Monetary Policy under Model and Data-Parameter Uncertainty
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.
Publication :
Journal of Monetary Economics (0304-3932)
Octobre 2007, vol. 54, no 7, p. 2083-2101