MétaCan
Menu
Retour à la cohorte
Enregistrement W2205507761 · doi:10.1017/s1365100512000545

HOW DOES MONETARY POLICY CHANGE? EVIDENCE ON INFLATION-TARGETING COUNTRIES

2013· article· en· W2205507761 sur OpenAlexaboutno aff
Jaromír Baxa, Roman Horváth, Bořek Vašíček

Notice bibliographique

RevueMacroeconomic Dynamics · 2013
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMonetary Policy and Economic Impact
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInflation targetingEconomicsMonetary policyInflation (cosmology)Monetary economicsGeneralized method of momentsExchange rateReal interest rateEstimatorEstimationEconometricsMacroeconomicsPanel data

Résumé

récupéré en direct d'OpenAlex

We examine the evolution of monetary policy rules in a group of inflation-targeting countries (Australia, Canada, New Zealand, Sweden, and the United Kingdom), applying a moment-based estimator in a time-varying parameter model with endogenous regressors. From this novel flexible framework, our main findings are threefold. First, monetary policy rules change gradually, pointing to the importance of applying a time-varying estimation framework. Second, the interest-rate smoothing parameter is much lower than typically reported by previous time-invariant estimates of policy rules. External factors matter for all countries, although the importance of the exchange rate diminishes after the adoption of inflation targeting. Third, the response of interest rates to inflation is particularly strong during periods when central bankers want to break a record of high inflation, such as in the United Kingdom or Australia at the beginning of the 1980s. Contrary to common perceptions, the response becomes less aggressive after the adoption of inflation targeting, suggesting a positive anchoring effect of this regime on inflation expectations. This result is supported by our finding that inflation persistence typically decreased after the adoption of inflation targeting.

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)0,002
score de la tête « metaresearch » (Gemma)0,015
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 enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,044
Tête enseignante GPT0,229
Écart entre enseignants0,185 · 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

Citations39
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMacroeconomic DynamicsMême sujetMonetary Policy and Economic ImpactTravaux en français237 207