Luis Uzeda
Chercheur principal
- Doctorat en économie de l’Université nationale d’Australie (2017)
Biographie
Luis Uzeda occupe le poste de chercheur principal au sein de l’équipe d’analyse de la main-d’œuvre et de l’inflation du département des analyses de l’Économie canadienne (AEC). Ses travaux de recherche portent sur la macroéconomie appliquée, l'économétrie bayésienne et l'analyse des séries temporelles. Avant de rejoindre la Banque, Luis a occupé des postes dans les départements de recherche de la banque Centrale de l’Australie et de la banque Centrale de la Nouvelle-Zélande. Il est titulaire d'un doctorat en économie de l'Université Nationale de l’Australie.
Documents d'analyse du personnel
Documents de travail du personnel
Sectoral Uncertainty
Nous proposons un nouveau cadre empirique qui permet de décomposer simultanément la variance conditionnelle des séries chronologiques de données économiques en deux facteurs : l’incertitude agrégée et l’incertitude sectorielle. Nous appliquons notre cadre à un ensemble de données désagrégées relatives à la production industrielle aux États-Unis. Nous constatons que les variations imprévues de l’incertitude liée aux biens durables sont des facteurs de ralentissement, tandis que les hausses inattendues de l’incertitude liée aux biens non durables ont une action expansionniste.Understanding Trend Inflation Through the Lens of the Goods and Services Sectors
Les secteurs des biens et des services ont connu des dynamiques de prix très différentes au cours des 30 dernières années. Nous avons cherché à comprendre comment des évolutions sectorielles aussi contrastées se répercutent sur la dynamique de l’inflation tendancielle globale.Endogenous Time Variation in Vector Autoregressions
Nous présentons une nouvelle classe de modèles vectoriels autorégressifs (VAR) à paramètres variables dans le temps dans laquelle les innovations structurelles désignées explicitement peuvent influer – simultanément et en décalage – sur la dynamique de la constante et des coefficients autorégressifs.State Correlation and Forecasting: A Bayesian Approach Using Unobserved Components Models
Au regard de l’extraction des signaux, les implications de la spécification de modèles à composantes non observées avec innovations corrélées ou orthogonales ont été largement analysées. Par contraste, s’agissant des prévisions, les implications de modèles à composantes non observées avec différentes structures de corrélation des variables d’état sont moins bien comprises.Publications dans des revues
- « Understanding Trend Inflation Through the Lens of the Goods and Services Sectors » (avec la collaboration de Yunjong Eo et Benjamin Wong), Journal of Applied Econometrics (2023)
- « State Correlation and Forecasting: A Bayesian Approach Using Unobserved Components Models », Advances in Econometrics (Essays in Honor of Fabio Canova) (2022)
- « Endogenous Time Variation in Vector Autoregressions » (avec la collaboration de Danilo Leiva-León), Review of Economics and Statistics (2022)
- « Detection of Anticipated Structural Changes in a Rational Expectations Environment » (avec la collaboration de Callum Jones), Applied Economics Letters (2013)