From monetary targeting to inflation targeting: lessons from the industrialized countries
Notice bibliographique
Résumé
The author examines changes in monetary \n policy in industrial countries by evaluating, and providing \n case studies of monetary targeting, and inflation targeting. \n Inflation targeting has successfully controlled inflation, \n with some qualifications. It weakens the effects of \n inflationary shocks, as examples from Canada, Sweden, and \n the United Kingdom show. It can promote growth, and does not \n lead to increased fluctuations in output. But inflation \n targets do not necessarily reduce the cost of reducing \n inflation. The key to success of inflation targeting, is its \n stress on transparency, and communication with the public. \n Inflation targeting increases accountability, which helps \n ameliorate the time-inconsistency trap (in which the central \n bank tries to expand output, and employment in the short \n run, by pursuing overly expansionary monetary policy). \n Time-inconsistency is more likely to come from political \n pressures on the central bank, to engage in overly \n expansionary monetary policy. A key advantage of inflation \n targeting, is that it helps focus the political debate on \n what a central bank can do in the long run (control \n inflation) rather than what it cannot do (raise economic \n growth, and the number of jobs permanently through \n expansionary monetary policy). By increasing transparency, \n and accountability, inflation targeting helps promote \n central bank independence. Accountability to the general \n public seems to work as well as direct accountability to the \n government. Inflation targeting is consistent with \n democratic principles. In discussing operational design, the \n author explains, among other things, that: 1) Inflation \n targeting is far from rigid rule. 2) Inflation targets have \n always been above zero with no loss of credibility. 3) \n Inflation targeting does not ignore traditional \n stabilization goals. 4) Avoiding undershoots of the \n inflation target, is as important, as avoiding overshoots. \n 5) When inflation is initially high, inflation targeting may \n have to be phased-in after disinflation. 6)The edges of the \n target range, can take on a life of their own. 7) Targeting \n asset prices, such as the exchange rate, worsens performance.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,007 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».