중앙은행 커뮤니케이션에 관한 제퍼슨 부의장의 연설

[힘힘]

줄 사이를 읽는다? 중앙은행 커뮤니케이션의 텍스트 분석

부의장 필립 N. 제퍼슨

캘리포니아주 샌프란시스코, 샌프란시스코 연방준비은행 거시경제 및 통화정책 컨퍼런스

• 공유하다

라이브 시청

이 회의를 조직해 주시고 이 그룹과 대화할 수 있는 기회를 주신 Daly 회장님께 감사드립니다. 1저는 지난번 이 연례 학술대회에서 발표된 논문들에 주의 깊게 귀를 기울여 왔으며, 오늘의 발표와 토론도 기대하고 있습니다.

오늘은 중앙은행 커뮤니케이션과 텍스트 분석 도구의 사용에 대해 이야기하겠습니다. 이러한 도구는 수치적 예측으로는 포착하기 어려울 수 있는 정성적 정보를 처리하는 데 도움이 됩니다. 또한 측정하기 어려운 경제 개념에 대한 이해를 개선할 수도 있습니다. 이 주제는 과거에 이 컨퍼런스에서 다루었습니다. 예를 들어 작년에 이 프로그램에 대한 논문이 있었는데, 이 논문에서는 통화 정책이 경제의 나머지 부분에 전달되는 것을 평가할 때 연방준비제도(Fed) 의장의 연설이 자산 가격에 미치는 영향을 고려하는 것의 중요성을 강조했습니다. 2이 논문은 또한 부의장의 연설이 의장의 연설보다 덜 중요하다는 것을 보여줍니다. 그러니 지금이 문자 메시지를 따라잡기에 좋은 시기일 수도 있습니다!(농담이에요!)

제 발표는 다음과 같이 구성됩니다. 먼저, 중앙은행 커뮤니케이션과 자산 가격에 미치는 영향에 대해 간략히 논의하겠습니다. 다음으로, 자동화된 텍스트 분석의 최근 발전이 중앙은행 커뮤니케이션의 정보가 자산 가격에 통합되는 방식에 어떤 영향을 미칠 수 있는지 논의하겠습니다. 그런 다음 연구자와 시장 참여자가 텍스트 분석 기술을 비롯한 여러 기술을 사용하여 중앙은행 커뮤니케이션을 누가 듣고 있는지 측정하고 통화 정책이 경제에 어떻게 전달되는지 이해하는지 살펴보겠습니다. 마무리하기 전에 범위를 넓혀 텍스트 분석 도구를 사용하여 불확실성과 공급망 중단과 같은 경제학에서 측정하기 어려운 개념을 추정하는 방법에 대해 논의하겠습니다.

정책 입안자인 저에게 이러한 새로운 텍스트 분석 기술은 중요합니다. 왜냐하면 우리의 의사소통이 어떻게 들리고, 해석되고, 이해되고, 행동으로 이어지는지 이해하고 싶기 때문입니다.

중앙은행 커뮤니케이션과 금융시장에 미치는 영향
전 연방준비제도이사회 의장 벤 버냉키는 중앙은행 커뮤니케이션의 중요성을 자주 강조하며 "금융정책은 98%가 말이고 2%가 행동이다"라고 말했습니다 .분명히 "98퍼센트"는 과장된 표현입니다. 통화 정책의 전달 중 얼마나 많은 부분이 중앙은행 커뮤니케이션에 기인하는지에 대한 정확한 척도로 간주하려는 것이 아닙니다. 그럼에도 불구하고 연구와 제 경험에 따르면 중앙은행 커뮤니케이션은 통화 정책 전달에 핵심적입니다. 거의 2년 전에 제가 한 연설에서 통화 정책이 금융 시장 가격을 통해 경제의 나머지 부분으로 전달되는 방식에 대해 논의했습니다. 4연방 기금 목표 범위의 변화는 차익거래 관계를 통해 당일 자금 시장 금리와 기타 단기 금리로 전달됩니다. 단기 금리의 구성, 단기 금리의 미래 경로에 대한 중앙 은행의 커뮤니케이션, 관련 경제 전망은 차례로 투자자의 기대를 통해 장기 금리에 영향을 미칩니다. 5장기 금리가 높아지면 가계와 기업의 차입 비용이 늘어나 가계와 기업의 지출, 저축, 투자 결정에 영향을 미칩니다.

Fed Communications의 진화
정책 입안자들의 커뮤니케이션 접근 방식은 시간이 지남에 따라 진화했습니다. 과거에 정책 입안자들은 오늘날처럼 커뮤니케이션에서 명확성과 투명성에 집중하지 않았습니다. 예를 들어, 전 Fed 의장인 앨런 그린스펀은 1987년에 "내가 당신에게 지나치게 명확하게 보인다면, 당신은 내가 한 말을 오해한 것입니다."라고 유명하게 농담했습니다. 6그러나 1990년대에 그는 투명성을 수용하기 시작했습니다. 그림 1은 1990년대 이후 Fed에서 투명성을 높이기 위해 취한 단계의 타임라인을 보여줍니다.1993년에 Fed는 현재 형태의 연방공개시장위원회(FOMC) 회의록을 공개하기 시작했고, 얼마 지나지 않아 5년의 시차를 두고 FOMC 회의록을 공개하기 시작했습니다.1994년 2월에 FOMC는 의도된 정책 입장에 변화가 있는 회의 후에 FOMC 회의 이후 성명을 발표하기 시작했습니다.나중에는 이러한 성명에 정기적으로 연방기금금리 목표를 포함했습니다.1999년 5월에 FOMC는 정책에 변화가 없는 경우에도 모든 회의 후에 성명을 발표하기 시작했습니다.2004년에 FOMC는 후속 FOMC 회의 후가 아니라 회의 후 3주로 의사록 공개를 앞당겼습니다.전 Fed 의장 벤 버냉키의 임기 동안 Fed의 투명성은 상당히 증가했습니다. 2007년 11월, FOMC는 경제 전망 요약(SEP)을 발표하기 시작했습니다. 2011년, 버냉키 의장은 FOMC 회의가 끝날 때마다 기자 회견을 시작했습니다. 2012년, 그의 리더십 하에 FOMC는 장기 목표 및 통화 정책 전략에 대한 새로운 성명에서 2%의 명확한 인플레이션 목표를 채택했습니다. 또한, 지금은 "점 플롯"으로 유명한 연방 기금 금리의 적절한 미래 경로에 대한 개별 FOMC 참가자의 견해를 익명으로 게시하기 시작했습니다. 2019년, 파월 의장은 투명성을 향한 이러한 행진을 계속했고 FOMC 회의가 끝날 때마다 기자 회견을 시작했습니다.

물론, 파월 의장과 다른 정책 입안자들은 법률에 따라 의회에서 정기적으로 증언합니다. 또한 FOMC 참석자들은 공개 연설을 하고 통화 정책과 관련 문제에 대한 견해를 투명하게 논의하는데, 오늘 제가 여기서 한 연설에서 그 증거를 볼 수 있습니다.

이전에 저는 투명성 증가의 두 가지 주요 이유에 대해 이야기했습니다. 7첫째, 투명성은 대중에 대한 더 큰 책임을 허용합니다. 둘째, 경제학계에서는 정책 조치에 대한 명확성이 자산 가격을 정보적으로 더 효율적으로 만드는 것과 같이 통화 정책을 경제의 나머지 부분으로 전달하는 데 도움이 된다는 인식이 커지고 있습니다. 이와 관련하여, Fed의 반응 함수의 측면을 전달함으로써 커뮤니케이션은 Fed의 통화 정책 목표를 달성하는 데 도움이 되는 방식으로 통화 정책의 미래 경로에 대한 투자자의 견해를 알리는 데 도움이 될 수 있습니다.

텍스트 분석을 사용하여 중앙은행 커뮤니케이션 정량화
중앙은행 커뮤니케이션은 금리 경로를 형성하는 데 분명히 중요하므로 투자자와 연구자가 인공 지능을 포함한 텍스트 분석 기술을 사용하여 FOMC 성명 및 총재와 연방준비제도이사회 총재의 연설과 같은 기타 커뮤니케이션을 통해 전달되는 정보를 자동화된 방식으로 정량화하는 것은 놀라운 일이 아닙니다 .8연구자들은 정책 조치에 대한 명확성이 통화 정책을 경제의 나머지 부분으로 전달하는 데 도움이 될 것이라는 가설을 검증했습니다. 텍스트 분석, 고빈도 자산 가격 데이터, 고빈도 중앙은행 커뮤니케이션 데이터를 사용하여 이 연구는 중앙은행이 전달한 특정 문장에 대한 투자자의 반응이 자산 가격에 빠르게 통합된다는 것을 보여줍니다. 9또한 경제학자들은 중앙은행 커뮤니케이션에 대한 미디어 보도가 단기 금리에 어떤 영향을 미치는지 이해하기 위해 텍스트 분석을 사용했습니다. 10예를 들어, 일부는 FOMC 발표일 동안 미디어 감정을 추정하기 위해 단어 가방 기술을 사용했습니다. 11의도적으로, 높은 미디어 감정은 기자들이 FOMC가 가까운 미래에 통화 정책을 강화할 가능성이 더 높다고 보도하는 시기를 포착하기 위한 것입니다. 그림 2는 미디어 감정과 6개월 미국 재무부 수익률 변화 간의 상관 관계가 긍정적이고 비교적 높다는 것을 보여줍니다(40%). 이는 중앙은행 커뮤니케이션에 대한 미디어 보도가 통화 정책 전달에 중요한 역할을 한다는 것을 시사합니다.

정책 입안자들은 그들의 의사소통이 단기 금리, 다른 자산 가격 및 관련 경제 전망에 영향을 미쳐 금융 상황의 완화 또는 긴축을 초래할 가능성이 있음을 알고 있습니다. 따라서 정책 입안자들은 시장 참여자들이 중앙은행 의사소통에 인공지능 도구를 적용하기 훨씬 전부터 항상 그들이 하는 말에 주의를 기울였습니다.

일반적으로 연구자들은 자동화된 텍스트 분석과 자동화된 거래가 자산 가격에 정보가 통합되는 속도를 높였다고 주장합니다. 이는 자산 가격이 정보 측면에서 더 효율적이 되었으며, 때로는 정보가 공개된 후 몇 분이 아니라 몇 초 또는 밀리초 만에 정보 효율성이 높아졌다는 것을 시사합니다. 12따라서 투명성 증가와 기술 발전으로 자산 가격이 정보적으로 더 효율적이 될 가능성이 있으며, 이는 통화 정책의 전달에 도움이 됩니다. 그러나 다른 사람들은 자동화된 알고리즘이 인간보다 실수하기 쉽고, 투자자가 정확성보다 속도를 중시하도록 하는 인센티브를 제공할 수 있으며, 자산 가격의 장기적 정보성을 감소시켜 통화 정책의 전달에 해를 끼칠 수 있다고 주장합니다. 13

저는 이 문제에 대한 더 깊은 이해를 발전시키면서 미래 연구의 결과를 기대합니다. 지금으로서는 인공지능이 정책 입안자들의 의사소통 방식을 바꾸고 있다고 생각하지 않지만, 연구에 따르면 정책에 대한 정보가 자산 가격에 얼마나 빨리 통합되는지에 영향을 미쳤다는 것을 보여줍니다.

중앙은행 커뮤니케이션: 누가 듣고 있을까?
다음으로, 텍스트 분석을 사용한 연구가 정책 입안자들이 중앙은행 커뮤니케이션을 누가 듣고 있는지 더 잘 이해하는 데 도움이 되는지 논의하겠습니다. 2018년, 전 연방준비제도이사회 부의장 앨런 블라인더는 "중앙은행은 대중과 소통을 계속 시도할 것입니다. 그래야 합니다. 하지만 대부분은 실패할 것입니다."라고 예측했습니다. 14그는 "많은 경제 모델은 중앙은행의 의사소통이 임금 결정자, 가격 결정자, 소비자 또는 투자자, 어쩌면 그들 모두를 대상으로 한다고 가정합니다. 하지만 그들이 듣고 있을까요?"라고 추가로 설명했습니다. 그의 답은 아니요 , 그들은 중앙은행 의사소통을 듣지 않고 있으며, 그는 자신의 답을 뒷받침하기 위해 설문 조사 데이터를 사용한 경제 연구를 인용했습니다. 15

그러나 최근의 연구에 따르면 비전문가와 가계가 중앙은행 커뮤니케이션을 경청 하고 있습니다 . 이 연구 중 일부는 텍스트 분석을 사용하고 일부는 무작위 통제 시험을 사용합니다. 연구자들은 텍스트 분석을 사용하여 전문가와 비전문가가 소셜 미디어에 게시한 320만 개 이상의 게시물을 자동으로 처리하고 정량화했습니다. 이 연구에 따르면 중앙은행 정책에 대해 자주 논평하는 언론인과 전문 예측자, 그리고 중앙은행 정책에 대해 정기적으로 논평하지 않는 비전문가는 중앙은행 커뮤니케이션을 경청합니다. 16

중앙은행 커뮤니케이션과 통화정책 전달
나아가, 연구에 따르면 중앙은행의 직접 커뮤니케이션과 미디어의 중앙은행 커뮤니케이션 보도는 높은 상관관계가 있습니다. 그러나 두 가지가 일치하지 않을 때 미디어의 보도는 자산 가격과 전문가 예측가의 미래에 대한 견해에 중앙은행의 직접 커뮤니케이션보다 더 큰 영향을 미치는 경향이 있습니다. 17또한, 약 20,000명의 미국인을 대상으로 한 무작위 대조 시험에서 중앙은행의 의사소통이 가계의 인플레이션 기대에 영향을 미치고, 이는 스캐너 수집 데이터로 측정한 행동에 영향을 미치는 것으로 나타났습니다. 18이 연구는 중앙은행의 의사소통이 가계의 기대와 지출 행동에 영향을 미치는 경향이 있지만, 가계가 정보를 받는 방식이 중요하다는 것을 보여줍니다. 특히 가계는 전통적인 미디어가 전달하는 정보보다 소셜 미디어, 친구, 가족이 전달하는 정보에 더 많이 반응하는 것으로 보입니다. 이 연구는 전체적으로 중앙은행이 일반 대중과 의사소통하려는 노력이 어느 정도 성공하고 있지만 여전히 개선의 여지가 있음을 시사합니다.

텍스트 분석을 사용한 경제 개념 측정
텍스트 분석은 연구자들이 중앙은행 커뮤니케이션을 누가 듣고 있는지 이해하는 데 도움이 될 뿐만 아니라, 일반적으로 수치적 예측으로는 파악하기 어려운 질적 정보를 측정하고 불확실성, 공급망 중단, 금융 상황과 같은 측정하기 어려운 경제 개념을 추정하는 데 도움이 됩니다. 19이전 연설에서 언급했듯이 불확실성은 인플레이션과 경제 산출량과 같은 방식으로 직접 관찰할 수 없습니다. 20불확실성을 측정하는 데 어려움이 있음에도 불구하고, 연구자들은 불확실성을 평가하는 도구를 개발했습니다. 사실, 지난 20년 동안 불확실성에 대한 텍스트 기반 측정을 중심으로 이 주제에 대한 연구가 엄청나게 증가했습니다. 예를 들어, 연구자들은 경제 정책 불확실성 과 관련된 단어 조합을 포함하는 주요 신문 기사의 수를 기반으로 그림 3 에 표시된 경제 정책 불확실성 지수를 만들었습니다. 21그림에서 보듯이 미국의 경제적 불확실성은 팬데믹이 시작될 때 사상 최고치를 기록했고, 팬데믹 이후 약간 낮아졌으며, 최근 신문 기사에서 새로운 정부 정책의 잠재적 경제적 영향이 논의되면서 증가했습니다. 또한 연구에 따르면 신문 텍스트 기반 측정치는 주가 변동성과 높은 상관관계가 있으며, 이러한 측정치가 높을수록 투자와 고용이 감소하는 것으로 나타났습니다. 이러한 통찰력의 당연한 귀결은 정책 입안자가 불확실성이 커지는 것을 피하기 위해 가능한 한 명확하게 의사 소통해야 한다는 것입니다.

최근 연구에서는 내러티브 감정이 수치적 예측에서 포착하기 어려울 수 있는 정보를 전달한다는 사실도 발견했습니다. 예를 들어, 연방준비제도이사회 직원이 작성한 일련의 경제 예측에 수반되는 텍스트의 톤은 연방준비제도이사회 직원과 블루칩 참여자의 예측 오류를 예측하는 것으로 나타났습니다. 22감정의 예측력은 산출량, 고용 및 주식 수익에 대한 경제 성과의 하락 위험을 신호로 알리는 데서 발생하는 듯합니다. 이러한 결과는 내러티브의 톤이 반드시 해당 예측에서 제공되지 않는 정보를 포착한다는 것을 시사합니다. 놀랍지 않게도 이러한 정보를 감안할 때 톤은 주가와 통화 정책의 놀라움에 대한 예측력을 가지고 있습니다.

텍스트 분석이 연구자들이 측정하기 어려운 개념을 추정하는 데 도움이 되는 또 다른 예는 기업의 수요와 공급 충격에 대한 새로운 척도입니다. 전통적으로 학계 연구자들은 가격과 수량 척도에서 부호 제한을 사용하여 수요 충격과 공급 충격을 식별하고 구별합니다. 가격과 수량의 증가는 수요 충격으로 간주되고, 수량의 감소를 동반한 가격의 증가는 공급 충격으로 간주됩니다. 이러한 소위 부호 제한은 유용한 도구입니다. 그러나 가격과 수량이 증가한 것은 공급망 중단에 직면한 수요 급증 때문일 수 있습니다. 공급망 중단에 대한 다른 인기 있는 척도는 공급업체 납품 시간과 공급 관리 연구소(ISM)에서 제공하는 주문 백로그입니다. 그러나 이러한 척도는 이전 달과 관련하여 기업 활동을 추정할 뿐이며, 그렇지 않으면 정성적이고 텍스트 기반 척도에서 포착할 수 있는 단기 역학을 이해하는 데 중요한 맥락이 부족할 수 있습니다. 따라서 기업의 수익 전화 및 베이지북에서 서술을 정량화하는 텍스트 분석 기술을 사용하여 표지판 제한 방법, 공급업체 납품 시간 및 주문 백로그를 보완하는 것이 더 유용할 수 있으며, 이를 통해 수요와 공급 충격을 더 잘 파악할 수 있습니다. 23예를 들어, 그림 4 는 연방준비제도이사회의 베이지북 출판물에 전달된 정보를 정량화하기 위해 텍스트 분석 기술을 사용하여 이사회 경제학자가 추정한 공급망 병목 현상 지수(실선 검은색 선)와 ISM 공급업체 납품 지수(점선 빨간색 선)를 보여줍니다. 24설명을 위해 두 지수는 평균이 0이고 표준 편차가 1인 정규화되었으며, 큰 양수는 공급망이 스트레스를 받고 있음을 나타냅니다. 두 지수 모두 1970년대 유가 상승과 그에 따른 에너지 위기 이후 급등했습니다. 2000년대에 칩 부족으로 공급망 중단이 다시 나타났고, 가장 최근에는 COVID-19 팬데믹 동안 병목 현상이 발생했습니다. 이 그림은 텍스트 기반 측정값이 팬데믹 동안 공급망 중단 기간이 더 길어졌음을 어떻게 나타내는지 보여줍니다. 두 측정값을 비교하면 ISM 지수에서 볼 수 있듯이 월별 배송 시간 변화가 빠른 속도로 개선되었지만, 베이지북에 나타난 대로 팬데믹 이후 회복에 대한 서술은 공급망 중단 수준이 더 느리게 완화되었음을 나타냅니다.

결론
경제 연구에서 미디어, 정부 기록, 중앙 은행 또는 경영 커뮤니케이션에 대한 질적 정보를 사용하여 통화 정책의 전달을 더 잘 이해하려는 아이디어는 새로운 것이 아닙니다. 25새로운 점은 지난 20년 동안 텍스트 분석 기술이 발전하고 연구자와 투자자가 양과 다양성 측면에서 쉽게 이용할 수 있는 데이터가 엄청나게 증가했다는 것입니다. 텍스트 분석 기술의 발전과 대체 데이터의 증가는 연구자들이 측정하기 어려운 경제 개념을 더 잘 추정하고, 중앙은행 커뮤니케이션을 누가 듣는지 더 쉽게 파악하고, 중앙은행 커뮤니케이션이 자산 가격에 얼마나 빨리 통합되는지 등을 조사하는 데 도움이 되었습니다. 또한 밀리초 타임스탬프 금융 거래와 같은 고빈도 데이터와 소셜 미디어 게시물의 텍스트 정보를 포함하는 "대체 데이터"에 더 쉽게 접근할 수 있습니다. 앞서 언급했듯이 이러한 새로운 텍스트 분석 기술은 정책 입안자에게 중요합니다. 왜냐하면 우리는 우리의 커뮤니케이션이 어떻게 들리고, 해석되고, 이해되고, 조치되는지 이해하려고 하기 때문입니다.

텍스트 분석 기술과 데이터 접근성이 수년에 걸쳐 개선된 것에 감사하지만, 경고의 의미로 마무리하겠습니다. 자동 텍스트 분석은 통화 정책에 대한 역사적 기록에 대한 다른 분석을 대체하는 것으로 간주되어서는 안 됩니다. 텍스트를 분석하는 데 필요한 데이터와 기술이 풍부하다고 해서 반드시 더 큰 통찰력으로 이어지는 것은 아닙니다. 따라서 정책 입안자, 연구자, 투자자가 계속해서 올바른 도구와 올바른 데이터를 사용하여 최상의 추론을 하는 데 부지런히 노력하는 것이 중요합니다. 26

감사합니다!

참고문헌
Adams, Travis, Andrea Ajello, Diego Silva, Francisco Vazquez-Grande(2023). " More than Words: Twitter Chatter and Financial Market Sentiment ", 금융 및 경제 토론 시리즈 2023-034. 워싱턴: 연방준비제도이사회, 5월.

Appelbaum, Binyamin(2012). "명확성의 가치에 초점을 맞춘 Fed", New York Times, 12월 13일.

베이커, 스콧 R., 니콜라스 블룸, 스티븐 J. 데이비스(2016). "경제 정책 불확실성 측정", Quarterly Journal of Economics, vol. 131(11월), pp. 1593–636.

Bernanke, Ben S. (2015). " Inaugurating a New Blog" , Ben Bernanke's Blog, 3월 30일.

——— (2022). " 벤 버냉키: 대인플레이션에서 COVID-19까지의 Fed(PDF) ", 웨비나, 브루킹스 연구소, 워싱턴, 5월 23일.

Bernanke, Ben S., 및 Kenneth N. Kuttner(2005). "연방준비제도이사회 정책에 대한 주식시장의 반응은 무엇인가?" Journal of Finance, vol. 60(6월), pp. 1221–57.

Blinder, Alan S. (2018). "어두운 수정 구슬을 통해: 통화 정책 커뮤니케이션의 미래", AEA 논문 및 회의록, vol. 108(5월), pp. 567–71.

Chaboud, Alain P., Benjamin Chiquoine, Erik Hjalmarsson, Clara Vega(2014). "기계의 부상: 외환 시장에서의 알고리즘 거래", Journal of Finance, vol. 69(10월), pp. 2045–84.

Cieslak, Anna, and Michael McMahon (2023). "Tough Talk: The Fed and Risk Premium," 워킹페이퍼, 4월(2024년 6월 개정).

Coibion, Olivier, Yuriy Gorodnichenko, and Michael Weber(2022). "Monetary Policy Communications and Their Effects on Household Inflation Expectations," Journal of Political Economy, vol. 130(6월), pp. 1537–84.

Dessaint, Olivier, Thierry Foucault, Laurent Fresard(2024). "대체 데이터가 재무 예측을 개선할까? 지평선 효과", Journal of Finance, vol. 79(6월), pp. 2237–87.

Dugast, Jerome, and Thierry Foucault (2017). "Data Abundance and Asset Price Informativeness," Journal of Financial Economics, vol. 130 (11월), pp. 367–91.

Gertler, Mark, and Peter Karadi (2015). "Monetary Policy Surprises, Credit Costs, and Economic Activity," American Economic Journal: Macroeconomics, vol. 7 (1월), pp. 44–76.

Ehrmann, Michael, and Alena Wabitsch (2022). "비전문가와의 중앙은행 소통 - 아무 데도 가지 않는 길?" Journal of Monetary Economics, vol. 127 (4월), pp. 69–85.

가드너, 벤, 키아라 스코티, 클라라 베가(2022). "말은 행동만큼 큰 소리로 말한다: 중앙은행 커뮤니케이션과 거시경제 발표에 대한 주식 가격의 반응", Journal of Econometrics, vol. 231(12월), pp. 387–409.

Gómez-Cram, Roberto, and Marco Grotteria (2022). "구두 의사소통을 통한 실시간 가격 발견: Fedspeak에 대한 방법 및 응용", Journal of Financial Economics, vol. 143 (3월), pp. 993–1025.

Hanson, Samuel G., 및 Jeremy C. Stein(2015). "Monetary Policy and Long-Term Real Rates," Journal of Financial Economics, vol. 115(3월), pp. 429–48.

Jefferson, Philip N. (2023a). " 통화 정책의 실행 및 전달 ", H. Parker Willis 강의에서 발표한 연설, 워싱턴 앤 리 대학교, 버지니아주 렉싱턴, 3월 27일.

——— (2023b). " 통화 정책에 대한 소통 ", 클리블랜드 연방준비은행이 주최한 컨퍼런스 "중앙은행 소통: 이론과 실제"에서 발표한 연설, 오하이오주 클리블랜드, 5월 13일.

——— (2023c). " 경제 불확실성 증가: 원인과 결과 ", 연방준비제도이사회, 스위스 중앙은행, 국제결제은행이 후원한 연구 컨퍼런스인 "글로벌 리스크, 불확실성, 변동성"에서 발표한 연설, 스위스 취리히, 11월 14일.

Kumar, Saten, Hassan Afrouzi, Olivier Coibion, and Yuriy Gorodnichenko (2015). " 인플레이션 타겟팅은 인플레이션 기대치를 고정시키지 못한다: 뉴질랜드 기업의 증거(PDF) ", Brookings Papers on Economic Activity, 가을, pp. 151–208.

오하라, 모린(2015). "고빈도 시장 미시구조", Journal of Financial Economics, vol. 116(5월), pp. 257–70.

Piazzesi, Monika, and Martin Schneider(2006). " Equilibrium Yield Curves ," NBER Working Paper Series 12609. 매사추세츠주 케임브리지: National Bureau of Economic Research, 10월(2007년 1월 개정).

로머, 크리스티나 D., 및 데이비드 H. 로머(1989). "금융 정책이 중요한가? 프리드먼과 슈워츠의 정신에 따른 새로운 테스트", NBER 거시경제학 연감, 제4권, 121-70쪽.

——— (2023). "대통령 연설: 통화 정책이 중요한가? 35년 후의 서사적 접근." American Economic Review , vol. 113 (6월), pp. 1395-423.

——— (2024). "성공적인 디스인플레이션을 위한 역사의 교훈", Journal of Monetary Economics , vol.148, Supplement(11월), 103654.

Schmanski, Bennett, Chiara Scotti, Clara Vega, and Hedi Benamar (2023). " 연방준비제도 이사회, 뉴스, 트위터, 그리고 에코 챔버 ," 금융 및 경제 토론 시리즈 2023-36. 워싱턴: 연방준비제도 이사회, 5월.

Sharpe, Steven A., Nitish R. Sinha, and Christopher A. Hollrah (2023). "경제 예측에서 서사적 감정의 힘", International Journal of Forecasting, vol. 39 (7월-9월), pp. 1097-121.

Soto, Paul(2023). " 자연어 처리를 사용한 공급망 병목 현상의 측정 및 효과 ", FEDS Notes. 워싱턴: 연방준비제도이사회, 2월 6일(2025년 1월 16일 개정).

스완슨, 에릭 T., 비슈디 자야윅레마(2024). "연방준비제도이사회 의장의 연설은 FOMC 발표보다 더 중요하다: 미국 통화 정책 쇼크에 대한 개선된 고주파 측정", 워킹페이퍼, 캘리포니아 대학교 어바인 캠퍼스.

von Beschwitz, Bastian, Donald B. Keim, and Massimo Massa (2020). "뉴스를 '읽는' 첫 번째 사람: 뉴스 분석과 알고리즘 트레이딩," Review of Asset Pricing Studies, vol. 10 (2월), pp. 122–78.

Young, Henry L., Anderson Monken, Flora Haberkorn, Eva Van Leemput(2021). " Effects of Supply Chain Bottlenecks on Prices using Textual Analysis ", FEDS Notes. 워싱턴: 연방준비제도이사회, 12월 3일.

---

1. 여기에 표현된 견해는 저만의 것이며 반드시 연방준비제도이사회나 연방공개시장위원회의 동료들의 견해가 아닙니다. 본문으로 돌아가기

2. Swanson 및 Jayawickrema(2024) 참조. 텍스트로 돌아가기

3. Bernanke(2015, 2022) 참조. 본문으로 돌아가기

4. Jefferson(2023a) 참조. 차익거래는 연방 기금 금리와 레포 금리와 같이 유사한 수익률을 가진 금융 상품의 가격을 서로 가깝게 유지하는 경제적 힘입니다. 본문으로 돌아가기

5. 보다 구체적으로, 이자율의 기간 구조에 대한 기대 이론에 따르면, 중장기 이자율은 예상되는 미래 단기 이자율의 가중 평균에 의해 중요한 영향을 받습니다. 또한, 통화 정책은 위험 프리미엄(예를 들어, Bernanke and Kuttner, 2005; Hanson and Stein, 2015; Gertler and Karadi, 2015 참조)과 기간 프리미엄(인플레이션 쇼크에 대응하여 통화 정책이 긴축되면 장기 채권이 더 위험해짐에 따라 기간 프리미엄도 상승하는 경향이 있음; 예를 들어, Piazzesi and Schneider, 2006 참조)에 영향을 미칩니다. 본문으로 돌아가기

6. Appelbaum(2012) 참조. 본문으로 돌아가기

7. Jefferson(2023b) 참조. 본문으로 돌아가기

8. 예를 들어, Cieslak 및 McMahon(2023); Gardner, Scotti 및 Vega(2022); Gómez-Cram 및 Grotteria(2022); Sharpe, Sinha 및 Hollrah(2023)를 참조하세요. 텍스트로 돌아가기

9. 예를 들어, 텍스트 분석, 고빈도 자산 가격 데이터, 고빈도 중앙은행 커뮤니케이션 데이터를 사용하여 FOMC가 전달한 특정 문장에 대한 투자자의 반응을 파악하는 Gómez-Cram과 Grotteria(2022)를 참조하세요. 텍스트로 돌아가기

10. Schmanski 및 기타(2023) 참조. 본문으로 돌아가기

11. 단어 가방 기법은 단어 모음(또는 "가방")과 채점 시스템을 사용하여 정성적 텍스트 정보를 정량화하는 자연어 처리 기법입니다. Schmanski 등(2023)은 이 기법을 사용하여 주제 키워드 집합을 수정자와 페어링하고 주제-수정자의 조합이 강화, 중립 또는 완화 뉴스를 전달하는지 여부를 확인합니다. 구조상 미디어가 FOMC가 가까운 미래에 통화 정책을 강화할 가능성이 더 높다고 생각할 때 감정이 높습니다. 텍스트로 돌아가기

12. 자동 거래가 삼각 차익 거래 기회의 빈도와 고빈도 수익률의 자기 상관 관계를 줄임으로써 외환 시장의 정보 효율성을 높였다는 증거는 Chaboud 등(2014)을 참조하십시오. 자동 텍스트 분석이 뉴스에 대한 주가 반응을 가속화한다는 증거는 von Beschwitz 등(2020)을 참조하십시오. 본문으로 돌아가기

13. 예를 들어, von Beschwitz, Keim, and Massa(2020); Dugast and Foucault(2017); and O'Hara(2015)를 참조하세요. 본문으로 돌아가기

14. Blinder(2018, p. 569) 참조. 본문으로 돌아가기

15. Kumar 및 기타(2015) 참조. 본문으로 돌아가기

16. Ehrmann과 Wabitsch(2022)는 중앙은행 커뮤니케이션을 논의하는 X 플랫폼(이전 명칭 Twitter)에 게시된 전문가 및 비전문가 의견의 수가 유럽 중앙은행(ECB) 기자 회견 및 ECB 총재의 연설과 같은 기타 ECB 커뮤니케이션 이후에 증가한다는 사실을 문서화했습니다. 또한 저자는 저자의 사전 기반 주관성 측정에 따르면 토론 내용이 주관적이기보다는 객관적(사실적)인 경향이 있다고 문서화했습니다. 텍스트로 돌아가기

17. Schmanski 및 기타(2023) 참조. 본문으로 돌아가기

18. Coibion, Gorodnichenko, Weber(2022) 참조. 텍스트로 돌아가기

19. 예를 들어 경제 정책의 텍스트 분석 측정을 위해 Baker, Bloom, Davis(2016), 공급망 중단의 텍스트 분석 측정을 위해 Soto(2023)와 Young 등(2021), 금융 상황의 텍스트 분석 측정을 위해 Adams 등(2023)을 참조하세요. 텍스트로 돌아가기

20. Jefferson(2023c) 참조. 본문으로 돌아가기

21. Baker, Bloom, and Davis(2016) 참조. 본문으로 돌아가기

22. Sharpe, Sinha, Hollrah(2023) 참조. 텍스트로 돌아가기

23. Young and others(2021) 및 Soto(2023)를 참조하세요. 본문으로 돌아가기

24. Soto(2023) 참조. 본문으로 돌아가기

25. 예를 들어, "서사적" 접근 방식에 대한 설명은 Romer and Romer(1989, 2023, 2024)를 참조하세요. 본문으로 돌아가기

26. 예를 들어, Dessaint, Foucault, Fresard(2024)는 대체 데이터가 주로 단기 결과를 예측하는 데 도움이 되고 장기 결과를 예측하는 데는 그다지 도움이 되지 않는다고 제안합니다. 본문으로 돌아가기

• 음성 차트 및 그림 보기

마지막 업데이트: 2025년 2월 21일