MétaCan
Menu
← Retour à la cohorte
Enregistrement W177684173

A Comparison of Optimal Policy Rules for Pre and Post Inflation Targeting Eras: Empirical Evidence from Bank of Canada

2014· preprint· en· W177684173 sur OpenAlexaboutno aff
Neslihan Kaya

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2014
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMonetary Policy and Economic Impact
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTaylor ruleEconomicsMonetary policyInflation targetingOutput gapInterest rateInflation (cosmology)Exchange rateMonetary economicsIncentiveReal interest rateEconometricsMacroeconomicsCentral bankMicroeconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this paper, we derive policy rules of Bank of Canada for different preferences over the goal variables in their loss functions. The optimal rules are derived for the pre and post inflation-targeting eras. According to the results, the monetary policy rule of the Bank of Canada for the pre inflation-targeting era is best described with a loss function that attaches equal weight to inflation, interest rate smoothing incentive and the output gap in the loss function. In the post-inflation targeting era the optimal interest rate attaches the highest weight to inflation rate in the loss function; followed by the interest rate smoothing incentive and then the output gap. The inclusion of the exchange rate as another goal variable in the loss function does not significantly alter the results in approximating the actual policy rate of Bank of Canada. Next, simulations of demand (positive) and supply (negative) shocks are carried out for the post-IT period for two cases where the monetary policy rule is mimicked by (i) an ad-hoc Taylor rule and (ii) the derived optimal rule. The results indicate that the ad-hoc Taylor rule brings down inflation rates more quickly compared to the derived optimal rule, but only at the cost of higher contraction in output and more volatile interest rates.

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)0,004
score de la tête « metaresearch » (Gemma)0,018
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,130

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0030,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,127
Tête enseignante GPT0,366
Écart entre enseignants0,240 · 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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in Economics→Même sujetMonetary Policy and Economic Impact→Travaux en français237 207→