货币政策和信用卡支出

货币政策和信用卡消费 弗朗西斯科·Grigoli和达SandriWP/22/255 基金组织工作文件描述了作者正在进行的研究，并发表这些研究以征求意见并鼓励辩论。 基金组织工作文件中表达的观点是作者的观点，不一定代表基金组织、其执董会或基金组织管理层的观点。 2022 12月 ©2022年国际货币基金组织(imf)wp/22/255 国际货币基金组织的工作论文 研究部门 货币政策和信用卡支出由FrancescoGrigoli和DamianoSandri编写* 授权由玛丽亚·索莱达·马丁内斯·佩里亚于2022年12月分发 基金组织工作文件描述了作者正在进行的研究，并发表这些研究以征求意见并鼓励辩论。基金组织工作文件中表达的观点是作者的观点，不一定代表基金组织、其执董会或基金组织管理层的观点。 文摘:我们使用信用卡数据分析货币政策对消费者支出的影响。由于其高频率，这些数据可以改善识别，并允许精确表征传输滞后。我们发现，短期利率冲击对支出的影响比对长期利率的冲击要快得多。我们还发现了明显的不对称性。虽然加息是收缩性的，但降息无法提振支出。最后，通过利用信用卡数据的分解，我们发现货币政策在不同支出类别的影响中存在相当大的异质性，并对高收入用户的影响更大。 冻胶分类数字:E21,E52关键词:信用卡消费;异质性;货币政策;传输作者的电子邮件地址: *我们感谢FableData分享分析中使用的信用卡数据，并感谢PeterPedroni进行了非常有益的讨论。我们还感谢参加国际货币基金组织和国际清算银行研讨 会的与会者。 货币政策和信用卡消费∗ 弗朗西斯科·Grigoli 国际货币基金组织 达米亚SandriBIS和讲话 2022年12月16日 文摘 我们使用信用卡数据分析货币政策对消费者支出的影响。由于其高频率，这些数据可以改善识别，并允许精确表征传输滞后。我们发现，短期利率受到冲击ffECT支出速度远远快于对长期利率的冲击。我们还发现了明显的不对称性。虽然加息是收缩性的，但降息无法提振支出。最后，通过利用信用卡数据的分解，我们发现信用卡数据在e中存在相当大的异质性。ff跨支出类别的货币政策，对高收入用户的影响更大。 关键词：信用卡消费、异质性、货币政策、传导凝胶代码:E21E52 ∗弗朗切斯科·格里戈利，fgrigoli@imf.org;达米亚诺·桑德里，damiano.sandri@bis.org。A.在 本文是作者的论文，不一定代表国际清算银行、国际货币基金组织、其执董会或其管理层的论文。我们感谢FableData分享分析中使用的信用卡数据，并感谢PeterPedroni非常有益的讨论。我们还感谢参加国际货币基金组织和国际清算银行研讨会的与会者。 1介绍 本文首次评估了使用机密信用卡数据的货币政策向消费者支出的传导。这些数据ffER相对于货币政策文献中使用的传统消费指标的两个关键优势。首先，信用卡数据以高频率提供，提供有关日常交易的信息。这使得围绕政策公告的货币政策冲击时间与支出数据准确匹配成为可能，从而改善货币政策的识别。ffECTS.在现有研究中，货币政策冲击必须以传统消费数据的较低频率进行汇总，从而引入聚合偏差，并在同一汇总期内发布更多公告时减少可用货币政策冲击的数量。信用卡数据的每日频率也有助于匹配其他控制变量的时间。例如，我们的计量经济学框架控制着有关COVID-19病例的日常信息和封锁措施的严格程度，而不必以较低的频率汇总这些指标。最后，信用卡数据的高频化使得更准确地考察货币政策的传导滞后成为可能，揭示了货币政策数据传导滞后性的新见解。ff利率冲击在DI的传递速度ff不同期限。 其次，信用卡数据可用于测试各种形式的潜在异质性 货币政策的传导。通过提供有关个人交易的详细信息，这些数据可用于ff研究货币政策对整个DI支出的影响ff优质商品和服务。此外，信用卡公司收集有关用户的人口和经济信息，从而可以检查货币政策对整个行业影响的可能异质性。ff不同部分的人口。 信用卡数据还可以提供更精确的消费测量。统计机构构建的传统消费数据严重依赖住户调查，这些调查受到若干限制，如样本量有限、报告错误和间隔时间滞后ff伦特调查波浪。近年来，由于调查回复率下降，这些担忧变得更加严重（Meyer，MokandSulli-van，2015）。通过实时记录大量用户的实际支出，信用卡数据可以克服这些限制（Abraham等人，2022年）。 我们的分析使用德国寓言数据提供的信用卡数据，涵盖 1信用卡数据的一个缺点是它们不能涵盖消费者购买的所有范围，例如汽车购买等大件商品。然而，信用卡数据与本 文后面记录的总消费数据密切相关。 期间2017–2021.2寓言数据收集了数亿笔消费者支出交易，覆盖超过100万用户。为了捕捉货币政策冲击，我们依靠欧洲央行政策公告期间金融市场的高频波动，由Altavilla等人（2019）编制。我们使用当地预测来评估货币政策冲击对信用卡支出的影响。 我们发现，正利率冲击（以政策公告期间2年期收益率的上升衡量）对支出有重大负面影响。该 effECT开始以大约6个月的滞后实现，并涉及信用卡交易数量及其平均支出金额的减少。我们还注意到 ，对短期利率的冲击往往要快得多。ff等信用卡消费。相反，在控制2年期利率变动后，长期利率冲击没有显著影响。ff等开支。 这些结果补充了关于相对e的文献ffectiveness传统 与非常规货币政策相比，由于缺乏高频宏观经济数据，非常规货币政策迄今为止一直侧重于对金融市场的影响（Gurkaynak，SackandSwanson，2005年;克里希那穆尔蒂和维辛-乔根森，2011年;吉尔克里斯特，洛佩斯-萨利多和扎克拉伊斯ˇek，2015年;加格农等人，2011;斯旺森，2021年 ）。我们的研究结果表明，政策利率变化具有更快速和切实的ff在消费方面，而不是非常规工具 （例如前瞻性指导和量化宽松政策），这些工具倾向于以长期收益率运作。这些发现对正在进行的发展具有重要的政策意义。ffORTS来抑制通货膨胀。鉴于迫切需要在通胀预期可能脱锚之前冷却总需求，政策加息比量化紧缩更可取，因为它们涉及较短的传导滞后。利用政策利率来加速货币传导，也可以降低央行在观察货币政策之前可能最终过度收紧货币政策的风险。ff颜色的总需求。 我们将计量经济学分析扩展到各个维度，以利用信用卡数据的识别优势，并更详细地研究货币传导。我们首先表明货币政策具有高度不对称性ff支出，取决于利率变动的方向。虽然积极的利率冲击会引发支出收缩，但负利率冲击是不可避免的ff在促进支出方面发挥作用。这些发现与最近基于美国数据的工作一致。 （特雷罗和斯维茨，2016年;安格里斯特，奥疤乔达和Kuersteiner,2018;Barnichon 和Matthes，2018），并强调在经济衰退期间需要财政政策来支持需求。然后，我们研究利率冲击的传导如何取决于持续 2看到关于寓言的更多信息数据。 股票价格的多孔反应。正如Cieslak和Schrimpf（2019）以及Jarocin'ski和Karadi（2020）所指出的那样，货币政策公告期间利率和股票价格之间的共同运动可用于将货币立场的外部变化与信息冲击分开。例如，外生的货币政策紧缩应该导致利率上升和股票价格下跌。相反，提供有关前景的积极信息的货币政策公告应该会引发利率和股票价格的上涨。与这种对冲击之间共同运动的解释一致，我们发现积极的利率冲击加上股票价格的下跌会导致支出大幅收缩。相反，消费者支出往往会增加，以应对与股票价格上涨相关的积极利率冲击。 最后,我们分析可能的异构eff跨支出类别和代理特征的货币政策影响。我们发现货币政策的影响ff经济部门相当不对称。特别是，虽然货币紧缩大幅减少了可自由支配商品的支出，但它增加了对必需消费品的支出。这可能是由于替换effECTS.例如，人们可能会通过放弃在餐厅用餐的支出而增加在家食品上的支出来应对货币紧缩。我们还发现有证据表明，货币紧缩对高收入信用卡用户的影响更大，这可能与跨期替代的理论预测一致。ff在财政拮据较少的消费者中，ECT更强。货币政策似乎没有相反的差距。ff不同eff跨性别、年龄组以及在线与面对面购买的ECTS。 相关文献。该论文为大量关于e的文献做出了贡献ff家庭消费货币政策的ECT。早期的贡献仅限于使用统计机构提供的宏观数据（Christiano，Eichenbaum和Evans，1999年）。近年来，文献已开始利用来自家庭调查的个人层面数据，提供有关货币政策传导渠道的更精细证据.3例如，Cloyne、Ferreira和Surico（2020年）发现，有抵押贷款的家庭对货币政策冲击的反应比租房者和直接房主更强烈。然而，住户调查数据存在重大局限性，即观察频率低、自我报告的消费测量误差和样本量小。为了增加分析样本，新的研究利用了来自政府登记处的大量行政数据。利用来自挪威税务记录的收入和财富数据，霍尔姆、保罗和蒂施比雷克（2021年）构建了每年的家庭支出 3还有一个平行的理论文献研究了异质e。ff跨家庭货币政策的影响（卡普兰，莫尔和维奥兰特，2018;奥克莱特，2019年） 。 4行政数据的使用提供了重要的优势，例如人口的普遍覆盖和家庭资产负债表的详细信息.5然而 ，这些类型的行政数据仅以低频率提供，不能提供有关消费支出的直接信息，这些信息必须使用财富和收入数据进行推断。因此，相对于调查和管理数据，信用卡数据具有高频可用和准确测量的优势。 为了捕捉货币政策冲击，本文借鉴了高频识别的文献。这种方法通过在政策宣布的紧缩窗口期检查金融市场的走势来发现货币政策的意外。大多数研究都集中在这些冲击对金融市场可变性的影响上 （Kuttner，2001年;科克伦和皮亚泽西，2002年;伯南克和库特纳，2005年;Gurkay-nak，SackandSwanson，2005;汉森和斯坦，2015年;吉尔克里斯特，洛佩斯-萨利多和扎克拉伊斯，2015年;中村和斯坦森，2018）。然而，一些论文也使用高频识别来研究ff宏观经济变量的影响。Gertler和Karadi（2015）按月频率汇总高频货币冲击，并将其用作VAR的工具，以检查对中期信贷变量和工业生产的影响.6相对于这些论文，我们的分析通过更好地将货币政策冲击的时间与日常信用卡交易相匹配，加强了对货币政策传导的识别。这也使得可以更详细地检查货币转移，例如查看ff与DI相关的传输滞后ff利率到期日。毛皮-热，我们可以fferentiateeff科研人员在di的货币政策ff消费类别和信用卡用户特征。 本文还与正在进行的有关eff经济界的ORTS利用大数据的变革潜力（Einav和Levin，2014）。私营公司和政府机构收集的大量信息可以极大地促进经济监测，并允许跟踪环境ff微观层面的经济冲击和政策行动的影响。COVID-19大流行加速了这些问题的工作，一些研究人员使用信用卡数据来捕捉实际支出模式的变化 4Andersen等人（2020b）也使用税收数据来估计货币政策冲击的影响，但重点关注ff科研人员收入、财富、和购买汽车 。 5行政数据还被用来审查消费对失业和失业的反应。 健康冲击（Kolsrud等人，2018年;科尔斯鲁德，兰代斯和斯宾纽因，2020年;兰代斯和斯宾纽因，2021年）。 6另见雅罗辛斯基和卡拉迪（2020）、米兰达-阿格里皮诺和里科（2021）以及安德拉德和费罗尼（2021）。 时间和迪ff易租商品（安徒生等人，2020a;布尼等人，2020年;切蒂等人，2020年;哈乔格·霍克、卡·恩齐格和苏里科，2021年）。信用卡数据也被用来检查家庭消费对失业期的反应（GanongandNoel，2019;Andersen等人，2021年），并记录广泛的客户利润在推动零售销售中的作用（Einav等人，2021年）。在本文中，我们展示了他们提供有关货币传导的新见解的能力。 本文组织如下。第2节介绍了分析