شورای حکام سیستم فدرال رزرو

  • 2021-09-3

رکود اقتصادی با افزایش شدید نرخ بیکاری و نابسامانی های مرتبط، سختی های قابل توجهی را تحمیل می کند. علاوه بر این، رکود می تواند منجر به تغییرات بزرگ در بازارهای مالی شود. در نتیجه، اقتصاددانان و متخصصان بازار مالی مدل‌های پیش‌بینی را برای ارزیابی احتمال رکود در نظر گرفته‌اند.

طیف وسیعی از رویکردها در نظر گرفته شده است. یک رشته تحلیل از متغیرهای بازار مالی - اغلب شیب منحنی بازده - برای ارزیابی ریسک رکود استفاده می کند. رشته دوم با افزودن شاخص های پیشرو (که شاخص های اطمینان و فعالیت اقتصادی را خلاصه می کند) به مدل های پیش بینی رکود، رویکرد اول را تقویت می کند. رویکرد سوم وضعیت اقتصاد کلان - تورم و چرخه تجاری را که با نرخ بیکاری اندازه‌گیری می‌شود - در نظر می‌گیرد، زیرا تحلیل‌های تاریخی تاکید کرده‌اند که چگونه قبل از رکود تورم بالا، اقتصاد بیش از حد گرم شده، و تغییر در تسهیلات پولی (به عنوان مثال، رومر) رخ داده است. و رومر، 1989).

این یادداشت پیامدهای این رویکردها برای ارزیابی ریسک رکود را برجسته می کند.

رویکرد

خطر رکود اقتصادی مشابه خطر افزایش قابل توجه نرخ بیکاری است. در پرتو این مکاتبات، رویکرد تجربی ما بر خطر افزایش قابل توجه نرخ بیکاری متمرکز است. به طور خاص، تجزیه و تحلیل تجربی مدل‌هایی از احتمال را در نظر می‌گیرد که تغییر در نرخ بیکاری در یک افق مشخص h، مشروط به اطلاعات دوره t، از صدک 80 توزیع بدون قید و شرط تغییرات در نرخ بیکاری $$P_^(t+) فراتر می‌رود. h)$$. نشان دادن تابع توزیع تجمعی نامشروط تغییر در نرخ بیکاری در افق h به صورت $$F(\Delta U(t+h))$$، $$P_^(t+h)$$ است.

در افق چهار فصلی، صدک 80 تغییر نرخ بیکاری برای داده‌ها از سال 1965 تا 2019 برابر با 3/4 واحد درصد است. تغییرات نرخ بیکاری در این افق های به این بزرگی همیشه با رکود همراه است (شکل 1). این نقشه برداری شهودی است - افزایش زیاد تعریف شده در نرخ بیکاری به احتمال 20 درصد بدون قید و شرط است و فراوانی رکودها در این محله است (یعنی هفت رکود در 55 سال بین سال های 1965 تا 2019).

شکل 1. نرخ بیکاری، 1965 Q1 تا 2022 Q1

Figure 1. Unemployment Rate, 1965Q1 to 2022Q1. See accessible link for data.

توجه: مناطق سایه دار نشان دهنده رکود هستند.

منبع: اداره آمار کار و اداره ملی تحقیقات اقتصادی.

رویکرد تجربی برای اندازه‌گیری تغییرات زمانی در این اندازه‌گیری ریسک بیکاری از ادبیات پیش‌بینی رکود استخراج شده است. به طور خاص، من یک رگرسیون لجستیک از شکل زیر را تخمین می زنم

که در آن $X(t)$$ مجموعه ای از پیش بینی کننده ها است، B ضرایب روی این پیش بینی ها هستند، و $$G(X)$$ تابع لجستیک $$(G(BX) = / است.<(1+e^<-BX>)>)$$.

دوره تحلیل شده 1965 Q1 تا 2019 Q4 است. تاریخ شروع منعکس کننده آغاز دوره ای است که داده های پیش بینی مربوطه برای آن موجود است. تاریخ پایان برای حذف رکود ناشی از کووید از مدل‌های پیش‌بینی انتخاب شد، اگرچه زمانی که نمونه برآورد شامل رکود کووید باشد، نتایج بسیار مشابه هستند.

ریسک رکود با استفاده از منحنی بازده و اسپردهای اعتباری

یک رویکرد رایج برای ارزیابی ریسک رکود، از متغیرهای مالی مانند اسپرد اعتبار (در اینجا، تفاوت بین بازده اوراق قرضه شرکتی Baa و بازده خزانه 10 ساله) و اصطلاح اسپرد (در اینجا، تفاوت بین 10 ساله) استفاده می‌کند. بازده خزانه داری و نرخ وجوه فدرال). این متغیرها برای پیش‌بینی فعالیت‌های اقتصادی یا احتمال رکود در مواردی مانند لوپز-سالیدو، استاین و زاکراجسک (2017) و انگستروم و شارپ (2019، 2022) استفاده می‌شوند. مجموعه های مشابهی از متغیرها در فاوست و همکاران (2013) و فاوارا و همکاران (2016) در نظر گرفته شده است. برآورد یک مدل لجستیک برای پیش‌بینی افزایش زیاد نرخ بیکاری در چهار فصل آینده تنها با استفاده از اسپرد اعتبار و اسپرد مدت، احتمالات پیش‌بینی‌شده در شکل 2 را به دست می‌دهد. 1 احتمال افزایش زیاد نرخ بیکاری در دوره بعدیسالی که این رویکرد در پایان مارس 2022 نشان می دهد، در حدود 5 درصد پایین است. رویداد مورد مطالعه افزایش نرخ بیکاری است که به احتمال 20 درصد بدون قید و شرط است. این نشان می دهد که ریسک رکود در سال بعد از مارس 2022 کمتر از حد متوسط است.

شکل 2. احتمال رکود (چهار فصل آینده) از مدل مالی

Figure 2. Recession probability (next four quarters) from financial model. See accessible link for data.

منبع: دفتر آمار کار و محاسبات نویسنده

ریسک رکود با استفاده از شاخص های پیشرو

رویکرد دیگر برای ارزیابی ریسک رکود، شاخص های پیشرو شناسایی شده توسط اقتصاددانان را در نظر می گیرد (به عنوان مثال، Berge، 2015). به عنوان نمونه ای از این رویکرد، من از متغیرهای مدل قبلی (اسپردهای اعتباری و مدت) استفاده می کنم و تغییر شاخص پیشرو ترکیبی OECD را برای ایالات متحده اضافه می کنم. این شاخص پیشرو یک شاخص خلاصه از اعتماد مصرف کننده، اعتماد تجاری، شاخص های تولید و بازار کار و متغیرهای مالی (شامل عبارت اسپرد) است. احتمال رکود در چهار فصل آینده از این مدل تخمینی در شکل 2 گزارش شده است و تا مارس 2022 بسیار کم و در حدود 5 درصد است.

در حالی که این تمرین رویکردی را با استفاده از شاخص‌های پیشرو نشان می‌دهد، ادبیات مرتبط از رویکردهای کمی متفاوت استفاده می‌کند - برای مثال، شاخص‌های پیشرو غیر از آنچه که توسط OECD تولید می‌شود یا روش‌هایی که مستقیماً به شاخص‌های اساسی که وارد یک شاخص پیشرو می‌شوند، نگاه می‌کنند. به عنوان مثال، برگ (2015) از رویکرد دوم پیروی می کند: در تحلیل خود، برگ (2015) مجموعه ای از شاخص های فردی را در نظر می گیرد که شامل شاخص های اعتماد مصرف کننده، اعتماد تجاری، شاخص های تولید و بازار کار و متغیرهای مالی است که به شاخص های پیشرو معمولی وارد می شوند. و سپس پیش‌بینی‌های رکود خود را با استفاده از یک روش آماری (متوسط مدل بیزی) ترکیب می‌کند که وزن بالاتری را برای پیش‌بینی‌کنندگان خوب اعمال می‌کند. علی‌رغم تفاوت‌های بین رویکرد برگ (2015) و رویکرد ساده‌تر با استفاده از یک شاخص پیشرو ترکیبی نشان‌داده‌شده در شکل 3، جنبه‌های کلیدی رویکردها مشابه هستند. به طور خاص، این رویکردهای شاخص ترکیبی برای پیش‌بینی رکود در افق‌های کوتاه مفید هستند اما در افق‌های بیش از دوازده ماه کمتر مفید هستند.(پیوست تصویری از این ویژگی ارائه می دهد.)

شکل 3. احتمال رکود (چهار فصل آینده) از مدل شاخص های پیشرو

Figure 3. Recession probability (next four quarters) from leading indicators model. See accessible link for data.

منبع: دفتر آمار کار و محاسبات نویسنده

ریسک رکود با استفاده از تورم و وضعیت چرخه تجاری (نرخ بیکاری)

شکل 4 احتمال رکود اقتصادی را در چهار چهارم آینده از این رویکرد گزارش می دهد. این رویکرد حاکی از یک خطر قابل توجه (بالاتر از 50 درصد) از افزایش زیاد نرخ بیکاری در چهار چهارم آینده است. از نظر تاریخی ، تورم بالا و بیکاری کم ، قبل از رکود اقتصادی ، مطابق با این ایده که چنین تحولاتی نشانگر عدم تعادل (محصول بیش از حد گرم شده و بازارهای کار) است که ممکن است از طریق انقباض اقتصادی از بین برود.

شکل 4. احتمال رکود (چهار چهارم بعدی) از مدل شاخص های کلان اقتصادی

Figure 4. Recession probability (next four quarters) from macroeconomic indicators model. See accessible link for data.

منبع: دفتر آمار کار و محاسبات نویسنده

کیلی (2018 و آینده) نشان می دهد که چگونه نرخ بیکاری و تورم پیش بینی کننده ریسک رکود اقتصادی ، نسبت به متغیرهای مالی ، بیش از افق های طولانی تر از چهار چهارم است (یافته ای که متعاقباً در Domash و خلاصه ها تأکید شده است ، 2022). برای نشان دادن پیامدهای این یافته برای سطح فعلی رکود رکود اقتصادی ، شکل 5 احتمال افزایش نرخ بیکاری را که بیش از 80 درصد آن در طی هشت چهارم بعدی از همان رویکرد است ، نشان می دهد. این رویکرد حاکی از خطر قابل توجهی از افزایش زیاد نرخ بیکاری ، حدود 67 درصد در طی دو سال آینده است.

شکل 5. احتمال رکود (هشت چهارم بعدی) از مدل شاخص های کلان اقتصادی

Figure 5. Recession probability (next eight quarters) from macroeconomic indicators model. See accessible link for data.

منبع: دفتر آمار کار و محاسبات نویسنده

سرانجام ، یکی از جنبه های قابل توجه نتایج در شکل 4 و 5 تأثیر این است که گنجاندن نرخ بیکاری و تورم بر نقش پیش بینی کننده اصطلاح گسترش دارد. به طور خاص ، گنجاندن نرخ بیکاری و تورم نقش پیش بینی کننده اصطلاح را کاهش می دهد ، که به خطر بزرگ رکود اقتصادی مرتبط با این رگرسیون کمک می کند.(ضمیمه برخی از جزئیات را ارائه می دهد که این نتیجه را بیشتر نشان می دهد.)

نتیجه

تجزیه و تحلیل در اینجا نشان می دهد که چگونه مالی ، شاخص پیشرو و سایر متغیرهای کلان اقتصادی سیگنال های مختلفی را در مورد خطر رکود اقتصادی ارائه می دهند. به عنوان مثال ، اصطلاح گسترش خطر زیادی از رکود اقتصادی در آینده نزدیک را نشان نمی دهد ، در حالی که سطح پایین بیکاری و سطح بالایی از تورم نشان دهنده خطر بالاتر رکود در طی یک یا دو سال آینده است. نکته قابل توجه ، یک مدل پیش بینی که شامل نرخ بیکاری و نرخ تورم است ، علاوه بر این اصطلاح ، به طور قابل توجهی نقش اصطلاح گسترش در پیش بینی رکود اقتصادی در افق یک یا دو ساله را کاهش می دهد ، نشان می دهد که برخی از قدرت پیش بینی کننده اینگسترش مدت ناشی از همبستگی اصطلاح گسترش با چرخه تجارت است.

تفاوت در رویکردها نیاز به تحقیقات اضافی را برجسته می کند. به عنوان مثال ، رویکردی که ترکیبی از تورم ، بیکاری ، گسترش اعتبار و اصطلاح را گسترش می دهد رویکردی را که فقط به گسترش اعتبار و اصطلاح گسترش می یابد ، لانه می کند. این لانه سازی حاکی از آن است که اگر نمونه داده ها به اندازه کافی بزرگ باشد برای ارائه نتایج قابل اعتماد ، مدل بزرگتر برتر است. همانطور که در ارقام برجسته شده است ، دوره نمونه فقط شامل هفت قسمت از افزایش زیاد بیکاری است و تجزیه و تحلیل اقتصاد سنجی با چنین تجربه تاریخی محدود یک چالش است. نکته قابل توجه ، تمام نتایج اینجا بر اساس تخمین در دوره کامل نمونه است و برآوردها یا پیش بینی های "زمان واقعی" را منعکس نمی کند.

ضمیمه

مقاله تحقیقاتی که این تحلیل بر آن استوار است حاوی جزئیاتی است، از جمله رویکردی که از رگرسیون های کمی به جای مدل های لجستیک (احتمال) برای تخمین خطر افزایش زیاد نرخ بیکاری استفاده می کند. پیش‌بینی در افق‌های چهار چهارم چالش برانگیز است (و افق‌های طولانی‌تر چالش‌های بزرگ‌تری را به همراه دارند). برای برجسته کردن برخی از نتایجی که احتمالات پیش‌بینی‌شده را شکل می‌دهند، جدول A نتایج سه رگرسیون لجستیک را ارائه می‌کند که برای ارزیابی احتمال افزایش زیاد نرخ بیکاری در افق چهار چهارم استفاده می‌شوند. جدول اثرات حاشیه ای یک تغییر انحراف استاندارد در متغیر و فواصل اطمینان مرتبط را گزارش می کند که در مقادیر میانگین برای متغیرهای پیش بینی در نمونه 1965 Q1-2029Q4 ارزیابی شده است. اثرات حاشیه ای تغییر در احتمال مرتبط با تغییر در متغیر را اندازه گیری می کند (و از این رو معیار شهودی تری نسبت به ضرایب رگرسیون است، زیرا نگاشت از ضرایب رگرسیون به اثرات روی احتمالات غیرخطی است و به مقادیر همه پیش بینی کننده ها بستگی دارد.). جدول همچنین شبه R2 را گزارش می‌کند که معیاری از برازش برای مدل‌های متغیر وابسته به دودویی است.

جدول A: اثرات حاشیه ای متغیرهای پیش بینی از سه ویژگی رگرسیون لجستیک (افق چهار چهارم)
متغیر پیش بینی کننده (1) (2) (3)
متغیرهای مالی (1) + نشانگر پیشرو (1) + بیکاری و تورم
گسترش اوراق قرضه شرکتی 0.1 0. 06 0. 13
(-0. 00, 0. 15) (-0. 01, 0. 13) (0. 01, 0. 18)
گسترش مدت -0. 22 -0. 15 -0. 12
(-0. 25,-0. 15) (-0. 20,-0. 02) (-0. 20,-0. 02)
نشانگر پیشرو (تغییر در) n. a. -0. 08 n. a.
(-0. 12،-0. 02)
نرخ بیکاری n. a. n. a. -0. 09
(-0. 00,-0. 14)
نرخ تورم n. a. n. a. 0.1
(0. 02،0. 16)
شبه R2 0. 38 0. 44 0. 45

توجه: نمونه تخمینی 1965 Q1-2019 Q4 است و هر متغیر پیش‌بینی‌کننده چهار سه ماهه تاخیر دارد (برای تولید پیش‌بینی‌های یکساله). اثرات حاشیه ای هر متغیر با میانگین نمونه ارزیابی شده و برای مطابقت با تغییر انحراف یک استاندارد در متغیر مقیاس بندی شده است. فاصله اطمینان 95 درصد در زیر هر اثر حاشیه ای (در پرانتز) گزارش شده است. فاصله اطمینان از طریق راه‌انداز بلوک (با بلوک‌های 11 چهارمی، برای محاسبه همبستگی سریال در داده‌ها) به‌دست می‌آید، همانطور که در Kiley (آینده) بحث شده است.

سه نتیجه آشکار است. اولاً، پیش‌بینی‌کننده‌ها عموماً از نظر آماری در سطح 5 درصد معنی‌دار هستند (و همیشه در سطح 10 درصد معنی‌دار هستند، گزارش نشده‌اند). دوم، زمانی که شاخص‌های اصلی یا متغیرهای کلان اقتصادی گنجانده می‌شوند، اثر حاشیه‌ای مدت اسپرد تقریباً نصف مقدار مدل متغیرهای مالی است. این نشان می‌دهد که برخی از قدرت پیش‌بینی اسپرد عبارت نشان‌دهنده تمایل عبارت اسپرد برای بازتاب شرایط کلان اقتصادی است. سوم، متغیرهای کلان اقتصادی اضافی به طور متوسط برازش مدل ها را افزایش می دهند.

نتایج برای مدلی که همه پیش‌بینی‌کننده‌ها را شامل می‌شود، شامل نمی‌شود، زیرا Kiley (آینده) شاخص اصلی را در تجزیه و تحلیل شامل نمی‌شود. با این حال، گنجاندن شاخص پیشرو در مدل اقتصاد کلان (یعنی افزودن این متغیر به مشخصات ستون 3 جدول A) نتایج را تغییر نمی‌دهد - احتمال پیش‌بینی شده افزایش زیادی در نرخ بیکاری در چهار فصل آینده. تا مارس 2022 بالای 50 درصد باقی مانده است. با این وجود، گسترش مجموعه متغیرهای پیش‌بینی‌کننده زمانی که تنها هفت رویداد در حال بررسی هستند ممکن است منجر به مشکلات «نمونه کوچک» شود.

در نهایت، جدول B نتایج سه رگرسیون لجستیک را برای ارزیابی احتمال افزایش زیاد در نرخ بیکاری در افق هشت چهارم ارائه می کند. شکل 5 از نتایج ستون (3) استفاده می کند که شامل نرخ بیکاری، نرخ تورم، اسپرد مدت و اسپرد اوراق مشارکت شرکتی به عنوان پیش بینی کننده است. سه نتیجه آشکار است. اولاً، اسپرد اوراق قرضه شرکتی و شاخص پیشرو از نظر آماری معنادار نیستند، در حالی که نرخ بیکاری معنادار است. با تمرکز خاص بر شاخص پیشرو، اثر حاشیه ای آن هم از نظر آماری ناچیز و هم از نظر بزرگی بسیار کم است، و نشان می دهد که چگونه شاخص های پیشرو در افق های کوتاه مفید هستند (جدول A) و در افق های طولانی مفید نیستند (جدول B). دوم، برازش معادله، همانطور که با شبه R اندازه‌گیری می‌شود، با در نظر گرفتن نرخ بیکاری و تورم، مقدار قابل توجهی افزایش می‌یابد. ثالثاً، اثر حاشیه ای عبارت اسپرد در رگرسیون با نرخ بیکاری و تورم یک سوم سطح آن در رگرسیون فقط متغیرهای مالی است. این نشان می‌دهد که برخی از نقش پیش‌بینی‌کننده عبارت اسپرد، که به خوبی در ادبیات مستند شده است، نشان‌دهنده همبستگی عبارت اسپرد با چرخه تجاری و تورم است. این نتایج مشابه نتایج در Kiley (2018)، Kiley (آینده)، و Domash and Summers (2022) است.

جدول B: اثرات حاشیه ای متغیرهای پیش بینی کننده از سه ویژگی رگرسیون لجستیک (افق هشت چهارم)
متغیر پیش بینی کننده (1) (2) (3)
متغیرهای مالی (1) + نشانگر پیشرو (1) + بیکاری و تورم
گسترش اوراق قرضه شرکتی 0. 07 0. 06 0. 07
(-0. 03, 0. 13) (-0. 03, 0. 12) (-0. 00, 0. 12)
گسترش مدت -0. 24 -0. 23 -0. 09
(-0. 27,-0. 12) (-0. 27,-0. 09) (-0. 15,-0. 00)
نشانگر پیشرو (تغییر در) n. a. -0. 02 n. a.
(-0. 07, 0. 07)
نرخ بیکاری n. a. n. a. -0. 09
(-0. 00,-0. 14)
نرخ تورم n. a. n. a. 0. 06
(-0. 02،0. 12)
شبه R2 0. 48 0. 48 0. 57

توجه: نمونه تخمینی 1965 Q1-2019 Q4 است و هر متغیر پیش‌بینی‌کننده هشت فصل تاخیر دارد (برای تولید پیش‌بینی‌های دو سال آینده). اثرات حاشیه ای هر متغیر با میانگین نمونه ارزیابی شده و برای مطابقت با تغییر انحراف یک استاندارد در متغیر مقیاس بندی شده است. فاصله اطمینان 95 درصد در زیر هر اثر حاشیه ای (در پرانتز) گزارش شده است. فاصله اطمینان از طریق راه‌انداز بلوک (با بلوک‌های 11 چهارمی، برای محاسبه همبستگی سریال در داده‌ها) به‌دست می‌آید، همانطور که در Kiley (آینده) بحث شده است.

منابع داده

شورای حکام سیستم فدرال رزرو (ایالات متحده)، نرخ موثر وجوه فدرال [FEDFUNDS]، بازیابی شده از FRED، بانک فدرال رزرو سنت لوئیس. https://fred. stlouisfed. org/series/FEDFUNDS، 11 آوریل 2022.

هیئت حکام سیستم فدرال رزرو (ایالات متحده)، بازده بازار اوراق بهادار خزانه داری ایالات متحده با سررسید ثابت 10 ساله [DGS10]، بازیابی شده از FRED، بانک فدرال رزرو سنت لوئیس. https://fred. stlouisfed. org/series/DGS10، 11 آوریل 2022.

بانک فدرال رزرو سنت لوئیس، بازده اوراق قرضه شرکتی مودیز Seasoned Baa نسبت به بازده در سررسید ثابت خزانه داری 10 ساله [BAA10YM]، بازیابی شده از FRED، بانک فدرال رزرو سنت لوئیس. https://fred. stlouisfed. org/series/BAA10YM، 11 آوریل 2022.

سازمان همکاری اقتصادی و توسعه، شاخص های پیشرو OECD: شاخص های پیشرو: CLI: عادی شده برای ایالات متحده [USALOLITONOSTSAM]، بازیابی شده از FRED، بانک فدرال رزرو سنت لوئیس. https://fred. stlouisfed. org/series/USALOLITONOSTSAM، 15 آوریل 2022.

اداره آمار کار ایالات متحده، شاخص قیمت مصرف کننده برای همه مصرف کنندگان شهری: همه اقلام در میانگین شهر ایالات متحده [CPIAUCSL]، بازیابی شده از FRED، بانک فدرال رزرو سنت لوئیس. https://fred. stlouisfed. org/series/CPIAUCSL، 12 آوریل 2022.

اداره آمار کار ایالات متحده، نرخ بیکاری [UNRATE]، بازیابی شده از FRED، بانک فدرال رزرو سنت لوئیس. https://fred. stlouisfed. org/series/UNRATE، 11 آوریل 2022.

ادبیات نقل شده

Berge, Travis J., 2015. پیش بینی رکود با شاخص های پیشرو: میانگین گیری مدل و انتخاب در چرخه تجاری. J. پیش بینی.، 34: 455– 471. https://doi. org/10. 1002/for. 2345.

داماش، الکس و لارنس اچ سامرز، 2022. دیدگاه بازار کار در مورد خطرات فرود سخت ایالات متحده. کارنامه NBER شماره 29910. آوریل.

انگستروم، اریک سی و استیون ا. 75، شماره4، صفحه37-49.

انگستروم، اریک سی، و استیون ا. واشنگتن: شورای حکام سیستم فدرال رزرو، 25 مارس 2022.

فاوست، جان و سایمون گیلکریست و جاناتان اچ رایت و اگون زاکرایشک. 2013. "Scredit Spreads as Predictors of Economic Activity Real Time: A Model Bayesian-Averaging Approach" The Review of Economics and Statistics، MIT Press, vol. 95 (5)، صفحات 1501-1519، دسامبر

فاوارا، جیووانی، سایمون گیلکریست، کورت اف. لوئیس، و اگون زاکرایسک. 2016. "ریسک رکود و حق بیمه اضافی اوراق قرضه"، یادداشت های FEDS. واشنگتن: شورای حکام سیستم فدرال رزرو، 8 آوریل 2016.

کیلی، مایکل تی.، 2018. "ریسک بیکاری"، مجموعه مباحث مالی و اقتصاد 2018-067. واشنگتن: شورای حکام سیستم فدرال رزرو.

کیلی، مایکل تی.، به زودی."خطر بیکاری."مجله پول، اعتبار و بانکداری.

رومر، کریستینا دی و دیوید اچ. رومر. 1989. "آیا سیاست پولی مهم است؟ آزمونی جدید در روح فریدمن و شوارتز"، فصل ها، در: NBER Macroeconomics Annual 1989، جلد 4، صفحات 121-184 National Bureau of Economic Research, Inc.

1. ضمیمه برخی از نتایج تخمینی را برای این مدل و سایر مدل های تحلیل شده در زیر گزارش می کند. بازگشت به متن

2. Kiley (آینده) همچنین معیاری از رشد اعتبار غیرمالی را در نظر می گیرد و می یابد که این متغیر ریسک بیکاری را در افق های بیشتر از یک سال پیش بینی می کند. Kiley (آینده) تجزیه و تحلیل در Kiley (2018) را با در نظر گرفتن رگرسیون های کمی و رگرسیون لوجیت برای ارزیابی ریسک بیکاری گسترش می دهد. از آنجایی که بسیاری از مقالات در مورد ریسک های رکود از رویکردهای متغیر وابسته باینری مانند رگرسیون لاجیت استفاده می کنند، رگرسیون های کمی در این یادداشت بررسی نشده اند. با این حال، پیام های این تجزیه و تحلیل زمانی منتقل می شود که رویکرد رگرسیون کمی در نظر گرفته شود. بازگشت به متن

کیلی، مایکل تی (2022).«شاخص‌های مالی و اقتصاد کلان ریسک رکود،» یادداشت‌های FEDS. واشنگتن: شورای حکام سیستم فدرال رزرو، 21 ژوئن 2022، https://doi. org/10. 17016/2380-7172. 3126.

سلب مسئولیت: یادداشت‌های FEDS مقالاتی هستند که در آن کارکنان هیئت نظرات خود را ارائه می‌کنند و تحلیل‌هایی را در مورد طیف وسیعی از موضوعات در اقتصاد و امور مالی ارائه می‌کنند. این مقالات کوتاه تر و از نظر فنی کمتر از مقالات FEDS Working Papers و IFDP هستند.

ثبت دیدگاه

مجموع دیدگاهها : 0در انتظار بررسی : 0انتشار یافته : ۰
قوانین ارسال دیدگاه
  • دیدگاه های ارسال شده توسط شما، پس از تایید توسط تیم مدیریت در وب منتشر خواهد شد.
  • پیام هایی که حاوی تهمت یا افترا باشد منتشر نخواهد شد.
  • پیام هایی که به غیر از زبان فارسی یا غیر مرتبط باشد منتشر نخواهد شد.