Description
Abstract: Policy-makers in the United States over the past 15 to 20 years seem to have been cautious in setting policy: empirical estimates of monetary policy rules such as Taylor's (1993) rule are much less aggressive than those derived from optimizing models. The author analyzes the effect of an aversion to model and data-parameter uncertainty on monetary policy. Model uncertainty arises because a central bank finds three competing models of the economy to be plausible. Data uncertainty arises because real-time data are noisy estimates of the true data. The central bank explicitly models the measurement-error processes for both inflation and the output gap, and it acknowledges that it may not know the parameters of those processes precisely (which leads to data-parameter uncertainty). The central bank chooses policy according to a Taylor rule in a framework that allows an aversion to the distinct risk associated with multiple models and dataparameter configurations. The author finds that, if the central bank cares strongly enough about stabilizing the output gap, this aversion generates significant declines in the coefficients of the Taylor rule, even if the bank's loss function assigns little weight to reducing interest rate variability. He also finds that an aversion to model and data-parameter uncertainty can yield an optimal Taylor rule that matches the empirical Taylor rule. Under some conditions, a small degree of aversion is enough to match the historical rule.
Résumé: Depuis 15 à 20 ans, les autorités aux États-Unis semblent très prudentes dans la mise en oeuvre de la politique monétaire : les valeurs estimées des paramètres des règles de politique monétaire telles que la règle de Taylor (1993) sont beaucoup moins élevées que celles issues de modèles d'optimisation. L'auteur analyse l'effet sur la politique monétaire du degré d'aversion de la banque centrale pour deux types d'incertitude : l'incertitude entourant la formulation appropriée du modèle et celle relative aux données et aux paramètres. Le premier type d'incertitude tient à l'existence de trois modèles plausibles de l'économie, et le second au fait que les données en temps réel sont des estimations imprécises des données véritables. La banque centrale modélise explicitement les processus d'erreur de mesure de l'inflation et de l'écart de production, mais elle est consciente qu'elle ne connaît pas leurs paramètres précis (d'où l'incertitude relative aux données et aux paramètres). Elle choisit sa règle de Taylor en tenant compte du risque spécifique associé à la multiplicité des configurations possibles en matière de modèles et de paramètres. L'auteur constate que, si la banque centrale est suffisamment préoccupée par la stabilisation de l'écart de production, il en résulte une diminution sensible des coefficients de la règle de Taylor même si la banque assigne une pondération peu élevée à la réduction de la variabilité des taux d'intérêt dans sa fonction de perte. Il relève également que l'aversion pour l'incertitude liée au choix du modèle et pour celle relative aux données et aux paramètres peut générer une règle de Taylor optimale conforme à la règle de Taylor empirique. Sous certaines conditions, un petit degré d'aversion suffit pour obtenir la règle empirique.
Résumé: Depuis 15 à 20 ans, les autorités aux États-Unis semblent très prudentes dans la mise en oeuvre de la politique monétaire : les valeurs estimées des paramètres des règles de politique monétaire telles que la règle de Taylor (1993) sont beaucoup moins élevées que celles issues de modèles d'optimisation. L'auteur analyse l'effet sur la politique monétaire du degré d'aversion de la banque centrale pour deux types d'incertitude : l'incertitude entourant la formulation appropriée du modèle et celle relative aux données et aux paramètres. Le premier type d'incertitude tient à l'existence de trois modèles plausibles de l'économie, et le second au fait que les données en temps réel sont des estimations imprécises des données véritables. La banque centrale modélise explicitement les processus d'erreur de mesure de l'inflation et de l'écart de production, mais elle est consciente qu'elle ne connaît pas leurs paramètres précis (d'où l'incertitude relative aux données et aux paramètres). Elle choisit sa règle de Taylor en tenant compte du risque spécifique associé à la multiplicité des configurations possibles en matière de modèles et de paramètres. L'auteur constate que, si la banque centrale est suffisamment préoccupée par la stabilisation de l'écart de production, il en résulte une diminution sensible des coefficients de la règle de Taylor même si la banque assigne une pondération peu élevée à la réduction de la variabilité des taux d'intérêt dans sa fonction de perte. Il relève également que l'aversion pour l'incertitude liée au choix du modèle et pour celle relative aux données et aux paramètres peut générer une règle de Taylor optimale conforme à la règle de Taylor empirique. Sous certaines conditions, un petit degré d'aversion suffit pour obtenir la règle empirique.