Finding a Needle in a Haystack: A Machine Learning Framework for Anomaly Detection in Payment Systems Document de travail du personnel 2024-15 Ajit Desai, Anneke Kosse, Jacob Sharples Notre cadre d’apprentissage automatique à deux niveaux peut renforcer la surveillance des transactions en temps réel dans les systèmes de paiement de grande valeur, lesquels représentent un élément central de l’infrastructure financière d’un pays. Testé sur des données provenant de systèmes de paiement canadiens, le cadre s’est révélé capable de détecter avec précision des transactions anormales. Il pourrait contribuer à améliorer la résilience informatique et opérationnelle des systèmes de paiement. Type(s) de contenu : Travaux de recherche du personnel, Documents de travail du personnel Sujet(s) : Institutions financières, Monnaies numériques et technologies financières, Réglementation et politiques relatives au système financier, Services financiers, Systèmes de compensation et de règlement des paiements Code(s) JEL : C, C4, C45, C5, C55, D, D8, D83, E, E4, E42
Machine learning for economics research: when, what and how Note analytique du personnel 2023-16 Ajit Desai Nous passons en revue une sélection d’études tirant parti de l’apprentissage automatique à des fins de recherche économique et d’analyse de politiques. Notre examen fait ressortir les circonstances où l’apprentissage automatique est utilisé en économie, les modèles préférés en général, et la façon dont ils sont utilisés. Type(s) de contenu : Travaux de recherche du personnel, Notes analytiques du personnel Sujet(s) : Méthodes économétriques et statistiques, Modèles économiques, Recherches menées par les banques centrales Code(s) JEL : A, A1, A10, B, B2, B23, C, C4, C45, C5, C55
Predicting Changes in Canadian Housing Markets with Machine Learning Document d’analyse du personnel 2023-21 Johan Brannlund, Helen Lao, Maureen MacIsaac, Jing Yang Nous utilisons deux algorithmes d’apprentissage automatique pour prévoir la croissance mensuelle des prix des logements et des ventes de logements existants au Canada. Même si ces algorithmes peuvent parfois être plus efficaces qu’un modèle linéaire, l’amélioration de l’exactitude des prévisions n’est pas toujours statistiquement significative. Type(s) de contenu : Travaux de recherche du personnel, Documents d'analyse du personnel Sujet(s) : Logement, Marchés financiers, Méthodes économétriques et statistiques Code(s) JEL : A, C, C4, C45, C5, C53, D, D2, R, R2, R3
A New Approach to Infer Changes in the Synchronization of Business Cycle Phases Document de travail du personnel 2014-38 Danilo Leiva-Leon Dans cette étude, l’auteur propose un modèle markovien à changement de régime pour repérer de façon endogène : 1) les régimes dont les économies entrent simultanément en récession ou dans une phase d’expansion et 2) les régimes dont les économies ne sont pas synchronisées et suivent pour l’essentiel des cycles indépendants. Type(s) de contenu : Travaux de recherche du personnel, Documents de travail du personnel Sujet(s) : Cycles et fluctuations économiques, Évolution économique régionale, Méthodes économétriques et statistiques Code(s) JEL : C, C3, C32, C4, C45, E, E3, E32
The Application of Artificial Neural Networks to Exchange Rate Forecasting: The Role of Market Microstructure Variables Document de travail du personnel 2000-23 Nikola Gradojevic, Jing Yang Les réseaux de neurones artificiels sont employés pour la prévision du taux de change Canada/ États-Unis à fréquence élevée. Ils produisent généralement de meilleures prévisions hors échantillon récursives qu'une marche aléatoire ou un modèle linéaire. Type(s) de contenu : Travaux de recherche du personnel, Documents de travail du personnel Sujet(s) : Taux de change Code(s) JEL : C, C4, C45, F, F3, F31
Forecasting GDP Growth Using Artificial Neural Networks Document de travail du personnel 1999-3 Greg Tkacz, Sarah Hu Les variables financières et monétaires sont reconnues depuis longtemps comme des indicateurs fiables de l'activité économique future. Dans cette étude, les auteurs tentent de déterminer si le recours à des réseaux neuronaux permet d'améliorer les prévisions réalisées à l'aide de ces variables. Ils constatent qu'à l'horizon d'un trimestre, les réseaux neuronaux ne produisent pas de […] Type(s) de contenu : Travaux de recherche du personnel, Documents de travail du personnel Sujet(s) : Indicateurs monétaires et financiers, Méthodes économétriques et statistiques Code(s) JEL : C, C4, C45, E, E3, E37, E4, E44