MétaCan
Menu
← Retour à la cohorte
Enregistrement W3122599472

A Policy Model for Analyzing Macroprudential and Monetary Policies

2013· preprint· en· W3122599472 sur OpenAlexaboutno aff
Sami Alpanda, Gino Cateau, Césaire Meh

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2013
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueBanking stability, regulation, efficiency
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDynamic stochastic general equilibriumMonetary policyBalance sheetEconomicsCapital (architecture)Monetary economicsSpillover effectCapital requirementPolicy mixFinancial acceleratorLoanFinancial crisisMacroprudential regulationFiscal policyFinanceMacroeconomicsSystemic riskMarket economy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The recent global financial crisis was a reminder that economic and financial stability are inextricably linked. To that end, there has been significant effort in policy and academic circles to incorporate real-financial linkages and macroprudential policies into existing macroeconomic models. Our policy model described below contributes to this literature. The objective is to incorporate all three balance sheets of households, firms and banks within a single unified framework. This would allow us to analyze key policy questions such as assessing the effects of a house price decline on banks’ capital positions, and its spillover effects on the business sector and the broader economy. The model can also be used to investigate the appropriate mix of policies (i.e. monetary policy, LTV and bank capital regulations, and fiscal policy) to simultaneously tackle issues related to macroeconomic and financial stability. We build a medium scale, small open economy DSGE model with real, nominal and financial frictions to analyze the effects of various shocks and policies on the Canadian economy. The model features non-trivial interactions between the balance sheet positions of households, firms and banks. Savings of patient households are partly intermediated through banks, which help finance the purchases of capital by entrepreneurs and purchases of housing by impatient households. Financial frictions in the form of monitoring costs generate spreads in both the funding and the lending rates of banks, which in equilibrium depend on the balance sheet positions of banks and borrowers respectively. Regulations on bank capital requirements and loan-to-value (LTV) ratios are modeled so that they feed into these spreads, and do not necessarily bind every period. The effects of asset prices on balance sheets of banks and borrowers, and the presence of monitoring costs, generate significant amplification in the system and spillovers across different sectors. For example, an increase in house prices leads to an improvement in the household balance sheets, which reduces banks’ monitoring costs for mortgage loans and strengthens bank balance sheets. This in turn leads to better funding conditions for banks which are then able to lend to entrepreneurs as well as households at cheaper rates. The model is calibrated to match the dynamics in Canadian macroeconomic and financial data, and can be simulated to explore various policy scenarios relevant for the Canadian economy. Macroprudential policies are better suited to counteract financial stability issues arising from household indebtedness, relative to monetary policy. Within macroprudential polices, LTV policy is more targeted towards dealing with household debt and is more effective and less costly in terms of output impact relative to bank capital regulations which are more broad-based.

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)0,002
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: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,104

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,313
Écart entre enseignants0,269 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in Economics→Même sujetBanking stability, regulation, efficiency→Travaux en français237 207→