Horizon Portail d'Information

Ressources numériques

Recherche rapide

Recherche avancée

Recherche alphabétique

Modifier la recherche

Woloszko , Nicolas , 19..-....

Jacquet , Laurence , Economiste

Chapelle , Guillaume , 1989-.... , économiste

Doz , Catherine , 19..-....

Ferrara , Laurent , 1972-....

Detyniecki , Marcin , 19..-.... , informaticien

Ruiz , Nicolas , 1976-

Varian , Hal R. , 1947-....

CY Cergy Paris Université , 2020-....

École doctorale Économie, Management, Mathématiques, Physique et Sciences Informatiques , Cergy-Pontoise, Val d'Oise

THEMA Théorie économique, modélisation et applications , Cergy , 2006-....

Essays on Nowcasting : Machine learning, données haute-fréquence et prévision économique , Nicolas Woloszko ; sous la direction de Laurence Jacquet et de Guillaume Chapelle

Titre provenant de l'écran-titre

Ecole(s) Doctorale(s) : Ecole doctorale Économie, Management, Mathématiques , Physique et Sciences Informatiques (EM2PSI)

Partenaire(s) de recherche : THEMA -Théorie économique, modélisation et applications (Laboratoire)

Autre(s) contribution(s) : Catherine Doz (Président du jury) ; Laurence Jacquet, Guillaume Chapelle, Laurent Ferrara, Marcin Detyniecki, Nicolas Ruiz, Hal R. Varian (Membre(s) du jury) ; Laurent Ferrara (Rapporteur(s))

Thèse de doctorat Sciences économiques - EM2PSI CY Cergy Paris Université 2024

Le COVID-19 a brutalement accéléré le besoin pour les acteurs des politiques publiques de disposer de données en temps réel sur l'activité économique. Cet événement a précipité l'aboutissement de recherches plus anciennes sur l'usage de méthodes nouvelles en économie, autour de l'apprentissage statistique et des big data. Car si les données massives créées et détenues par les entreprises contiennent de l'information en temps réel sur l'économie, leur traitement requiert une approche particulière qui s'appuie des algorithmes d'apprentissage non-linéaires.Les présentes recherches introduisent le OECD Weekly Tracker, un outil de suivi de l'activité économique qui fournit des estimations du PIB hebdomadaire de 48 pays en temps réel. Il s'appuie sur les données Google Trends, lesquelles renseignent l'évolution des sujets d'intérêts des utilisateurs de Google Search, un moteur de recherche. La principale innovation méthodologique tient à la mise en place d'un modèle de panel non-linéaire. Un réseau de neurones modélise conjointement la relation entre le PIB et les données Google Trends pour 48 pays, tout en autorisant l'existence de disparités entre les pays dans cette relation.Le Weekly Tracker est mis à jour chaque semaine depuis l'été 2020. Par suite, l'analyse de sa performance historique montre que ses prévisions étaient plus fiables que celles de l'Economic Outlook, publication phare de l'OCDE, durant les années de pandémie. En étudiant les nombreuses publications presse citant les chiffres du Weekly Tracker, on montre également que cet outil a fourni des indications qui étaient qualitativement justes et pertinentes pour aiguiller la prise de décision publique.La pertinence politique du Weekly Tracker tient au fait qu'il est publié en temps réel tout autant qu'à la production d'estimations du PIB hebdomadaires. Les séries disponibles depuis 2004 permettent d'enrichir l'analyse retrospective des politiques en exploitant des méthodes d'identification statistique haute fréquence. Le Tracker est utilisé dans un article paru dans la revue Nature Communications, qui étudie les conséquences de l'introduction du pass sanitaire en France, en Italie et en Allemagne. Entre autres, celui-ci révèle que l'effort de vaccination était positivement corrélé à la croissance économique, et que le pass sanitaire a permis de gagner 6 milliards d'euros de PIB en France, et respectivement 1.4 et 2.1 milliards d'euros en Allemagne et en Italie.

COVID-19 has abruptly accelerated the need for policy makers to have real-time data on economic activity. This event has accelerated earlier research on the use of new methods in economics, such as machine learning and Big Data. While the big data created and held by companies contains real-time information on the economy, its processing requires a specific approach that relies on non-linear algorithms.This research introduces the OECD Weekly Tracker, a tool for monitoring economic activity that provides real-time estimates of weekly GDP for 48 countries. It relies on Google Trends data, which reflect the evolution of topics of interest to Google Search users. The main methodological innovation lies in the implementation of a non-linear panel model. A neural network jointly models the relationship between GDP and Google Trends data for 48 countries while allowing for disparities between countries in this relationship.The Weekly Tracker has been updated every week since the summer of 2020. An analysis of its historical performance shows that its forecasts were more reliable than those of the OECD's flagship publication, the Economic Outlook, during the years of the pandemic. By studying the numerous press publications citing the figures from the Weekly Tracker, it is also shown that this tool provided qualitatively accurate and relevant indications to guide policy making.The policy relevance of the Weekly Tracker lies in both its timeliness and high frequency. The weekly series available since 2004 allow for retrospective policy analysis that exploits high-frequency statistical identification methods. The Tracker is used in an article published in Nature Communications, which examines the consequences of the introduction of the COVID certificates in France, Italy, and Germany. Among other findings, it reveals that vaccination efforts were positively correlated with economic growth and that the COVID certificates led to a EUR6 billion increase in GDP in France, and respectively EUR1.4 billion and EUR2.1 billion in Germany and Italy.

Thèses et écrits académiques

Pour toute question, contactez la bibliothèque

Horizon Information Portal 3.25_france_v1m© 2001-2019 SirsiDynix Tous droits réservés.

Horizon Portail d'Information