Three Essays in Monetary Policy
Notice bibliographique
Résumé
This thesis examines critical and timely issues in monetary policy, focusing on balance sheet strategies, forward guidance, and commodity price dynamics. The first essay employs a New Keynesian Dynamic Stochastic General Equilibrium (NK-DSGE) model calibrated to Canadian data to evaluate central bank balance sheet policies during crises marked by simultaneous adverse shocks. Comparing five policy scenarios - including corridor/floor systems, quantitative easing (QE), tightening (QT), and tapering - the findings show that QE during crises followed by QT in recovery optimizes outcomes under pre-crisis corridor systems, while maintaining a floor during crises with post-crisis bond sales is superior under pre-crisis floor systems. Both strategies enhance macroeconomic stability, inflation control, and welfare. The second essay addresses the qualitative dimension of monetary policy, particularly forward guidance, by proposing a novel identification strategy using sentiment analysis of news articles around Federal Open Market Committee (FOMC) meetings. Quantifying sentiment shifts related to interest rate guidance, balance sheet policies, and economic outlooks, it demonstrates that media-driven sentiment aligns with actual policy impacts, offering insights into expectation formation and financial market transmission. This approach mitigates endogeneity concerns in existing literature while disentangling forward guidance into its distinct components. The third essay investigates the underexplored link between U.S. unconventional monetary policy and commodity price surges post-pandemic. Combining vector error correction models (VECM), structural VARs (SVAR), and event studies, it shows that a 1 percentage point (pp) rise in the effective federal funds rate (EFFR) reduces commodity prices by 3.66 %, while a 1 pp cut in the proxy funds rate (PFR, representing unconventional policies) increases them by 47.65 %. Short-term effects are pronounced: contractionary EFFR shocks drive a 5 % decline, while expansionary unconventional shocks yield a 20 % rise within six months. Hawkish forward guidance sentiment further amplifies speculative behavior, underscoring unconventional policy's role in commodity market volatility.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».