MétaCan
Menu
Retour à la cohorte
Enregistrement W1530730447 · doi:10.34989/tr-86

Greater Transparency in Monetary Policy: Impact on Financial Markets

2021· preprint· en· W1530730447 sur OpenAlexaffabout
Philippe Muller, Mark Zelmer

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2021
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueCanadian Policy and Governance
Établissements canadiensBank of Canada
Organismes subventionnairesnon disponible
Mots-clésTransparency (behavior)Monetary policyFinancial marketFinancial systemMonetary economicsEconomicsBusinessInternational economicsFinancePolitical science

Résumé

récupéré en direct d'OpenAlex

Measures have been taken by the Bank of Canada to increase the transparency of Canadian monetary policy. This paper examines whether the greater transparency has improved financial markets' understanding of the conduct of monetary policy. In theory, it should result in reduced conditional uncertainty because investor expectations would be formed with a superior information set. The market's response to releases of the Bank of Canada's Monetary Policy Report and to changes in the Bank's operating band for the overnight interest rate is examined. The empirical results suggest that the Bank's efforts at increasing transparency appear to have helped market participants anticipate pending monetary policy actions. Indeed, the amount of uncertainty that surrounds the Bank's actions is now broadly consistent with that reported for other major countries. The issue of whether there should be limits on the amount of transparency in the conduct of monetary policy is also explored. The paper concludes that there is possibly some merit in the Bank's providing more frequent information on its economic outlook and highlighting the uncertainty that surrounds the Bank's views. However, the paper argues against publishing the detailed results of the Bank's economic projections. It also notes that the element of surprise can be useful on occasion with respect to the Bank's operations in financial markets.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,044
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,173
Score d'incertitude au seuil0,348

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,044
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0040,005
Communication savante0,0100,004
Science ouverte0,0010,003
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,347
Écart entre enseignants0,313 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations35
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetCanadian Policy and GovernanceTravaux en français237 207