2025-06-16-IMF-从文本到量化洞察_央行沟通的大规模法学硕士分析（英）_93页_7mb

文档总结：从文本到量化洞察——大型语言模型对中央银行沟通的分析

核心内容

本文提出了一种分类框架，用于系统化分析中央银行沟通的四个关键维度：主题、沟通立场、受众和情绪。该框架基于一个经过微调的大型语言模型（LLM），能够对中央银行发布的文本进行句子级别的分类，从而将政策语言转化为可量化的指标，以评估中央银行如何向不同利益相关者传达信息。

主要观点

• 中央银行沟通的重要性：中央银行的沟通在现代货币政策中扮演着关键角色，有助于塑造市场预期、影响经济决策，并增强透明度和问责制。
• 量化分析的必要性：传统方法在捕捉政策语言的语境和意图方面存在局限，而基于LLM的句子级别分类能够更准确地识别沟通的语义特征。
• 多维度分类框架：该框架将沟通分为四个维度，分别为主题（如货币政策、金融稳定、气候变化等）、沟通立场（前瞻性或回顾性）、受众（金融市场、企业、家庭、政府、国际利益相关者等）和情绪（鹰派、鸽派、中性、风险强调、信心建设等）。
• 前瞻性沟通的量化：本文引入了前瞻性沟通指数，直接从文本中测量前瞻性政策信号，如前瞻性指引和非传统工具（如资产购买计划、流动性操作等），而非依赖市场反应或结构模型的间接估计。
• 情绪分类的扩展：在传统鹰派-鸽派-中性分类基础上，新增了“风险强调”和“信心建设”两类情绪，以更准确地反映政策意图。
• 跨国家差异：研究发现，发达经济体在危机期间更倾向于使用前瞻性沟通，而新兴和低收入经济体则更多依赖回顾性叙述，这与它们的制度和经济结构有关。
• 沟通清晰度的衡量：提出了清晰度指数，衡量中央银行沟通的直接性，显示在系统性压力时期，沟通会变得更加条件性和情景化。
• 解释性沟通的分析：通过解释指数，量化了中央银行如何在政策周期的不同阶段解释政策决定，显示在紧缩阶段解释性更强，而在宽松阶段则更弱。
• 信心指数的应用：引入了信心指数，衡量信心建设和风险强调之间的平衡，揭示前瞻性信心建设与未来市场波动之间的联系。

关键信息

• 数据集：本文构建了一个涵盖169个中央银行、74,882份文档、约2100万句话的综合数据集，时间跨度从1884年至2025年。
• 语言多样性：数据集包含多种语言的文档，支持全球范围内的分析，特别是那些以本地语言发布信息的中央银行。
• 分类方法：使用句子级分类而非文档级分类，提高了对内容变化的捕捉能力。
• 模型选择：采用开源、多语言的句子转换器模型，避免使用专有大模型和复杂的提示工程。
• 方法创新：引入前瞻性与回顾性分解方法，以更精细地理解中央银行在不同经济背景下如何传达信息。

数据集结构

结论与意义

本文通过系统化的句子级分类方法，提供了关于中央银行沟通的新颖量化证据，揭示了沟通在货币政策和金融稳定中的双重作用。研究结果不仅支持了中央银行在危机期间调整沟通策略的理论观点，还展示了沟通清晰度、解释性和信心建设如何因经济和制度环境而异。该框架为未来研究中央银行沟通提供了可扩展的工具，并强调了沟通作为一项主动政策工具的重要性。