Rechercher

Les catastrophes naturelles peuvent entraîner des défis complexes pour la conduite de la politique monétaire dans les petites économies ouvertes riches en ressources naturelles. À l’aide d’un modèle d’équilibre général dynamique et stochastique calibré pour le Canada, nous montrons que la plupart des catastrophes agissent comme des chocs d’offre défavorables qui réduisent la production et font augmenter l’inflation, entraînant ainsi un arbitrage de politique monétaire.

Cette étude présente un cadre de test de résistance dans lequel les banques ajustent stratégiquement leur bilan en réponse aux contraintes réglementaires et aux conditions du marché. Appliqué aux principales banques canadiennes, ce cadre permet de quantifier les effets des politiques macroprudentielles sur l’offre de crédit et de cerner des vulnérabilités systémiques au moyen de tests de résistance inversés.

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.

Nous formulons une estimation macroéconomique de la production totale de l’IA aux États-Unis en combinant l’inférence et l’apprentissage/la R-D, rajustée pour la qualité en fonction des progrès algorithmiques. Nous proposons ensuite le cadre d’un « PIB de l’IA » qui mesure ce secteur comme un tout cohérent et complète les comptes nationaux traditionnels.

Dans le contexte des tensions commerciales accrues entre le Canada et les États-Unis en 2025, les marchés financiers ont montré des signes que les investisseurs avaient plus de difficulté à anticiper les décisions à court terme de la Banque du Canada concernant le taux directeur. Nous examinons le prix des swaps indexés sur le taux à un jour et le rendement intrajournalier des obligations du gouvernement du Canada pour déterminer le principal facteur d’incertitude entourant les décisions relatives au taux directeur.

Comment les interventions des banques centrales en période de crise calment-elles les craintes des marchés? À l’aide de données sur les options, nous mesurons le risque perçu de fortes chutes des prix des actifs sur des horizons allant de deux semaines à dix ans. En étudiant la réaction de la Réserve fédérale américaine aux turbulences de 2020, nous constatons que les achats d’actifs atténuent les craintes à court terme, tandis que les mesures qui touchent les taux d’intérêt façonnent les attentes à long terme.

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.

Cette étude porte sur la façon dont les banques centrales intègrent des données non traditionnelles et l’intelligence artificielle (IA) dans l’analyse des politiques et les opérations. S’appuyant sur l’expérience de la Banque du Canada, elle traite des applications émergentes, des défis de gouvernance et des choix stratégiques liés au déploiement responsable de l’IA à grande échelle afin d’améliorer la richesse des analyses, l’efficience et la résilience institutionnelle.

Comment les données de l’enquête américaine Survey of Professional Forecasters peuvent-elles être utilisées pour améliorer les prévisions d’inflation? En nous servant des données trimestrielles historiques de cette enquête, nous arrivons à mieux comprendre comment nous pouvons utiliser la divergence des prévisions pour améliorer nos propres prévisions.

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.