Pierre Guérin - Dernières parutions
-
-
What Drives Interbank Loans? Evidence from Canada
En utilisant la méthode de la combinaison bayésienne de modèles pour contrer l’incertitude qui entache les modèles, nous distinguons, pour le Canada, les déterminants des volumes et des taux des prêts non garantis et des prêts garantis, ainsi que des décotes appliquées aux actifs donnés en garantie. Nos résultats indiquent que les coûts de réaffectation des actifs donnés en garantie supportés par les emprunteurs constituent la principale friction régissant le comportement des acteurs sur ce marché. -
Markov‐Switching Three‐Pass Regression Filter
Nous introduisons une nouvelle méthode d’estimation des modèles factoriels de large dimension avec changements de régimes en élargissant le filtre de régression linéaire à trois passages afin d’intégrer des paramètres qui peuvent varier en fonction de processus de Markov. -
What Are the Macroeconomic Effects of High-Frequency Uncertainty Shocks
Dans cette étude, nous évaluons les effets de chocs d’incertitude de haute fréquence sur un ensemble de variables macroéconomiques de basse fréquence représentatives de l’économie américaine. Plutôt que d’estimer les modèles sur des données de même basse fréquence, nous fondons notre analyse sur des modèles économétriques récents qui nous permettent de faire intervenir des données de fréquences d’échantillonnage diverses. -
Predictive Ability of Commodity Prices for the Canadian Dollar
Les baisses marquées affichées récemment par les prix des produits de base et la dépréciation simultanée du dollar canadien ($ CAN) par rapport au dollar américain ($ US) ont ravivé l’intérêt à l’égard du lien entre les prix des produits de base et le taux de change entre les deux monnaies. -
The Dynamics of Capital Flow Episodes
Nous proposons une méthodologie nouvelle pour repérer les épisodes de flux importants de capitaux. Cette méthode repose sur un modèle de Markov à changement de régime. Le grand avantage de ce type de modèles sur les approches retenues dans la littérature est qu’il permet de classifier les mouvements de capitaux en différents régimes sans qu’il soit nécessaire de formuler des hypothèses spécifiques au contexte ou à l’échantillon choisi. -
Model Averaging in Markov-Switching Models: Predicting National Recessions with Regional Data
Les auteurs présentent de nouvelles méthodes de pondération pour la combinaison de prévisions de variables discrètes issues de différents modèles de Markov à changement de régime. Plus particulièrement, ils étendent deux classes existantes de méthodes de combinaison – combinaison de prévisions établies au moyen de modèles bayésiens (statiques) et combinaison dynamique de prévisions – de manière à correspondre explicitement à l’objectif assigné à l’exercice de prévision d’une variable discrète. -
Do High-Frequency Financial Data Help Forecast Oil Prices? The MIDAS Touch at Work
La variation considérable des prix réels du pétrole depuis 2003 a ravivé l’intérêt porté aux méthodes de prévision des cours mensuels et trimestriels de ce produit. On a aussi observé un regain d’intérêt pour l’étude du lien entre les marchés financiers et pétroliers : à ce titre, les chercheurs se sont demandé si l’information en provenance des marchés financiers aide à prédire les prix réels du pétrole sur les marchés au comptant. -
Regime Switches in the Risk-Return Trade-Off
Notre étude porte sur l’estimation de la relation entre le risque et le rendement. À cette fin, nous estimons cette relation avec un modèle à changements de régimes markoviens en utilisant un modèle MIDAS pour la variance conditionnelle. -
15 août 2013
Le suivi des perspectives économiques à court terme des économies étrangères
La Banque du Canada emploie plusieurs modèles de prévision à court terme pour suivre l’évolution des grandes économies étrangères que sont les États-Unis, la zone euro, le Japon et la Chine. La conception des modèles prévisionnels relatifs à chacune de ces régions est influencée par le niveau de détail requis ainsi que par la rapidité de diffusion et la volatilité des données. Les prévisions générées par différents modèles sont habituellement combinées de manière à réduire l’incertitude liée à la modélisation, et le jugement des experts est mis à contribution pour y intégrer l’information qui n’apparaît pas directement dans les plus récents indicateurs.