L'apport des données haute-fréquence et techniques de machine learning dans l'analyse économique

La pandémie de Covid-19 a mis en avant le besoin d'une analyse rapide du cycle économique. Cette thèse tente d’y répondre en explorant le potentiel des données à haute fréquence dans l’analyse et la prévision économique. Le premier chapitre utilise de telles données pour la prévision du PIB réel mondial. Il utilise 1000 indicateurs mensuels et hebdomadaires, dans un modèle à facteurs à mélange de fréquences (FA-MIDAS) combiné à une présélection de variables. Il démontre qu'intégrer des données à haute fréquence améliore la précision du modèle de manière significative pendant les périodes de crise (2008-09 et Covid-19) où la rapidité de publication est importante. En temps normal cependant, l’apport des données haute fréquence semble de second ordre. Le deuxième chapitre récupère les données des sites immobiliers sur le Web pour construire un ensemble de données qui offre des indications granulaires et en temps réel sur le marché immobilier au Royaume-Uni. Cette méthode permet d'analyser le comportement des vendeurs, les fluctuations de prix, et les marges de négociation des acheteurs. Il explore l’impact de la pandémie sur le marché immobilier du Royaume-Uni, révélant un gel du marché et une approche "wait-and-see" de la part des vendeurs, tout en montrant les disparités régionales, en particulier entre Londres et d'autres régions rurales. Le troisième chapitre se penche sur l'utilisation innovante des données satellitaires pour suivre la production industrielle pendant la crise de la Covid-19. Il se concentre sur le niveau de dioxyde d'azote (NO2), un polluant principalement émis par l'activité industrielle. Il démontre comment les données NO2 dérivées des satellites, ajustées des facteurs météorologiques via l'apprentissage automatique, peuvent améliorer de manière significative la prévision de la production industrielle. Cette approche est particulièrement utile pendant la crise, fournissant une estimation de la production industrielle avec plus de rapidité et de granularité que les indicateurs traditionnels. Ces chapitres suggèrent collectivement une transition vers l’intégration de diverses sources de données dans l’analyse économique. Cela contribue non seulement à la littérature économique mais a aussi des implications sur la prise de décision en politique économique dans un monde de plus en plus riche en données.