Rechercher

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.

Les risques perçus liés au revenu dont font état les enquêtes sur les attentes des consommateurs sont plus hétérogènes et, en moyenne, plus faibles que les risques étalonnés indirectement, en fonction de données de panel. Cela expliquerait en partie pourquoi une proportion importante de ménages détient très peu d’épargne liquide et pourquoi la richesse accumulée est très inégale d’un ménage à l’autre.

Dans cette étude, nous cherchons à en apprendre davantage sur la stabilité financière et le risque lié à la transition climatique. Nous créons un cadre méthodologique qui prend en compte les effets directs d’un choc perturbateur lié à la transition climatique ainsi que les répercussions indirectes – ou systémiques – de ces effets directs. Nous appliquons ce cadre en nous servant des données issues du système financier canadien.

Au moyen de notre nouvel outil quantitatif, nous montrons comment les risques pesant sur les perspectives d’inflation et de croissance ont évolué au cours de 2023.

La projection macroéconomique et l’analyse des risques jouent un rôle important dans la prise de décision des autorités monétaires. Les modèles font partie intégrante de ce processus. Cette étude décrit comment la Banque du Canada intègre les modèles utilisés en recherche pure et leurs apports dans l’environnement de projection des banques centrales.

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).

Nous évaluons sur le plan théorique et empirique les effets d’entraînement sur les autres économies des mesures de relance budgétaire aux États-Unis financées par l’émission de titres. Nous nous servons pour ce faire d’un modèle à deux pays dans lequel sont intégrés des effets de rééquilibrage des portefeuilles internationaux. Nous montrons que les mesures de relance budgétaire aux États-Unis font augmenter les taux des titres à long terme à l’échelle internationale et entravent l’activité économique dans le reste du monde.

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.

Nous analysons d’éventuels contrats de prêt étudiant assortis d’un moratoire qui allégeraient le fardeau de la dette d’études des ménages américains en préservant le revenu disponible des emprunteurs tôt dans leur vie. Notre modèle montre que ces contrats, comparativement aux programmes existants, généreraient des gains de bien-être substantiels, semblables à ceux des programmes proposés par l’administration Biden, mais à un coût sensiblement moindre.

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.