Assessing the Business Outlook Survey Indicator Using Real-Time Data
Notice bibliographique
Résumé
Every quarter, the Bank of Canada conducts quarterly consultations with businesses across Canada, referred to as the Business Outlook Survey (BOS). A principal-component analysis conducted by Pichette and Rennison (2011) led to the development of the BOS indicator, which summarizes survey results and is used by the Bank as a gauge of overall business sentiment. In this paper, we examine whether data vintages matter when assessing the predictive content of the BOS indicator and individual BOS questions and whether the BOS is a better indicator of revised or unrevised macroeconomic data. As an indicator of business sentiment in the context of monetary policy, the reliability of the BOS is essential, and it is crucial to understand whether the signals it sends are best interpreted for early-released or revised data. For this purpose, we use different methods of forecasting that take into account the real-time perspective of the data. Results from the different methods show that the BOS content is informative regardless of data revisions. However, in real time, the BOS indicator and individual BOS questions are found to produce better nowcasts of first-released data or partially revised data than of latest-available data. This is particularly important in the case of growth in real business investment. In fact, because revisions to real business investment are more volatile than revisions to real gross domestic product (GDP), the choice of data vintages when assessing the ability of the BOS to forecast growth appears to be more important for real business investment than for real GDP.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,006 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».