Rechercher

Nous présentons des tests de rapport des vraisemblances à la Monte-Carlo pour déterminer le nombre de régimes dans les modèles de Markov à changement de régime. La plupart des procédures existantes comparent un et deux régimes, mais celles proposées en permettent un nombre arbitraire. Elles sont valides en échantillon fini, résistent aux problèmes d’identification et s’appliquent aux modèles non stationnaires, multivariés et GARCH (de Markov) à changement de régime.

Dans cette étude, nous examinons les effets des changements climatiques sur les inégalités de revenu aux États-Unis. Pour ce faire, nous caractérisons les changements climatiques observés dans ce pays et introduisons un modèle vectoriel autorégressif dont les variables sont le climat et les inégalités. À partir d’un ensemble de données constitué des températures quotidiennes enregistrées dans les États-Unis contigus de 1920 à 2019, nous montrons que les changements climatiques ne sont pas qu’un phénomène entraînant une hausse des températures moyennes, puisque l’ensemble de la distribution des températures évolue asymétriquement, les températures des centiles inférieurs augmentant plus rapidement que celles des centiles supérieurs pour la plupart des États.

La politique monétaire peut-elle influencer le taux d’intérêt neutre réel? À l’aide d’un nouveau modèle statistique, nous montrons que les hausses de taux d’intérêt ont tendance à faire diminuer le taux neutre et la croissance à long terme, mais que la politique monétaire n’est qu’un petit facteur derrière la diminution du taux neutre à long terme.

Dans cet article, nous étudions les conditions de marché qui entraînent des pertes extrêmes dans les systèmes financiers à l’échelle internationale. Grâce à une méthode de simulations de crises inversées, nous proposons deux mesures du risque systémique, en prenant les pertes extrêmes comme point de départ pour déterminer les événements qui leur sont le plus étroitement associés.

Dans cette étude, nous examinons comment les chocs financiers influent sur la distribution de la croissance de la production. Nous introduisons un modèle vectoriel autorégressif semi quantile qui intègre des régressions quantiles à un cadre vectoriel autorégressif structurel. Ce modèle conserve l’identification conventionnelle des chocs tout en permettant de produire des prévisions flexibles et non paramétriques des moments conditionnels ainsi que des mesures de risque extrême pour le produit intérieur brut.

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 analysons les réponses dynamiques et hétérogènes de la performance des prêts des petites entreprises à un choc de politique monétaire au moyen de données au niveau des prêts octroyés au Canada. Deux grands constats ressortent de notre analyse, soit que les effets de la politique monétaire se transmettent via les canaux des flux de trésorerie et de la demande globale, et que les sûretés incitent les emprunteurs à rembourser leurs prêts, quoique cet effet est limité.

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.

Nous examinons les risques systémiques dans le secteur bancaire canadien en les décomposant selon trois canaux de contribution : la contagion, les expositions communes et les risques idiosyncrasiques. À l’aide d’un modèle structurel, nous analysons la façon dont les relations interbancaires et les conditions du marché contribuent au risque systémique, ce qui nous permet ainsi d’offrir de nouvelles perspectives sur la stabilité financière.

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.