Les modèles prévoyant différentes options en matière de défaut sont difficiles à résoudre. Nous proposons une extension de la méthode de recherche par quadrillage à points d’intersection endogènes qui permet une résolution plus efficace et plus juste des modèles de risque de défaut.
Nous mettons au point un indice qui mesure et suit systématiquement la rigueur des mesures prises par les gouvernements des provinces canadiennes pour faire face à la pandémie de COVID-19. Les chercheurs peuvent utiliser cet indice de rigueur pour analyser les effets de la pandémie sur l’économie.
Nous montrons que les techniques d’apprentissage par renforcement permettent d’estimer les fonctions de réaction optimale des banques qui participent aux systèmes de paiement de grande valeur – un jeu stratégique du monde réel caractérisé par des informations incomplètes.
Comment la politique devrait-elle être conçue dans un contexte de niveaux d’endettement élevés, où les autorités budgétaires ont peu de marge de manœuvre pour ajuster les taux d’imposition? Une autorité monétaire qui doit jouer un rôle afin d’assurer la viabilité de la dette réussit moins bien à stabiliser l’inflation et l’écart de production.
Nous étudions les effets de différentes mesures de politique monétaire sur la courbe de rendement et les interactions entre ces mesures. Notre étude met en lumière le rôle de la hiérarchie des retombées dans la formulation de la politique monétaire.
Les banques centrales réalisent des recherches au cours desquelles elles effectuent des entretiens approfondis avec des acteurs du tissu économique de leur pays. Or, les effets qu’ont les renseignements ainsi obtenus sur la politique monétaire sont peu connus. Nous remédions à cette lacune en analysant des entretiens à questions ouvertes menés auprès de cadres supérieurs de banques centrales chargés des questions d’analyse et de politique économiques et qui travaillent de près avec les décideurs de leur institution.
Nous utilisons des données sur les paiements de détail et des techniques d’apprentissage automatique afin de prévoir les effets de la COVID-19 sur l’économie canadienne en temps quasi réel. Notre modèle améliore de façon considérable la précision des prévisions macroéconomiques comparativement à un modèle de référence linéaire.
Dans le cadre d’une analyse du ralentissement de la productivité aux États-Unis durant les années 1970 et 2000, nous constatons qu’une part importante de ce ralentissement est attribuable à l’absence de gain d’efficience allocative entre les secteurs. De plus, nos résultats indiquent que la volatilité sectorielle accrue joue un rôle important dans cette absence de gain.