C1 - Économétrie et méthodes statistiques : généralités
-
Extreme Downside Risk in Asset Returns
Les marchés financiers peuvent connaître des mouvements à la baisse soudains et extrêmes. Dans de tels scénarios, le rendement des actifs est une réelle source d’inquiétude pour les investisseurs. Certains actifs enregistrent de mauvais résultats en période de repli du marché, tandis que d’autres ont des réactions plus modérées. -
2018 Bitcoin Omnibus Survey: Awareness and Usage
La Banque du Canada continue de se servir de l’enquête-omnibus sur le bitcoin pour suivre les tendances en ce qui concerne la connaissance, la détention et l’utilisation de cette cryptomonnaie par les Canadiens. La plus récente enquête a été réalisée à la fin de 2018, après la chute de 85 % du prix du bitcoin observée au cours de l’année. -
Tail Index Estimation: Quantile-Driven Threshold Selection
Bien qu’ils soient rares, les événements les plus extrêmes (p. ex., les crises économiques) ont souvent d’énormes répercussions. Comme l’échantillon est restreint, il est difficile de déterminer avec précision la probabilité de leur survenue. -
Characterizing the Canadian Financial Cycle with Frequency Filtering Approaches
Pour décrire le cycle financier au Canada, j’emploie deux méthodes utilisant des filtres à fréquences multiples afin d’extraire les fluctuations des variables sous-jacentes par rapport à leur tendance de long terme : un indice composite à pondérations dynamiques et un modèle à tendance stochastique. -
Monetary Policy Uncertainty: A Tale of Two Tails
Dans cette étude, nous rendons compte d’une forte asymétrie dans l’évolution des attentes à l’égard du taux des fonds fédéraux, asymétrie que nous faisons correspondre à des mesures de l’incertitude concernant la politique monétaire. Nous montrons que les périodes de resserrement monétaire sont liées à une incertitude « négative » (taux directeur supérieur aux attentes) et celles d’assouplissement monétaire, à une incertitude « positive » (taux directeur inférieur aux attentes). -
Challenges in Implementing Worst-Case Analysis
Depuis la récente crise financière, l’analyse du pire scénario est utilisée par les autorités de réglementation du secteur financier pour évaluer le risque extrême. Nous apportons de nouvelles perspectives sur cette méthode et sur l’estimation de la valeur extrême qui en découle. Nous calculons le biais des estimateurs d’ordre non paramétrique de la queue de distribution et le comparons au biais associé à la méthode semi-paramétrique de la théorie des valeurs extrêmes (TVE). -
A Look Inside the Box: Combining Aggregate and Marginal Distributions to Identify Joint Distributions
Le présent document propose une méthode d’estimation de la distribution conjointe de deux variables ou plus lorsque seules leur distribution marginale et la distribution de leur agrégat sont observées. L’identification non paramétrique se fait par la modélisation de la dépendance au moyen d’une structure de facteurs communs latents. -
Bitcoin Awareness and Usage in Canada: An Update
Une comparaison des résultats de notre enquête-omnibus de 2017 sur le bitcoin (menée du 12 au 15 décembre 2017) avec ceux de l’année précédente révèle un accroissement du pourcentage de répondants disant avoir entendu parler du bitcoin (85 % en 2017 comparativement à 64 % en 2016) et en détenir (5,0 % en 2017 contre 2,9 % en 2016). Les résultats révèlent en outre que les acheteurs de bitcoins utilisent pour la plupart cette cryptomonnaie comme instrument de placement et non pas comme mode de paiement pour acquérir des biens et des services. -
Bootstrapping Mean Squared Errors of Robust Small-Area Estimators: Application to the Method-of-Payments Data
Nous proposons une nouvelle procédure bootstrap pour estimer l’erreur quadratique moyenne associée aux estimateurs sur petits domaines robustes. La validité asymptotique du bootstrap proposé est formellement établie et ses propriétés en échantillons finis sont examinées à l’aide de simulations de Monte Carlo. -
On the Evolution of the United Kingdom Price Distributions
Nous proposons une méthode d’analyse en composantes principales fonctionnelles qui rend compte de la pondération de l’échantillonnage aléatoire stratifié et de la dépendance temporelle des observations dans le but de comprendre l’évolution des distributions de données microéconomiques mensuelles sur les prix à la consommation au Royaume-Uni.