[pt] ENSAIOS SOBRE TAXAS DE JUROS NEGATIVAS E PROJEÇÃO DO PIB

• Ano de defesa: 2021
• Autor(a) principal: FERNANDA MAGALHAES RUMENOS GUARDADO
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: MAXWELL
• Palavras-chave em Português: [pt] PROJECAO; [pt] RANDOM FORESTS; [pt] MOEDAS DIGITAIS DE BANCOS CENTRAIS; [pt] RESERVAS EXCEDENTES; [pt] BANCOS CENTRAIS; [pt] TAXAS DE JUROS NEGATIVAS; [pt] ADALASSO; [pt] POLITICA MONETARIA; [en] PROJECTION; [en] RANDOM FORESTS; [en] ADALASSO; [en] MONETARY POLICY
• Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=53509&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=53509&idi=2; http://doi.org/10.17771/PUCRio.acad.53509

[pt] Esta tese é composta por três artigos. O primeiro monta um modelo DSGE baseado em Gertler e Karadi (2011), para estudar os efeitos da adoção de políticas de taxas de juros negativas concomitantes à intervenções de liquidez por parte do Banco Central, em um cenário em que o zero lower bound (ZLB) é transferido dos bancos centrais para os bancos privados. Mostramos que, durante uma recessão, se os bancos privados não repassam as taxas negativas para seus depositantes em um ambiente de elevadas injeções de liquidez por parte do banco central, as consequências negativas do ZLB original se mantêm e a recuperação é mais lenta. O segundo artigo usa uma versão mais simplificada do mesmo modelo para estudar a adoção de moedas digitais por parte do banco central, que poderia reestabelecer a transmissão de política monetária sob taxas de juros negativas, e analisa as respostas da economia a choques de política monetária sob este regime. Mostramos que, apesar de se mostrar um ferramenta adicional interessante para o banco central, o efeito riqueza envolvido com mudanças exclusivamente da taxa de juros da moeda digital tornam-a um instrumento contra-cíclico menos confiável. O terceiro artigo testa diferentes modelos de projeção para o crescimento do PIB americano de médio prazo. Utilizamos novos métodos, como adaLASSO e Random Forest, em conjunto com um conjunto grande de regressores, para elevar a acurácia sobre modelos tradicionais de projeção, como auto-regressões e modelos DSGE. O artigo aponta que Random Forest é capaz de projeções superiores ao longo de um horizonte de dois anos, mas não tem performance consistemente superior para projeção de crescimento do produto potencial ou do hiato do produto.