Données alternatives et politique monétaire (Claudia Sahm)
Les banquiers centraux exploitent des sources de données non traditionnelles pour obtenir une image plus complète de l’économie.
Au printemps 2020, la Réserve fédérale a été confrontée à un défi : la pandémie de COVID-19 bouleversait la vie quotidienne avec des fermetures, une distanciation sociale et une incertitude accrue, mais les statistiques économiques traditionnelles utilisées par la Fed pour calibrer sa politique monétaire avaient du mal à suivre le rythme. Rythme du changement et n’a pas couvert certaines des nouveautés de l’économie pandémique. Pourtant, la Fed ne volait pas à l’aveugle ; elle a pu se tourner vers des sources de données non traditionnelles qu’elle avait développées précédemment, telles que le traitement de la paie et les transactions par carte de crédit et de débit, pour suivre la détérioration rapide de l’économie.
Même dans le meilleur des cas, des données actuelles et de haute qualité sont essentielles à l’élaboration d’une politique monétaire saine. Si les responsables politiques voient des signes d’inflation plus élevée, par exemple, ils peuvent envisager d’augmenter les taux d’intérêt pour refroidir l’économie. Mais si le marché du travail semble s’affaiblir, ils pourraient envisager de baisser les taux pour stimuler l’activité économique. Il faut du temps pour que les modifications des taux d’intérêt affectent les résultats économiques. La rapidité d’évaluation précise de l’orientation de l’économie est donc également importante pour une politique efficace.
Pour garder le pouls de l’économie en temps réel, la Fed s’appuie sur un large éventail de statistiques générées par des agences gouvernementales telles que le Bureau of Labor Statistics (BLS) et le ministère du Commerce. Ces statistiques, généralement basées sur des enquêtes représentatives, sont considérées comme la référence par les décideurs politiques, les investisseurs, les chefs d’entreprise et le public. Cependant, la Fed les complète de plus en plus de sources de données non traditionnelles, souvent fournies par des entreprises privées. La caractéristique déterminante de ces sources non traditionnelles est que les données n’ont pas été créées dans le but de créer des statistiques économiques ; il est plutôt né du processus de gestion d’une entreprise ou d’un programme gouvernemental, puis a été réutilisé pour les statistiques économiques.
Combler les lacunes
Ces données non traditionnelles sont souvent plus récentes ou plus granulaires et peuvent ainsi combler certaines lacunes des statistiques gouvernementales. Cela peut également fournir une perspective supplémentaire sur les résultats économiques critiques, tels que l’emploi. Enfin, il peut être utilisé pour améliorer la qualité des sources de données traditionnelles. Néanmoins, les sources non traditionnelles doivent être considérées comme un complément aux données traditionnelles pour éclairer les politiques, et non comme un substitut.
L’objectif central de la politique monétaire est la stabilisation du cycle économique, c’est pourquoi l’évaluation précise et rapide des points de retournement est privilégiée. Des données non traditionnelles peuvent être particulièrement utiles dans ces circonstances. Que’s parce que les statistiques gouvernementales sur des variables clés comme le chômage, l’inflation et la croissance économique sont publiées des semaines, voire des mois après coup. Le délai de publication des données des entreprises privées est souvent nettement plus court, quelques semaines, voire quelques jours.
L’actualité des sources de données alternatives a été particulièrement utile au début de la pandémie, qui a déclenché une récession courte et profonde. UN revoir par le personnel de la Fed a noté que son hebdomadaire interne estimations de l’emploi(sur la base des données d’ADP, un important processeur de paie, a enregistré de fortes baisses fin mars 2020. C’était plus d’un mois avant que le BLS ne publie son propre rapport mensuel sur l’emploi, qui montrait également de fortes baisses.
Le ralentissement pandémique a connu une évolution inhabituellement rapide, mais les estimations de l’emploi à plus haute fréquence et plus chronométrées ont des applications plus larges. Par exemple, chaque fois que les estimations mensuelles de l’emploi du BLS diminuent fortement, comme cela s’est produit en 2025, les estimations hebdomadaires de l’ADP donnent un aperçu précoce de la persistance ou de l’inversion de la tendance. En outre, les estimations de l’ADP sont très pertinentes lors des fermetures de gouvernement résultant d’une impasse budgétaire du Congrès, alors que les données officielles le sont’t disponible.
Épisodes d’inflation
La granularité des données alternatives est un autre avantage pour les décideurs de la Fed qui cherchent à évaluer l’impact des changements de politique commerciale sur l’inflation des prix à la consommation. La théorie et l’expérience suggèrent qu’une augmentation des droits d’importation entraînera une hausse ponctuelle du niveau des prix, ce qui ne fera qu’augmenter temporairement l’inflation. Dans ce cas, la Fed devrait “parcourez l’inflation liée aux droits de douane et n’augmentez pas les taux. Mais tester cette hypothèse est un défi, car les statistiques clés consultées par la Fed le font’t identifier les prix des marchandises par pays d’origine. L’analyse doit plutôt comparer les prix de grandes catégories de biens par leur part moyenne des importations dans le passé.
C’est là que la granularité des données alternatives offre une voie plus directe pour surveiller les effets des prix tarifaires. Alberto Cavallo, professeur à l’Université Harvard, et deux collaborateurs constituent l’une de ces sources de données. Ils ont construit indices de prix quotidiens utilisant les données en ligne de cinq grands détaillants américains, qui incluent le pays d’origine, les taux de droits et le prix de vente de 350 000 marchandises. Ils constatent que les prix des biens de consommation importés ont augmenté plus rapidement que ceux des biens produits sur le marché intérieur, par rapport aux tendances prétarifaires. De plus, l’effet des droits de douane sur les prix est plus prononcé pour les produits nationaux qui concurrencent directement les importations tarifaires que pour les produits nationaux qui ne le font pas. Dans l’ensemble, les effets ont été relativement modestes, constatation conforme aux études utilisant les sources de données traditionnelles. De telles données granulaires à haute fréquence peuvent également aider à évaluer si l’ajustement à la hausse du niveau des prix est terminé.
Des sources de données alternatives plus granulaires se sont également révélées utiles à la Fed et à d’autres décideurs pendant la pandémie, ce qui a radicalement modifié le comportement des consommateurs et des entreprises. Des données d’entreprises privées sur la mobilité physique ont été déployées pour surveiller ces changements pendant la distanciation sociale, ainsi que des données administratives sur le nombre de cas de COVID. Les mesures du stress de la chaîne d’approvisionnement ont également joué un rôle déterminant dans l’évaluation pressions inflationnistes’. Outre les enquêtes auprès des responsables des achats et les indices des prix du transport maritime, l’accent mis sur les chaînes d’approvisionnement a été évalué à l’aide de données en temps réel mouvements de conteneurs maritimes’. Certes, les sources de données traditionnelles ont également contribué à combler les lacunes des décideurs politiques’ compréhension de l’économie. Le Bureau du recensement, une source majeure de données traditionnelles, est rapidement entré dans la brèche et a lancé courtes enquêtes en ligne évaluer la pandémie’s impact sur les ménages et les petites entreprises.
Perte de précision
Des données alternatives peuvent contribuer à maintenir, voire à améliorer, la qualité et le rapport coût-efficacité des statistiques traditionnelles. Les agences gouvernementales s’appuient largement sur des enquêtes auprès des personnes et des entreprises, conçues pour être représentatives de l’économie dans son ensemble. Mais ceux-ci présentent des inconvénients. D’une part, les coûts ont augmenté au fil du temps, à mesure que les particuliers et les entreprises deviennent moins disposés à participer. Pour un autre, la baisse des taux de participation réduit la précision des estimations qui en découlent.
Cette perte de précision peut créer une incertitude quant à la dynamique de l’inflation ou de l’emploi et entraver une réponse rapide et appropriée de la politique monétaire. Les données non traditionnelles offrent une solution potentielle. Par exemple, le BLS utilise désormais les données des entreprises privées au lieu d’enquêtes pour plusieurs composantes de l’indice des prix à la consommation, y compris les prix des voitures d’occasion(en), les billets d’avion, et les contrats de téléphonie sans fil.
Il est possible d’utiliser davantage les données du secteur privé, même si le coût d’acquisition et la fiabilité de ces données présentent des défis. Une entreprise privée pourrait décider de cesser de partager ses données ou d’augmenter fortement son prix, ce qui pourrait menacer la continuité des statistiques gouvernementales. Des tests minutieux sont également nécessaires dans les organismes statistiques pour garantir que les sources non traditionnelles améliorent la précision des estimations plutôt que de remplacer les anciennes par de nouvelles sources de bruit.
Formation d’entreprise
Améliorer la précision des estimations initiales des données traditionnelles est un autre domaine dans lequel des données alternatives pourraient être utiles, en particulier aux tournants économiques. Les décisions de politique monétaire sont prises en temps réel, de sorte que les données en temps réel doivent être aussi précises que possible. Le gouvernement’l’estimation mensuelle de l’emploi salarié en est un exemple. Il s’appuie sur une enquête auprès des établissements commerciaux, dont les résultats sont ajustés au fait que les entreprises vont et viennent. (L’ajustement est basé sur ce qu’on appelle le “modèle naissance-mort.”) Les changements dans la formation nette d’entreprises pendant et après la pandémie, combinés à de longs retards dans la disponibilité des données, ont conduit à des erreurs significatives dans le modèle et à des révisions annuelles substantielles dans les estimations précédentes de l’emploi. Chercheurs ont montré que les déclarations de revenus hebdomadaires pour les numéros d’identification des employeurs fournissent une prévision fiable de la création d’entreprises au cours des trimestres suivants. Aligner le modèle naissance-décès sur des indicateurs plus opportuns de la création d’entreprises pourrait améliorer la précision des estimations initiales de l’emploi lorsque les conditions économiques évoluent.
Même les données officielles sont sujettes à des erreurs, telles qu’une erreur d’échantillonnage résultant de l’utilisation d’enquêtes partielles au lieu d’un recensement complet. Ainsi, l’utilisation de plusieurs estimations indépendantes peut améliorer notre compréhension des estimations officielles. UN nouvelle initiative de la Federal Reserve Bank de Chicago, par exemple, mélange des données officielles et alternatives sur le marché du travail pour construire une estimation du mois en cours’s taux de chômage. L’analyse comprend des données d’Indeed, un site utilisé par les demandeurs d’emploi et les recruteurs ; Lightcast, un fournisseur d’analyses du marché du travail ; et Google recherche sur le chômage. Cependant, le projet en est à ses débuts, et il faudra du temps pour établir sa fiabilité.
Impact de la politique
Une fois que les responsables de la Fed ont ajusté leur politique monétaire, ils doivent en évaluer les effets. Des données non traditionnelles peuvent également être utiles ici. La recherche sur les conséquences distributives de la politique monétaire, par exemple, s’est élargie avec la disponibilité de sources telles que les registres de crédit au niveau des ménages, les comptes bancaires et les dossiers administratifs. Pendant la COVID-19, lorsque les taux d’intérêt ont baissé, a étude l’utilisation des données sur les formulaires d’impôt foncier et les registres d’actes de CoreLogic a montré que les emprunteurs noirs, hispaniques et à faible revenu étaient moins susceptibles de se refinancer que les emprunteurs asiatiques, blancs et à revenu plus élevé. Des différences systématiques dans les coûts de refinancement ont joué un rôle. Autre étude[traduction], à l’aide des dossiers d’impôt sur le revenu des particuliers de l’Internal Revenue Service, on a constaté qu’un resserrement inattendu de la politique monétaire entraînait une plus grande inégalité des revenus, principalement en aggravant les résultats pour les bas salaires. Un assouplissement inattendu a toutefois diminué les inégalités.
Malgré tous les avantages des sources de données non traditionnelles, elles ne remplacent pas les sources traditionnelles. En effet, leur utilité dépend souvent des données traditionnelles. En tant qu’économiste à la Fed, j’ai travaillé sur un projet transformer les transactions par carte de crédit et de débit de First Data (maintenant Fiserv) en estimations quotidiennes des ventes au détail au niveau de l’État, qui ont ensuite été utilisées pour suivre les effets économiques des ouragans Irma et Harvey en temps presque réel pour le Federal Open Market Committee.
Mais cette source présentait des défis. La croissance des ventes de transactions brutes a mélangé des facteurs spécifiques à First Data, tels que l’acquisition de clients pour son activité de traitement des paiements, avec l’évolution des dépenses de consommation aux États-Unis. Seule cette dernière est pertinente pour les statistiques économiques. Pour résoudre ce problème, nous avons utilisé le recensement économique quinquennal du ministère du Commerce pour repondérer les transactions par carte de l’entreprise’s clients pour être représentatifs des entreprises américaines. Une telle analyse comparative est courante lors de la création de statistiques économiques à partir de sources non traditionnelles. Notre projet a été confronté à d’autres problèmes communs aux sources de données alternatives, tels que des séries chronologiques courtes pour la désaisonnalisation et le dépannage des anomalies. Les comparaisons avec les estimations mensuelles nationales des ventes au détail du Bureau du recensement nous ont donné confiance dans l’utilisation des données privées les plus granulaires pour le travail politique.
Tout utilisateur de données non traditionnelles est confronté à des défis. Pour la Fed, la disponibilité limitée de telles données pour le public pose des difficultés particulières. La Fed’s cadre stratégique car la politique monétaire souligne que la transparence est essentielle à la responsabilité et améliore les résultats de la politique monétaire. S’appuyer sur des sources de données peu accessibles réduit la transparence ; les étrangers ne peuvent pas vérifier la Fed’analyse S, et seuls les acteurs du marché qui paient pour l’accès aux données privées peuvent voir ce que voit la Fed.
Nous avons vu comment les décideurs politiques peuvent utiliser des sources de données alternatives pour avoir une image plus complète des conditions économiques, conduisant potentiellement à de meilleurs résultats politiques. L’amélioration de la qualité des données nécessitera des liens étroits entre les agences statistiques gouvernementales, les fournisseurs de données du secteur privé, les responsables gouvernementaux et les universitaires. Les données non traditionnelles présentent des opportunités et des défis, mais comprendre la dynamique macroéconomique est l’objectif des statistiques gouvernementales non traditionnelles et officielles.
