NICOLAS DE ROUX

Capturing international influences in U.S. monetary policy through a NLP approach

Laurent Ferrara, Nicolas de Roux

Résumé

Officiellement, la Réserve fédérale américaine a un double mandat domestique de stabilité des prix et de plein emploi, mais, dans cet article, nous nous interrogeons sur le rôle de l'environnement international dans l'élaboration des décisions de politique monétaire de la Fed. À cet égard, nous utilisons les minutes des réunions du Federal Open Market Committee (FOMC) et construisons des indices de l'attention portée par les responsables de la politique monétaire américaine à la situation économique et financière internationale. Ces indices sont construits en appliquant des techniques de traitement du langage naturel (NLP) allant du décompte des mots, à des modèles d'apprentissage automatique construits de toutes pièces, et aux modèles GPT d'OpenAI. En intégrant ces indicateurs textuels dans une règle de Taylor, nous obtenons diverses mesures quantitatives des influences externes sur les décisions des Fed. Nos résultats montrent que lorsque le FOMC se concentre sur des sujets internationaux, la politique monétaire de la Fed a généralement tendance à être plus accommodante que ne le prévoit une règle de Taylor standard. Ce résultat est robuste à différentes alternatives qui incluent un taux d'intérêt neutre variable dans le temps ou un taux d'intérêt fictif (shadow rate) de la banque centrale.

Mot(s) clé(s)

Politique monétaire, Réserve fédérale Américaine, minutes du FOMC, environnement international, traitement du langage naturel, apprentissage automatique.