MétaCan
Menu
Retour à la cohorte
Enregistrement W7113397856

Measuring Macroeconomic Conditions

2024· article· en· W7113397856 sur OpenAlexaboutno aff

Notice bibliographique

RevueDigital Access to Scholarship at Harvard (DASH) (Harvard University) · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInterest rateVolatility (finance)Output gapMonetary policyContext (archaeology)EstimationBusiness cycleShock (circulatory)Real interest rate
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This dissertation focuses on three measurement questions that are central to the design of macroeconomic policy. The first chapter, which is joint work with Thomas Laubach and John C. Williams, introduces time-varying volatility and incorporates a persistent supply shock to the Holston-Laubach-Williams model of the natural rate of interest to address the extraordinary effects of the COVID-19 pandemic on the economy. We find no evidence that estimated natural rates of interest in the United States, Canada, and the Euro Area have increased from their historically low pre-pandemic levels. In the context of our model, the main consequence from the pandemic period was a reduction in estimated natural rates of output. The second chapter explores estimation of the natural rate of output across unobserved components models that vary in terms of their labor market, output, and interest rate dynamics. Estimates of the output gap in the United States from similar models diverge dramatically: differences exceed 5 percentage points and paint a markedly different picture of macroeconomic conditions not just during the COVID-19 pandemic, but also over the entire fifteen-year period following the global financial crisis. This dispersion translates to differences in prescribed policy rates from simple monetary policy rules and acts as a source of uncertainty for central bankers. In the third chapter, I provide new evidence that banking crises commence throughout the business cycle: a large share of crises do not follow the canonical boom-bust timeline. I document differences in the start dates of banking crises across twelve databases, covering 467 episodes in 143 countries, and explore implications for the measurement of the macroeconomic aftermath of banking crises.

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)0,004
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,029
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0090,011
Études des sciences et des technologies0,0010,001
Communication savante0,0040,005
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,003

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 Opus0,079
Tête enseignante GPT0,262
Écart entre enseignants0,183 · 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'étudeSans objet
Domainenon disponible
GenreEmpirique

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDigital Access to Scholarship at Harvard (DASH) (Harvard University)Même sujetCOVID-19 Pandemic ImpactsTravaux en français237 207