Mes recherches portent sur l'économétrie, principalement la macroéconométrie, avec des applications en politique monétaire et, plus récemment, en finance bancaire. Je m'intéresse de plus en plus à une question : comment savoir quand un modèle cesse de bien fonctionner, et comment corriger les estimations qui en dépendent.
Domaines
Économétrie, apprentissage automatique, macroéconomie, politique monétaire
Que devrait contenir un indice climatique pertinent pour la macroéconomie? Sa composition est intrinsèquement ambiguë, et les choix d'agrégation influencent l'inférence structurelle. Nous proposons l'Assemblage VAR, qui estime conjointement des poids d'agrégation non négatifs et les paramètres du VAR en maximisant le critère de gain de vraisemblance du système, confiant ainsi l'agrégation à la dynamique macroéconomique observée. Deux variantes opèrent dans l'espace des composantes et dans l'espace des rangs, en repondérant des sous-composantes nommées ou en mettant l'accent sur certaines régions de la distribution transversale. Appliqués aux données climatiques américaines désagrégées de l'Actuaries Climate Index et de la NOAA, les VAR utilisant les mesures climatiques assemblées produisent des réponses impulsionnelles récessives nettement plus fortes que celles obtenues avec des indices à poids fixes. Les poids privilégient les variables de vents forts et les queues de distribution plutôt que les composantes lentes comme le niveau de la mer.
À partir de données trimestrielles américaines (1967–2023), qui incluent la poussée puis le recul de l'inflation après la pandémie ainsi que des politiques monétaires marquées par l'assouplissement quantitatif avant un recentrage sur la cible de 2 %, nous utilisons des outils économétriques traditionnels et nouveaux pour évaluer la stabilité des réponses des principales variables macroéconomiques aux chocs monétaires. Nos résultats confirment la pertinence d'un agrégat Divisia large pour comprendre la transmission de la politique monétaire et soulignent son importance empirique pour expliquer la dynamique de la production et des prix au fil des décennies. Les fonctions de réponse impulsionnelle (FRI) variables dans le temps révèlent des réponses des prix cohérentes et sans énigme aux chocs monétaires fondés sur la monnaie Divisia sur tout l'échantillon, conformément à la théorie. Elles indiquent aussi que les valeurs aberrantes du PIB liées à la pandémie (2020T2) ne perturbent pas les résultats. À l'inverse, les chocs sur le taux des fonds fédéraux ou sur le taux directeur fictif produisent souvent des résultats énigmatiques, tant sur les périodes antérieures que sur l'échantillon prolongé.
Une politique monétaire réactive exige des mesures d'inflation fondamentale réactives. Nous construisons une nouvelle série d'inflation fondamentale explicitement conçue pour atteindre cet objectif. Plus précisément, nous proposons la régression Assemblage, un problème de régression ridge non négative généralisée qui optimise les poids des sous-composantes de l'indice des prix de sorte que l'agrégat prédise au mieux l'inflation globale future. En ordonnant les sous-composantes selon leur rang à chaque période, l'algorithme apprend une inflation tronquée supervisée, autrement dit la statistique sommaire de la distribution des variations de prix réalisées la plus tournée vers l'avenir. Dans un vaste exercice de prévision hors échantillon pour les États-Unis et la zone euro, nous obtenons des gains importants pour signaler l'évolution de l'inflation à moyen terme, avant comme après la COVID. Les gains de la version tronquée supervisée sont particulièrement marqués et s'expliquent par une troncature très asymétrique, contrairement aux indicateurs conventionnels. Cette mesure signalait aussi les premières pressions à la hausse sur l'inflation dès la mi-2020 et a rapidement capté le point de retournement de 2022. Nous considérons enfin des extensions, comme l'assemblage de l'inflation à partir de régions géographiques, l'agrégation temporelle tronquée et la construction de mesures fondamentales spécialisées dans les risques d'inflation à la hausse ou à la baisse.
Travaux en cours
Priority, Not Exposure: Recovery Rules and Depositor Monitoring
Seul auteur
Version préliminaire
Un déposant au-delà de la limite d'assurance-dépôts n'a une raison de surveiller sa banque que si la règle de résolution paie davantage un dollar retiré avant la faillite qu'un dollar resté dans la banque. La valeur de l'information est cet écart de priorité multiplié par ses dollars non assurés : la surveillance forme un coude à la limite d'assurance, et la taille de ce coude révèle l'écart anticipé par les déposants.
Model of Employment by Region and Occupation (MERO)
MERO combine le recensement canadien quinquennal et l'Enquête sur la population active mensuelle pour estimer l'emploi trimestriel de chaque profession à cinq chiffres dans chacune des 23 régions du Québec, où la plupart des cellules de l'enquête sont supprimées ou trop bruitées pour être utilisées directement. Le modèle repose sur le lissage par splines, la décomposition des taux de croissance et la désagrégation hiérarchique; il est validé contre les recensements de 2016 et 2021 et s'applique aussi à l'Ontario et à l'ensemble du Canada.