Warianty tytułu
The Impact of the Use of Unconventional Monetary Policy Instruments of the Federal Reserve System in 2020-2022 on Main Macroeconomic Indicators
Języki publikacji
Abstrakty
Przedmiot i cel artykułu: Niniejszy artykuł ma na celu ocenę wpływu instrumentów polityki pieniężnej Systemu Rezerwy Federalnej w latach 2020-2022 na podstawowe wskaźniki makroekonomiczne w Stanach Zjednoczonych. Materiały i metody: W celu oceny wpływu zastosowanych instrumentów polityki pieniężnej skonstruowano wskaźnik polityki monetarnej powstały przez skorygowanie realnej stopy procentowej Wu-Xia Shadow Rate o naturalną stopę procentową. Następnie został określony wpływ wskaźnika polityki monetarnej na poziom impulsu kredytowego. Ostatnim etapem było określenie oddziaływania impulsu kredytowego na zmiany w poziomie zmiennych makroekonomicznych. Wyniki: Przeprowadzone badania wykazały, że zmiany w polityce monetarnej wyrażają się w zmianach w skonstruowanym wskaźniku polityki monetarnej. Poziom impulsu kredytowego zależy od wskaźnika polityki monetarnej, im wyższe wartości wskaźnika (bardziej restrykcyjna polityka monetarna] tym niższy poziom impulsu kredytowego, przy większej jego zmienności. Ustalono również, że zmiany w impulsie kredytowym wpływają na wariancję w podstawowych zmiennych makroekonomicznych. Wnioski: Dane kredytowe są bardzo ważne w kontekście przyszłej aktywności gospodarczej, jak i stabilności finansowej, ponieważ kredyt stanowi strumień nowo wykreowanych pieniędzy do gospodarki realnej. Polityka monetarna w znaczący sposób wpływa na poziom udzielanych kredytów, zachęcając do zaciągania zobowiązań w przypadku prowadzenia polityki niskich stóp procentowych, natomiast zniechęcając w przypadku wysokich stóp procentowych. Okres pandemiczny cechował się znaczną zmiennością danych, co przełożyło się na spadek wartości predykcyjnej impulsu kredytowego. (abstrakt autora)
Subject and Objective ofthe Study: This study aims to assess the impact ofthe Federal Reserve System's monetary policy instruments on the key macroeconomic indicators in the United States From 2020 to 2022. Materials and Methods: To evaluate the impact ofthe implemented monetary policy instruments, a monetary policy indicator was constructed by adjusting the real Wu-Xia shadow interest rate with the estimate of natural rate of interest. Subsequently, the impact ofthe monetary policy indicator on the credit impulse level was determined. The final stage involved determiningthe effect ofthe creditimpulse on changes inthe level ofmacroeconomicvariables. Results: The conducted research showed that changes in monetary policy are reflected in changes in the constructed monetary policy indicator. The level ofthe credit impulse depends on the monetary policy indicator; the higher the value of the indicator (more restrictive monetary policy], the lower the level ofthe credit impulse, with greater variability. It was also established that changes in the credit impulse affect the variance in key macroeconomic variables. Conclusions: Credit data is very important in the context of future economic activity as well as financial stability because credit constitutes a stream of newly created money into the real economy. Monetary policy significantly influences the level of credit granted, encouraging borrowing in the case of low-interest-rate policies while discouraging it in the case of high-interest-rate policies. The pandemic period was characterized by significant data volatility, whichtranslated into a decrease in the predictive value ofthe credit impulse. (original abstract)
Twórcy
autor
- Uniwersytet Ekonomiczny w Katowicach
Bibliografia
- Bank Rozrachunków Międzynarodowych w Bazylei (2024), Kredyt dla sektora prywatnego niefinansowego w wartości rynkowej, https://data.bis.org/topics/TOTAL_CREDIT/BIS,WS_TC,2.0/Q.US.P.A.M.USD.A [10.07.2024].
- Biggs M., Mayer T. (2013), Bring credit back into the monetary policy framework!, Political economy of financial markets.
- Borio C., Zabai A. (2016), Unconventional monetary policies: a re-appraisal, BIS Working Paper No. 570.
- Demchuk O., Łyziak T., Przystupa J., Sznajderska A., Wróbel E. (2011), Materiały z seminarium pt. Mechanizm transmisji monetarnej w Polsce, NBP.
- Federal Reserve Bank of Richmond (2024), Szacunek naturalnej stopy procentowej wg modelu Lubik-Matthes, https://www.richmondfed.org/research/national_economy/natural_rate_interest [05.07.2024].
- Federal Reserve Bank of Saint Louis (2024), Produkt krajowy brutto, https://fred.stlouisfed.org/series/GDPC1 [02.07.2024].
- Federal Reserve Bank of Saint Louis (2024), Stopa bezrobocia, https://fred.stlouisfed.org/series/UNRATE [05.07.2024].
- Federal Reserve Bank of Saint Louis (2024), Wskaźnik inflacji CPI, https://fred.stlouisfed.org/series/CPIAUCSL [30.06.2024].
- Federal Reserve Bank of St. Louis (2024), Sprzedaż realna na rynku krajowym w USA, https://fred.stlouisfed.org/series/LB0000031Q020SBEA [04.07.2024].
- Federal Reserve Bank of St. Louis (2024), Wskaźnik inflacji PCE core, https://fred.stlouisfed.org/series/PCEPILFE [05.07.2024].
- Nocoń A. (2014], System reagowania współczesnych banków centralnych na niestabilność sektora bankowego, Wydawnictwo Diffin.
- Powell J. (2020], FOMC Press Conference Call March 15, 2020, https://www.youtube.com/ watch?v=qhspIpGMaX4 (dostęp 5.07.2024],
- Przybylska-Kapuścińska W. (2008], Współczesna polityka pieniężna, Wydawnictwo Diffin.
- Skopowski M., Wiśniewski M. (2014], Instrumenty współczesnej polityki pieniężnej, Wydawnictwo Uniwersytetu Ekonomicznego w Poznaniu.
- Wu J.C. (2024], Stopa procentowa Wu-Xia Shadow Rate, https://sites.google.com/view/jing-cynthiawu/shadow-rates (dostęp 5.07.2024].
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171698402
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.