"Identifying Monetary Policy Shocks: A Natural Language Approach." 2024. NBER Working Paper.
作者:S. Borağan Aruoba & Thomas Drechsel
内容推送:作者开发了一种识别货币政策冲击的新方法。通过对美联储工作人员在政策决策前准备的文件应用自然语言处理技术,作者捕捉到了美联储的信息集。然后利用机器学习技术,以该信息集为条件预测目标利率的变化,并以残差作为货币政策冲击的衡量标准。作者表明,文件文本包含了有关经济的基本信息,而这些信息是工作人员在相同文件中包含的数字预测所无法捕捉到的。宏观变量对货币政策冲击的动态响应与理论共识一致。仅控制工作人员预测的冲击意味着宏观变量的反应与理论不符。将这些差异与作者的程序从文本中提取的信息直接联系起来,而不只是预测所获取的信息。关于本文的更多内容,请点击左下角“阅读原文”。
广受欢迎的微信公共帐号“论文大焖锅”每日推送经济学、管理学、政治学、社会学及自然科学期刊最新内容。本帐号由复旦大学经济学院陈硕教授及其团队负责。查看以前推送:点“论文大焖锅”并选择“查看历史消息”。