Commitment-Flexibility Trade-Off and Withdrawal Penalties
Notice bibliographique
Résumé
Withdrawal penalties are common features of time deposit contracts offered by commercial banks, as well as individual retirement accounts and employer-sponsored plans. Moreover, there is a significant amount of early withdrawals from these accounts, despite the associated penalties, and empirical evidence shows that liquidity shocks of depositors are a major driving force of this. Using the consumption-savings model proposed by Amador, Werning and Angeletos in their 2006 Econometrica paper (henceforth AWA), in which individuals face the trade-off between flexibility and commitment, we show that withdrawal penalties can be part of the optimal contract, despite involving money-burning from an ex ante perspective. For the case of two states (which we interpret as “normal times” and a “negative liquidity shock”), we provide a full characterization of the optimal contract, and show that within the parameter region where the first best is unattainable, the likelihood that withdrawal penalties are part of the optimal contract is decreasing in the probability of a negative liquidity shock, increasing in the severity of the shock, and it is nonmonotonic in the magnitude of present bias. We also show that contracts with the same qualitative feature (withdrawal penalties for high types) arise in continuous state spaces, too. Our conclusions differ from AWA because the analysis in the latter implicitly assumes that the optimal contract is interior (the amount withdrawn from the savings account is strictly positive in each period in every state). We show that for any utility function consistent with their framework there is an open set of parameter values for which the optimal contract is a corner solution, inducing money burning in some states.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».