de différents modèles de Markov à changement de régime. Plus particulièrement, ils étendent deux classes existantes de méthodes de combinaison – combinaison de prévisions établies au moyen de modèles bayésiens (statiques) et combinaison dynamique de prévisions – de manière à correspondre explicitement à l’objectif assigné à l’exercice de prévision d’une variable discrète.

Les régimes de ciblage de l’inflation ont été proposés au départ comme moyen de faire baisser l’inflation et de la maintenir à des niveaux bas. Or dans le contexte actuel caractérisé par la faiblesse persistante de l’inflation dans de nombreux pays avancés, l’action des banques centrales qui poursuivent une cible d’inflation se porte maintenant sur la remontée de l’inflation à la cible fixée.

La combinaison de modèles de prévision en temps réel du prix du pétrole présente-t-elle des avantages? La réponse dépend de l’objectif. La méthode consistant à mettre en commun cinq des principaux modèles de prévision en leur attribuant un poids uniforme prime sur la stratégie visant à choisir un seul modèle et à l’utiliser à des horizons allant jusqu’à deux ans.

Le présent article examine l’évolution que connaissent les banques centrales à la lumière de l’expérience récente et met l’accent sur l’intégration de l’incertitude dans le processus d’élaboration de la politique monétaire.

Les auteurs se servent des prix des contrats à terme sur le pétrole brut pour établir la structure par terme des rendements d’opportunité du brut jusqu’à échéance de un an. Le rendement d’opportunité du pétrole brut peut être assimilé au taux d’intérêt, libellé en barils de pétrole, rattaché à l’emprunt d’un baril d’or noir, et mesure la valeur associée à la détention de stocks de brut durant la période d’emprunt.

Dans cette étude, l’auteur effectue une analyse en temps réel du pouvoir prédictif hors échantillon des données de bilan agrégées de divers intermédiaires financiers relativement à un large éventail de mesures de l’activité économique américaine.

Les auteurs exposent les principales caractéristiques d’un nouveau modèle de prévision macroéconomique de grande taille pour le Canada.

Dans cette étude, les auteurs présentent l’outil qu’ils ont mis au point afin d’améliorer les prévisions de la croissance du PIB réel à court terme pour la zone euro et le Japon. Ce nouvel outil, qui s’appuie sur un modèle de régression fondé sur un échantillonnage de données de fréquence mixte sans contrainte (U-MIDAS), permet d’évaluer l’utilité d’une vaste gamme d’indicateurs pour prévoir la croissance du PIB réel à court terme.

Les auteurs étudient la formation des attentes des consommateurs en matière d’inflation à partir de microdonnées tirées de l’enquête menée par l’Université du Michigan auprès des consommateurs. Ils montrent qu’au-delà des déterminants socio-économiques des attentes d’inflation bien établis comme le sexe, le revenu ou le niveau de scolarité, d’autres caractéristiques telles que la situation financière des ménages et leurs attitudes d’achat sont également importantes.

Il y a peu d’information au sujet de la répartition des actifs et de la formation des prix sur les marchés de gré à gré. En 1999, Furfine a conçu un nouvel algorithme qui fournit des données relativement aux transactions effectuées sur le marché du financement interbancaire.