Identification of Simple Monetary Policy Rules with the Use of Heuristic Methods of Data Analysis

• Autorzy: Wojciech Kozłowski , Piotr Piękoś

Warianty tytułu

Identyfikacja prostych reguł polityki monetarnej przy użyciu heurystycznych metod analizy danych

• Języki publikacji: EN

Abstrakty

EN

The paper deals with the problem of modelling simple monetary policy rules, example of which is the Taylor rule, which is widely present in the literature of macroeconomics. More precisely, the aim of this paper is realized through verification whether the monetary policy that is carried out by central banks (reduced to setting of nominal short-term interest rate) may be in a statistically significant way modelled in the form of simple decision rules based on macroeconomic variables. Apart from generating monetary policy rules, the paper also aims at verifying the impact of global economic crisis of 2008-2009 on their stability as well as identifying the differences between monetary policy rules for various central banks. The paper makes use of heuristic methods of data analysis (data mining) as they enable identification of relations in data sets without preliminary hypotheses, which is the aim of this paper. The cases of three central banks are analyzed: the National Bank of Poland, the European Central Bank and the US Federal Reserve. The best rules as regards both statistical significance and economic interpretation are rules generated for the Federal Reserve, whereas the results for the other central banks are unsatisfactory. It was also established that simple monetary policy rules are significantly destabilized in the period of the global economic crisis of 2008-2009. (original abstract)

W artykule rozważono zagadnienie modelowania prostych reguł polityki monetarnej, których przykładem jest reguła Taylora, szeroko cytowana w literaturze makroekonomicznej. Dokładniej, celem artykułu jest sprawdzenie, czy polityka monetarna banków centralnych (w tym przypadku sprowadzona do ustalania nominalnych stóp procentowych w krótkim okresie czasu) może być modelowana w sposób statystycznie znaczący w postaci prostych reguł opartych na zmiennych makroekonomicznych. Niezależnie od identyfikacji reguł polityki monetarnej, artykuł także ma na celu sprawdzenie wpływu globalnego kryzysu lat 2008-2009 na stabilność reguł oraz identyfikację różnic między regułami polityki monetarnej różnych banków centralnych. W pracy posłużono się heurystycznymi metodami analizy danych (drążenia danych), jako pozwalających na identyfikację związków w zbiorach danych bez wstępnych hipotez, co jest przedmiotem pracy. Przeanalizowano przypadki trzech banków centralnych: NBP, Europejskiego Banku Centralnego oraz Banku Rezerw Federalnych Stanów Zjednoczonych. Najlepsze reguły z punktu widzenia zarówno istotności statystycznej, jak i interpretacji ekonomicznej, zostały wygenerowane dla USA, podczas gdy wyniki dla pozostałych banków były niezadowalające. Stwierdzono także, że proste reguły polityki monetarnej zostały w sposób znaczący zdestabilizowane w okresie kryzysu globalnego lat 2008-2009. (abstrakt oryginalny)

Słowa kluczowe

EN

Central banks; Interest rate; Taylor rule; Inflation targeting

PL

Banki centralne; Stopa procentowa; Reguła Taylora; Bezpośredni cel inflacyjny

• Czasopismo: Studia i Materiały Polskiego Stowarzyszenia Zarządzania Wiedzą
• Rocznik: 2010
• Tom: 34
• Strony: 83--94

Twórcy

autor

Wojciech Kozłowski

• Warsaw School of Economics, Poland

autor

Piotr Piękoś

• Warsaw School of Economics, Poland

Bibliografia

• Bemanke B.S., Mishkin F.S., Inflation Targeting: A New Framework for Monetary Policy?, NBER Working Paper, no. 5893, 1997.
• Cios K., Pedrycz W., Świniarski R.W., Kurgan Ł.A., Data Mining: A Knowledge Discovery Approach, Springer, New York 2007.
• Cohen W.W., Fast effective rule induction. In: Proceedings of the Twelfth International Conference on Machine Learning, Lake Tahoe, California 1995.
• Fama E.F., Efficient Capital Markets: A Review of Theory and Empirical Work, "Journal of Finance", no. 25, 1970, pp. 383-417.
• Frank E., Witten I.H., Data Mining: Practical Machine Learning Tools and Techniques, Elsevier, San Francisco 2005.
• Gelatt C.D., Kirkpatrick S., Vecchi M.P., Optimization by Simulated Annealing, "Science Magazine", no. 4598, 1983, pp. 671-680.
• Holland J., Adaptation in Natural and Artificial Systems, The University of Michigan Press, Ann Arbor 1975.
• Jenkins P., Longworth D., Monetary policy and Uncertainty, Bank of Canada Review (Summer), 2002, pp. 3-10.
• Koloch G., Kozłowski W., Piękoś P., On Patterns In Economic Data and Monetary Councils Decisions, "Roczniki Kolegium Analiz Ekonomicznych", no. 17, 2007, pp. 187-202.
• Kothari S.P., Warner J.B., Econometrics of Event Studies, MIT Press, Cambridge 2004.
• McCulloch W., Pitts W., A logical calculus of the ideas immanent in nervous activity, "Bulletin of Mathematical Biophysics", no. 5, 1943, pp. 115-133.
• Quinlan, J.R., C4.5: Programs for Machine Learning, Morgan Kaufmann Publishers, San Francisco 1993.
• Smeeton N.C., Early History of the Kappa Statistic, Biometrics, no. 41, 1982, pp. 795.
• Taylor J.B., Discretion Versus Policy Rules in Practice, Carnegie-Rachester Conference Series on Public Policy, no. 39, 1993, pp. 195-214.
• Walsch C.E., Monetary Theory and Policy, The MIT Press, Cambridge 2003.