La règle monétaire de McCallum revue à la lumière de la méthodologie de Litterman
Bibliographic record
Abstract
Depuis l’abandon du contrôle des agrégats monétaires par les grandes banques centrales, la règle de McCallum a attiré une attention soutenue dans la littérature macroéconomique. Tant McCallum que ses critiques ont tenté de cerner le caractère stabilisateur de la règle et sa robustesse sous différents régimes et modèles. Dans cet article, nous adoptons une vision pragmatique et tentons de mettre en lumière des facettes empiriques méconnues de la règle de McCallum en utilisant une méthodologie qui allie judicieusement l’utilisation d’un modèle BVAR de l’économie américaine et la théorie du contrôle optimal (Litterman, 1987). Nos résultats montrent i. que la base monétaire est un instrument relativement anémique de la politique monétaire américaine; ii. que son utilisation pour stabiliser le revenu nominal peut mener à des fluctuations difficilement acceptables de l’ensemble des autres variables du système et est donc sujette à la critique de Lucas; iii. qu’il est possible, à l’aide du contrôle optimal, de pousser l’analyse de la règle et de trouver de nouvelles configurations qui ont de meilleures propriétés stabilisatrices des variables objectifs.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.010 | 0.023 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.005 |
| Scholarly communication | 0.003 | 0.004 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.001 | 0.006 |
| Insufficient payload (model declined to judge) | 0.010 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".