XiaoMi-AI文件搜索系统
World File Search System中央银行
爱尔兰中央银行第 138 次会议记录 1
2 其他出席人员：Gerry Quinn，（首席运营官）；Derville Rowland，（金融行为总干事）；Eadaoin Rock，（总法律顾问）；Deirdre McKenna，（内部治理）；项目 5 和 7：Vasileios Madouros，（金融稳定总监）；项目 5：Patrick Haran、Caroline Mehigan、Jillian Fleming、Seana Cunningham，（乌克兰/俄罗斯工作组成员）；项目 6：Glenn Calverley（战略与治理总监）、Claire Hackett，（战略与预测）；项目 7：Adrian Varley（审慎分析与检查总监）、Aoife Langford，（解决与危机管理）；项目 8：Yvonne McCarthy、Phillip Brennan，（气候变化部门）；第 9 项：Mary Elizabeth McMunn（信贷机构监管主任）、Colm Kincaid（消费者保护主任）；第 10 项：Annemarie Britz、Susan Falkner（金融控制）、Paschal Finn、Ruth Gleeson（组织风险）；第 11-13 项：Kevin O’Brien（消费者保护）；第 11 项：Gerry Cross（金融监管主任 – 政策与风险）、Katie Philpott（消费者保护）；第 11 和 12 项：Bernie Mooney（消费者保护）；第 12 项：Robert Devereux、David Hynes（消费者保护）；第 15 项：Tom Meade、John Fisher（内部治理）；第 15 项：Bernard Sheridan（货币与设施管理主任。
主要中央银行和与气候变化的斗争
在所考虑的三个机构中，BOE是第一批推动者，早在2015年就开始考虑与气候相关的财务风险。 那年9月，该银行州长马克·卡尼（Mark Carney）发表了他的著名演讲[1]，他在其中提醒了金融体系气候变化的风险以及气候驱动的系统性金融危机的可能性。 在2015年首次报告关注保险领域后，2018年9月，审慎监管局（PRA）发表了对英国银行业面临的气候变化风险的审查[2]，并制定了关于气候风险的未来工作计划。 以及在2019年财务稳定报告中，[3]金融政策委员会（FPC）对英国银行对物理和过渡风险的暴露进行了自上而下的评估。 此外，BOE的领导能力在2017年作为NGFS的创始成员之一的角色也可以看到，以及其早期采用气候战略和内部治理框架来处理气候问题。在所考虑的三个机构中，BOE是第一批推动者，早在2015年就开始考虑与气候相关的财务风险。那年9月，该银行州长马克·卡尼（Mark Carney）发表了他的著名演讲[1]，他在其中提醒了金融体系气候变化的风险以及气候驱动的系统性金融危机的可能性。在2015年首次报告关注保险领域后，2018年9月，审慎监管局（PRA）发表了对英国银行业面临的气候变化风险的审查[2]，并制定了关于气候风险的未来工作计划。以及在2019年财务稳定报告中，[3]金融政策委员会（FPC）对英国银行对物理和过渡风险的暴露进行了自上而下的评估。此外，BOE的领导能力在2017年作为NGFS的创始成员之一的角色也可以看到，以及其早期采用气候战略和内部治理框架来处理气候问题。
发展中经济体的中央银行数字货币
中央银行数字货币（CBDC）一直是许多货币政策研究议程的讨论中心。我们探讨了发展中经济体的商业周期行为如何受到这种货币作为第二种货币政策工具的影响。我们强调大多数发展中经济体中存在的双重正规和非正规劳动力市场特征，因为它与解释商业周期动态有关。我们的主要贡献是建立一个包含这些特征并突出货币余额与宏观经济波动相关性的模型。我们发现，CBDC 有能力提高货币政策的有效性，相关变量的响应可能会被放大或减弱，这取决于冲击的性质。此外，CBDC 引入的新动态的幅度也极大地取决于其结构参数。受 CBDC 影响的主要传导机制是交易成本产生的扭曲动态。
绿色中央银行：从经验中学习
尽管确定人类活动的温室气体排放量增加正在触发气候变化，并且温度升高将对国家的经济和金融体系产生相应的影响，但由于因果因素的复杂，系统性和相互联系的性质，这些影响如何表现出的确切途径仍然不确定。衡量气候风险的主要困难之一是，历史数据并未揭示未来，评估未来风险的可预测性仍然很弱。气候风险涉及复杂的动态，这些动力学通过短期，中和长期的不同方面相互作用。1要解决这些风险，许多监管机构已将气候风险情景分析作为评估未来长期风险的选择。在2022年金融稳定委员会（FSB）对53个机构进行的一项调查中，来自36个司法管辖区目前正在进行，或计划进行气候分析练习。调查揭示了机构在气候场景分析的第一阶段中面临的重大挑战，其中许多人面临着几个常见的障碍。例如，气候模型的丰富度使得哪种模型最重要。此外，气候建模非常技术性，难以穿透非专家。由于缺乏将气候情景转化为宏观财务分析的明确方法学框架，这使这变得更加复杂。绿色金融体系（NGFS）的网络一直在努力通过为决策者创建共同的情景途径来应对这些挑战。尽管进步正在稳步发展分析方法，但在国家范围内实施这种练习仍然是一项艰巨的任务，尤其是对于国家一级数据仍然是基本数据的国家而言。满足发展中国家的需求，NDC合作伙伴关系在COP26发起了对绿色中央银行（GCB）倡议的准备就绪。GCB旨在为中央银行和财务主管配备知识，机构能力和系统，以采用预防措施
气候关联债券 - 欧洲中央银行
4需要指出的是，在这种简单的陈述下，当应用于气候风险时，广泛的学术思想。在气候变化方面构成风险厌恶的是有重大的争论（Litterman，2011年），另一个关于适当折现率的争论（Weitzman，1998）以及面对气候损害和灾难的风险的折现意味着什么（Barro，2015年； 2015年； Martin和Pindyck，2015年），以及我们的潜在竞争者，以及在范围内的竞争者，以及对定义的影响，以及定义的定义，以及定义的定义，以及定义的限制。结果会影响气候风险的定价（Olijslagers和van Wijnbergen，2024年）。为了简洁明了，我们从这里从这些复杂性中抽象出来。
中央银行数字货币的生态系统模型
在模型1中，中央银行并未直接为最终用户提供访问方法。模型1的好处包括直接控制中介访问要求以及上游的网络价格和质量；利用现有中介机构的基础设施和专业知识；降低发展成本；降低市场中断的风险；并更好地与传统的中央银行角色保持一致（即采用与现金相关的角色非常相似）。允许广泛访问批准的中介机构，应为最终用户CBDC服务创造一个竞争环境，增加选择并降低对消费者的价格。在缺点方面，模型1将限制中央银行影响价格和质量下游的能力。鉴于支付系统和金融消费产品的典型市场失败，我们不能排除在模型1下的均衡结果可能会显示出高的最终用户费用，CBDC与其他系统的互操作性低，消费者的指导或排除某些人群的一部分。
最佳中央银行政策 - EPRINTS SOTON
经过多年的经济增长多年，中国经济经历了重大的货币和金融发展，成为世界第二大经济体。随着财务加深，对中央银行政策的扩大套件的需求也增加了。近年来，中国人民银行（PBOC）提出了两项值得注意的政策：（i）贷款高利率（LPR）改革；以及（II）数字货币电子支付（DCEP）的实验，通常称为数字元或中国中央银行数字货币（CBDC）。对前者，PBOC传统上使用了7天的反向回购和中期贷款设施（MLF）利率来支持其在实施货币政策方面的公开市场运营。但是，鉴于中国的市场规模和整个地理位置的广泛差异，也许毫不奇怪的是，对这些费率的积极调整在抑制高国内信贷增长方面并不令人满意。的确，正如Chen等人等研究所论述的。（2018）和Chang等。 （2019年），中国的常规货币政策传输机制似乎是通过货币供应增长调整而不是泰勒规则式的利率目标有效的。 是为了对市场利率产生更直接的影响（以降低总体借贷成本），2019年8月LPR改革是由PBOC授权的国家银行间资助中心手中的基准LPR利率正式宣布。 通过构造，基准LPR是根据的调整平均值来计算的（2018）和Chang等。（2019年），中国的常规货币政策传输机制似乎是通过货币供应增长调整而不是泰勒规则式的利率目标有效的。是为了对市场利率产生更直接的影响（以降低总体借贷成本），2019年8月LPR改革是由PBOC授权的国家银行间资助中心手中的基准LPR利率正式宣布。通过构造，基准LPR是根据
中央银行气候相关披露指南
金融投资组合：建议中央银行披露其金融投资组合中过渡风险的指标，包括指标的覆盖范围和限制以及指标的描述和解释（基线）。中央银行被鼓励披露在颗粒状层面（构建基础）的物理和过渡风险和指标的前瞻性指标。关于前瞻性指标，中央银行可以披露不同方案，以证明其投资组合的潜在结果范围，包括最差的尾部场景（构建块）。最后，建议对其投资组合采用中间和/或最终气候相关目标的中央银行披露目标（基线），并鼓励他们披露其对目标的进度和定期审查（基础）。
从中央银行角度看人工智能研究议程
▶ 生产率：人工智能推动的生产率增长最初可能带来通货紧缩，但从中长期来看会提高自然利率（Cesa-Bianchi 等人，2022 年；Aldasoro 等人，2024 年）。−→ 哪些因素决定了人工智能生产率的增长？ ▶ 劳动力市场混乱：基于人工智能的自动化可能会导致某些工作部门被取代，其他领域的就业增长，对价格和货币传导产生不确定的影响（Basso 和 Rachedi，2024 年）。−→ 哪些任务/工作将由人工智能补充和替代？ ▶ 不平等：劳动力的快速流失可能会加剧收入差距，抑制总需求并增加财政负担（Brollo 等人，2024 年）。−→ 人工智能革命对福利/财政有何影响？