做什么（One-liner）

Taylor (1993) 规则实现的央行政策利率模型：通胀 + 失业 + 立场 → 政策利率 + 三方向变动概率。美经济常数 hardcoded（他国需 Tier 2+ 本地化）。

怎么用

Canvas 拖 central_bank_v1，填 inflation_rate（%）+ unemployment_rate（%）+ policy_stance（dovish / neutral / hawkish）。输出 policy_rate + policy_change_probability 数组。

典型场景：

• 通胀 2%、失业 4%、中性 → policy_rate = 2.0（完美均衡）
• 通胀 5%、失业 4%、hawkish → policy_rate = 7.0（加息应对）
• 通胀 1%、失业 7%、dovish → policy_rate = 0.0（ZLB clamp）

核心公式

raw = 2.0 + 1.5·(π - 2) + 0.5·(4 - u) + stance_adj
policy_rate = max(0, raw)   # ZLB

deviation = |policy_rate - 3.0|
p_up   = 0.7 if (deviation > 0.25 AND π > 2) else 0.2
p_hold = 0.6
p_down = 0.5 if (deviation > 0.25 AND u > 4) else 0.2
→ normalize (sum=1) → round(3)

Rounding 契约：policy_rate → 2 位；probabilities → 3 位。

假设与适用场景

假设：美经济常数（r*=2%、π*=2%、u*=4%）+ ZLB=0 + Taylor 1.5/0.5 系数 + stance 3 档离散。

适用：美宏观；短-中期 regime 信号。

不适用：他国、负利率、YCC、非线性规则、forecast-based IT framework。

输入 / 输出契约

{inflation_rate: float, unemployment_rate: float, policy_stance: 'dovish' | 'neutral' | 'hawkish'} → {policy_rate: float ≥ 0, policy_change_probability: [{direction, probability}] × 3}。

输入 out-of-range 或 stance 非法 → 抛 validation error（不 swallow）。

已知局限

1. 5 个 hardcoded 美常数（不暴露）
2. policy_rate round(2), probabilities round(3)
3. Deviation 参考点 3.0 硬编码 —— 不同利率周期适应性差
4. Stance 离散 3 档（缺中间档）
5. 概率阈值跳变（0.25 deviation hard step）
6. 不输出 forecast path

参考文献

Taylor (1993) 原始规则 + Taylor (1999) 实证稳定性 + Svensson (2003) 局限性批评。详见 frontmatter。

Golden Test

tests/golden/fixtures/tier2/central_bank/，跨语言 golden（Pangura TypeScript vs Python 独立重实现）。10 tests：

• 5 scenario byte-equal（neutral_on_target / hawkish_high_inflation / dovish_high_unemployment / zlb_check / hawkish_stagflation）
• probability sum ≈ 1 归一化约束
• ZLB clamp（raw negative → 0.0）
• determinism（5 reruns byte-identical）
• validation contract 2 tests（unknown stance / out-of-range → throws）

测试位置：tests/golden/node/central_bank_golden.test.ts（Node side 新路径，jest.config roots 已加）。

Changelog

• 1.0.0 (2026-04-20) — 首次 Active（Tier 2 golden #3）