Changez de thème
Changez de thème

Rechercher

Types de contenu

Sujets

Codes JEL

Endroits

Départements

Auteurs

Sources

États

Publié après

Publié avant

182 résultats

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.

Finding the balance—measuring risks to inflation and to GDP growth

Note analytique du personnel 2023-18 Bruno Feunou, James Kyeong
Au moyen de notre nouvel outil quantitatif, nous montrons comment les risques pesant sur les perspectives d’inflation et de croissance ont évolué au cours de 2023.

Making It Real: Bringing Research Models into Central Bank Projections

Document d’analyse du personnel 2023-29 Marc-André Gosselin, Sharon Kozicki
La projection macroéconomique et l’analyse des risques jouent un rôle important dans la prise de décision des autorités monétaires. Les modèles font partie intégrante de ce processus. Cette étude décrit comment la Banque du Canada intègre les modèles utilisés en recherche pure et leurs apports dans l’environnement de projection des banques centrales.

Testing Collusion and Cooperation in Binary Choice Games

Document de travail du personnel 2023-58 Erhao Xie
Cette étude s’intéresse à l’implication vérifiable des comportements collusoires ou coopératifs des joueurs dans un jeu de choix binaire en situation d’information parfaite. J’illustre la mise en œuvre du test en réexaminant le jeu d’entrée entre Walmart et Kmart étudié par Jia (2008).

Machine learning for economics research: when, what and how

Note analytique du personnel 2023-16 Ajit Desai
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.

Identifying Nascent High-Growth Firms Using Machine Learning

Document de travail du personnel 2023-53 Stephanie Houle, Ryan Macdonald
Les entreprises qui croissent rapidement sont susceptibles d’introduire des innovations, de lancer de nouveaux produits ou de mettre en place des processus inédits (Kogan et autres, 2017), de devenir des entreprises phares (Haltiwanger et autres, 2013) et d’avoir une incidence sur la part globale du travail (Autor et autres, 2020; De Loecker et autres, 2020). Nous explorons l’utilisation de techniques d’apprentissage automatique supervisé pour cerner un groupe d’entreprises émergentes à forte croissance en nous basant sur des données administratives sur les entreprises canadiennes.

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.

Forecasting Risks to the Canadian Economic Outlook at a Daily Frequency

Document d’analyse du personnel 2023-19 Chinara Azizova, Bruno Feunou, James Kyeong
Cette étude quantifie les risques extrêmes présents dans les perspectives d’inflation et de croissance du PIB réel au Canada en estimant leur distribution conditionnelle quotidienne. Nous montrons que les probabilités de matérialisation de ces risques calculées à partir des distributions conditionnelles reflètent fidèlement les résultats obtenus au cours de la période de 2002 à 2022.

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.
Aller à la page