Rechercher

Lorsqu’une banque détient de nombreux actifs sûrs, elle est bien placée pour faire face à des difficultés de financement. Cependant, quand toutes les banques détiennent beaucoup d’actifs sûrs, leurs coûts de financement (de gros) augmentent en raison d’une externalité pécuniaire. Cela a pour effet de réduire la capacité des banques à détenir des réserves de fonds propres et donc, paradoxalement, d’accroître la fréquence des difficultés de financement.

Nous expliquons le rôle de la modélisation de la dette dans l’élaboration de la stratégie d’émission de titres souverains ainsi que la façon dont les défis particuliers auxquels sont confrontés les gestionnaires de dette peuvent influencer les décisions relatives à la conception des modèles. Ces observations sont étayées par notre expérience de l’utilisation du modèle canadien de gestion de la dette pour orienter les décisions de politique.

Les exigences de volant de fonds propres variables dans le temps sont un outil puissant qui permet aux organismes de réglementation des banques d’éviter de fortes tensions financières sans avoir à imposer des niveaux très élevés de fonds propres. Toutefois, cet outil n’est efficace que si les banques comprennent comment il est utilisé. Je présente un modèle dont les banques et les participants aux marchés financiers peuvent se servir pour prévoir l’évolution des exigences de volant de fonds propres variables dans le temps.

Nous analysons des données canadiennes tirées de l’enquête Le Pouls des leaders d’entreprise de la Banque du Canada et examinons les attentes des entreprises quant à la croissance des ventes. Nous constatons que la croissance attendue prédit les résultats, que l’incertitude influence les erreurs de prévision et les révisions, et que les entreprises dont les résultats passés ont été faibles prévoient et enregistrent une croissance future plus faible. Ces résultats mettent en évidence l’importance de l’enquête pour comprendre les attentes des entreprises.

L’intelligence artificielle (IA) peut-elle penser et agir comme un gestionnaire de liquidités? Dans cet article, nous explorons comment les agents d’IA générative peuvent aider à gérer des liquidités, à établir des priorités de paiement et à optimiser l’efficience dans des systèmes à règlement brut en temps réel.

Nous étudions la section transversale des rendements d’équilibre des actifs sûrs à l’aide d’un modèle d’évaluation maniable, avec une demande de liquidité microfondée et plusieurs actifs sûrs présentant des coûts de transaction hétérogènes. Nous testons les principales prédictions de notre théorie à l’aide d’une nouvelle mesure des rendements d’opportunité (ou l’inverse) relatifs sur le marché des bons du Trésor américain.