昨晚,鲍威尔重磅表态,一个时代可能已结束

图片

北京时间15日晚间,美联储主席鲍威尔在一场活动上明确表示,正在重新评估其货币政策框架的“关键部分”,包括通胀目标和就业“缺口”的处理方式。随着经济和政策不断变动,长期利率可能会走高。

“自2020年以来,经济环境发生了重大变化,我们的审查将反映我们对这些变化的评估。”鲍威尔称,较高的实际利率可能反映了未来通胀可能比2010年代间歇期更加波动的可能性,称“供应冲击”将“更频繁且可能更持久”,这对经济和央行来说是一个困难的挑战。

有“新美联储通讯社”之称的知名财经记者Nick Timiraos撰文称,面对不再确定是否有超低利率的世界,鲍威尔引导新战略。美联储即将对利率制定框架进行调整,虽然不太可能影响当前的政策决策,但承认了“长期低利率”时代可能已经结束。

图片

2020年框架已不适用

当地时间周四,鲍威尔在美联储托马斯·劳巴赫(Thomas Laubach)研究会议上表示,美联储正在调整其货币政策框架,以应对2020年疫情后通胀和利率前景的重大变化。

他表示,2020年制定的政策框架是基于当时持续低利率和低通胀的环境,但当下经济条件已发生显著变化。

我们将确保新的共识声明能够适应广泛的经济环境和发展。

特别值得注意的是,鲍威尔明确指出“零利率下限约束不再是基础情景。”他表示,2020年疫情之后,通胀调整后的“实际”利率上升,可能会影响美联储当前框架的要素。

较高的实际利率可能反映出通胀在未来可能比21世纪10年代危机间期更加不稳定的可能性。

图片

重新评估“缺口”概念:不再过度关注就业

2020年框架将美联储的就业目标重点放在所谓的“缺口”上——即失业率过高的时期。这一变化实际上减少了美联储提前加息以冷却劳动力市场和防止通胀压力出现的做法。

鲍威尔周四解释说,这一调整并非永久放弃预防性政策举措或忽视劳动力市场紧张状况。

它表明,表面上的劳动力市场紧张本身不足以触发政策反应,除非委员会认为如果不加以控制,将导致不受欢迎的通胀压力。

图片

重新考虑“灵活平均通胀目标”

2020年框架审查后,美联储采用了“灵活平均通胀目标”方法,允许通胀在长期低于2%后适度超过2%一段时间。

批评者认为,这一框架过于针对当时的低利率、低通胀环境,并不适用于疫情后的经济状况。

对此,鲍威尔在演讲中表示:

在我们的讨论中,与会者已表示他们认为重新考虑关于“缺口”的表述是合适的。在上周的会议上,我们对平均通胀目标也有类似的看法。

实际利率上升也可能反映出,未来通胀可能会比2010年代两次危机之间的时期更加波动。

尽管框架正在修订,但鲍威尔重申了2%通胀目标的重要性:

锚定预期对我们所做的一切至关重要,今天我们仍然完全致力于2%的目标。

好的,下面是一个实现鲍威尔算法的简单Python程序: ``` import numpy as np from scipy.optimize import minimize def powell(func, x0, args=(), xtol=1e-8, ftol=1e-8, maxiter=None, maxfun=None, full_output=False, disp=False, retall=False, callback=None): """Minimize a function using modified Powell's method. Optimize the function, `func`, whose gradient is not available, using a modification of Powell's conjugate direction method. The algorithm uses the technique of backtracking along the search direction to ensure convergence. """ x0 = np.asarray(x0).flatten() fcalls, func = wrap_function(func, args) x = x0 if retall: allvecs = [x0] N = len(x0) rank = N if maxiter is None: maxiter = N * 200 if maxfun is None: maxfun = N * 200 if rank == 0: return optimize.OptimizeResult(fun=func(x0), x=x0, nit=0, nfev=fcalls[0], success=True) R = np.eye(N, dtype=int) for k in range(rank): d = R[k] x1 = x + d fx = func(x1) fx2 = fx loop_again = True i = 0 while loop_again and i < maxiter: if fx2 > fx: t = 2 * (fx2 - 2 * fx + func(x - d)) t = t * (fx2 - fx - t) / (2 * t ** 2) if t < 0: t = min(2 * (fx2 - fx) / t, 0.1 * np.abs(x1 - x)) else: t = 0.1 * np.abs(x1 - x) x1 = x + t * d fx2 = func(x1) if fx > fx2: x = x1 fx = fx2 i += 1 else: loop_again = False d = x1 - x x = x1 if retall: allvecs.append(x) if callback is not None: callback(x) if k < rank - 1: for j in range(k, N): R[j, k] = np.dot(R[j], d) for j in range(k + 1, N): R[k, j] = 0. return optimize.OptimizeResult(fun=fx, x=x, nit=i, nfev=fcalls[0], success=True) ``` 这个程序实现了一个
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值