Constructing Divisia Monetary Aggregates for Singapore
Notice bibliographique
Résumé
Since Barnett derived the user cost price of money, the economic theory of monetary services aggregation has been developed and extended into a field of its own with solid foundations in microeconomic theory. Divisia monetary aggregates have repeatedly been shown to be strictly preferable to their simple sum counterparts, which have no competent foundations in microeconomic aggregation or index number theory. However, most central banks in the world, including that of Singapore, the Monetary Authority of Singapore (MAS), still report their monetary aggregates as simple summations. Recent macroeconomic research about Singapore tends to focus on exchange rates as a monetary policy target but ignores the aggregate quantity of money. Is that because quantities of money are irrelevant to economic activity? To examine the role of monetary quantities as potential monetary instruments, indicators, or targets and their relevance to predicting real economic activity in Singapore, this paper applies the user cost of money formula and the recently developed credit-card-augmented Divisia monetary aggregates formula to construct monetary services indexes for Singapore. We produce those state-of-the-art monetary services indexes from Jan 1991 to Mar 2021. We see that Divisia measures behave differently from simple sum measures in the period before the year 2000, while interest rates were high. Credit-card-augmented Divisia monetary services move closely with the conventional Divisia monetary aggregates, since the volume of credit card transactions in Singapore is relatively small compared with other monetary service assets. In future work, we plan to use our data to explore central bank policy in Singapore and to propose improvements in that policy. By making our data available to the public, we encourage others to do the same.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».