Quantitative Tightening Around the Globe: What Have We Learned?
Notice bibliographique
Résumé
This paper uses the recent cross-country experience with quantitative tightening (QT) to assess the impact of shrinking central bank balance sheets.We analyze the experience in seven advanced economies (Australia, Canada, Euro area, New Zealand, Sweden, UK and US)documenting different strategies and the substantive reduction in central bank balance sheets that has already occurred.Then we assess the macroeconomic and financial impact of QT announcements on yields and a range of other market prices.QT announcements increase government bond yields, steepening the yield curve and potentially signaling a greater commitment to raising policy interest rates, but have more limited effects on most other financial market indicators.Active QT has a larger impact than passive QT, particularly on longer maturities.The implementation of QT has been associated with a modest rise in overnight funding spreads and a decline in the "convenience yield" of government bonds, but QT transactions did not significantly affect the pricing and market liquidity of government debt securities.Finally, we evaluate who buys assets when central banks unwind balance sheets, an issue which will become increasingly important if central banks continue to reduce their security holdings while government debt issuance remains elevated.We find that increased demand by domestic nonbanks has largely compensated for reduced bond holdings by central banks.This series of cross-country results suggests that QT has had more of an impact than "paint drying", but far less than simply reversing the effects of the quantitative easing programs launched during periods of market stress.Looking ahead, although QT has been smooth to date, frictions could increase in the future so that QT quickly evolves into more like watching "water boil".
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 | 0,016 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».