• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Macroeconomic dynamics >MONETARY POLICY RULES UNDER UNCERTAINTY: EMPIRICAL EVIDENCE, ADAPTIVE LEARNING, AND ROBUST CONTROL
【24h】

MONETARY POLICY RULES UNDER UNCERTAINTY: EMPIRICAL EVIDENCE, ADAPTIVE LEARNING, AND ROBUST CONTROL

机译：不确定性下的货币政策规则：经验证据，适应性学习和稳健控制

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We first explore empirical evidence of parameter and shock uncertainties in a state-space model with Markov switching. The evidence indicates that uncertainties in the U.S. economy have been too great to accurately define monetary policy rules. We then explore monetary policy rules under uncertainty with two approaches: the RLS learning algorithm and robust control. The former allows the parameters to be learned for a given model. Yet, as our results of the RLS learning in a framework of optimal control indicate, the state variables do not necessarily converge even in a nonstochastic model. The latter, by permitting uncertainty with respect to model misspecification, allows for a broader framework. Our study on robust control shows that robust optimal monetary policy rules reveal a stronger response to fluctuations in inflation and output than when no uncertainty exists, implying that uncertainty does not necessarily require caution.
机译：我们首先探索具有马尔可夫切换的状态空间模型中参数和冲击不确定性的经验证据。证据表明，美国经济的不确定性太大，无法准确定义货币政策规则。然后，我们通过两种方法探索不确定性下的货币政策规则：RLS学习算法和鲁棒控制。前者允许为给定模型学习参数。但是，正如我们在最佳控制框架中进行的RLS学习的结果所表明的那样，即使在非随机模型中，状态变量也不一定会收敛。后者通过允许模型错误指定方面的不确定性，可以建立更广泛的框架。我们对鲁棒控制的研究表明，与不存在不确定性的情况相比，鲁棒的最佳货币政策规则显示出对通货膨胀和产出波动的更强响应，这表明不确定性不一定需要谨慎。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号