A voir également
Film sur les missions et activités de la BCL
Publication du Cahier d'études 172: Artificial Neural Networks to solve dynamic programming problems: a bias-corrected Monte Carlo operator
Auteur: Julien Pascal
La transmission de la politique monétaire peut varier avec l'hétérogénéité des agents économiques. Par exemple, les consommateurs ayant différents niveaux de richesse peuvent répondre différemment aux changements de taux d'intérêt. D'autre part, les consommateurs appartenant à différentes catégories d'âge peuvent avoir des horizons de planification différents. Les entreprises avec moins de chiffre d'affaires ou de capital peuvent se trouver confrontées à des contraintes de crédit lorsqu'elles souhaitent financer de nouveaux investissements. Enfin, les banques avec moins de capital ou de liquidité peuvent être caractérisées par une offre de crédit qui est moins sensible aux changements de politique monétaire.
Les économistes ont développé des modèles théoriques de plus en plus complexes pour prendre en considération ces différences entre ménages, entreprises ou banques. Les modèles économiques de grande dimension apparaissent par exemple lorsqu'on considère plusieurs secteurs ou plusieurs pays, des modèles d'économie de l'environnement et des ressources naturelles, ou des modèles avec différents types d'actifs ou différents marchés. Parmi les exemples les plus courants, on peut citer les modèles dans lesquels les agents diffèrent par leur âge, tels que les modèles à générations imbriquées (OLG), ou les modèles dans lesquels les agents diffèrent selon leur richesse, tels que les modèles néo-keynésiens à agents hétérogènes (HANK).
La résolution de ces modèles de grande dimension requiert de nouvelles approches. Cet article présente une nouvelle méthode pour utiliser les réseaux de neurones artificiels (RNAs) pour résoudre des modèles économiques. Les RNAs sont des outils puissants pour l'analyse économique, car ils permettent d'approximer efficacement les solutions de modèles économiques complexes de grande dimension, pour lesquels les méthodes plus traditionnelles échouent souvent ou sont impossibles. Ce papier contribue de trois manières différentes à la littérature : il (i) généralise une approche déjà existante, tout en lui offrant une nouvelle base théorique (ii) illustre la nouvelle méthode proposée en résolvant des modèles économiques bien connus (iii) compare la performance des RNAs par rapport aux autres méthodes traditionnelles en considérant les conditions qui peuvent favoriser une approche par rapport aux autres.
Le contenu de cette étude ne doit pas être perçu comme étant représentatif des opinions de la Banque centrale du Luxembourg ou de l’Eurosystème. Les opinions exprimées reflètent celles des auteurs et non pas nécessairement la position de la Banque centrale, de ses dirigeants ou de l’Eurosystème.
Ce cahier d’études est disponible sur le site internet de la BCL : www.bcl.lu
