新加坡 ： 精选问题

新加坡 选定的问题 July 2024 这份关于新加坡的文件是由国际货币基金组织的一个工作人员团队编写的基金作为与成员定期协商的背景文件country. It is based on the information available at the time it was completed onJuly 1, 2024. 本报告的副本可从以下位置向公众提供 国际货币基金组织•出版服务邮政信箱92780•华盛顿特区20090电话：（202）623 - 7430•Fax: (202) 623-7201E - mail: publications @ imf. org Web: http: / / www. imf. org 国际货币基金组织Washington, D. C. 新加坡 选定的问题 July 1, 2024 批准人亚洲及太平洋Department 由Kodjovi Eklou，Shujaat Khan和Margaux编写麦克唐纳（APD）。 CONTENTS 新加坡通过通货膨胀的汇率_ 3 A.背景：评估通货膨胀和货币政策的近期发展在新加坡收紧_ _ _ _ _ _ _ _ _ _ 3B.估计新加坡的汇率传递_ 4C.结论和政策含义_ Figures 3.汇率传递至标题和MAS核心通胀-基线_ _ 11 5.汇率传导至货物与CPI通胀-基线_ 121. S $NEER变化的决定因素_________________________________ 6 __________________________________________________________________________________________________________________ 15References _________________________________________________________________ 21中国经济增长放缓向新加坡蔓延ECONOMY _________________________________________________________________ 23 A.中国在亚洲的影响力越来越大_B.中国经济放缓对部门的影响_C.中国增长冲击的总体影响_D.中国增长对东南亚溢出效应的一般均衡分析_ _ _ _ _ _ 34E.摘要_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ Figures 1. IMF中国增长预测_2. 2022年双边GVC对华出口_3.中国最终需求内含的增加值_ 254.包含在中文最终需求中的VA 人工智能对新加坡劳动力市场的影响_ 40 A. Introduction _________________________________________________________________________________________________ 40B.测量AI的职业暴露_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 41C.新加坡劳动力市场的人工智能敞口_D.人口统计学影响_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ __ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 44E.政策_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ __ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 47Figures1.人工智能执行人工任务的能力在最近一年迅速提高_2. 2位职业水平的人工智能暴露和互补性_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 433.人工智能风险_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ __ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 444.按性别划分的人工智能风险_5.按性别划分的AI暴露量_6.按年龄划分的AI曝光率_________________________________________________________________________ 477.按年龄划分的AI暴露量_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 47References _________________________________________________________________ 49 汇率通过通货膨胀新加坡1 过去几年，在劳动力市场紧张的情况下，新加坡通过几个以汇率为基础的货币政策的几轮收紧。本文估计了汇率传导到新加坡的通货膨胀，特别关注劳动力市场条件的作用。经过核算，本文首先发现了新加坡汇率对通货膨胀的强烈影响。对于汇率变化的潜在内生性。此外，它揭示了劳动力市场松紧会抑制汇率传递，因此可能会削弱货币政策传导。总体而言，结果表明，货币政策在紧劳动力市场状况。然后，本文得出了在劳动力紧张的情况下控制通货膨胀的政策含义市场条件。 A.背景：评估通货膨胀和通货膨胀的近期发展新加坡货币政策收紧 1.新加坡金融管理局（MAS）经营篮子，乐队和爬行（BBC）以汇率为基础的货币政策框架，其中名义有效汇率汇率(新元NEER)是根据一篮子未公开的货币进行管理的。BBC最好其特征在于具有S $NEER的前瞻性泰勒类规则政策反应函数，而不是的利率，作为短期政策工具，以尽量减少产出缺口和稳定expected inflation (see Parrado, 2004; McCallum, 2006; and MAS, 2021). Given that Singapore is a小型开放经济体，MAS认为汇率对通货膨胀的影响要大得多而不是利率。人们认为汇率通过“进口”影响价格通胀通道和“派生需求”通道。在“进口通胀”通道下，新加坡元对主要贸易伙伴货币的升值降低了新元进口商品和服务的价格，随后抑制了消费者价格。衍生的当名义汇率变化影响企业对国内生产要素，因此是产出缺口。在正产出缺口下，新元升值将减少总需求，导致企业减少国内需求生产和抑制投资和招聘，这缩小了正的产出缺口，抑制价格压力。 2.在大流行后的复苏中飙升之后，通货膨胀率在经历了多次 一轮又一轮的货币政策收紧（图1）。标题和MAS核心通胀均上升在2022年迅速增长，前者在2022年9月达到7.5%的峰值，然后放缓至3.72023年12月的百分比。MAS核心通胀率从5.5％降至2023年12月的3.3％2023年2月，同时仍显示出一些持久性的迹象。看CPI篮子，商品和服务通胀也开始缓和，后者表现得更持久性。MAS连续五轮应对不断上升的通胀压力 收紧，自2023年4月以来一直处于停顿状态。2与之相比，劳动力市场仍然紧张达到大流行前的水平。 B.估计新加坡的汇率传递 3.大量文献调查了汇率对通货膨胀的影响，包括 新加坡。最近的越野作品包括Caselli和Roitman（2019），Carri è re - Swallow等人。(2023年)和Cheikh等人(2023年)，都强调依赖国家的汇率-通过。例如，Cheikh等人（2023）表明，汇率传递给消费者在地缘政治紧张时期，价格很高。卡里埃-燕子等人。（2023）发现，而The exchange rate pass - through is low on average, it becomes large when incelerate nertain is high. The关于新加坡特定背景下汇率传递的文献(见MAS，2001；Ghosh和Rajan，2009；和Tan等人，2011)主要关注汇率对进口的传递价格。Tan等人(2011)，最新的工作，发现汇率存在完全传递6个季度内进口价格，年内约25%传导至CPI。 4.我们采用两阶段经验策略，包括合理地识别 汇率的外生变化，并估计已识别的汇率的传递 汇率冲击通货膨胀。新加坡的汇率显然是内生的基于汇率的货币政策。我们遵循类似于罗默和罗默的方法(2004)和Holm等人(2021)确定合理的外源货币政策冲击。我们的方法包括使用MAS货币政策会议级别的数据并估计以下等式。3 11휋푦푘푁퐸퐸푅+휂푚∆푆$푁퐸퐸푅푚=훽+훽푆$푁퐸퐸푅+∑훿휋+∑훿푦(1)01푚−1푘푚,푡+푘푚,푡+푘푘=0푘=0 Where∆푆$푁퐸퐸푅푚是对数的变化푆$푁퐸퐸푅푚在会议M,푆$푁퐸퐸푅푚−1是对数的푆$푁퐸퐸푅在上一次会议中。会议m在t年举行，并且控制变量包括本年度的通胀预测(휋푚,푡)明年（휋푚,푡+1)，以及本年度增长预测(푦푚,푡)和下一年(푦푚,푡+1)。通货膨胀和增长数据预测取自每次会议相应月份的共识预测。我们获取数据푆$푁퐸퐸푅以及MAS网站上的货币政策会议日期。最后， 是与满足m相关的汇率冲击的度量，作为残差从푁퐸퐸푅휂푚方程（1）。直觉是我们获得S $NEER变化的度量，该度量从对宏观经济状况的预期，包括通货膨胀和产出。휂被视为衡量$Sneer意外变化的指标。 也可以푁퐸퐸푅푚 5.我们使用公式(1)估计了OLS可能是外生的汇率冲击。Our 估计涵盖2000m1至2023m10期间，表1显示结果。该模型解释大约30%的变化푆$푁퐸퐸푅(类似于关于货币政策的发现Romer and Romer (2004), Holm等人(2021), and Eklou (2023)). We find that,当MAS预计今年和明年将强劲增长时，货币政策可能会当明年通胀预计较高时，可能会收紧。图2显示了估计的货币政策冲击(휂푚푁퐸퐸푅)来自表1。如前所述，这些货币政策冲击捕获了新元NEER的意外或意外变化。例如，在在全球金融危机的影响下，MAS于2008年4月宣布向上回升(在略有上升之后在2007年10月的斜坡中)，这意味着新元NEER意外升值约1我们衡量的百分比。最近，在大流行期间，MAS在其2020年3月的会议上设定斜率为0%，并宣布在当前水平上向下重新居中S $NEER，这意味着S $NEER的意外贬值约0.6%。2022年7月的非周期会议，MAS宣布向上调整，翻译into a surprising resumption in the S $NEER by about 0.4 percent. After Romer and Romer (2004) 和Holm等人(2021)，我们获得了1月份货币政策冲击的月度估计2001年至2023年10月，在没有货币政策会议的几个月内将它们设定为零。 新加坡 6.我们估计新加坡汇