MétaCan
Menu
Retour à la cohorte
Enregistrement W2469419993 · doi:10.1162/asep_a_00448

Monetary Policy Spillovers across the Pacific when Interest Rates Are at the Zero Lower Bound

2016· article· en· W2469419993 sur OpenAlexaff
Edda Claus, Iris Claus, Leo Krippner

Notice bibliographique

RevueAsian Economic Papers · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMonetary Policy and Economic Impact
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésMonetary policyZero lower boundEconomicsInterest rateMonetary economicsCredit channelAsset (computer security)Forward guidanceFinancial marketNominal interest rateExchange rateShadow (psychology)Inflation targetingReal interest rateFinance

Résumé

récupéré en direct d'OpenAlex

To conduct monetary policy effectively, central banks need to understand the transmission of monetary policy into financial markets. In this paper we investigate the effects of Japanese and U.S. monetary policy shocks on their own asset markets, and the spillovers into each other's markets. Because short-term nominal interest rates have been effectively zero in Japan since January 1998 and in the United States from late 2008, however, monetary policy shocks cannot be quantified by considering observable changes in short-term market interest rates. Therefore, in our analysis we use a shadow short rate―a quantitative measure of overall conventional and unconventional monetary policy that is estimated from the term structure of interest rates. Our results suggest that the operation of monetary policy at the zero lower bound of interest rates alters the transmission of shocks. In particular, we find a limited response of exchange rates during the first episode of unconventional monetary policy in Japan but a significant impact since 2006.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,039
Tête enseignante GPT0,238
Écart entre enseignants0,199 · 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'étudeSimulation ou modélisation
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

Citations21
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Economic PapersMême sujetMonetary Policy and Economic ImpactTravaux en français237 207