000001619 001__ 1619
000001619 005__ 20250211155840.0
000001619 0247_ $$a10.34989/swp-2012-37$$2DOI
000001619 035__ $$a10.34989/swp-2012-37
000001619 041__ $$aeng
000001619 084__ $$aE Macroeconomics and Monetary Economics$$03005
000001619 084__ $$aE4 Money and Interest Rates$$03035
000001619 084__ $$aE43 Interest Rates: Determination, Term Structure, and Effects$$03039
000001619 084__ $$aE47 Forecasting and Simulation: Models and Applications$$03041
000001619 084__ $$aG Financial Economics$$03122
000001619 084__ $$aG1 General Financial Markets$$03126
000001619 084__ $$aG12 Asset Pricing; Trading Volume; Bond Interest Rates$$03129
000001619 245__ $$aForecasting Inflation and the Inflation Risk Premiums Using Nominal Yields
000001619 269__ $$a2012
000001619 300__ $$a1 online resource (iii, 51 pages)
000001619 336__ $$aText
000001619 347__ $$bPDF
000001619 520__ $$7Abstract$$aWe provide a decomposition of nominal yields into real yields, expectations of future inflation and inflation risk premiums when real bonds or inflation swaps are unavailable or unreliable due to their relative illiquidity. We combine nominal yields with surveys of inflation forecasts within a no-arbitrage model where conditional expectations are latent but spanned by the history of the observed data, analog to a GARCH model for the conditional variance. The filtering problem is numerically trivial and we conduct a battery of out-of-sample comparisons. Our favored model matches the quarterly inflation forecasts from surveys and uses the information in yields to produce the best monthly forecasts. Moreover, we restrict the distribution of the inflation Sharpe ratios to achieve economically reasonable estimates of the inflation risk premium and of the real rates. We find that the inflation risk premium (i) is positive on average, (ii) rises when the unemployment rate increases and (iii) when the level of interest rates decreases. Hence, real yields are more pro-cyclical than nominal yields due to variations of the inflation risk premiums.
000001619 520__ $$7Résumé$$aLes auteurs proposent de décomposer les taux de rendement nominaux en trois éléments – taux réels, inflation anticipée et primes de risque d’inflation – lorsqu’il n’existe pas d’obligations ou de swaps indexés sur l’inflation ou que les données ne sont pas fiables en raison de l’illiquidité relative de ces instruments. Ils combinent les prévisions d’inflation recueillies par enquête aux rendements nominaux dans le cadre d’un modèle fondé sur l’absence d’arbitrage où les anticipations conditionnelles sont latentes mais dépendent des observations passées, à la manière de la variance conditionnelle dans un modèle GARCH. Le problème de filtrage est simple numériquement, ce qui permet aux auteurs de comparer entre elles un grand nombre de prévisions hors échantillon. Leur modèle parvient à reproduire les prévisions d’inflation trimestrielles tirées d’enquêtes, et c’est aussi celui qui fournit les meilleures prévisions mensuelles grâce à l’information extraite des taux nominaux. Les auteurs imposent en outre des restrictions à la distribution des ratios de Sharpe associés au risque d’inflation pour obtenir des estimations économiquement raisonnables de la prime de risque d’inflation et des taux réels. Ils constatent que la prime est positive en moyenne et qu’elle s’accroît quand le taux de chômage monte ou que les taux d’intérêt baissent. La procyclicité des rendements réels serait ainsi plus marquée que celle des rendements nominaux à cause de la variation des primes de risque d’inflation.
000001619 540__ $$aCreative Commons Attribution 4.0 International$$uhttps://creativecommons.org/licenses/by/4.0/legalcode$$fCC-BY-4.0
000001619 6531_ $$aAsset Pricing
000001619 6531_ $$aEconometric and statistical methods
000001619 6531_ $$aInflation and prices
000001619 6531_ $$aInterest rates
000001619 6531_ $$aÉvaluation des actifs
000001619 6531_ $$aMéthodes économétriques et statistiques
000001619 6531_ $$aInflation et prix
000001619 6531_ $$aTaux d'intérêt
000001619 7001_ $$aFeunou, Bruno
000001619 7001_ $$aFontaine, Jean-Sébastien
000001619 789__ $$w1701-9397$$2ISSN$$eIsPartOf
000001619 791__ $$2URL$$whttps://www.bankofcanada.ca/valet/observations/group/swp-2012-37/csv$$aDataset$$eIsSupplementedBy$$c2012$$dBank of Canada$$iData available as CSV
000001619 791__ $$2URL$$whttps://www.bankofcanada.ca/valet/observations/group/swp-2012-37/json$$aDataset$$eIsSupplementedBy$$c2012$$dBank of Canada$$iData available as JSON
000001619 791__ $$2URL$$whttps://www.bankofcanada.ca/valet/observations/group/swp-2012-37/xml$$aDataset$$eIsSupplementedBy$$c2012$$dBank of Canada$$iData available as XML
000001619 8301_ $$aStaff Working Paper
000001619 8301_ $$aDocument de travail du personnel
000001619 8564_ $$937c17530-febe-4559-b182-1d0867dc0e03$$s663425$$uhttps://www.oar-rao.bank-banque-canada.ca/record/1619/files/wp2012-37.pdf$$zFile Source: Bank of Canada website, 2024
000001619 8564_ $$uhttps://www.oar-rao.bank-banque-canada.ca/record/1619/files/swp-2012-37.csv$$964329365-6c8e-44ba-874d-e3f2f6af8d95$$s7744$$zFile Source: Bank of Canada website, 2024
000001619 8564_ $$uhttps://www.oar-rao.bank-banque-canada.ca/record/1619/files/swp-2012-37.json$$9bd6b7199-a27b-4bc0-85e9-def58f59403d$$s35652$$zFile Source: Bank of Canada website, 2024
000001619 8564_ $$uhttps://www.oar-rao.bank-banque-canada.ca/record/1619/files/swp-2012-37.xml$$9e0dedd1b-a895-4a62-a094-db18f85f5d56$$s17960$$zFile Source: Bank of Canada website, 2024
000001619 909CO $$ooai:www.oar-rao.bank-banque-canada.ca:1619$$pbibliographic
000001619 980__ $$aStaff Research
000001619 980__ $$aRDM
000001619 991__ $$aPublic