Making It Real: Bringing Research Models into Central Bank Projections

Disponible en format(s) : PDF

L’objet de notre étude est de combler le vide entre les modèles utilisés en recherche pure et les modèles servant à étayer la prise de décision des banquiers centraux. Les modèles employés dans les environnements de projection des banques centrales ont beaucoup de points communs avec les modèles utilisés dans le cadre de la recherche pure et bénéficient des apports de cette dernière. Ils s’en différencient cependant sous plusieurs plans qui méritent d’être soulignés. Ainsi, pour s’attaquer aux problèmes que posent les projections macroéconomiques dans le monde réel, les modèles des banques centrales peuvent avoir une portée plus grande. Pour aider à la prise de décision, les modèles doivent à la fois disposer d’un fondement théorique et permettre une bonne adéquation avec les données. Les exercices de projection périodiques nécessitent, eux, des modèles qui s’adaptent aux flux de données, notamment aux révisions des données. Enfin, pour apporter des conseils crédibles, les prévisionnistes doivent intégrer une part de jugement dans leurs projections, et ce, afin d’aborder des questions qui dépassent les limites de leur modèle. Une fois tous ces défis relevés, les modèles et projections des banques centrales pourront alors nourrir le récit qui aidera le public à comprendre les décisions des autorités monétaires. Au regard de cet objectif, l’étude s’articule autour de quatre grands thèmes : 1) les critères à remplir par les modèles pour remplir les besoins des banques centrales; 2) le survol des principaux modèles économiques de la Banque du Canada : TOTEM et LENS; 3) les difficultés à surmonter pour satisfaire les critères de la modélisation; 4) les méthodes pratiques utiles pour résoudre certaines difficultés quand les délais sont serrés. L’étude se conclut sur une description de ce que les leçons apprises de la recherche et de l’expérience pourraient apporter au programme de conception des futurs modèles, comme analysé par Coletti (2023).

DOI : https://doi.org/10.34989/sdp-2023-29