Wartość i ograniczenia polityki pieniężnej: Podejmowanie decyzji dotyczących celu inflacyjnego i stóp procentowych

Niniejsze badanie dotyczy interakcji między zmiennymi makroekonomicznymi, w szczególności wskaźnikiem cen konsumpcyjnych (CPI) i zharmonizowanym wskaźnikiem cen konsumpcyjnych (HICP), oraz Ocena skut ecznosi strategii wyznaczania celów inflacyjnych znanych banków centralnych: Banku Anglii, Rezerwy Federalnej, Banku Japonii i Europejskiego Banku Centralnego. Korzystając z połączenia analizy regresji za pomocą Pythona i Excela, przeanalizowano obszerny zbiór danych obejmujący okres od II kwartału 2002 r. do IV kwartału 2022 r. (lub II kwartału 2023 r., w zależności od dostępności danych). Zbiór ten obejmował kluczowe wskaźniki makroekonomiczne, takie jak wskaźnik cen konsumpcyjnych (CPI), długoterminowe stopy procentowe (LTINT), krótkoterminowe stopy procentowe (STINT), stopa bezrobocia (HUR), wzrost PKB (QGDP) oraz kursy wymiany walut i wzrost kursów walut. Techniki takie jak regresja wielokrotna, autoregresja wektorowa, rozszerzony test Dickeya-Fullera (ADF), przyczynowość Grangera, funkcja odpowiedzi impulsowej (IRF) i dekompozycja wariancji błędu prognozy (FEVD) zostały wykorzystane do identyfikacji zawiłych relacji między HICP (lub CPI) a innymi istotnymi czynnikami makroekonomicznymi. Model jest skuteczny w identyfikowaniu czynników, które przewidują inne wskaźniki lub same siebie. Przewidywalność CPI i innych zmiennych makro jest kluczowym odkryciem, podkreślającym korzyści płynące z wykorzystania predyktorów do skutecznego ukierunkowania inflacji.

This research inquires the interactions between macroeconomic variables, particularly the Consumer Price Index (CPI) and Harmonized Index of Consumer Prices (HICP), and evaluates the efficacy of inflation-targeting strategies of prominent Central Banks: the Bank of England, Federal Reserve, Bank of Japan, and European Central Bank. Using a combination of regression analysis through Python and Excel, a comprehensive dataset spanning from Q2 2002 to Q4 2022 (or Q2 2023, depending on data availability) was analysed. This dataset comprised of crucial macroeconomic indicators, such as the Consumer Price Index (CPI), Long-term interest rates (LTINT), Short-term interest rates (STINT), Unemployment rate (HUR), GDP growth (QGDP), and currency exchange rates and exchange rate growth. Techniques such as Multiple Regression, Vector Autoregression, Augmented Dickey–Fuller (ADF) test, Granger Causality, Impulse Response Function (IRF), and Forecast Error Variance Decomposition (FEVD) were harnessed to identify intricate relationships between HICP (or CPI) and other significant macroeconomic factors. The model is effective at identifying factors that predict other indicators or themselves. The predictability of the CPI and other macro variables is a key finding, highlighting the benefit of utilizing predictors for efficient inflation targeting.