Rechercher

Nous proposons des estimateurs simples et efficaces pour les modèles SV avec des distributions d’erreurs à queues épaisses conditionnelles, en particulier les distributions t de Student et les distributions exponentielles généralisées. À l’exception du paramètre de degrés de liberté, des expressions en forme fermée sont disponibles pour tous les autres paramètres, ce qui élimine le besoin d’optimisation numérique.

Nous présentons le paquet R MSTest, qui implémente des procédures de tests d’hypothèses visant à déterminer le nombre de régimes dans les modèles à changements de régime de type Markovien. Ce paquet contient plusieurs cadres de test, notamment des tests du rapport de vraisemblance par Monte Carlo, des tests fondés sur les moments, des tests de stabilité des paramètres ainsi que des procédures classiques de rapport de vraisemblance.

Nous étudions la façon dont les participants au système de paiement Lynx utilisent les limites d’envoi nettes pour contrôler leurs paiements intrajournaliers sortants. Nos résultats montrent qu’ils ont tendance à adopter une approche passive une fois leurs limites d’envoi nettes programmées et ont parfois des comportements distincts au regard des ajustements intrajournaliers apportés à ces limites.

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 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.

Les phénomènes météorologiques extrêmes contribuent à accentuer la volatilité de l’activité économique et des prix et brouillent l’évaluation des tendances économiques de fond. Dans cette optique, nous procédons à un examen en temps voulu de l’effet des catastrophes naturelles sur le produit intérieur brut (PIB) canadien.

L’approche standard de l’industrie pour désaisonnaliser les données, connue sous le nom de X-13ARIMA-SEATS, se prête mal aux données de haute fréquence. Compte tenu de la disponibilité accrue et du grand potentiel des données non traditionnelles de haute fréquence, nous présentons et évaluons plusieurs des méthodes de désaisonnalisation les plus répandues pour les données hebdomadaires.

Nous utilisons la synthèse bayésienne des prévisions et des décisions pour formaliser le processus de prise de décision sur la politique monétaire. Nous développons une étude de cas portant sur la prise des décisions de politique monétaire par une banque centrale qui cible l’inflation, et ce, en utilisant de multiples modèles de manière à prendre en compte les objectifs, les attentes et les résultats relatifs aux décisions.

En situation d’équilibre de réponse quantale (tout ou rien), nous montrons que la fonction d’utilité et la distribution des erreurs sont non paramétriquement suridentifiées. Ce résultat implique que l’équilibre de réponse quantale peut être testé au moyen d’une méthode simple. Nous illustrons notre méthode dans un exercice de simulation de Monte-Carlo et une expérience de laboratoire.

Dans cette étude, j’élabore un algorithme de Monte-Carlo par chaînes de Markov (MCMC) fondé sur une population, soit une atténuation parallèle, pour estimer des modèles d’équilibre général dynamique et stochastique. L’atténuation parallèle fait une approximation de la distribution d’intérêt a posteriori à l’aide d’une famille de chaînes de Markov à distributions a posteriori tempérées.