CANVAS: A Canadian Behavioral Agent-Based Model
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Economic models are valuable to central banks for conducting projection and policy analysis. The Bank of Canada’s current economic projection relies mainly on two complementary large-scale models—the Terms-of-Trade Economic Model (ToTEM) and the Large Empirical and Semi-structural model (LENS). However, introducing both household and firm differences at detailed levels and realistic behavior in these models can be challenging, both in theory and in practice. In this paper, we contribute to the development of Bank’s next generation of models with CANVAS, a Canadian behavioral agent-based model. We simulate individual behaviours of many different agents to provide an overall picture of the Canadian economy. CANVAS improves on earlier models in three ways: introducing household and firm differences at individual level, moving beyond rational expectations by incorporating realistic behaviours of real people and business, and modelling the Canadian production network. Finer details of difference (on demographic data like sex, age, occupation, and household balance sheets) can help policy-makers understand households’ consumption and employment decisions. By modelling the strategic price setting behaviour of individual firms with the lab and survey evidence, we also capture inflation dynamics through factors such as demand, supply, and expectation. The network structure in CANVAS connects agents’ different characteristics and their behaviour, putting it among the first class of macroeconomic agent-based models that can compete with benchmark models in out-of-sample forecasting performance. These features make CANVAS a distinct complement to the current models, with greater ability for forecasting and policy analysis.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 découle