Forward Guidance at the Effective Lower Bound: International Experience
Notice bibliographique
Résumé
Forward guidance is one of the policy tools that a central bank can implement if it seeks to provide additional monetary stimulus when it is operating at the effective lower bound (ELB) on interest rates. It became more widely used during and after the global financial crisis. This paper reviews the international experience, based on the six central banks that have used forward guidance when operating at the ELB, in order to assess its effectiveness and the potential risks associated with its implementation. We distinguish between three distinct types of forward guidance (qualitative, time contingent and state contingent) and discuss the channels through which forward guidance operates. Overall, we find that forward guidance can be an effective tool at the ELB when clearly communicated and perceived as credible. Though evidence from the literature is somewhat mixed—since the specific effects vary across economies, episodes and type of guidance—it has generally been found to be effective in (1) lowering expectations of the future path of policy rates, (2) improving the predictability of short-term yields over the near term and (3) changing the sensitivity of financial variables to economic news. However, as with other monetary policy tools, the benefits of forward guidance need to be weighed against the costs. Those costs are mainly associated with potential loss of credibility and increased financial stability risks. Moreover, the international experience with forward guidance under conditions of negative ELBs and interest rates is limited to date.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».