Tight Money And Loose Credit In An Open Economy
Notice bibliographique
Résumé
The U.S. Federal Reserve has been following a tight money policy, defined by growth in the quantity of money compared to nominal GDP growth since the first quarter of 2004. The Fed has also increased the federal funds rate 17 times in a row by August 8, 2006. Normally, this degree of tightening would be reflected in a slowing of real economic activity by mid-2006, with subsequent lowering of inflation pressures. Yet evidence of a slowdown only materialized in the second quarter of 2006. The housing sector illustrated signs of softening as the inventory numbers started to rise. Are there different factors influencing the effectiveness of monetary policy in this tightening cycle from prior tightening cycles in the Greenspan era? Our thesis is that the linkage between money and credit has become weaker in this cycle. Money appeared to be tight over the relevant time period, while credit was loose. Normally the two move in the same direction – when monetary policy tightens, credit conditions also tighten. But that didn’t occur until very late in the tightening cycle, as credit remained plentiful. Long term interest rates remained low, compared to prior tightening cycles over the cycle. This divergence, in the assessment of the authors, is due to three factors: 1) an increase in monetary base velocity, 2) large net inflows of capital into the U.S., in particular from the Far East – Japan and China, and 3) the expansion of the markets for securitized assets. Rising incomes and high saving rates in the Far East combined with a relaxation of international capital controls resulted in a flood of savings washing up on America’s shores. The securitization of bank-originated assets—originally home mortgages, but now including auto finance loans and credit card debt—has loosened the link between bank reserves and the level of credit in the economy. These factors combined to explain why credit is loose in the U.S. while money appeared tight. A U.S. economy with these characteristics explains in part why the connection between domestic money policy and credit market conditions has been weakened.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,008 | 0,010 |
| Science ouverte | 0,000 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».