Rechercher

Nous élaborons des inférences statistiques pour un échantillon non probabiliste à deux phases quand il est possible d’obtenir des informations auxiliaires pertinentes à partir d’un échantillon probabiliste. Nous évaluons la méthode proposée au moyen de simulations et l’utilisons pour analyser un échantillon non probabiliste à deux phases utilisé dans une enquête sur les paiements.

Nous étudions des modèles vectoriels autorégressifs structurels qui comportent une volatilité stochastique. Nous cherchons à déterminer s’il est possible de repérer un choc structurel particulier à l’aide de l’hétéroscédasticité sans imposer des contraintes de signe et d’exclusion.

Nous appliquons la méthode d’échantillonnage indirect dans un réseau bipartite consommateurs-commerçants afin d’estimer l’acceptation des modes de paiement par les commerçants à l’aide d’un journal de paiements tenu par des consommateurs.

Nous proposons une approche novatrice pour estimer la demande des consommateurs pour des produits différenciés. Nous éliminons le besoin de variables instrumentales en supposant que les chocs de demande sont éparpillés. Nos applications empiriques montrent de façon convaincante qu’il y a un éparpillement des chocs dans des ensembles de données existants.

L’enquête-omnibus sur le bitcoin est un outil important pour suivre l’évolution de la connaissance et de la détention des bitcoins et d’autres cryptoactifs par les Canadiens. Dans cette étude, nous présentons les faits saillants des données de l’enquête de 2023.

Existe-t-il un risque de désancrage des anticipations d’inflation à court terme? Nous estimons la prime de risque d’inflation à l’aide de modèles traditionnels d’évaluation des actifs pour répondre à cette question. Le risque de désancrage est élevé par rapport à celui de la période qui a précédé la pandémie de COVID-19, et il est plus élevé aux États-Unis qu’au Canada.

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.

J’élabore une méthode d’estimation bayésienne pour les modèles macroéconomiques non linéaires résolus globalement. Cette méthode utilise un réseau de densité de mélange comme approximation de la distribution des états initiaux. Le réseau de densité de mélange augmente la fiabilité de l’inférence postérieure, par rapport à une situation où les états initiaux sont paramétrés à leurs valeurs de régime permanent.

Nous simulons l’introduction d’une monnaie numérique de banque centrale (MNBC) et en étudions l’adoption par les consommateurs, l’acceptation auprès des commerçants et l’usage aux points de vente. Des frictions modestes à l’adoption entravent sensiblement la progression de la MNBC sur le marché des paiements dans les trois dimensions à l’étude. Pour les autres modes de paiement déjà en place, un retour aux parts de marché observées avant l’entrée de la MNBC nécessite des réponses d’ampleur modérée ou limitée qui réduisent d’ailleurs l’effet de la MNBC.

Il est utile de mesurer les connaissances des gens sur les cryptoactifs et la finance pour mieux comprendre ce qui les amène à acheter de tels instruments. Partant des microdonnées de l’enquête-omnibus sur le bitcoin menée par la Banque du Canada et au moyen d’une analyse empirique combinée, nous nous penchons sur les différences entre les genres et sur l’interrelation entre les connaissances sur les cryptoactifs et les connaissances financières.