Financial frictions and durable goods in DSGE models with sticky prices
Notice bibliographique
Résumé
The focus of this dissertation is to study the role of financial frictions in DSGE models with durable goods and sticky prices, and how key economic variables respond in such an environment to monetary policy shocks. The first chapter studies the empirical evidence regarding the response of durable and non-durable goods to monetary policy shocks. Using quarterly data from Canada and the United States, and a vector autoregressive (VAR) model, we trace out empirically the effects of monetary policy innovations on key macroeconomic variables. We find that in response to an increase in the interest rate, durable consumption, non-durable consumption, output, and household debt decrease, and the nominal interest rate rises. In the second chapter, we show that in the presence of agency costs and equity based borrowing, the two sector sticky price model with collateral frictions resolve the co-movement problem in a way which is consistent with the empirical evidence, even when durable prices are nearly exible. In the third chapter, we examine the effect of financial frictions on the consumption of durables and non-durables in a two-sector DSGE model with sticky prices and heterogeneous agents. The financial frictions are a combination of loan-to-value (LTV) and payment-to-income (PTI) constraints faced by borrowers. In this setting a monetary contraction reduces the maximum amount that consumer that consumers can borrow in order to purchase durable goods. As a result, the model predicts that the consumption of durables falls, along with non-durables even when durable prices are fully flexible. Thus, the model matches better the predictions of the model with the data, relative to the existing literature. The fourth chapter of the dissertation studies the effectiveness of macro-prudential policy measures in curbing house price inflation amid rising outward foreign direct investment from abroad. To assess the usefulness of these macro-prudential policy tools, we use database of housing prices, GDP, bank crises, policy rates, Chinese outward investment and macro-prudential policy measures covering advanced countries at quarterly frequency from 2003 to 2016. The results suggest that Macro prudential policy measures help in reducing house prices and OFDI has a significant and positive correlation with house prices movements.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».