Rechercher

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.

Le Canada est passé à un nouveau système de paiement de gros, Lynx, en août 2021. Lynx est fondé sur un modèle de règlement en temps réel qui élimine le risque de crédit dans le système. Ce modèle peut nécessiter plus de liquidités; cependant, la conception de Lynx permet le règlement efficient des paiements de gros au Canada.

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.

Nous analysons les habitudes de paiement des Canadiens dans l’environnement des paiements actuel et dans un environnement hypothétique sans argent comptant.

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 élaborons des indicateurs de la demande et de l’offre dans l’économie canadienne au moyen de techniques de traitement automatique du langage naturel pour analyser les présentations de résultats financiers de sociétés cotées en bourse. Nos résultats montrent que ces nouveaux indicateurs pourraient aider les banques centrales à repérer les pressions inflationnistes en temps réel.

Nous évaluons de façon quantitative les changements observés dans le comportement des participants à l’égard des paiements par suite de l’adoption de Lynx, le nouveau système de paiement de gros du Canada. Selon notre analyse, le mécanisme d’économie des liquidités de Lynx favorise la mise en commun des liquidités et l’envoi rapide des demandes de paiement, ce qui améliore l’efficience pour les participants mais entraîne des délais de paiement un peu plus longs.

Nous évaluons l’utilité de plusieurs mesures de l’inflation fondamentale durant la pandémie de COVID-19. Nous constatons que l’IPC-tronq et l’IPC-méd ont été le baromètre le plus fiable de l’inflation sous-jacente. Si ces mesures ont fourni de bonnes indications, c’est parce qu’elles ne reposent pas sur des données historiques – une caractéristique particulièrement importante dans des circonstances inhabituelles.

Nous faisons état de la connaissance du bitcoin et de la détention de cette cryptomonnaie de 2016 à 2021, à partir des enquêtes-omnibus sur le bitcoin de la Banque du Canada. Notre analyse aide aussi à comprendre le profil des nouveaux détenteurs arrivés durant la pandémie de COVID-19 et ce qui les distingue de ceux de longue date.