Rechercher

Existe-t-il un risque de désancrage des anticipations d’inflation à court terme? Nous estimons la prime de risque d’inflation à l’aide de modèles traditionnels d’évaluation des actifs pour répondre à cette question. Le risque de désancrage est élevé par rapport à celui de la période qui a précédé la pandémie de COVID-19, et il est plus élevé aux États-Unis qu’au Canada.

Pendant la crise qui a secoué les marchés financiers lors de la pandémie de COVID-19, les banques centrales ont instauré des programmes visant à maintenir la liquidité des marchés de financement essentiels. En plus de soutenir les prix de marché, ces programmes permettent de recueillir des données sur les opérations, qui éclairent sur les conditions de marché courantes. La publication d’informations sommaires qui sont dégagées de ces données permet aux participants aux marchés de mieux cerner les conditions qui prévalent et contribue à rétablir le bon fonctionnement des marchés.

Les changements à la prime de terme nominale peuvent refléter l’incertitude entourant l’inflation, la croissance et la politique monétaire. Il importe que les banques centrales comprennent les principaux facteurs qui influencent la prime de terme nominale au moment de prendre des décisions de politique monétaire. Dans cet article, nous déduisons la prime de risque réel à partir de la prime de terme nominale au Canada.

Nous présentons deux modèles servant à mesurer les attentes d’inflation à long terme et les primes de risque d’inflation pour le Canada.

Au moyen de notre nouvel outil quantitatif, nous montrons comment les risques pesant sur les perspectives d’inflation et de croissance ont évolué au cours de 2023.

Cette étude quantifie les risques extrêmes présents dans les perspectives d’inflation et de croissance du PIB réel au Canada en estimant leur distribution conditionnelle quotidienne. Nous montrons que les probabilités de matérialisation de ces risques calculées à partir des distributions conditionnelles reflètent fidèlement les résultats obtenus au cours de la période de 2002 à 2022.

Nous présentons les processus gamma autorégressifs généralisés (GARG), une catégorie de processus autorégressifs et moyennes mobiles où la dynamique de chacun des moments conditionnels est influencée par une différente moyenne mobile identifiable de la variable d’intérêt. Nous montrons que l’utilisation de processus GARG réduit les erreurs d’évaluation de façon nettement plus importante que les processus gamma autorégressifs existants.

Nous caractérisons le biais dans les estimations de Hill en coupe transversale causé par les facteurs sous-jacents communs, puis proposons deux solutions simples pour le corriger. Pour déterminer la présence, le sens et l’ampleur du biais, nous utilisons les rendements mensuels du marché boursier américain et les données annuelles de population par comtés du recensement des États-Unis.

Nous examinons le contenu informationnel de l’évaluation des prix des marchés hors cote opaques fournie par les services d’agrégation. Nous montrons que les données publiques sur les prix informent avant tout les participants sur les estimations des autres participants, plutôt que sur la valeur d’un titre de placement.

Les interactions commerciales des banques créent un réseau de relations qui sont cachées dans la corrélation des rendements sur les titres bancaires. Toutefois, il est important de connaître le rapport de causalité pour savoir comment les politiques choisies modifient le réseau. Dans cette étude, nous cherchons donc le réseau causal auquel s’attendent les investisseurs.