项目来源

加拿大魁北克科学研究基金(FRQ)

项目主持人

DETTAA MBOUDJIHO,Eugène Delacroix

项目受资助机构

Université de Montréal

项目编号

DETEU2101

立项年度

2024

立项时间

未公开

研究期限

未知 / 未知

项目级别

省级

受资助金额

33333.00美元

学科

Économie, emploi et marchés

学科代码

未公开

基金类别

Société et culture(FRQSC)-Bourses de doctorat en recherche-Bourses et stages de formation

关键词

未公开

参与者

未公开

参与机构

未公开

项目标书摘要：La courbe de Phillips néo-keynésienne(NKPC)est un modèle macroéconomique selon lequel l'inflation actuelle est déterminée par les attentes de l'activité économique réelle future,plutôt que par les chocs passés.Cela implique que la politique monétaire peut affecter l'inflation à travers la gestion des anticipations d'inflation.Ce modèle,utilisé dans l’analyse de la politique monétaire,est décrit par une équation mathématique qui fait intervenir des paramètres inconnus.Son utilisation pratique par une Banque Centrale nécessite une estimation de ces paramètres inconnus à partir des données macroéconomiques observées.
        L'une des particularités de la NKPC est qu'elle implique un grand nombre d'instruments potentiellement faibles.Dans un tel contexte,la plupart des procédures d’estimation et d’inférence statistique utilisant l'approche conventionnelle conduisent à des résultats biaisés et incorrects.Une façon dans la littérature de tirer profit de ce large éventail d’instruments disponibles est d’utiliser les méthodes d’apprentissages automatiques(‘‘Machine Learning’’)pour résumer l’information qu’ils contiennent en un seul instrument appelé instrument optimal.Cet instrument est alors utilisé pour estimer le paramètre d’intérêt.Le problème est que l’estimation de l’instrument optimal basée sur l’apprentissage automatique peut induire un grand biais dans l’estimation du paramètre d’intérêt.Il existe une solution dans la littérature pour résoudre ce problème appelé‘‘Double/debiased Machine Learning-DML’’.Mais cette solution est adaptée uniquement aux données en coupe transversale et ne permet pas d’estimer la NKPC,puisque cette dernière utilise les données macroéconomiques qui sont potentiellement corrélées.
        L’objectif de ce projet est d’étendre la théorie sur la méthode DML aux données sous forme de séries temporelles et appliquer cette théorie a l’estimation de la NKPC.La théorie que nous développons dans ce projet pourra également être utilisée pour l'estimation de modèles d'anticipations rationnelles autres que la NKPC mais ayant les propriétés similaires.Cette théorie peut également trouver des applications dans le domaine de la finance.