15 сентября 2022 БКС Экспресс Лаврова Наталья
Аналитики BCS Global Markets запустили новый продукт «ЦБ между строк», прогнозирующий динамику ставки, учитывая не только макропараметры, но и риторику регулятора. Оценки основаны на анализе текстов и макроэкономических индикаторов. Они показывают, что в эту пятницу ЦБ, вероятно, понизит ставку в рамках стандартного шага на 50 б.п.
Главное
• Анализируем риторику ЦБ — важный инструмент прогнозирования. Настроения ЦБ помогают предсказывать меры денежно-кредитной политики (ДКП), +5% к точности оценок
• С марта 2022 г. настроения регулятора под давлением. Оценки подтверждают, что фокус ЦБ в 2022 г. на показателях роста. Слабый спрос может потребовать от ЦБ дальнейшего смягчения
• Мы прогнозируем снижение ключевой ставки на 50 б.п. в сентябре
Семантический (текстовый) анализ для прогнозирования денежно-кредитной политики. Развитие инструментов машинного обучения в макроэкономике позволило внедрить методы анализа текстов для кратко- и среднесрочного прогнозирования. Основное преимущество этих подходов — способность преобразовывать качественную информацию в количественные показатели, при этом снижая некоторую субъективность в интерпретации заявлений регулятора.
Мы изучили, как со временем менялась риторика и настроения ЦБ, и отразили это в нашей макроэкономической модели, с помощью которой прогнозируем решение регулятора по ставке на следующем заседании.
Основной фокус ЦБ в 2022 г. на перспективах экономики и спроса. Применяя метод анализа текстов, мы выявили, какие ключевые темы звучали в заявлениях ЦБ и как они распределялись. По нашим оценкам, ДКП и инфляция всегда были в числе главных приоритетов регулятора.
Однако в 2015–2016 гг., в период экономического кризиса и высокой неопределенности, регулятор во многом ориентировался на экономическую активность и слабость спроса. В 2020–2021 гг. кризис COVID-19 и связанные с ним проблемы стали еще одним важным фактором, который ЦБ должен был принимать во внимание при реализации денежно-кредитной политики.
Учитывая это, мы пришли к выводу, что комплексная картина факторов, влияющих на решения регулятора, может повысить предсказуемость дальнейших действий ЦБ. Это стало особенно очевидно во II квартале 2022 г., когда, несмотря на значительное инфляционное давление, регулятор активно снижал процентную ставку, по всей видимости, ожидая, что инфляционное давление, обусловленное спросом, начнет снижаться на фоне слабого потребления.
Индекс настроений ЦБ способен повысить точность прогноза. Поскольку одной из целей исследования было выявить в том числе и дополнительные (и во многом непрозрачные) признаки, которые могут помочь в прогнозировании действий регулятора, мы сформировали «Индекс настроений ЦБ».
С одной стороны, он в какой-то мере коррелирует с экономическими показателями. С другой, — имеет более высокую частотность по сравнению с ВВП и чувствительность к рыночным условиям, а значит, является индексом ноукастинга (т.е. оценивает текущую ситуацию) и одновременно индексом ожиданий, которые ЦБ транслирует в текстах своих заявлений. Наши оценки показали, что индекс настроений обладает предсказательной силой: добавление индекса в модель повысило ее точность примерно на 5%.
Наш прогноз: ЦБ может снизить ключевую ставку на 50 б.п. на ближайшем заседании. Результаты ML-анализа (анализ с использованием алгоритма машинного обучения) указывают на то, что ЦБ, скорее всего, продолжит смягчать денежно-кредитную политику — такой вариант предлагается по расчетам двух моделей. Одна из них обозначила направление действий регулятора в сторону снижения ставки, а другая указала, что ЦБ, вероятно, снизит ее на 35 б.п. В соответствии с этими оценками мы ожидаем, что регулятор продолжит смягчать свою денежно-кредитную политику, но его действия станут более осторожными, и снижение окажется в пределах стандартных 50 б.п.
В деталях
Риторика ЦБ отражает его настроения
Семантический анализ как отражение подхода ЦБ к монетарной политике
Коммуникации как инструмент политики. В последние месяцы российские власти все чаще прибегают к вербальным интервенциям — они стали временным, хотя и довольно успешным инструментом воздействия на ожидания потребителей и бизнеса, а также изменения экономической модели.
Например, за один день после заявления министра финансов о возможных валютных интервенциях или введении бюджетного правила рубль ослабевал на 3–5%. Очевидно, что в период экономического кризиса все заявления правительства кажутся важными и в какой-то мере могут переломить настроения рынка, но и в обычное время коммуникация также рассматривается как инструмент влияния на деловую и рыночную конъюнктуру.
Количественные метрики коммуникаций ЦБ РФ. У регулятора есть разные варианты: они могут «создавать новости», следовательно двигать финансовые рынки; или же «уменьшать шум» — рыночные ожидания будут закрепленными, а экономическая политика станет более предсказуемой.
Сейчас коммуникация кажется особенно важным инструментом в России, так как позволяет определить некоторые экономические настроения и уменьшить «разрыв в данных» из-за приостановки публикации статистики. В то же время эту качественную информацию (коммуникацию) можно преобразовать в количественные показатели и улучшить наше понимание экономических процессов и тем самым повысить точность прогнозов.
Методы анализа текста в макроэкономике. Развитие инструментов машинного обучения в макроэкономике позволило внедрить методы анализа текстов для кратко- и среднесрочного прогнозирования. Эти инструменты разрабатывались в ЕЦБ, МВФ и других международных институтах. Одно из их главных достижений заключается в обобщении большого массива информации и снижении субъективности в интерпретации заявлений, в том числе и регулятора.
В России этот подход не нашел широкого применения, вероятно, из-за крайне уязвимой экономической среды, вынуждавшей регулятора иногда принимать нестандартные решения (например, с февраля 2022 г. ЦБ провел три внеплановых заседания, что для рынка стало неожиданностью).
Тем не менее, мы полагаем, что с тех пор, как регулятор начал публиковать свои прогнозные ожиданиями по процентной ставке и тем самым делиться своим видением с рынком, прогностическая сила его сообщений заметно возросла. Следовательно, эти данные как сигнал будущих изменений процентной ставки стало важно учитывать и включать в макроэкономические модели.
Подход БКС: Анализ текста + макроиндикаторы = прогноз ставки. В нашем подходе было важно проанализировать предсказуемость денежно-кредитной политики, учитывая транслируемую ЦБ РФ информацию.
Во-первых, мы посмотрели на то, как со временем менялась риторика и настроения ЦБ и какие ключевые темы звучали. В рамках этого анализа мы изучили отчеты и комментарии (в том числе выступления Эльвиры Набиуллиной) регулятора по ключевой ставке с 2015 г. Эволюция этих тем рассматривается как первый шаг в анализе изменения настроений ЦБ с течением времени.
Затем мы использовали метод анализа текста, который опирается на словари, работающие с экономическими и финансовыми текстами и позволяющими выявлять слова с «негативным» и «позитивным» окрасом.
На основе этого мы построили индекс, который назвали «Индексом настроений ЦБ» и добавили его в макроэкономическую модель для прогнозирования решения регулятора по ставке, а также проверки — можно ли с его помощью частично объяснить действия регулятора.
Мы протестировали разные типы моделей, но наилучшие результаты были получены при использовании классификатора случайного леса (Random Forest Classifier) и модели XG Boost (Extreme Gradient Boosting, или градиентный бустинг). Результаты этих моделей должны помочь ответить нам на два вопроса:
• продолжит ли ЦБ монетарное смягчение или возьмет паузу
• какие факторы могут спрогнозировать само решение, а также какой шаг изменения ключевой ставки стоит ожидать
Методология: предварительная обработка
Наш анализ базируется на двух типах документов ЦБ: заявления по ключевой ставке и пресс-конференции Председателя Центробанка — оба представляют взгляды регулятора на текущие и будущие решения по монетарной политике, а также иногда демонстрируют основные факторы принятия политических решений.
Во-первых, мы объединили тексты с аналогичными данными и очистили их, убрав знаки пунктуации, стандартные стоп-слова, нерелевантные для нашего анализа, а также числа, применяя технику Обработки естественного языка. После трансформации мы оставили написание всех слов в нижнем регистре и разбили их на лексемы — теперь тексты представлены в виде отдельных слов.
Во-вторых, применив технику лемматизации, мы преобразовали набор слов в их исходные формы – так, например, глагол «шел» превратился бы в форму «идти». Следующий шаг может включать в себя исключение специфичных для ЦБ слов, таких как имена председателя или ее заместителей.
Индекс экономического настроения ЦБ из его заявлений
Длина тестов заявлений ЦБ увеличилась в 2022 г.: в ответ на шок. С 2015 г., когда было внедрено таргетирование инфляции, ЦБ стал двигаться в сторону увеличения собственной прозрачности. Косвенно это видно по длине текстов заявлений ЦБ, которая увеличивается с 2016 г. (появление пресс-конференций главы центробанка также способствовало повышению прозрачности и более эффективным коммуникациям).
Помимо этого, в наиболее уязвимые периоды, такие как пандемический шок 2020 г., длина текстов заявлений по итогам пресс-конференций также росла. Таким образом, «многословность» регулятора, вероятно, была обусловлена не только намерением повысить прозрачность, но и попыткой ослабить опасения рынка.
Вместе с тем в 2022 г. ситуация несколько изменилась — ряд решений ЦБ по монетарной политике был озвучен без пояснений, текст заявлений был коротким, и лишь с июня регулятор вернулся к прежней стратегии коммуникаций. По нашим оценкам, в данный период его настроения также улучшились.
Ключевые приоритеты ЦБ: спрос, инфляция и банковская деятельность. Применяя метод анализа текстов, мы выявили, какие ключевые темы звучали в заявлениях ЦБ и как они распределялись.
Мы использовали модель с четырьмя темами — первоначально мы рассматривали десять тем, но оценка показала, что их можно консолидировать в четыре кластера. Отмечая наиболее частотные для первой темы слова (такие как «цена», «монетарный», «финансовый»), мы идентифицировали ее как «инфляция/финансовый рынок».
В рамках второй темы наиболее часто встречались слова «банк», «кредит» и «кредитование», мы обозначили ее как банковская деятельность. Кроме того, тему, относящуюся к шокам, можно описать при помощи следующих слов: «ужесточение», «пандемия», «антикризисный». Последняя тема характеризовалась превалированием таких слов, как «спрос», «снижение», «потребитель», поэтому она относится к теме спроса.
В 2022 г. фокус ЦБ сместился в сторону перспектив развития экономики и спроса. Чтобы получить представление об эволюции приоритетов ЦБ, мы рассмотрели, каким образом развивались темы заявлений регулятора с течением времени. Согласно нашим оценкам, среди ключевых приоритетов ЦБ всегда оставались монетарная политика и инфляция.
Вместе с тем в 2015–2016 гг., в период экономического кризиса и высокой неопределенности, регулятор в первую очередь концентрировался на экономической деятельности и слабых темпах роста.
Затем приоритеты частично сместились в сторону монетарной политики и банковской деятельности. В 2020–2021 гг. коронакризис и сопутствующие проблемы стали еще одним важным фактором, который ЦБ стало необходимо учитывать перед принятием решений по монетарной политике.
В целом наличие полной картины ключевых факторов, определяющих решения регулятора, может повысить предсказуемость дальнейших шагов монетарной политики. Это стало особенно очевидно во II квартале 2022 г., когда, несмотря на существенное инфляционное давление, регулятор инициировал курс снижения ставки, очевидно ожидая, что инфляционное давление, связанное с динамикой спроса, вскоре ослабнет на фоне слабости потребления.
Методология: текстовый анализ
После завершения предварительной обработки мы определили ключевые темы заявлений ЦБ. Наш основной подход основан на латентном размещении Дирихле (LDA), которое определяет темы, исходя из их фиксированного множества и подразумевая, что каждая тема характеризуется определенным распределением по словам.
Для построения индекса настроений ЦБ мы использовали словарный метод, суть которого в том, чтобы соотнести наш текст со словарем Лофрана и Макдональда, разработанным на основе экономических и финансовых текстов и позволяющим выявлять слова с «негативным» и «позитивным» окрасом.
В 2022 г. индекс настроений ЦБ упал почти до рекордно низкого уровня, но затем немного восстановился. Поскольку одной из целей нашего исследования было выявить дополнительные (и во многом непрозрачные) признаки, которые могут помочь в прогнозировании действий регулятора, мы сформировали «Индекс настроений ЦБ».
Этот индекс — лишь часть нашего анализа, но он может пролить свет на то, как менялись настроения ЦБ РФ за последние 7 лет и как они связаны с динамикой экономических показателей страны. Индекс настроений регулятора в целом коррелирует с экономическим ростом — исходя из этого, его можно было бы считать «шумным» индикатором.
В частности, индекс снижался, когда российский финансовый рынок пострадал от низких цен на сырьевые товары в 2015 г.; затем от санкционного давления и вспышки пандемии, и, наконец, в 2022 г. заявления ЦБ указывали на еще более негативные настроения, чем во время двух предыдущих эпизодов.
Однако такая связь с экономическим ростом выявляет определённые преимущества индекса настроений. Во-первых, у него более высокая частотность по сравнению с ВВП и чувствительность к рыночным условиям, а, значит, он может рассматриваться как индекс ноукастинга, оценивающим текущую ситуацию, и одновременно индексом ожиданий, которые транслирует ЦБ. Этот вывод лег в основу наших прогнозов процентных ставок.
Настроения ЦБ указывают на снижение ставки
Индикатор настроений в денежно-кредитной политике указывает на дальнейшее снижение ставки. Регулятор недавно заявил, что рассматривает широкий спектр факторов, которые определяют его решения в сфере денежно-кредитной политики.
Поскольку некоторые из них вряд ли охватываются стандартными макроэкономическими или финансовыми показателями, но могут быть важными, мы включили настроения/коммуникацию ЦБ в стандартную макроэкономическую модель (основанную на правиле Тейлора и включающую рост ВВП, индексы PMI, инфляцию, занятость и т.д.), чтобы получить широкую картину экономических перспектив страны и спрогнозировать возможные шаги регулятора.
Наш анализ выявил два важных фактора. Во-первых, индекс настроений ЦБ обладает некоторой способностью предсказывать события, что было подтверждено увеличением точности модели на 5% при добавлении качественных показателей (мы протестировали две модели: базовую модель только с макроэкономическими показателями и альтернативную с индексами настроений). Во-вторых, результаты расчетов также показали, что индексы настроений значимы и информативны даже без макроэкономических переменных.
Результаты нашего ML-анализа говорят о том, что ЦБ, скорее всего, продолжит смягчать свою денежно-кредитную политику в ближайшей перспективе — на это указывает классификатор случайного леса, который определяет направление действий монетарных властей — будет ли регулятор склоняться к снижению, повышению или оставит процентную ставку без изменений.
Пытаясь предсказать величину монетарного шага ЦБ на следующем заседании, мы построили модель XG Boost, которая объясняет значительную часть изменений процентной ставки. Однако, анализируя решение регулятора в июле, мы видим, что модель смогла объяснить снижение ставки только на 100 б.п., тогда как на самом деле ставка была понижена на 150 б.п.
Несмотря на некоторое расхождение в наших оценках и фактическом решении ЦБ, мы по-прежнему считаем нашу модель относительной точной, полагая, что снижение ставки на 100 б.п. (до 8,5%) в июле могло быть более экономически-обоснованным шагом.
Исходя их этих результатов, мы спрогнозировали возможное решение по ставке ЦБ в сентябре и пришли к выводу, что регулятор, скорее всего, продолжит смягчать денежно-кредитную политику, но его действия будут более осторожными – в пределах стандартного шага в 50 б.п. (в то время как модель указывала на снижение ставки на 35 б.п., мы интерпретировали это как возможность того, что ставка может быть снижена на 50 б.п.).
Методология: анализ текстов и меры денежно-кредитной политики.
Базовая модель основана на правиле Тейлора, согласно которому регулятор устанавливает процентную ставку, исходя из принципа ее нейтральности, т. е. она не должна отклонять уровень инфляции и темпы экономического роста от их равновесных значений.
Для прогнозирования решений ЦБ в рамках реализации денежно-кредитной политики оценки были интегрированы в модель с индексами настроений. Основная задача состояла в том, чтобы оценить, будет ли ЦБ склоняться к снижению, повышению или сохранению процентной ставки без изменений (0, 1, 2).
Следовательно, мы рассмотрели два метода классификации: модель случайного леса и модель градиентного бустинга. Обе модели имели одинаковую точность — около 70%, что на 5% превышает результат базовой модели, охватывающей только макроэкономические показатели и не учитывающей качественные показатели, а именно Индекс настроений ЦБ.
В заключение
Хотя сематический анализ в основном рассматривается как дополнительный инструмент к традиционным макроэкономическим моделям, он показывает важность коммуникации ЦБ при прогнозировании решений ДКП.
В более благоприятной экономической среде можно предположить, что роль коммуникаций регуляторов и их прозрачность возрастут и обеспечат большую предсказуемость действий монетарных властей. Таким образом, семантический анализ может стать неотъемлемым элементом макроэкономического моделирования.
Главное
• Анализируем риторику ЦБ — важный инструмент прогнозирования. Настроения ЦБ помогают предсказывать меры денежно-кредитной политики (ДКП), +5% к точности оценок
• С марта 2022 г. настроения регулятора под давлением. Оценки подтверждают, что фокус ЦБ в 2022 г. на показателях роста. Слабый спрос может потребовать от ЦБ дальнейшего смягчения
• Мы прогнозируем снижение ключевой ставки на 50 б.п. в сентябре
Семантический (текстовый) анализ для прогнозирования денежно-кредитной политики. Развитие инструментов машинного обучения в макроэкономике позволило внедрить методы анализа текстов для кратко- и среднесрочного прогнозирования. Основное преимущество этих подходов — способность преобразовывать качественную информацию в количественные показатели, при этом снижая некоторую субъективность в интерпретации заявлений регулятора.
Мы изучили, как со временем менялась риторика и настроения ЦБ, и отразили это в нашей макроэкономической модели, с помощью которой прогнозируем решение регулятора по ставке на следующем заседании.
Основной фокус ЦБ в 2022 г. на перспективах экономики и спроса. Применяя метод анализа текстов, мы выявили, какие ключевые темы звучали в заявлениях ЦБ и как они распределялись. По нашим оценкам, ДКП и инфляция всегда были в числе главных приоритетов регулятора.
Однако в 2015–2016 гг., в период экономического кризиса и высокой неопределенности, регулятор во многом ориентировался на экономическую активность и слабость спроса. В 2020–2021 гг. кризис COVID-19 и связанные с ним проблемы стали еще одним важным фактором, который ЦБ должен был принимать во внимание при реализации денежно-кредитной политики.
Учитывая это, мы пришли к выводу, что комплексная картина факторов, влияющих на решения регулятора, может повысить предсказуемость дальнейших действий ЦБ. Это стало особенно очевидно во II квартале 2022 г., когда, несмотря на значительное инфляционное давление, регулятор активно снижал процентную ставку, по всей видимости, ожидая, что инфляционное давление, обусловленное спросом, начнет снижаться на фоне слабого потребления.
Индекс настроений ЦБ способен повысить точность прогноза. Поскольку одной из целей исследования было выявить в том числе и дополнительные (и во многом непрозрачные) признаки, которые могут помочь в прогнозировании действий регулятора, мы сформировали «Индекс настроений ЦБ».
С одной стороны, он в какой-то мере коррелирует с экономическими показателями. С другой, — имеет более высокую частотность по сравнению с ВВП и чувствительность к рыночным условиям, а значит, является индексом ноукастинга (т.е. оценивает текущую ситуацию) и одновременно индексом ожиданий, которые ЦБ транслирует в текстах своих заявлений. Наши оценки показали, что индекс настроений обладает предсказательной силой: добавление индекса в модель повысило ее точность примерно на 5%.
Наш прогноз: ЦБ может снизить ключевую ставку на 50 б.п. на ближайшем заседании. Результаты ML-анализа (анализ с использованием алгоритма машинного обучения) указывают на то, что ЦБ, скорее всего, продолжит смягчать денежно-кредитную политику — такой вариант предлагается по расчетам двух моделей. Одна из них обозначила направление действий регулятора в сторону снижения ставки, а другая указала, что ЦБ, вероятно, снизит ее на 35 б.п. В соответствии с этими оценками мы ожидаем, что регулятор продолжит смягчать свою денежно-кредитную политику, но его действия станут более осторожными, и снижение окажется в пределах стандартных 50 б.п.
В деталях
Риторика ЦБ отражает его настроения
Семантический анализ как отражение подхода ЦБ к монетарной политике
Коммуникации как инструмент политики. В последние месяцы российские власти все чаще прибегают к вербальным интервенциям — они стали временным, хотя и довольно успешным инструментом воздействия на ожидания потребителей и бизнеса, а также изменения экономической модели.
Например, за один день после заявления министра финансов о возможных валютных интервенциях или введении бюджетного правила рубль ослабевал на 3–5%. Очевидно, что в период экономического кризиса все заявления правительства кажутся важными и в какой-то мере могут переломить настроения рынка, но и в обычное время коммуникация также рассматривается как инструмент влияния на деловую и рыночную конъюнктуру.
Количественные метрики коммуникаций ЦБ РФ. У регулятора есть разные варианты: они могут «создавать новости», следовательно двигать финансовые рынки; или же «уменьшать шум» — рыночные ожидания будут закрепленными, а экономическая политика станет более предсказуемой.
Сейчас коммуникация кажется особенно важным инструментом в России, так как позволяет определить некоторые экономические настроения и уменьшить «разрыв в данных» из-за приостановки публикации статистики. В то же время эту качественную информацию (коммуникацию) можно преобразовать в количественные показатели и улучшить наше понимание экономических процессов и тем самым повысить точность прогнозов.
Методы анализа текста в макроэкономике. Развитие инструментов машинного обучения в макроэкономике позволило внедрить методы анализа текстов для кратко- и среднесрочного прогнозирования. Эти инструменты разрабатывались в ЕЦБ, МВФ и других международных институтах. Одно из их главных достижений заключается в обобщении большого массива информации и снижении субъективности в интерпретации заявлений, в том числе и регулятора.
В России этот подход не нашел широкого применения, вероятно, из-за крайне уязвимой экономической среды, вынуждавшей регулятора иногда принимать нестандартные решения (например, с февраля 2022 г. ЦБ провел три внеплановых заседания, что для рынка стало неожиданностью).
Тем не менее, мы полагаем, что с тех пор, как регулятор начал публиковать свои прогнозные ожиданиями по процентной ставке и тем самым делиться своим видением с рынком, прогностическая сила его сообщений заметно возросла. Следовательно, эти данные как сигнал будущих изменений процентной ставки стало важно учитывать и включать в макроэкономические модели.
Подход БКС: Анализ текста + макроиндикаторы = прогноз ставки. В нашем подходе было важно проанализировать предсказуемость денежно-кредитной политики, учитывая транслируемую ЦБ РФ информацию.
Во-первых, мы посмотрели на то, как со временем менялась риторика и настроения ЦБ и какие ключевые темы звучали. В рамках этого анализа мы изучили отчеты и комментарии (в том числе выступления Эльвиры Набиуллиной) регулятора по ключевой ставке с 2015 г. Эволюция этих тем рассматривается как первый шаг в анализе изменения настроений ЦБ с течением времени.
Затем мы использовали метод анализа текста, который опирается на словари, работающие с экономическими и финансовыми текстами и позволяющими выявлять слова с «негативным» и «позитивным» окрасом.
На основе этого мы построили индекс, который назвали «Индексом настроений ЦБ» и добавили его в макроэкономическую модель для прогнозирования решения регулятора по ставке, а также проверки — можно ли с его помощью частично объяснить действия регулятора.
Мы протестировали разные типы моделей, но наилучшие результаты были получены при использовании классификатора случайного леса (Random Forest Classifier) и модели XG Boost (Extreme Gradient Boosting, или градиентный бустинг). Результаты этих моделей должны помочь ответить нам на два вопроса:
• продолжит ли ЦБ монетарное смягчение или возьмет паузу
• какие факторы могут спрогнозировать само решение, а также какой шаг изменения ключевой ставки стоит ожидать
Методология: предварительная обработка
Наш анализ базируется на двух типах документов ЦБ: заявления по ключевой ставке и пресс-конференции Председателя Центробанка — оба представляют взгляды регулятора на текущие и будущие решения по монетарной политике, а также иногда демонстрируют основные факторы принятия политических решений.
Во-первых, мы объединили тексты с аналогичными данными и очистили их, убрав знаки пунктуации, стандартные стоп-слова, нерелевантные для нашего анализа, а также числа, применяя технику Обработки естественного языка. После трансформации мы оставили написание всех слов в нижнем регистре и разбили их на лексемы — теперь тексты представлены в виде отдельных слов.
Во-вторых, применив технику лемматизации, мы преобразовали набор слов в их исходные формы – так, например, глагол «шел» превратился бы в форму «идти». Следующий шаг может включать в себя исключение специфичных для ЦБ слов, таких как имена председателя или ее заместителей.
Индекс экономического настроения ЦБ из его заявлений
Длина тестов заявлений ЦБ увеличилась в 2022 г.: в ответ на шок. С 2015 г., когда было внедрено таргетирование инфляции, ЦБ стал двигаться в сторону увеличения собственной прозрачности. Косвенно это видно по длине текстов заявлений ЦБ, которая увеличивается с 2016 г. (появление пресс-конференций главы центробанка также способствовало повышению прозрачности и более эффективным коммуникациям).
Помимо этого, в наиболее уязвимые периоды, такие как пандемический шок 2020 г., длина текстов заявлений по итогам пресс-конференций также росла. Таким образом, «многословность» регулятора, вероятно, была обусловлена не только намерением повысить прозрачность, но и попыткой ослабить опасения рынка.
Вместе с тем в 2022 г. ситуация несколько изменилась — ряд решений ЦБ по монетарной политике был озвучен без пояснений, текст заявлений был коротким, и лишь с июня регулятор вернулся к прежней стратегии коммуникаций. По нашим оценкам, в данный период его настроения также улучшились.
Ключевые приоритеты ЦБ: спрос, инфляция и банковская деятельность. Применяя метод анализа текстов, мы выявили, какие ключевые темы звучали в заявлениях ЦБ и как они распределялись.
Мы использовали модель с четырьмя темами — первоначально мы рассматривали десять тем, но оценка показала, что их можно консолидировать в четыре кластера. Отмечая наиболее частотные для первой темы слова (такие как «цена», «монетарный», «финансовый»), мы идентифицировали ее как «инфляция/финансовый рынок».
В рамках второй темы наиболее часто встречались слова «банк», «кредит» и «кредитование», мы обозначили ее как банковская деятельность. Кроме того, тему, относящуюся к шокам, можно описать при помощи следующих слов: «ужесточение», «пандемия», «антикризисный». Последняя тема характеризовалась превалированием таких слов, как «спрос», «снижение», «потребитель», поэтому она относится к теме спроса.
В 2022 г. фокус ЦБ сместился в сторону перспектив развития экономики и спроса. Чтобы получить представление об эволюции приоритетов ЦБ, мы рассмотрели, каким образом развивались темы заявлений регулятора с течением времени. Согласно нашим оценкам, среди ключевых приоритетов ЦБ всегда оставались монетарная политика и инфляция.
Вместе с тем в 2015–2016 гг., в период экономического кризиса и высокой неопределенности, регулятор в первую очередь концентрировался на экономической деятельности и слабых темпах роста.
Затем приоритеты частично сместились в сторону монетарной политики и банковской деятельности. В 2020–2021 гг. коронакризис и сопутствующие проблемы стали еще одним важным фактором, который ЦБ стало необходимо учитывать перед принятием решений по монетарной политике.
В целом наличие полной картины ключевых факторов, определяющих решения регулятора, может повысить предсказуемость дальнейших шагов монетарной политики. Это стало особенно очевидно во II квартале 2022 г., когда, несмотря на существенное инфляционное давление, регулятор инициировал курс снижения ставки, очевидно ожидая, что инфляционное давление, связанное с динамикой спроса, вскоре ослабнет на фоне слабости потребления.
Методология: текстовый анализ
После завершения предварительной обработки мы определили ключевые темы заявлений ЦБ. Наш основной подход основан на латентном размещении Дирихле (LDA), которое определяет темы, исходя из их фиксированного множества и подразумевая, что каждая тема характеризуется определенным распределением по словам.
Для построения индекса настроений ЦБ мы использовали словарный метод, суть которого в том, чтобы соотнести наш текст со словарем Лофрана и Макдональда, разработанным на основе экономических и финансовых текстов и позволяющим выявлять слова с «негативным» и «позитивным» окрасом.
В 2022 г. индекс настроений ЦБ упал почти до рекордно низкого уровня, но затем немного восстановился. Поскольку одной из целей нашего исследования было выявить дополнительные (и во многом непрозрачные) признаки, которые могут помочь в прогнозировании действий регулятора, мы сформировали «Индекс настроений ЦБ».
Этот индекс — лишь часть нашего анализа, но он может пролить свет на то, как менялись настроения ЦБ РФ за последние 7 лет и как они связаны с динамикой экономических показателей страны. Индекс настроений регулятора в целом коррелирует с экономическим ростом — исходя из этого, его можно было бы считать «шумным» индикатором.
В частности, индекс снижался, когда российский финансовый рынок пострадал от низких цен на сырьевые товары в 2015 г.; затем от санкционного давления и вспышки пандемии, и, наконец, в 2022 г. заявления ЦБ указывали на еще более негативные настроения, чем во время двух предыдущих эпизодов.
Однако такая связь с экономическим ростом выявляет определённые преимущества индекса настроений. Во-первых, у него более высокая частотность по сравнению с ВВП и чувствительность к рыночным условиям, а, значит, он может рассматриваться как индекс ноукастинга, оценивающим текущую ситуацию, и одновременно индексом ожиданий, которые транслирует ЦБ. Этот вывод лег в основу наших прогнозов процентных ставок.
Настроения ЦБ указывают на снижение ставки
Индикатор настроений в денежно-кредитной политике указывает на дальнейшее снижение ставки. Регулятор недавно заявил, что рассматривает широкий спектр факторов, которые определяют его решения в сфере денежно-кредитной политики.
Поскольку некоторые из них вряд ли охватываются стандартными макроэкономическими или финансовыми показателями, но могут быть важными, мы включили настроения/коммуникацию ЦБ в стандартную макроэкономическую модель (основанную на правиле Тейлора и включающую рост ВВП, индексы PMI, инфляцию, занятость и т.д.), чтобы получить широкую картину экономических перспектив страны и спрогнозировать возможные шаги регулятора.
Наш анализ выявил два важных фактора. Во-первых, индекс настроений ЦБ обладает некоторой способностью предсказывать события, что было подтверждено увеличением точности модели на 5% при добавлении качественных показателей (мы протестировали две модели: базовую модель только с макроэкономическими показателями и альтернативную с индексами настроений). Во-вторых, результаты расчетов также показали, что индексы настроений значимы и информативны даже без макроэкономических переменных.
Результаты нашего ML-анализа говорят о том, что ЦБ, скорее всего, продолжит смягчать свою денежно-кредитную политику в ближайшей перспективе — на это указывает классификатор случайного леса, который определяет направление действий монетарных властей — будет ли регулятор склоняться к снижению, повышению или оставит процентную ставку без изменений.
Пытаясь предсказать величину монетарного шага ЦБ на следующем заседании, мы построили модель XG Boost, которая объясняет значительную часть изменений процентной ставки. Однако, анализируя решение регулятора в июле, мы видим, что модель смогла объяснить снижение ставки только на 100 б.п., тогда как на самом деле ставка была понижена на 150 б.п.
Несмотря на некоторое расхождение в наших оценках и фактическом решении ЦБ, мы по-прежнему считаем нашу модель относительной точной, полагая, что снижение ставки на 100 б.п. (до 8,5%) в июле могло быть более экономически-обоснованным шагом.
Исходя их этих результатов, мы спрогнозировали возможное решение по ставке ЦБ в сентябре и пришли к выводу, что регулятор, скорее всего, продолжит смягчать денежно-кредитную политику, но его действия будут более осторожными – в пределах стандартного шага в 50 б.п. (в то время как модель указывала на снижение ставки на 35 б.п., мы интерпретировали это как возможность того, что ставка может быть снижена на 50 б.п.).
Методология: анализ текстов и меры денежно-кредитной политики.
Базовая модель основана на правиле Тейлора, согласно которому регулятор устанавливает процентную ставку, исходя из принципа ее нейтральности, т. е. она не должна отклонять уровень инфляции и темпы экономического роста от их равновесных значений.
Для прогнозирования решений ЦБ в рамках реализации денежно-кредитной политики оценки были интегрированы в модель с индексами настроений. Основная задача состояла в том, чтобы оценить, будет ли ЦБ склоняться к снижению, повышению или сохранению процентной ставки без изменений (0, 1, 2).
Следовательно, мы рассмотрели два метода классификации: модель случайного леса и модель градиентного бустинга. Обе модели имели одинаковую точность — около 70%, что на 5% превышает результат базовой модели, охватывающей только макроэкономические показатели и не учитывающей качественные показатели, а именно Индекс настроений ЦБ.
В заключение
Хотя сематический анализ в основном рассматривается как дополнительный инструмент к традиционным макроэкономическим моделям, он показывает важность коммуникации ЦБ при прогнозировании решений ДКП.
В более благоприятной экономической среде можно предположить, что роль коммуникаций регуляторов и их прозрачность возрастут и обеспечат большую предсказуемость действий монетарных властей. Таким образом, семантический анализ может стать неотъемлемым элементом макроэкономического моделирования.
Не является индивидуальной инвестиционной рекомендацией | При копировании ссылка обязательна | Нашли ошибку - выделить и нажать Ctrl+Enter | Жалоба