Rechercher

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 utilisons deux algorithmes d’apprentissage automatique pour prévoir la croissance mensuelle des prix des logements et des ventes de logements existants au Canada. Même si ces algorithmes peuvent parfois être plus efficaces qu’un modèle linéaire, l’amélioration de l’exactitude des prévisions n’est pas toujours statistiquement significative.

Cette étude quantifie les risques extrêmes présents dans les perspectives d’inflation et de croissance du PIB réel au Canada en estimant leur distribution conditionnelle quotidienne. Nous montrons que les probabilités de matérialisation de ces risques calculées à partir des distributions conditionnelles reflètent fidèlement les résultats obtenus au cours de la période de 2002 à 2022.

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 présentons les processus gamma autorégressifs généralisés (GARG), une catégorie de processus autorégressifs et moyennes mobiles où la dynamique de chacun des moments conditionnels est influencée par une différente moyenne mobile identifiable de la variable d’intérêt. Nous montrons que l’utilisation de processus GARG réduit les erreurs d’évaluation de façon nettement plus importante que les processus gamma autorégressifs existants.

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.

Cette étude quantifie l’incidence des ouragans sur le commerce maritime international vers les États-Unis. En comparant le moment où les ouragans croisent ces routes avec des données mensuelles sur le commerce des ports américains, nous isolons les effets imprévus d’un ouragan frappant une route commerciale à l’aide de deux méthodes d’identification distinctes : une étude de l’événement et une projection locale.

Le modèle macroéconomique d’amplification des risques (modèle RAMM) est un nouveau modèle dynamique non linéaire à deux pays qui rend compte de chocs négatifs rares, mais graves. Le modèle RAMM peut être utilisé pour évaluer les implications de scénarios de risques d’origine intérieure ou étrangère pour la stabilité financière.

Nous présentons un nouveau modèle de défaillance des entreprises, un des fondements de l’infrastructure de la Banque du Canada permettant de soumettre les banques à des tests de résistance. Le modèle est utilisé pour prévoir les pertes sur prêts aux entreprises que le secteur bancaire canadien est susceptible de subir en période de tension.

Dans cette étude, l’auteur s’attache à calculer les degrés de liberté effectifs d’une combinaison de prévisions en fonction d’un ensemble de conditions générales applicables aux modèles linéaires. Le calcul des degrés de liberté effectifs montre que le coût de complexité d’une combinaison de prévisions dépend des paramètres du système de pondération et de la moyenne pondérée des paramètres dans les modèles auxiliaires.