The effects of quantitative easing on U.S. inflation and output
Notice bibliographique
Résumé
The present dissertation aims to provide insight on how Quantitative Easing Programs impacts both GDP and CPI, specifically, how the purchase of securities ranging from U.S. Treasury Securities to Mortgaged-backed Securities (i.e., MBS) impact said variables. It focuses on the post-crisis period between the second quarter of 2009 and the last quarter of 2019, using U.S. Federal Reserve data resources. It uses monthly data collected for six time-series, giving a total of 129 observations (N=129) for each. Using a Vector Auto-Regressive (i.e., VAR) approach, this dissertation concluded that Q.E. triggers a response in both Industrial Production and CPI, persistent for at least 15 lag periods. This response is stronger for Industrial Production, having a comparatively weak impact on CPI. The nature of this impact (i.e., positive or negative) could not be definitely inferred, as, across the 15-lag period, the behavior was mostly intermittent. However, for Industrial Production the sign of the response ended on a positive value for M.B.S and U.S. Treasury Securities maturing in 5 to 10 Years. For CPI all the U.S. Treasury securities and M.B.S ended on a positive value, with the exception of the U.S. Treasury Securities Maturing in 10 Years. Thus, the claim that Q.E. Programs do not trigger any type of response at either the Industrial Production or CPI level is safely rejected.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 ».