Comprehensive Monetary Easing In The Eurozone: Lessons Learnt From Japan
Notice bibliographique
Résumé
The European Central Bank’s (ECB) unconventional monetary policy has so far failed to deliver the much-anticipated results. In October 2019, the euro area’s (EA-19) HICP-inflation fell to a three-year low of just 0.7% year-over-year (y/y), thus being far below the ECB’s goal of “below, but close to 2.00% over the medium term”. By November 2019, HICP-inflation had recovered to a modest 1.0% (y/y) with seasonally-adjusted Eurozone GDP growing at a disappointing 1.2% (y/y) in Q3 2019 compared with the same quarter of the previous year (Eurostat, 2019). Inevitably, these developments raise the question to what extent the ECB might eventually consider extending its Quantitative Easing (QE) program, i.e. its €2.6tn asset purchase programs (APP) beyond the ongoing €20bn-per-month purchase of fixed income securities. Any further easing could, for example, foresee an enhancement of the securities purchased to inter alia include shares of stock. In contrast to widely held beliefs, this by no means were an entirely unprecedented phenomenon, but corresponded to measures (so-called comprehensive monetary easing, CME) adopted by the Bank of Japan (BoJ) as early as 2010 (Bank of Japan, 2010a). Notwithstanding the BoJ’s CME, however, HICP-inflation in Japan fell to 0.0% (y/y) in December 2019, the latest date for which data were available, which caused annual HICP-inflation for the full year to drop to only 0.8% (y/y). Based on the experiences gained in Japan, and notwithstanding a potential revision of the ECB’s inflation target to a 1.5% to 2.5% range, this contribution will analyse the extent to which an expansion of the ECB’s set of hitherto employed unconventional monetary policies through CME could sustainably stimulate economic growth - and inflation - in the euro area. Preliminary results suggest a rather muted impact.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 tête enseignante, 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 ».