描绘央行行长思想的空间

本文探讨了机器学习嵌入技术在分析中央银行讲话数据集中所揭示的经济思想图景。该数据集由 BIS 维护，包含 1997 年至 2025 年间近 100 家中央银行近 1000 名官员发表的 19742 次讲话。研究不仅分析了任何时间点讲话的主题，还追踪了主题随时间的变化，揭示了自 1997 年以来，中央银行思维的焦点如何受到不断变化的政策挑战的影响。通过主题和时间解析嵌入，本文深入了解了经济思想如何通过全球中央银行的交流实践而形成。

主要发现：

• 全球交流景观分析： 研究发现，中央银行讲话存在明显的区域聚类现象，主要按国家和地区进行聚类。亚洲中央银行和伊斯兰金融中央银行形成了独特的集群，表明了相似经济环境下的政策重点和交流模式。此外，具有相似特征的中央银行在向量空间中彼此靠近，例如亚洲中央银行集群集中在某个区域，而发达经济体中央银行则集中在另一个区域。
• 机构分析： 以欧洲中央银行 (ECB) 为例，研究发现其交流内容主要分为三个主题区域：货币政策、金融稳定和货币联盟特定的市场一体化。此外，ECB 还逐步将结构性挑战的讨论纳入其交流组合，包括结构性改革、家庭不平等和财富以及气候变化，反映了其支持更广泛欧盟经济政策的次要目标。
• 主题分析： 对 ECB 货币政策交流的深入分析表明，这些主题经常根据时间特征进行区分，主题表示通常包含特定的时间段。这表明 ECB 货币政策交流受到当前经济环境和政策体制的强烈影响。研究进一步发现，ECB 货币政策交流主题在时间上高度集中，反映了特定政策环境下的政策重点。
• 情感分析验证： 为了验证所识别的时间主题集群是否与宏观经济状况相对应，研究进行了补充的情感分析。结果表明，主题集群确实反映了实质性的政策内容，而不是仅仅捕捉表面语言模式。

研究结论：

本文的研究结果表明，先进的 NLP 技术为分析中央银行交流的全球图景提供了强大的新工具。通过构建“中央银行思想空间”，可以揭示机构模式、政策重点和近三十年来货币政策话语的演变趋势。该方法为探索中央银行交流的多维性质提供了一个直观的界面，增强了全球、机构和主题层面的货币政策话语的透明度和理解。