Rechercher

Types de contenu

Thèmes

Auteurs

Thèmes de recherche

Codes JEL

Sources

Publié après

Publié avant

415 résultats

Earnings Dynamics and Intergenerational Transmission of Skill

Document de travail du personnel 2020-46 Lance Lochner, Youngmin Park
Quel est le rapport entre vos revenus passés, présents et futurs et ceux de vos parents? Nous nous penchons sur cette question à l’aide de données fiscales canadiennes s’étendant sur une période de 37 ans et deux générations.

Understanding Trend Inflation Through the Lens of the Goods and Services Sectors

Document de travail du personnel 2020-45 Yunjong Eo, Luis Uzeda, Benjamin Wong
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.

Production Networks and the Propagation of Commodity Price Shocks

Document de travail du personnel 2020-44 Shutao Cao, Wei Dong
Nous examinons les conséquences macroéconomiques de chocs de prix des produits de base dans un modèle de petite économie ouverte exportatrice de produits de base qui comporte plusieurs secteurs de production interreliés.

Le taux neutre au Canada : mise à jour de 2020

Note analytique du personnel 2020-24 Dmitry Matveev, Julien McDonald-Guimond, Rodrigo Sekkel
Le taux d’intérêt neutre est important pour les banques centrales, car il aide à mesurer l’orientation de la politique monétaire. En nous fondant sur les plus récentes données, nous présentons des estimations actualisées du taux neutre canadien, dont les facteurs fondamentaux devraient être grandement touchés par la pandémie de COVID-19.

On Causal Networks of Financial Firms: Structural Identification via Non-parametric Heteroskedasticity

Document de travail du personnel 2020-42 Ruben Hipp
Les interactions commerciales des banques créent un réseau de relations qui sont cachées dans la corrélation des rendements sur les titres bancaires. Toutefois, il est important de connaître le rapport de causalité pour savoir comment les politiques choisies modifient le réseau. Dans cette étude, nous cherchons donc le réseau causal auquel s’attendent les investisseurs.

The New Benchmark for Forecasts of the Real Price of Crude Oil

Document de travail du personnel 2020-39 Amor Aniss Benmoussa, Reinhard Ellwanger, Stephen Snudden
Comment évaluer la qualité d’une prévision? Nous proposons une nouvelle référence pour évaluer les prévisions de séries de données faisant l’objet d’une agrégation temporelle et montrons que les prix réels du pétrole sont plus difficiles à prévoir que nous le pensions.

Cyclicality of Schooling: New Evidence from Unobserved Components Models

Document de travail du personnel 2020-38 Barbara Sadaba, Sunčica Vujič, Sofia Maier
Quelle est l’incidence variable dans le temps des cycles économiques sur les décisions d’investir dans le capital humain?

Why Do Central Banks Make Public Announcements of Open Market Operations?

Document de travail du personnel 2020-35 Narayan Bulusu
Les banques centrales communiquent les résultats de leurs opérations d’open market. Cette façon de faire permet aux participants aux marchés financiers d’estimer avec plus d’exactitude l’offre et la demande sur le marché des prêts à un jour.

Survival Analysis of Bank Note Circulation: Fitness, Network Structure and Machine Learning

Document de travail du personnel 2020-33 Diego Rojas, Juan Estrada, Kim Huynh, David T. Jacho-Chávez
À partir de données obtenues dans le cadre de la stratégie de gestion de l’information du département de la Monnaie de la Banque du Canada, nous analysons la structure de réseau révélée par le parcours d’un billet de banque en circulation et constatons l’importance des coupures comme possible déterminant de la demande et de l’utilisation de l’argent comptant.

Sample Calibration of the Online CFM Survey

Rapport technique n° 118 Marie-Hélène Felt, David Laferrière
Le mode de collecte des données de l’enquête Canadian Financial Monitor (CFM) repose sur l’échantillonnage non probabiliste, qui induit très probablement un biais de sélection. Nous présentons plusieurs méthodes de pondération et analysons les conditions requises pour que le biais de sélection soit éliminé. Nous obtenons des poids de calage pour les enquêtes en ligne de 2018 et 2019.
Aller à la page