Government and Central Bank Interaction under Uncertainty: A Differential Games Approach
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 103
فایل این مقاله در 37 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IER-20-2_007
تاریخ نمایه سازی: 21 مهر 1402
چکیده مقاله:
Abstract Today, debt stabilization in an uncertain environment is an important issue. In particular, the question how fiscal and monetary authorities should deal with this uncertainty is of much importance. Especially for some developing countries such as Iran, in which on average ۶۰ percent of government revenues comes from oil, and consequently uncertainty about oil prices has a large effect on budget planning, this is a significant question. For this reason, we extend in this paper the well-known debt stabilization game introduced by Tabellini (۱۹۸۶). We incorporate deterministic noise into that framework. Also we solve this extended game under a Non-cooperative, Cooperative and Stackelberg setting assuming a feedback information structure. The main result shows that under all three regimes, more active policies are used to track debt to its equilibrium level and the smaller this equilibrium level becomes, the more fiscal and monetary authorities are concerned about noise. Furthermore, the best-response policy configuration if policy-makers are confronted with uncertainty seems to depend on the level of anticipated uncertainty.
کلیدواژه ها:
Keywords: Fiscal and Monetary Policy Interaction ، Differential Game ، dynamic system ، Uncertainty. JEL Classification: E۶۱ ، E۶۲ ، E۵۲ ، C۷ ، C۶
نویسندگان
Jacob Engwerda
Tilburg School of Economics and Management, Tilburg University, Netherlands.
Davoud Mahmoudinia
Department of Economics, University of Isfahan.
Rahim Dalali Isfahani
Department of Economics, University of Isfahan.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :