MétaCan
Menu
Retour à la cohorte
Enregistrement W7096101137

Looking Forward: The Path for Monetary Policy

2015· article· en· W7096101137 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEuropean Monetary and Fiscal Policies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMonetary policyInflation (cosmology)PleasureQuarter (Canadian coin)Presentation (obstetrics)Inflation targetingQuantitative easingOpen market operation
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The U.S. economy is on solid footing. The labor market is nearing full employment, and inflation should move back toward the Federal Open Market Committee’s target. A likely gradual removal of highly accommodative monetary policy could begin at any upcoming FOMC meeting. However, the exact timing will be driven by the incoming data. The following is adapted from a presentation by the president and CEO of the Federal Reserve Bank of San Francisco to the New York Association for Business Economics in New York on May 12. It’s a pleasure to be in New York. I’d like to give an overview of the economy today and where I see us going. I’ll address some of the questions I’ve been hearing most frequently, and talk about the trajectory of monetary policy going forward. Disappointing first quarter There are two questions I’m asked on an almost daily basis right now, so I’ll preempt the Q&A and get to them right off the bat. One of them is: Given first-quarter weakness, am I revising my outlook for the year? So far, I’ve been relatively upbeat about the economic outlook and the direction we’re heading. The answer leads me to something I say frequently: We need to look at data over the longer term. We can’t get distracted by blips and temporary downs—or ups for that matter.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,032
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0060,005
Communication savante0,0220,024
Science ouverte0,0010,007
Intégrité de la recherche0,0170,031
Charge utile insuffisante (le modèle a refusé de juger)0,0290,010

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.

Tête enseignante Opus0,045
Tête enseignante GPT0,231
Écart entre enseignants0,187 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEuropean Monetary and Fiscal PoliciesTravaux en français237 207