Monetary policy spillovers in a fragmented world: the role of geopolitical risk pre- and post-COVID-19 pandemic
Notice bibliographique
Résumé
Purpose This paper investigates the influence of geopolitical risks on the dynamic spillover of monetary policies among the United States, Canada, Australia, New Zealand, Japan and Switzerland from 1995 to 2023. Design/methodology/approach The time-varying parameter vector autoregressive (TVP-VAR) method is used to investigate the dynamic interconnectedness of monetary policy across the six countries. In addition, ordinary least squares (OLS) regression is applied to assess the influence of geopolitical risk on the transmission of international monetary policies, particularly before and after the COVID-19 pandemic. Findings Our study shows a moderate interdependence between the monetary policies of the examined countries. In the network, the monetary policies of the United States, Japan and Australia are transmitters, while Canada, New Zealand and Switzerland are receivers. In addition, geopolitical risks positively impact monetary policy. However, these impacts have turned negative in the post-COVID-19 period. Research limitations/implications These results suggest that policymakers should account for the spillover of monetary policies from other economies during the policy implementation process. Practical implications These findings may guide monetary policymakers in considering rising geopolitical risks. Originality/value This study enhances the theoretical understanding of monetary policy spillovers by illustrating the transmitting roles of major economies within a global network. Moreover, while existing research often examines monetary policy as an isolated phenomenon, this study demonstrates how such risks influence cross-country monetary policy spillovers differently between the pre- and post-COVID-19 periods. Thus, this study improves our understanding of monetary policy adaptability in a globalized world.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».