Rechercher

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.

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.

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.

Notre cadre d’apprentissage automatique à deux niveaux peut renforcer la surveillance des transactions en temps réel dans les systèmes de paiement de grande valeur, lesquels représentent un élément central de l’infrastructure financière d’un pays. Testé sur des données provenant de systèmes de paiement canadiens, le cadre s’est révélé capable de détecter avec précision des transactions anormales. Il pourrait contribuer à améliorer la résilience informatique et opérationnelle des systèmes de paiement.

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 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.

Nous explorons les implications de la numérisation pour la politique monétaire, à la fois en ce qui a trait à l’effet de la politique monétaire sur l’économie et en termes d’analyse des données et de communication avec le public.

Nous étudions comment le choc d’une cyberattaque empêchant une ou plusieurs banques d’envoyer des paiements se transmettrait à d’autres via le système canadien de paiement de gros. Sur la base de données historiques sur les paiements, nous simulons un large éventail de scénarios et évaluons l’ampleur des perturbations sur les paiements traités par le système.

À l’aide d’un ensemble de données sur la rapidité de paiement en magasin au Canada, je montre qu’il est plus rapide de payer en argent comptant que par carte de crédit ou de débit. Je me sers de modèles à risques proportionnels de Cox pour modéliser l’efficacité des paiements, compte tenu du mode de paiement choisi par le consommateur.

Cette note présente un indicateur composite des vulnérabilités du système financier canadien, le baromètre des vulnérabilités. Il vise à compléter l’évaluation des vulnérabilités de la Banque du Canada en ajoutant un aspect quantitatif et synthétique à l’analyse présentée dans la Revue du système financier, laquelle est plus granulaire et davantage portée sur l’évolution des distributions.