Este tópico irá tratar das diferenças entre todos os parâmetros estimados nos 3 modelos usados no trabalho. Por não ser este o objetivo central do trabalho, e sim focar a comparação em aspectos da política monetária e dinâmica dos preços, os resultados mostrados aqui não serão aprofundados.
A tabela a mostra a diferenças de todos os parâmetros do modelo entre o modelo estimado para o Brasil e os modelos para o EUA no período completo e estável.
Tabela 13: Principais diferenças entre os parâmetros dos modelos estimados
Parâmetro USA Brasil Diferença
Período
Completo Período Estável Brasil – USA (Completo) Brasil – USA (Estável)
¾– 0.1824 0.1446 0.9267 408% 541% ŽN 0.1411 0.1185 0.7304 418% 516% Ž« 0.2398 0.1247 0.7636 218% 512% †N 0.2284 0.2147 0.4175 83% 94% ¾· 0.9762 0.9656 0.2601 -73% -73% `ß 0.432 0.447 0.7551 75% 69%
Žl 1.3952 1.4751 0.5339 -62% -64% „¶ 0.0847 0.0852 0.1389 64% 63% Ž] 0.4518 0.3544 0.5605 24% 58% d 0.1928 0.2161 0.3203 66% 48% j¨ 0.7375 0.7451 0.417 -43% -44% jN 0.6563 0.7369 0.449 -32% -39% ¾N 0.9038 0.7486 0.4801 -47% -36% PN 0.7449 0.5987 0.4111 -45% -31% ºN 1.615 1.5405 1.0896 -33% -29% ¾« 0.1271 0.2973 0.3758 196% 26% Ç 5.4882 6.2306 4.596 -16% -26% {å 0.818 0.6721 0.5505 -33% -18% Ž· 0.52 0.4152 0.4627 -11% 11% • 0.7124 0.6856 0.7621 7% 11% †¨ 0.592 0.4665 0.5146 -13% 10% „∆¶ 0.2229 0.1614 0.1467 -34% -9% „¢ 2.0295 1.7713 1.9171 -6% 8% ¾ 0.8153 0.8431 0.7738 -5% -8% Ž– 0.2425 0.1882 0.1729 -29% -8% æ 0.5472 0.6992 0.6475 18% -7% Ž¨ 1.9199 2.3011 2.1455 12% -7% ¾] 0.9588 0.9396 0.9623 0% 2%
Fonte: Elaborado pelo autor. Ver Anexo II
A primeira coluna mostra os parâmetros. Depois vem as “modas” das distribuições da posterior para cada parâmetro nos 3 modelos. Foi utilizado esse critério de informação apenas na tabela para facilitar a comparação. As duas últimas colunas mostram a diferença percentual entre o modelo brasileiro e o modelo americano para período completo e estável respectivamente. Os resultados foram hierarquizados de acordo com o valor absoluto da última coluna, uma vez que o modelo do período estável para a economia norte americana está, a nosso ver, mais próximo do ambiente de estimação para o modelo brasileiro e assim possui resultados mais interessantes de se confrontar. Por último foram dadas cores aos parâmetros afim de facilitar a análise do quadro60.
60 Este padrão foi utilizado no Anexo I onde “branco” são os parâmetros gerais, os “azuis” são os relacionados a regra de juros da autoridade monetária, os “verdes” são os parâmetros dos processos estocásticos exógenos e os “laranjas” medem o impacto desses choques.
Assim, de acordo com a tabela é possível dizer que existem indícios fortes de que, no período analisado, existiu uma diferença estrutural entre a brasileira e norte americana relacionada à persistência do choque sobre os preços dos títulos do mercado (¾–). Dessa forma, dentre os aspectos estudados, as imperfeições no mercado financeiro parece ter sido a principal diferença entre as economias.
Outros parâmetros, a exceção dos relacionados a matriz variância covariância dos choques exógenos, que indicam ser uma fonte de diferença significativa entre as economias são a indexação dos preços das firmas (†N), a taxa de crescimento de steady state das variáveis reais da economia (`ß) e a elasticidade intertemporal do consumo (Žl).
Por outro lado, similaridades entre as dinâmicas das economias, de acordo com os parâmetros melhor identificados do modelo brasileiro61, podem ser encontradas na regra de juros („¢,¾) e na persistência do choque de produtividade (¾]).
61 Esse argumento exclui da análise os parâmetros da regra de juros relacionados a dinâmica do produto („ ∆¶, „¶) e os relacionados ao mercado de trabalho (Ž¨). O parâmetro æ foi retira da análise por ter uma interpretação menos intuitiva.
5 CONCLUSÃO
O presente trabalho possuía como objetivo comparar as economias Brasileira e Norte Americana tendo foco principal, mas não único, na condução da política monetária e aspectos relacionados a dinâmica de preços. Para tanto foi estimado um modelo DSGE para o Brasil, baseado em SW 2007, e os resultados dessa estimação foram confrontados com os do próprio SW 2007 estimado para os EUA. Essa comparação com os resultados do modelo dos EUA teve a finalidade de, através de um abalizamento, melhor entender as particularidades da economia brasileira, assim como as características e limitações da modelagem DSGE.
Apesar de haver limitações nessa comparação proposta pelo trabalho, devido a diferenças metodológicas, não foi possível realizar inferências sobre possíveis diferenças estruturais e sim ter insights sobre possíveis aspectos de distinção dos países.
Vale notar que o modelo estimado apresentou dinâmica coerente com o esperado, de modo que os parâmetros estimados demonstraram possuir informações relevantes.
Assim, das informações fornecidas pelo modelo, algumas chamaram mais atenção. No que diz respeito aos processos estocásticos do modelo, dois se destacaram. Enquanto as variáveis reais do modelo se mostraram mais sensíveis a mudanças na produtividade da função de produção, as oscilações das variáveis nominais estão diretamente relacionadas a eventos nos mercados financeiro e de títulos. Vale ressaltar que os juros do país explicados quase que totalmente por estas imperfeições no mercado financeiro. Esses resultados são intuitivos, assim como os mecanismos de transmissão dos choques estimados para o modelo foram coerentes.
Dos outros choques relevantes, de juros e o de inflação, esse último foi o que menos impactou as variáveis endógenas (balizadas por séries observadas). Já o choque de juros demonstrou afetar as variáveis reais e principalmente a inflação, enquanto demonstrou não ter
muita relação com as variações dos juros da economia em si. Estes choques também tiveram o mecanismo de transmissão de acordo como esperado.
No que tange a condução da política monetária, definida na regra de juros utilizada no modelo, não foram encontradas grandes diferenças entre os dois países, a exceção do peso de informações relativas ao gap do produto na determinação da taxa de juros. Enquanto a persistência da taxa e o combate a inflação corrente tiveram medidas próximas de sensibilidade entre o Brasil e os EUA, critérios relacionados ao produto, ao contrário dos EUA, parecem não terem sido relevantes das definições de taxa de juros por parte do Banco Central do Brasil.
A dinâmica de preços entre os países também mostrou comportamento coerente com o esperado, onde no Brasil a prática de indexar preços e a alterar preços cada período é quase duas vezes maior que nos EUA. Vale destacar que esta foi uma das principais diferenças entre os modelos estimados, junto com aspectos relacionados a imperfeições no mercado financeiro e a taxa de crescimento de steady state das variáveis reais da economia (provavelmente explicado porque a economia brasileira está mais longe do seu nível de steady state que a norte americana).
Dessa forma, a comparação com o modelo estimado para os EUA permitiu identificar outras informações sobre a economia brasileira. Primeiro que, do ponto de vista econômico, dentre as principais diferenças da economia Brasileira para as economias desenvolvidas o trabalho encontrou indícios de serem a (i) dinâmica dos preços, (ii) imperfeições no mercado financeiro e (iii) distância do nível de steady state da economia. Segundo que na condução da política monetária, o país tem reagido com rigor adequado no combate a inflação, mas não demonstra ter levado em consideração questões relativas ao produto na definição dos juros.
O trabalho identificou e debateu questões relativas ao mercado de trabalho brasileiro e a dinâmica do investimento no país. O primeiro não foi incluído na estimação do modelo por limitações na disponibilidade de dados para a economia brasileira, mas também se questionou a relevância das informações contidas em suas séries de dados para o objetivo do trabalho. O segundo, por ter disponibilidade de dados, foi utilizado na estimação do modelo nas etapas
preliminares, mas apresentou problemas de identificação e estava comprometendo a qualidade do modelo, de modo que foi excluída da versão final. Em relação a ambas as dinâmicas, o trabalho questionou a possibilidade de suas dinâmicas apresentarem particularidades que poderiam ser modeladas de modo que problemas como o de identificação no Brasil pudessem ser contornados.
No entanto, é preciso reconhecer as limitações do trabalho. Primeiro que, devido ao número de observações das séries ser pequeno, não foram feitos testes de aderência e eficiência do modelo62. Essa limitação no número de observações nas séries pode ser uma fonte de problemas de identificação em alguns casos. A inclusão no modelo de séries para mais variáveis endógenas (faltou às séries relacionadas ao mercado de trabalho) pode também apresentar mais informação às estimativas. Identificar fontes de imperfeição do modelo em representar as séries observadas e propor alterações, inclusive na regra de juros da autoridade monetária63, também pode melhorar os resultados. Apesar de muito estar sendo desenvolvido no que diz respeito a ferramentas para avaliação desse tipo de modelagem, existem alguns testes, como o de sensibilidade dos parâmetros estimados, que podem ser realizados afim de melhor entender as características do modelo analisado. Assim, esses aspectos levantados podem fazer com que as estimações feitas pelo trabalho possam mudar e melhorar.
Finalmente, é importante chamar a atenção para as limitações relacionadas aos dados gerados por essa modelagem. Como as séries foram trabalhadas, tal como descrito na metodologia, o uso desse modelo está sujeito a críticas por não gerar dados tais como observados.
62 Um dos mais conhecidos na literatura é o de estimar um VAR para as variáveis do modelo e para o mesmo período, afim de comprar os resultados de suas projeções com as projeções do DSGE. No entanto, alternativas ao VAR e abordagens mais sofisticadas para comparar e avaliar o desempenho do modelo estimado pode ser encontrado em Del Negro e Schorfheide (2004), Del Negro, Schorfheide, Smets e Wouters (2007), Sims (2008). 63 Um trabalho interessante para usar como base na revisão da política monetária é o Schmitt-Grohé e Uribe (2006)
6 EXTENSÕES DO TRABALHO
O trabalho pode ser melhorado e ter os resultados estendidos de diversas formas. Uma primeira abordagem é melhorar os diagnósticos do modelo e a interpretação da qualidade dos resultados. Além das ferramentas utilizadas podem ser feitas análises de sensibilidade dos parâmetros e estudo do RMSE (root mean squared error).
Análise do tipo principle of fit, também seriam interessantes, com o uso de metodologias baseados no VAR e seus desdobramentos, tal como discutido.
Existe também a possibilidade de melhor adaptar o modelo ao caso brasileiro (revendo as priors e algumas dinâmicas), afim de incluir séries como a de investimento64. Caso seja possível encontrar proxies para as séries de renda do trabalho e do trabalho em di seriam úteis para tornar o modelo mais adequado a realidade brasileira.
Vale estudar também os quadros das séries observadas e dos choques estimados (de acordo com o Anexo III), afim de identificar os períodos mais voláteis e assim, ao associar com eventos da realidade, interpretar melhor os choques. De acordo esses gráficos, o período anterior a 2003 é muito mais instável que depois de meados de 2003. Seria muito útil, para efeito prático, fazer um paralelo dessas séries de choques e variáveis observadas com o acontecido na economia, afim de enriquecer as análises e as interpretações e, quem sabe, propor mudanças no modelo para que este melhor se ajuste a realidade. Ainda com relação a melhorar a interpretação dos choques tem que se considerar abrir o quadro de decomposição de variância por período e ver o que aconteceu quando e qual o impacto.
64 O principal problema com a série de investimento foi que para a amostra, parametrização do modelo, conjunto de priors e limites assumidos para os parâmetros no espaço de parâmetros, não foi possível otimizar a função objetivo usada (log da kernel da posteior) com relação aos parâmetros e assim encontrar as “modas” das distribuições da posterior. Assim, é possível que o problema seja contornado com a utilização de outro algoritmo de otimização que não os do Dynare.
7 REFERENCIA BIBLIOGRÁFICA
Adolfson, M. Adersson, M. Lindé, J. Villani, M. Vredin. A. (2007) Modern forecasting
models in action: improving macroeconomic analyses at central banks International
Journal of Central Banking,Vol. 3, No. 4, pp. 111-144, December
Altug, Sumru, (1989) Time-to-Build and Aggregate Fluctuations: Some New Evidence International Economic Review, vol. 30(4), pages 889-920, November.
Altig, D. Christiano, L. Eichenbaum, M. Lindé. J. (2005) Firm-Specific Capital, Nominal
Rigidities, and the Business Cycle NBER working paper no. 11034, January
An, Sungbae Schorfheid, Frank (2007) Bayesian Analysis of DSGE Models Econometric Reviews, 2007
Aruoba, S. B. Fernández-Villaverde, J. Rubio-Ramírez, J. F. (2004) Comparing solution
methods for dynamic equilibrium economies Journal of Economic Dynamics and Control
30(12):2477–2508.
Bernanke, B. Boivin, J. (2003) Monetary policy in a data rich environment , Journal of Monetary Economics, Vol. 50, No. 3,
Blanchard, O. J. Kahn, C. M. (1980) The solution of linear difference models under
rational expectations Econometrica 48(5):1305–1312
Boivin, J. Giannonni, M. (2006) DSGE models in a data-rich environment, NBER Technical Working Paper 332, December
Canova, F. Sala, L. (2009) Back to square one: identication issues in DSGE models Journal of Monetary Economics, forthcoming
Canova, F. (2007) Methods for applied macroeconomic research Princeton University Press.
Bonomo, M. Carvalho C. (2009) Imperfectly-Credible Disin‡ation under Endogenous
Time-Dependent Pricing, forthcoming
Chari, V. Kehoe, P. McGrattan, E. (2007) Business cycle accounting, Econometrica, Econometric Society, vol. 75(3), pages 781-836, 05
Chari, V. Kehoe, P. McGrattan, E. (2009) New Keynesian Models: Not Yet Useful for
Policy Analysis American Economic Journal: Macroeconomics, American Economic
Association, vol. 1(1), pages 242-66, January
Christiano, L. Eichembaum, M. Evans, C. (2005) Nominal rigidities and the dynamic
effects to a shock of monetary policy Journal of Political Economy, Vol.113, No. 1, pp 1-
45.
Christiano, L. Eichenbaum, M. (1992) Current Real-Business Cycle Theories and
Aggregate Labor-Market Fluctuations American Economic Review
Christiano, L. Motto, R. Rostagno, M. (2003) “The Great Depression and the Friedman-
Schwartz Hypothesis ”Journal of Money, Credit, and Banking, Vol 35, 1119-1198.
Christiano, L. J. (2002) Solving dynamic equilibrium models by a methods of
undetermined coefficients Computational Economics 20(1–2):21–55
Christoffel, K. Coenen, G. Warne, A. (2008) The new area-wide model of the euro area:
a micro-founded open-economy model for forecasting and policy analysis European
Central Bank - working papers series No. 944.
Clarida, R. Galí, J. Gertler, M. (2000) Monetary Policy Rules and Macroeconomic
Stability: Evidence and Some Theory Quarterly Journal of Economics 115, 147-180.
Clarida, R. Gali, J. Gertler, M. (1999) The science of monetary policy: A new keynesian
perspective Journal of Economic Literaure, Vol. 37
Colander, D. Howwit, P. Kirman, A. Leijonhufvud, A. Mehrling, P. (2008) Beyond DSGE
models: toward an empirically based macroeconomics American Economic Review:
Cooley, T. (1995) Frontiers of Business Cycle Research Princenton University press
DeJong, D. N. Dave, C. (2007) Structural Macroeconometrics Princeton University Press
Del Negro, M. Schorfheide, F. (2003) Take your model bowling: forecasting with
general equilibrium models Economic Review, Federal Reserve Bank of Atlanta, Fourth
Quarter
Del Negro,M. Schorfheide, F. (2004) Priors from General Equilibrium Models for VARs International Economic Review, Vol. 45, pp 643-673.
Del Negro,M. Schorfheide, F. (2005) Policy Predictions if the Model Does Not Fit Journal of the European Economic Association, MIT Press, vol. 3(2-3), pages 434-443, 04/05
Del Negro, M. Schorfheide, F. Smets, F. Wouters, R. (2007) On the Fit and Forecasting
Performance of New Keynesian Models. Journal of Business and Economic Statistics,
25(2):123–162, 2007.
Favero, C. (2001) Applied macroeconometrics Oxford University press
Fernandez-Villaverde J. Rubio-Ramirez, J. F. (2005) Estimating dynamic equilibrium
economies: linear versus nonlinear likelihood Journalof Applied Econometrics, 20, pp.
891-910
Fernandez-Villaverde, J (2009) The Econometrics of DSGE Models NBER Working Papers 14677
Fernandez-Villaverde, J. Rubio, J. Santos, M. (2005) Convergence Properties of the
Likelihood of Computed Dynamic Models NBER Technical Working Papers 0315
Fernandez-Villaverde, J. Rubio-Ramirez, J. (2004) Comparing dynamic equilibrium
Furlani, L. G. Portugal, M. Laurini, M. (2010) Exchange rate movements and monetary
policy in Brazil: Econometric and simulation evidence Economic Modelling, Elsevier,
vol. 27(1), Janeiro
Gáli, J. (2008) Monetary Policy, Inflation, and the Business Cycle: An Introduction to
the New Keynesian Framework Princenton University Press
Galí, J. Gertler, M. (1999) Inflation Dynamics: A Structural Econometric Analysis Journal of Monetary Economics 44, 195-222.
Gali, J. Gertler, M. (2007) Macroeconomic modeling for monetary policy evaluation Journal of Economic Perspectives, Vol, 21
Gaspar, J. Judd, K. (1997) Solving large scale rational expectations models NBER, Technical Working Paper 207
Geweke, J. (1999a) Computational experiments and reality Manuscript, University of Iowa.
Geweke, J. (1999b) Using simulation methods for bayesian econometric models:
inference, development and communication Econometric Reviews 18(1):1–126
Goodfriend, M. King, R. (1997) The new neoclassical synthesis and the role of monetary
policy NBER Macroeconomics Annual 1997
Goodfriend, M. (2007) How the world achieved consensus on monetary policy Journal off Economic Perspectives, Vol, 21
Hamilton, J. (1994) Time Series Analysis Princeton: Princeton University Press
Hansen, L. P. Heckman, J. J. (1996) The empirical foundations of calibration Journal of Economic Perspectives 10(1):87–104.
Ireland, P. (2001) Sticky price models of the business cycle: specification and stability Journal of Monetary Economics Vol. 47
Ireland, P. (2004) A method for taking models to the data Journal of Economic Dynamics and Control, Vol.28, Issue 6, March. pp. 1205 – 1226
Iskrev, Nikolay (2007) How Much Do We Learn from the Estimation of DSGE Models?
A Case Study of Identication Issues in a New Keynesian Business Cycle Model
Universityof Michigan, manuscrito não publicado
Jin, H.-H. Judd, K. L. (2002) Perturbation methods for general dynamic stochastic
models Manuscript, Hoover Institute
Judd, K. L. (1998) Numerical Methods in Economics Cambridge, MA: MIT Press
Juselius, K. Franchi, M. (2007) Taking a DSGE model to the data meaningfully Economics Discussion Papers 2007-6, March
Kim, J. (2000) Constructing and estimating a realistic optimizing model of monetary
policy Journal of Monetary Economics Vol. 45.
Kimball, M. (1995) The quantitative analytics of the basic neomonetarist model Journal of Money, Credit and Banking, 27(4), Part 2, 1241-1277
King, R. G. Watson, M. W. (1998) The solution of singluar linear difference systems
under rational expectations International Economic Review 39(4):1015–1026.
Kocherlakota, N. (2007) Model t and model selection Federal Reserve Bank of St. Louis Review, July/August
Koop, G. (2003) Bayesian Econometrics Chichester: John Wiley & Sons
Kydland, F. E. Prescott, E. C. (1982) Time to build and aggregate fluctuations Econometrica 50(6):1345–1370.
Kydland, Finn E. Prescott, Edward C. (1991) The Econometrics of the General
Equilibrium Approach to Business Cycles Scandinavian Journal of Economics, Blackwell
Publishing
Kydland, Finn E. Prescott, Edward C. (1996) The Computational Experiment: An
Econometric Tool Journal of Economic Perspectives, American Economic Association
Leeper, E. Sims, C. (1994) Toward a Modern Macroeconomic Model Usable for Policy
Analysis NBER Working Papers 4761, National Bureau of Economic Research, Inc
Leeper, E. Sims, C. Zha, T. (1996) What Does Monetary Policy Do? Brookings Papers on Economic Activity, (2), 1–78.
Matthes, C. Wang, M. (2009) The Real Predictive Ability of New Keynesian Models, forthcoming
Milani, F. Poirier, D. J. (2007) Econometric Issues in DSGE Models Econometric Reviews, Taylor and Francis Journals
Muinhos, M. Nakane, M. (2006) Comparing Equilibrium Real Interest Rates: Different
Approaches to Measure Brazilian Rates Banco Central do Brasil, Working Paper Series
101
Nunes, A. Portugal, M. (2009) Políticas Fiscal E Monetária Ativas e Passivas: Uma
Análise Para O Brasil Pós-Metas de Inflação ANPEC 2009
Otrok, C. (2001) On measuring the welfare costs of business cycles Journal of Monetary Economics, 47, 61-92
Poirier, D. (1998) Revising beliefs in nonidentified models Econometric Theory 14(4):483–509
Rabanal, P. Rubio-Ramirez, J. (2005) Comparing new keynesian models of the business
Rotemberg, J.J. Woodford, M. (1998) An Optimization-Based Econometric Framework
for the Evaluation of Monetary Policy: expanded version NBER Technical Working
Paper 233
Ruge-Mucia, F. (2007) Methods to estimate dynamic stochastic general equilibrium
models Journal of Economic Dynamics and Control, Vol. 31, pp. 25992636, August.
Sargent, T. J. (1989) Two models of measurements and the investment accelerator Journal of Political Economy 97(2):251–287
Silveira, M. A. C. (2006) A Small Open Economy as a Limit Case of a Two-Country New
Keynesian DSGE Model: A Bayesian Estimation with Brazilian Data Instituto de
Pesquisa Econômica Aplicada, Discussion Paper no 1252
Silveira, M. A. (2008) Using a Bayesian Approach to Estimate and Compare New
Keynesian DSGE Models for the Brazilian Economy: the Role for Endogenous Persistence Revista Brasileira de Economia, 2008, vol. 62, issue 3, pages 333-357
Sbordone, A. (2002) An Optimizing Model of U.S. Wage and Price Dynamics Rutgers University Working Paper 2001-10
Schmidtt-Grohé, S. Uribe, M. (2004) Solving dynamic general equilibrium models using
a second-order approximation to the policy function Journal of Economic Dynamics and
Control, Vol. 28, pp 755-775
Schmitt-Grohé, S. Uribe, M. (2006) Optimal simple and implementable monetary and
fiscal rules Journal of Monetray Economics. Duke University
Sims, C. (1996) Macroeconomics and methodology Journal of Economic Perspectives
Sims, C. (2002a) Solving linear rational expectations models Computational Economics 20(1–2):1–20
Sims, C. (2002b) The Role of Models and Probabilities in the Monetary Policy Process Brookings Papers on Economic Activity 2: 1–62.
Sims, C. (2007) Monetary Policy Models Princeton University, CEPS Working Paper 155
Sims, C. (2008) Making macro models behave reasonably Princeton University, Manuscrit
Smets, F. Wouters, R. (2003) An estimated stochastic dynamic general equilibrium
model of the euro area, Journal of the European Economic Association, Vol 1
Smets, F. Wouters, R. (2007) Shocks and frictions in US business cycles: a Bayesian
DSGE approach, The American Economic Review, Vol 97
Swanson, E. Anderson, G. Levin, A. (2005) Higher-Order perturbation solutions to
dynamic, discrete-time rational expectations models Manuscript, Federal Reserve Bank of
San Fransisco.
Taylor, J. B. Uhlig, H. (1990) Solving non-linear stochastic growth models: a
comparison of alternative solution methods Journal of Business and Economic Statistics
8(1):1–17.
Taylor, John B. Wieland, Volker (2009) Surprising Comparative Properties Of Monetary
Models: Results From A New Data Base National Bureau of Economic Research, Working
Paper 14849
Tovar, C. (2005) The mechanics of devaluations and the output response in a DSGE
model: how relevant is the balance sheet effect? BIS Working Paper No. 192. November.
Tovar, C. (2006) An analysis of devaluations and output dynamics in Latin America
using an estimated DSGE model BIS Working Paper, forthcoming
Tovar, C. (2008) DSGE models and Central Banks BIS Working Papers no 258
Valli, M. Carvalho, F. (2009) Fiscal and monetary policy interaction: a simulation based