Rechercher

Types de contenu

Thèmes

Auteurs

Thèmes de recherche

Codes JEL

Sources

Publié après

Publié avant

188 résultats

U.S. Macroeconomic News and Low-Frequency Changes in Small Open Economies’ Bond Yields

Document de travail du personnel 2024-12 Bingxin Ann Xing, Bruno Feunou, Morvan Nongni-Donfack, Rodrigo Sekkel
Partant de deux approches complémentaires, nous étudions l’influence des nouvelles macroéconomiques américaines sur les fluctuations à basse fréquence dans la structure par terme des taux d’intérêt au Canada, en Suède et au Royaume-Uni. Nous constatons que les nouvelles macroéconomiques des États-Unis jouent un rôle particulièrement important dans les variations de la composante d’anticipation des taux courts nominaux, des taux courts réels et du taux d’inflation au sein des petites économies ouvertes.

Forecasting Recessions in Canada: An Autoregressive Probit Model Approach

Document de travail du personnel 2024-10 Antoine Poulin-Moore, Kerem Tuzcuoglu
Nous prévoyons les récessions au Canada à partir d’un modèle probit autorégressif. Les résultats mettent en relief le pouvoir prédictif à court terme de l’activité économique aux États-Unis, et semblent montrer que les indicateurs financiers peuvent servir à prédire de manière fiable les récessions au Canada. En outre, par rapport à divers autres modèles probit proposés dans la littérature canadienne, le modèle suggéré améliore considérablement la capacité de prévision des récessions au Canada.

Predictive Density Combination Using a Tree-Based Synthesis Function

Document de travail du personnel 2023-61 Tony Chernis, Niko Hauzenberger, Florian Huber, Gary Koop, James Mitchell
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.

Testing Collusion and Cooperation in Binary Choice Games

Document de travail du personnel 2023-58 Erhao Xie
Cette étude s’intéresse à l’implication vérifiable des comportements collusoires ou coopératifs des joueurs dans un jeu de choix binaire en situation d’information parfaite. J’illustre la mise en œuvre du test en réexaminant le jeu d’entrée entre Walmart et Kmart étudié par Jia (2008).

Machine learning for economics research: when, what and how

Note analytique du personnel 2023-16 Ajit Desai
Nous passons en revue une sélection d’études tirant parti de l’apprentissage automatique à des fins de recherche économique et d’analyse de politiques. Notre examen fait ressortir les circonstances où l’apprentissage automatique est utilisé en économie, les modèles préférés en général, et la façon dont ils sont utilisés.

Identifying Nascent High-Growth Firms Using Machine Learning

Document de travail du personnel 2023-53 Stéphanie Houle, Ryan Macdonald
Les entreprises qui croissent rapidement sont susceptibles d’introduire des innovations, de lancer de nouveaux produits ou de mettre en place des processus inédits (Kogan et autres, 2017), de devenir des entreprises phares (Haltiwanger et autres, 2013) et d’avoir une incidence sur la part globale du travail (Autor et autres, 2020; De Loecker et autres, 2020). Nous explorons l’utilisation de techniques d’apprentissage automatique supervisé pour cerner un groupe d’entreprises émergentes à forte croissance en nous basant sur des données administratives sur les entreprises canadiennes.

Predicting Changes in Canadian Housing Markets with Machine Learning

Document d’analyse du personnel 2023-21 Johan Brannlund, Helen Lao, Maureen MacIsaac, Jing Yang
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.

Forecasting Risks to the Canadian Economic Outlook at a Daily Frequency

Document d’analyse du personnel 2023-19 Chinara Azizova, Bruno Feunou, James Kyeong
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.

Combining Large Numbers of Density Predictions with Bayesian Predictive Synthesis

Document de travail du personnel 2023-45 Tony Chernis
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.

Competition for Exclusivity and Customer Lock-in: Evidence from Copyright Enforcement in China

Document de travail du personnel 2023-43 Youming Liu
Cette étude s’intéresse au secteur de la diffusion de musique en continu. Elle soutient que le fait de détenir des droits exclusifs conférés par la loi sur le droit d’auteur incite les entreprises à offrir du contenu exclusif afin de retenir les consommateurs. J’utilise une analyse théorique, une analyse empirique descriptive ainsi qu’un modèle structurel dynamique pour appuyer cette thèse et examiner des politiques qui pourraient accroître la concurrence.
Aller à la page