Essays in econometrics and machine learning

Cette thèse met en place une chaîne de traitement de bout en bout du texte aux indicateurs quantitatifs pertinents, puis aux modèles prédictifs et à l'inférence économétrique afin d'améliorer le nowcasting et la prévision en temps réel en macro-finance, avec des applications directes aux attentes d'inflation et au marché immobilier. Des corpus textuels massifs sont convertis en mesures granulaires et haute fréquence au moyen de méthodes de langage naturel mobilisant l'Intelligence Artificielle (IA) générative, en particulier des grands modèles de langage (LLMs) pré-entraînés et, lorsque pertinent, affinés/ré-entraînés. L'architecture combine des LLMs à poids ouverts exécutables localement (p. ex. Llama, Gemma, DeepSeek, Mistral, Qwen, Phi) et des modèles commerciaux fermés (p. ex. GPT-4, Claude, Gemini), renforçant la sensibilité au contexte, la confidentialité, la reproductibilité et les analyses de robustesse. Ces indicateurs alimentent des cadres d'apprentissage automatique à fréquence mixte (linéaires et non linéaires) et s'accompagnent d'outils d'interprétabilité (valeurs SHAP) reliant les gains de prévision à des déterminants économiques observables. Sur le versant économétrique, la thèse établit une inférence valide pour la corrélation entre facteurs communs extraits de deux modèles à facteurs de groupe distincts ; elle montre que l'estimation des facteurs par ACP peut biaiser la corrélation, biais qui devient négligeable lorsque la dimension en coupe transversale domine suffisamment la dimension temporelle, et propose une correction par la méthode de wild bootstrap dans l'esprit de Gonçalves et Perron (2014). Le premier chapitre, "High-Frequency Inflation Expectations from Big Data: A Natural Language Approach", analyse plus de 2 millions d'articles de presse et 40 millions de tweets/X couvrant les provinces canadiennes pour construire des indicateurs en temps réel des attentes d'inflation aux niveaux national et infra-national. En appliquant des méthodes d'apprentissage profond, notamment des LLMs, l'approche extrait l'information prospective sur la dynamique des prix et produit des mesures quotidiennes fondées sur le texte, fortement corrélées aux attentes d'enquêtes et à l'inflation réalisée. Intégrés dans des cadres d'apprentissage à fréquence mixte et combinés à de larges ensembles d'indicateurs textuels et aux données Google Trends, ces indices améliorent nettement les nowcasts et prévisions. Pour la politique monétaire, ils permettent un suivi en continu des anticipations et une détection précoce des tensions, facilitant le calibrage et la communication. Le deuxième chapitre, "Can Media Narratives Predict House Price Movements?" (avec Christopher Rauh), analyse comment les narratifs médiatiques reflètent les tendances macroéconomiques et informent la dynamique des prix du logement au Canada (aux niveaux national et provincial). Plus de 2 millions d’articles sont traités avec des méthodes de pointe en NLP/LLMs pour extraire les thèmes, le sentiment et l’orientation temporelle (passé/présent/futur), puis agrégés en indicateurs de haute fréquence. La stratégie empirique combine une spécification à fréquence mixte de type UMIDAS avec des techniques d’apprentissage automatique linéaires (LASSO, Ridge, Elastic Net), non linéaires (Forêts aléatoires, Gradient Boosting, Réseaux de neurones) et modèles d’ensemble pour produire des prévisions hors échantillon, les ensembles dominant particulièrement aux horizons plus longs. Les valeurs SHAP apportent une interprétabilité économique et révèlent des non-linéarités pertinentes. Par ailleurs, nous explorons des techniques de réduction de dimension linéaires et non linéaires, analyse en composantes principales et autoencodeurs profonds, afin de résumer les narratifs et informations macroéconomiques de haute dimension en un petit ensemble de facteurs latents. Pour concilier sensibilité au contexte, confidentialité et reproductibilité, la chaîne NLP s’appuie à la fois sur des LLMs à poids ouverts exécutés localement et sur des modèles commerciaux fermés. Sur le plan de la politique macroprudentielle, ces indicateurs alternatifs fournissent des signaux avancés et des alertes précoces de pressions spéculatives et de déséquilibres localisés sur le marché du logement, renforçant la surveillance et le ciblage des interventions aux niveaux régional et national. Le troisième chapitre, "Identification and Estimation of Common Factors in Group Factor Models", étudie le comouvement entre facteurs extraits de deux grands panels de variables (deux modèles à facteurs de groupe). Il est montré que l’estimation des facteurs (par composantes principales) introduit un biais dans la corrélation estimée, biais qui devient négligeable lorsque la dimension en coupe transversale domine suffisamment la dimension temporelle. Une variante du wild bootstrap (au sens de Gonçalves et Perron, 2014) est proposée pour corriger ce biais et fournir une inférence fiable. Des expériences de Monte-Carlo évaluent les propriétés en échantillon fini, et des applications empiriques sur le rôle des institutions dans la croissance et sur la synchronisation des cycles dans les économies avancées et émergentes (Deniz et al., 2018 ; Kose et al., 2012 ; Aastveit et al., 2015) illustrent la valeur pratique de la méthode.

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.