Monetary Policy Evaluation in Real Time: Forward-Looking Taylor Rules Without Forward-Looking Data
Notice bibliographique
Résumé
There is widespread agreement that monetary policy should be evaluated by using forward-looking Taylor rules estimated with real-time data. For the case of the U.S., this analysis can be performed using Greenbook data, but only through 2002. In countries outside the U.S., central banks do not regularly release their forecasts to the public. I propose a methodology for conducting monetary policy evaluation in real-time when forward-looking real-time data is unavailable. I then implement this methodology and estimate the resultant Taylor rules for the U.S., Canada, the U.K., and Germany. The methodology consists of calibrating models to closely replicate Greenbook forecasts, and then applying them to international real-time datasets. The results show that the U.S. output gap series is well described by quadratic detrending, while Greenbook inflation forecasts can be closely replicated using Bayesian model averaging over Autoregressive Distributed Lag models in inflation and the GDP growth rate. German and U.S. Taylor rules are characterized by inflation coefficients increasing with the forecast horizon and a positive output gap response. The U.K. and Canada interest rate reaction functions achieve maximum inflation response at middle-term horizons of about 1/2 year and the output gap coefficient enters the reaction functions insignificantly. Estimating the U.K. and Canadian Taylor rules as forward-looking is crucial, as backward-looking specifications produce nonsensical estimates. This is not the case for the U.S. and Germany.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 tête enseignante, 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 ».