基于监督学习模型的央行沟通测度
Measuring Central Bank Communication Based on Supervised Learning Model作者机构:中山大学岭南学院广州510275 中山大学国际金融学院珠海519082 浦银安盛基金管理有限公司上海200120
出 版 物:《计量经济学报》 (China Journal of Econometrics)
年 卷 期:2023年第3卷第4期
页 面:981-1007页
核心收录:
学科分类:12[管理学] 02[经济学] 0202[经济学-应用经济学] 0201[经济学-理论经济学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 020204[经济学-金融学(含∶保险学)] 020203[经济学-财政学(含∶税收学)] 020101[经济学-政治经济学]
基 金:国家社会科学基金(22AZD121) 国家自然科学基金(72303258,72073148,71991474) 中国博士后科学基金(2022M723679)
摘 要:央行沟通是受到市场广泛关注的重要叙事文本,如何从高维文本中有效提取关键信息是有待深入研究的科学问题.本文将Ke et al.(2019)提出的基于文本筛选和主题建模情感提取模型运用到央行沟通测度中,具有简单透明、可复制性强的优势.结合中文文本特征和中国货币政策多工具的框架,选取多个货币政策实际干预的变动值作为监督变量进而构建央行沟通指数,并基于广义货币政策规则对未来货币政策实际干预进行预测.研究结果表明,央行沟通文本信息有助于提供额外预测能力,并且与现有文献基于关键措辞、监督词典和LDA主题模型等文本分析方法构建的指数相比,本文构建的指数对未来货币政策实际干预的预测能力更好,尤其是长期预测表现更为优越.本文从预测角度验证了央行沟通引导政策预期的有效性,提供了根据不同预测指标提取文本大数据信息的可行方案.