How Has the Monetary Transmission Mechanism Evolved Over Time?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We discuss the evolution in macroeconomic thought on the monetary policy transmission mechanism and present related empirical evidence. The core channels of policy transmission -the neoclassical links between short-term policy interest rates, other asset prices such as long-term interest rates, equity prices, and the exchange rate, and the consequent effects on household and business demand -have remained steady from early policy-oriented models (like the Penn-MIT-SSRC MPS model) to modern dynamic-stochastic-general-equilibrium (DSGE) models. In contrast, non-neoclassical channels, such as credit-based channels, have remained outside the core models. In conjunction with this evolution in theory and modeling, there have been notable changes in policy behavior (with policy more focused on price stability) and in the reduced form correlations of policy interest rates with activity in the United States. Regulatory effects on credit provision have also changed significantly. As a result, we review the empirical evidence on the changes in the effect of monetary policy actions on real activity and inflation and present new evidence, using both a relatively unrestricted factor-augmented vector autoregression (FAVAR) and a DSGE model. Both approaches yield similar results: Monetary policy innovations have a more muted effect on real activity and inflation in recent decades as compared to the effects before 1980. Our analysis suggests that these shifts are accounted for by changes in policy behavior and the effect of these changes on expectations, leaving little role for changes in underlying private-sector behavior (outside shifts related to monetary policy changes).
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.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 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 découle