MétaCan
Menu
Retour à la cohorte
Enregistrement W2502889703 · doi:10.1080/1540496x.2016.1149696

Countercyclical Bank Capital Requirement and Optimized Monetary Policy Rules

2016· article· en· W2502889703 sur OpenAlexaff
Carlos de Resende, Ali Dib, René Lalonde, Nikita Perevalov

Notice bibliographique

RevueEmerging Markets Finance and Trade · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueBanking stability, regulation, efficiency
Établissements canadiensBank of Canada
Organismes subventionnairesnon disponible
Mots-clésDynamic stochastic general equilibriumMonetary policyEconomicsMonetary economicsCapital (architecture)Inflation (cosmology)Capital requirementFinancial acceleratorMacroeconomicsMicroeconomics

Résumé

récupéré en direct d'OpenAlex

Using BoC-GEM-Fin, a large-scale dynamic stochastic general equilibrium (DSGE) model with real, nominal, and financial frictions featuring a banking sector, we explore the macroeconomic implications of various types of countercyclical bank capital regulations. Results suggest that countercyclical capital requirements have a significant stabilizing effect on key macroeconomic variables, but mostly after financial shocks. Moreover, the bank capital regulatory policy and monetary policy interact, and this interaction is contingent on the type of shocks that drive the economic cycle. Finally, we analyze loss functions based on macroeconomic and financial variables to arrive at an optimal countercyclical regulatory policy in a class of simple implementable Taylor-type rules. Compared to bank capital regulatory policy, monetary policy is able to stabilize the economy more efficiently after real shocks. On the other hand, financial shocks require the regulator to be more aggressive in loosening/tightening capital requirements for banks, even as monetary policy works to counter the deviations of inflation from the target.

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)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
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 Opus0,014
Tête enseignante GPT0,224
Écart entre enseignants0,211 · 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'étudeThéorique ou conceptuel
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

Citations12
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEmerging Markets Finance and TradeMême sujetBanking stability, regulation, efficiencyTravaux en français237 207