Construction de l'indicateur de l'activité financière du Canada
Bibliographic record
Abstract
L’objet de ce mémoire consiste à construire un indicateur d’activité financière du Canada (IAFC). Cet indicateur décrit la performance du système financier. En effet, l’indicateur construit à partir d’un modèle à facteur dynamique, inspiré de celui établi par Brave et Butters (2011) de la Banque fédérale de Chicago, retrace bien les périodes d’instabilité financière et de crise de l’économie canadienne. IAFC est mis au point à partir d’une base de données multi-fréquentielle, couvrant la période de 1971 à 2023. Cette base des données comporte soixante-quatorze indicateurs financiers mesurant non seulement le risque, le crédit, mais aussi la capacité de financement de l’économie à travers les variables mesurant le levier financier. Il en résulte que le marché de l’immobilier et le marché financier sont les principales sources de l’activité financière au Canada. En outre, les conditions financières aux États-Unis influencent lourdement le marché financier au Canada. Les résultats de l’examen du pouvoir prédictif des indicateurs s’avère fructueux pour les prévisions de la production industrielle réelle, de l’emploi et de l’inflation en glissement annuel. L’information financière contenue dans l’indicateur de l’activité financière améliore bien les prévisions de la production industrielle, de l’emploi et de l’inflation aux horizons de 1, 3, 6 et 12 mois. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Données multi-fréquentielles, Modèle à facteurs dynamiques, Prévision en échantillon, instabilité financière, Modèle ARDL.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".