Managing the prime rate to counter the cyclic income contraction

Capa

Texto integral

Acesso aberto Acesso aberto
Acesso é fechado Acesso está concedido
Acesso é fechado Somente assinantes

Resumo

 

This article proposes an approach to formalize the quantitative relationship between increments of the prime rate and income. Such knowledge provides the possibility of income management according certain prefixed goals. Furthermore, this article considers the possibility of parrying the cyclical decline in income via a corresponding reduction of the prime rate. A management strategy based on the established functional relationship between investments and the prime rate is proposed. It is shown that if the long-term investment trend is inversely proportional to the prime rate, then the trajectory of the concerned cycle depends on the square root of the prime rate. Consequently, its change leads to the divergence of investment component values. This fact provides the basis for developing an approach to parry the cycle contraction. The cycle model in the form of random oscillations of an elastic system under the influence of white noise provides a quantitative estimate of the variation in the prime rate, which in turn, yields the required change in the value of income. Since the considered approach is based on the most probable trajectory of the cycle, the resulting expressions will also lead to the most probable estimates. The applicability of the proposed approach to the analysis of the cycle behavior is demonstrated by the example of current deviations in US income.

Sobre autores

Viacheslav Karmalita

Dr. Slava Karmalita, Private Consultant

Autor responsável pela correspondência
Email: karmalita@videotron.ca
Canada,

Bibliografia

  1. Karmalita V.A. (2022). Predicting the trajectory of economic cycles // Экономика и математические методы. Т. 58. № 2. С. 140–144 (in English).
  2. Karmalita V.A. (2023). Recovering the actual trajectory of economic cycles // Экономика и математические методы. Т. 59. № 2. С. 19–25.
  3. Павлейно М.А., Ромаданов В.М. (2007). Спектральные преобразования в MATLAB. Учебно-методическое пособие. Санкт-Петербург: Санкт-Петербургский государственный университет. 160 c.
  4. Blanchard O.J. (2017). Macroeconomics. 7th ed. Boston: Pearson. 576 p.
  5. Bolotin V.V. (1984). Random vibrations of elastic systems. Heidelberg: Springer. 468 p.
  6. Brandt S. (2014). Data analysis: Statistical and computational methods for scientists and engineers. 4th ed. Cham, Switzerland: Springer. 523 p.
  7. Cho S. (2018). Fourier transform and its applications using Microsoft EXCEL®. San Rafael, CA: Morgan & Claypool. 123 p.
  8. Cooley T.F., Prescott E.C. (1995). Economic growth and business cycles. In: Frontiers of business cycle research. T.F. Cooley (ed.). Princeton: Princeton University Press, 1–38.
  9. Golosov M., Menzio G. (2020). Agency business cycles. Theoretical Economics, 15 (1), 123–158.
  10. Karmalita V. (2020). Stochastic dynamics of economic cycles. Berlin: De Gruyter. 106 p.
  11. Kehoe P.J., Midrigan V., Pastorino E. (2018). Evolution of modern business cycle models: Accounting for the great recession. Economic Perspectives, 32 (3), 141–166.
  12. Korotaev A.V., Tsirel S.V. (2010). Spectral analysis of world GDP dynamics: Kondratieff waves, Kuznets swings, Juglar and Kitchin cycles in global economic development, and the 2008–2009 economic crisis. Structure and Dynamics, 4 (1), 3–57.
  13. Kydland F., Prescott E. (1982). Time to build and aggregate fluctuations. Econometrica, 50 (6), 1345–1370.

Declaração de direitos autorais © Russian Academy of Sciences, 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».