000001412 001__ 1412
000001412 005__ 20250211155820.0
000001412 0247_ $$a10.34989/swp-2007-13$$2DOI
000001412 035__ $$a10.34989/swp-2007-13
000001412 041__ $$aeng
000001412 084__ $$aC Mathematical and Quantitative Methods$$02849
000001412 084__ $$aC0 General$$02850
000001412 084__ $$aC1 Econometric and Statistical Methods and Methodology: General$$02853
000001412 084__ $$aC14 Semiparametric and Nonparametric Methods: General$$02858
000001412 084__ $$aC15 Statistical Simulation Methods: General$$02859
000001412 084__ $$aC5 Econometric Modeling$$02889
000001412 084__ $$aC51 Model Construction and Estimation$$02891
000001412 084__ $$aC52 Model Evaluation, Validation, and Selection$$02892
000001412 084__ $$aC6 Mathematical Methods; Programming Models; Mathematical and Simulation Modeling$$02899
000001412 084__ $$aC61 Optimization Techniques; Programming Models; Dynamic Analysis$$02901
000001412 084__ $$aC65 Miscellaneous Mathematical Tools$$02904
000001412 084__ $$aE Macroeconomics and Monetary Economics$$03005
000001412 084__ $$aE6 Macroeconomic Policy, Macroeconomic Aspects of Public Finance, and General Outlook$$03049
000001412 084__ $$aG Financial Economics$$03122
000001412 084__ $$aG1 General Financial Markets$$03126
000001412 084__ $$aH Public Economics$$03162
000001412 084__ $$aH6 National Budget, Deficit, and Debt$$03203
000001412 084__ $$aH63 Debt; Debt Management; Sovereign Debt$$03207
000001412 245__ $$aOptimization in a Simulation Setting: Use of Function Approximation in Debt Strategy Analysis
000001412 260__ $$bBank of Canada
000001412 269__ $$a2007
000001412 300__ $$a1 online resource (iv, 87 pages)
000001412 336__ $$aText
000001412 347__ $$bPDF
000001412 520__ $$aThe stochastic simulation model suggested by Bolder (2003) for the analysis of the federal government's debt-management strategy provides a wide variety of useful information. It does not, however, assist in determining an optimal debt-management strategy for the government in its current form. Including optimization in the debt-strategy model would be useful, since it could substantially broaden the range of policy questions that can be addressed. Finding such an optimal strategy is nonetheless complicated by two challenges. First, performing optimization with traditional techniques in a simulation setting is computationally intractable. Second, it is necessary to define precisely what one means by an "optimal" debt strategy. The authors detail a possible approach for addressing these two challenges. They address the first challenge by approximating the numerically computed objective function using a function-approximation technique. They consider the use of ordinary least squares, kernel regression, multivariate adaptive regression splines, and projection-pursuit regressions as approximation algorithms. The second challenge is addressed by proposing a wide range of possible government objective functions and examining them in the context of an illustrative example. The authors' view is that the approach permits debt and fiscal managers to address a number of policy questions that could not be fully addressed with the current stochastic simulation engine.$$7Abstract
000001412 520__ $$aLe modèle de simulation stochastique proposé par Bolder (2003) aux fins de l'analyse de la stratégie de gestion de la dette du gouvernement fédéral apporte un large éventail d'informations précieuses. Toutefois, il n'est d'aucune aide, dans sa forme actuelle, pour déterminer la stratégie optimale de gestion de la dette. L'inclusion d'un processus d'optimisation dans le modèle serait utile puisqu'elle permettrait d'élargir grandement la gamme des enjeux pouvant être analysés. La recherche d'une stratégie optimale se heurte néanmoins à deux obstacles majeurs. Premièrement, les techniques traditionnelles d'optimisation dans un cadre de simulation nécessitent des calculs excessivement lourds. Deuxièmement, il faut définir précisément ce que l'on entend par stratégie « optimale ». Les auteurs présentent une approche afin de surmonter ces deux difficultés. Ils s'attaquent à la première difficulté en faisant appel à une technique d'approximation de fonction pour obtenir une estimation approchée de la véritable fonction objectif. À cet effet, ils évaluent plusieurs algorithmes d'approximation : moindres carrés ordinaires, régression par la méthode du noyau, régression multivariée par spline adaptative et régression par directions révélatrices (projection-pursuit regression). Pour résoudre la deuxième difficulté, les auteurs examinent toute une série de fonctions objectifs qu'ils illustrent par des exemples. D'après eux, l'approche proposée rend possible l'analyse d'enjeux que les gestionnaires de la dette et les responsables de la politique budgétaire ne peuvent étudier avec le modèle de simulation stochastique actuel.$$7Résumé
000001412 540__ $$aCreative Commons Attribution 4.0 International$$uhttps://creativecommons.org/licenses/by/4.0/legalcode$$fCC-BY-4.0
000001412 6531_ $$aDebt Management
000001412 6531_ $$aEconometric and statistical methods
000001412 6531_ $$aFinancial markets
000001412 6531_ $$aFiscal Policy
000001412 6531_ $$aGestion de la dette
000001412 6531_ $$aMéthodes économétriques et statistiques
000001412 6531_ $$aMarchés financiers
000001412 6531_ $$aPolitique budgétaire
000001412 7001_ $$aBolder, David
000001412 7001_ $$aRubin, Tiago
000001412 789__ $$w1701-9397$$2ISSN$$eIsPartOf
000001412 8301_ $$aStaff Working Paper
000001412 8301_ $$aDocument de travail du personnel
000001412 8564_ $$uhttps://www.oar-rao.bank-banque-canada.ca/record/1412/files/wp07-13.pdf$$94a791ca0-66f1-48d5-adc8-e4073000c567$$s3234358$$zFile Source: Bank of Canada website, 2024
000001412 909CO $$ooai:www.oar-rao.bank-banque-canada.ca:1412$$pbibliographic
000001412 980__ $$aStaff Research
000001412 980__ $$aRDM
000001412 991__ $$aPublic