Monetary Policy Under Global and Spillover Uncertainty Shocks: What Do the Bayesian Time-Varying Coefficient VAR, Local Projections, and Vector Error Correction Model Tell Us in Tunisia?
Notice bibliographique
Résumé
This study assesses the informational usefulness of several uncertainty metrics in predicting the monetary policy and actual economic activity of Tunisia. We use a Bayesian time-varying vector autoregressive (VAR) model to identify uncertainty shocks sequentially. We complement the analysis with the use of local projections (LPs), a recently flexible and simple method that accommodates the effect of an exogenous intervention on policy outcomes. The findings suggest that shocks to global and spillover uncertainty are important in elucidating the dynamics of industrial production and consumer prices. The impulse response functions (IRFs) show that the central bank does not follow a linear-rule-based monetary strategy. The irreversibility theory, or the “precautionary” behavior, is tested in a vector error correction model (VECM). The money market rate impacts industrial production and consumer prices differently during high versus low uncertainty, depending on the uncertainty variable and the horizon (short versus long run). The effects can be insignificant or significantly dampened during high uncertainty, indicating that conventional monetary policy may be ineffective or less influential. The “wait and see” strategy adopted by economic agents implies that they do not take timely actions until additional pieces of information arrive. While this could not be the sole explanation of our findings, it conveys the importance of dealing with uncertainty in decision-making and highlights the necessity of a clear and credible communication strategy. Importantly, the central bank should complement interest rates with the use of unconventional monetary policy instruments for better flexibility. Our work provides a comprehensive and clear picture of the Tunisian economy and a focal guide for the central bank’s future practices to achieve macroeconomic objectives.
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) | 0,000 | 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 | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».