Kerem Tuzcuoglu - Dernières parutions
-
-
Supply Drivers of US Inflation Since the COVID-19 Pandemic
Cette étude examine la contribution de divers facteurs d’offre à l’inflation globale aux États-Unis depuis le début de la pandémie de COVID-19. Nous identifions six chocs d’offre à l’aide d’un modèle VAR structurel : chocs liés à l’offre de travail, à la productivité de la main d’œuvre, aux chaînes d’approvisionnement mondiales, au prix du pétrole, aux majorations de prix et aux hausses salariales. -
Risk Amplification Macro Model (RAMM)
Le modèle macroéconomique d’amplification des risques (modèle RAMM) est un nouveau modèle dynamique non linéaire à deux pays qui rend compte de chocs négatifs rares, mais graves. Le modèle RAMM peut être utilisé pour évaluer les implications de scénarios de risques d’origine intérieure ou étrangère pour la stabilité financière. -
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. -
International Transmission of Quantitative Easing Policies: Evidence from Canada
Cette étude traite des répercussions transfrontalières des politiques d’assouplissement quantitatif des grandes économies sur leurs partenaires commerciaux. Nous examinons les effets des politiques d’assouplissement quantitatif américaines sur le Canada, lorsque ces outils étaient employés activement durant la période où les taux étaient à la borne du zéro. -
Composite Likelihood Estimation of an Autoregressive Panel Probit Model with Random Effects
La modélisation et l’estimation de données discrètes persistantes peuvent s’avérer difficiles. Dans cette étude, nous utilisons un modèle probit autorégressif avec données de panel où l’autocorrélation de la variable discrète dépend de l’autocorrélation de la variable latente. Dans ce type de modèle non linéaire, l’autocorrélation d’une variable non observée entraîne une vraisemblance incalculable contenant des intégrales de haute dimension.