Changez de thème
Changez de thème

Rechercher

Types de contenu

Sujets

Codes JEL

Endroits

Départements

Auteurs

Sources

États

Publié après

Publié avant

78 résultats

Forecasting Recessions in Canada: An Autoregressive Probit Model Approach

Document de travail du personnel 2024-10 Antoine Poulin-Moore, Kerem Tuzcuoglu
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.

Predictive Density Combination Using a Tree-Based Synthesis Function

Document de travail du personnel 2023-61 Tony Chernis, Niko Hauzenberger, Florian Huber, Gary Koop, James Mitchell
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.

A Blueprint for the Fourth Generation of Bank of Canada Projection and Policy Analysis Models

Document d’analyse du personnel 2023-23 Donald Coletti
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.

Predicting Changes in Canadian Housing Markets with Machine Learning

Document d’analyse du personnel 2023-21 Johan Brannlund, Helen Lao, Maureen MacIsaac, Jing Yang
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.

Combining Large Numbers of Density Predictions with Bayesian Predictive Synthesis

Document de travail du personnel 2023-45 Tony Chernis
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.

Forecasting Banks’ Corporate Loan Losses Under Stress: A New Corporate Default Model

Rapport technique n° 122 Gabriel Bruneau, Thibaut Duprey, Ruben Hipp
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.

Calculating Effective Degrees of Freedom for Forecast Combinations and Ensemble Models

Document d’analyse du personnel 2022-19 James Younker
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.

Nowcasting Canadian GDP with Density Combinations

Document d’analyse du personnel 2022-12 Tony Chernis, Taylor Webley
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.

Macroeconomic Predictions Using Payments Data and Machine Learning

Document de travail du personnel 2022-10 James Chapman, Ajit Desai
Nous démontrons l’utilité des données des systèmes de paiement et des modèles d’apprentissage automatique pour les prévisions macroéconomiques et proposons un ensemble d’outils économétriques pour surmonter les défis qui leur sont associés.

Assessing Climate-Related Financial Risk: Guide to Implementation of Methods

La Banque du Canada et le Bureau du surintendant des institutions financières ont réalisé un projet pilote sur des scénarios de transition climatique afin d’évaluer les risques de crédit et de marché liés aux changements climatiques. Ce rapport décrit les méthodes utilisées pour le projet et propose des orientations concernant leur mise en œuvre.
Aller à la page