Search Frictions in Financial Markets and Monetary Policy
Notice bibliographique
Résumé
This paper introduces search frictions in nancial markets, within a standard quantita-tive monetary model, with the objective of generating greater persistence in the eects of monetary policy shocks. Specically, the paper rst assumes that banks enter into contact with suitable new entrepreneurs-clients via a search-and-matching mechanism similar to that used to study labour markets (Pissarides, 1985). Here, the interest rate on loans implements the sharing of the surplus associated with each bank-entrepreneur match. Second, we assume that the entrepreneurs, who oversee the production of the economy’s output, operate a diminishing-returns-to-scale technology. In this environment, banks have an incentive to use part of any unexpected liq-uidity injection to search for new clients rather than lending it all out to its existing ones, because spreading out a given supply of funds across a wide pool of projects attenuates the eects of diminishing returns to scale. Further, these increased search eorts generate persistent changes in the relative bargaining power of banks and en-trepreneurs, which aects surplus sharing and thus the lending rate that implements it. The combination of these two eects is shown to add persistence to the decrease in nominal interest rates that follows monetary policy easings and to create hump-shaped responses in output and inflation. JEL classication: E4, E5 We thank Christian Calmes, Merwan Engineer, Allen Head, Peter Ireland, Cesaire Meh and Shouyong Shi for useful discussions and suggestions. We also benetted from the comments of participants at the 2002 annual meeting of the Canadian Economics Association as well as the 2003 meeting of the European Economics Association, and seminar participants at Laval University, Simon Fraser University, and the University of Victoria. The views expressed in this paper are those of the authors. No responsibility for them should be attributed to the Bank of Canada.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».