Rechercher

Cette étude présente une évaluation exhaustive de la qualité des prévisions des risques macroéconomiques produites par un modèle vectoriel autorégressif quantile (QVAR). En général, celui-ci donne de meilleurs résultats que les modèles de référence standards. Des résultats de qualité équivalente sont également obtenus lorsqu’il est enrichi de facteurs. Nous concluons donc que le modèle QVAR et ses versions enrichies constituent tous des outils adéquats pour modéliser les risques macroéconomiques.

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 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.

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.

La quatrième génération de modèles utilisés par la Banque du Canada pour effectuer des projections et des analyses est destinée à approfondir notre compréhension de la dynamique de l’inflation, de l’offre au sein de l’économie et des risques sous-jacents auxquels sont confrontés les décideurs publics, causés par l’incertitude qui entoure le fonctionnement de l’économie.

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.

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.

Nous présentons un nouveau modèle de défaillance des entreprises, un des fondements de l’infrastructure de la Banque du Canada permettant de soumettre les banques à des tests de résistance. Le modèle est utilisé pour prévoir les pertes sur prêts aux entreprises que le secteur bancaire canadien est susceptible de subir en période de tension.

Dans cette étude, l’auteur s’attache à calculer les degrés de liberté effectifs d’une combinaison de prévisions en fonction d’un ensemble de conditions générales applicables aux modèles linéaires. Le calcul des degrés de liberté effectifs montre que le coût de complexité d’une combinaison de prévisions dépend des paramètres du système de pondération et de la moyenne pondérée des paramètres dans les modèles auxiliaires.

Nous présentons un outil permettant d’établir des prévisions par densité de la croissance du PIB réel canadien pour la période en cours. Nous démontrons que les densités combinées sont un outil fiable permettant d’évaluer avec justesse la situation économique et les risques pesant sur les perspectives.