MétaCan
Menu
Retour à la cohorte
Enregistrement W3125402642 · doi:10.1515/snde-2019-0106

Money growth variability and output: evidence with credit card-augmented Divisia monetary aggregates

2020· article· en· W3125402642 sur OpenAlexaff
Jinan Liu, Apostolos Serletis

Notice bibliographique

RevueStudies in Nonlinear Dynamics and Econometrics · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMonetary Policy and Economic Impact
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésDivisia indexDivisia monetary aggregates indexEconomicsVolatility (finance)Credit cardMonetary economicsMonetary policyAggregate demandBivariate analysisEconometricsPaymentCentral bankFinanceQuantitative easing

Résumé

récupéré en direct d'OpenAlex

Abstract We reexamine the effects of the variability of money growth on output, raised by Mascaro and Meltzer (1983), in the era of the increasing use of alternative payments, such as credit cards. Using a bivariate VARMA, GARCH-in-Mean, asymmetric BEKK model, we find that the volatility of the credit card-augmented Divisia M4 monetary aggregate has a statistically significant negative impact on output from 2006:7 to 2019:3. However, there is no effect of the traditional Divisia M4 growth volatility on real economic activity. We conclude that the balance sheet targeting monetary policies after the financial crisis in 2007–2009 should pay more attention on the broad credit card-augmented Divisia M4 aggregate to address economic and financial stability.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,827
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,153
Tête enseignante GPT0,257
Écart entre enseignants0,104 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in Nonlinear Dynamics and EconometricsMême sujetMonetary Policy and Economic ImpactTravaux en français237 207