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
Identifying Nascent High-Growth Firms Using Machine Learning Document de travail du personnel 2023-53 Stephanie Houle, Ryan Macdonald Les entreprises qui croissent rapidement sont susceptibles d’introduire des innovations, de lancer de nouveaux produits ou de mettre en place des processus inédits (Kogan et autres, 2017), de devenir des entreprises phares (Haltiwanger et autres, 2013) et d’avoir une incidence sur la part globale du travail (Autor et autres, 2020; De Loecker et autres, 2020). Nous explorons l’utilisation de techniques d’apprentissage automatique supervisé pour cerner un groupe d’entreprises émergentes à forte croissance en nous basant sur des données administratives sur les entreprises canadiennes. Type(s) de contenu : Travaux de recherche du personnel, Documents de travail du personnel Sujet(s) : Dynamique des entreprises, Méthodes économétriques et statistiques Code(s) JEL : C, C5, C55, C8, C81, L, L2, L25
A Blueprint for the Fourth Generation of Bank of Canada Projection and Policy Analysis Models Document d’analyse du personnel 2023-23 Donald Coletti La quatrième génération de modèles utilisés par la Banque du Canada pour effectuer des projections et des analyses est destinée à approfondir notre compréhension de la dynamique de l’inflation, de l’offre au sein de l’économie et des risques sous-jacents auxquels sont confrontés les décideurs publics, causés par l’incertitude qui entoure le fonctionnement de l’économie. Type(s) de contenu : Travaux de recherche du personnel, Documents d'analyse du personnel Sujet(s) : Incertitude et politique monétaire, Inflation et prix, Marchés du travail, Modèles économiques Code(s) JEL : C, C5, C50, C51, C52, C53, C54, C55
Turning Words into Numbers: Measuring News Media Coverage of Shortages Document d’analyse du personnel 2023-8 Lin Chen, Stephanie Houle Nous élaborons des indicateurs à haute fréquence fondés sur les actualités qui utilisent le traitement automatique des langues pour analyser les reportages écrits. Nos indicateurs surveillent l’évolution des ruptures d’approvisionnement (matières premières, produits intermédiaires et produits finis) et de la pénurie de main-d’œuvre. Ils suivent aussi la variation de la trame narrative des différents types de pénuries au fil des semaines. Type(s) de contenu : Travaux de recherche du personnel, Documents d'analyse du personnel Sujet(s) : Évolution économique et financière récente, Incertitude et politique monétaire, Maladie à coronavirus (COVID-19), Méthodes économétriques et statistiques Code(s) JEL : C, C5, C55, C8, C82, E, E3, E37
Sectoral Uncertainty Document de travail du personnel 2022-38 Efrem Castelnuovo, Kerem Tuzcuoglu, Luis Uzeda 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. Type(s) de contenu : Travaux de recherche du personnel, Documents de travail du personnel Sujet(s) : Cycles et fluctuations économiques, Incertitude et politique monétaire, Méthodes économétriques et statistiques Code(s) JEL : C, C5, C51, C55, E, E3, E32, E4, E44
Historical Data on Repurchase Agreements from the Canadian Depository for Securities Rapport technique n° 121 Maxim Ralchenko, Adrian Walton Nous élaborons un algorithme capable d’extraire de l’information sur les opérations de pension à partir de données de règlement désagrégées pour générer un nouvel ensemble de données historiques servant à la recherche. Type(s) de contenu : Travaux de recherche du personnel, Rapports techniques Sujet(s) : Marchés financiers, Méthodes économétriques et statistiques Code(s) JEL : C, C5, C55, C8, C81, G, G1, G10
Macroeconomic Predictions Using Payments Data and Machine Learning Document de travail du personnel 2022-10 James Chapman, Ajit Desai Nous démontrons l’utilité des données des systèmes de paiement et des modèles d’apprentissage automatique pour les prévisions macroéconomiques et proposons un ensemble d’outils économétriques pour surmonter les défis qui leur sont associés. Type(s) de contenu : Travaux de recherche du personnel, Documents de travail du personnel Sujet(s) : Cycles et fluctuations économiques, Méthodes économétriques et statistiques, Systèmes de compensation et de règlement des paiements Code(s) JEL : C, C5, C53, C55, E, E3, E37, E4, E42, E5, E52
Business Closures and (Re)Openings in Real Time Using Google Places Document de travail du personnel 2022-1 Thibaut Duprey, Daniel E. Rigobon, Philip Schnattinger, Artur Kotlicki, Soheil Baharian, T. R. Hurd La pandémie de COVID-19 a fait ressortir le besoin pour les décideurs de suivre au plus près les perturbations dans les secteurs de la vente au détail et de la restauration. Nous présentons une nouvelle méthode pour mesurer les taux d’ouverture et fermeture d’entreprises en utilisant des données en temps réel de Google Places, la base de données sur laquelle repose Google Maps. Type(s) de contenu : Travaux de recherche du personnel, Documents de travail du personnel Sujet(s) : Dynamique des entreprises, Évolution économique et financière récente Code(s) JEL : C, C5, C55, C8, C81, D, D2, D22, E, E3, E32
Payment Habits During COVID-19: Evidence from High-Frequency Transaction Data Document de travail du personnel 2021-43 Tatjana Dahlhaus, Angelika Welte Nous examinons la façon dont les consommateurs ont modifié leurs habitudes de paiement durant la pandémie de COVID-19. Il semble qu’ils effectuent des opérations moins nombreuses, mais d’un montant plus élevé, sont moins portés à payer en liquide aux points de vente, et effectuent davantage de retraits aux guichets de leur institution financière qu’aux guichets d’autres enseignes. Type(s) de contenu : Travaux de recherche du personnel, Documents de travail du personnel Sujet(s) : Demande intérieure et composantes, Évolution économique et financière récente, Maladie à coronavirus (COVID-19), Systèmes de compensation et de règlement des paiements Code(s) JEL : C, C2, C22, C5, C55, D, D1, D12, E, E2, E21, E4, E42, E5, E52