新型社交媒體與貨幣政策預期管理：理論和中國的證據

劉生福 沈宇星 韓雍

摘要：當前，中國經濟發展面臨需求收縮、供給沖擊和預期轉弱“三重壓力”，穩定預期對于穩定宏觀經濟大盤至關重要。加強貨幣政策預期管理是穩定預期的重要途徑。理論研究發現，中央銀行借助新型社交媒體可以通過提高信息公開普及度和經濟主體對貨幣政策信息的理解精度等途徑增強貨幣政策預期管理的效果。實證檢驗中國人民銀行引入新型社交媒體進行貨幣政策預期管理前后貨幣政策信息對宏觀經濟和金融市場變量的影響，結果表明，中國人民銀行官方微博開通后，貨幣政策溝通指數影響宏觀經濟變量的時滯更短且更加平滑，貨幣政策信息對關鍵金融市場的影響速度更快，程度更高。進一步地，通過挖掘中國人民銀行官方微信公眾號發文大數據發現，新型社交媒體生動形象的親民化溝通方式顯著提高了貨幣政策預期管理信息的公開普及度，同時提高了公眾對貨幣政策信息的理解精度。因此建議中央銀行更多地通過新型社交媒體進行貨幣政策預期管理，通過親民化方式進行貨幣政策溝通，增強貨幣政策預期管理的有效性。

關鍵詞：貨幣政策；預期管理；新型社交媒體；MorrisShin模型；貨幣政策溝通指數

文獻標識碼：A文章編號：100228482023（04）000114

一、問題提出

2021和2022年中央經濟工作會議連續作出“中國經濟發展面臨需求收縮、供給沖擊和預期轉弱‘三重壓力”的判斷，將預期置于與基本供求關系同等重要的位置，足見預期對中國經濟運行的關鍵影響。之所以要高度重視“預期轉弱”這一下行壓力，一方面是因為預期轉弱會導致居民消費與企業投資趨于謹慎，進一步加大經濟下行壓力，并與市場主體的悲觀預期形成不斷強化的自我循環；另一方面則因為預期管理是通過加強與公眾的信息溝通引導公眾預期，從而提高宏觀調控效率的重要手段，預期轉弱會降低宏觀調控的有效性。

預期管理是建設現代中央銀行制度和構建現代貨幣政策框架的重要方面。20世紀90年代以來，各國中央銀行日益重視與市場主體之間的溝通，預期管理也隨之成為貨幣政策領域的一個重要研究方向。2008年全球金融危機后，主要發達經濟體中央銀行普遍面臨“零利率下限”約束，傳統基于價格調控的貨幣政策框架面臨挑戰，以前瞻性指引為典型代表的預期管理工具進入非常規貨幣政策工具箱，并發揮了重要的作用，使得各國中央銀行進一步重視貨幣政策預期管理。中國人民銀行在貨幣政策預期管理方面起步較晚，但具有明顯的后發優勢。近年來，中國人民銀行通過《貨幣政策執行報告》、貨幣政策委員會例會新聞稿、貨幣政策公開市場操作公告等渠道積極開展貨幣政策預期管理，貨幣政策透明度顯著提高。黨的十九屆五中全會明確提出完善宏觀經濟治理和建立現代財稅金融體制，要求完善宏觀經濟制定和執行機制，重視預期管理，提高調控的科學性，同時建設現代中央銀行制度，增強貨幣政策操作的規則性和透明度，建立制度化的貨幣政策溝通機制，有效管理和引導預期，這為中國人民銀行進一步加強貨幣政策預期管理指明了方向。

媒體是中央銀行開展貨幣政策預期管理的重要平臺。傳統上，中央銀行主要通過報刊、電視廣播和官方網站等媒體平臺進行貨幣政策預期管理，但隨著信息技術的發展和進步，具有自媒體特征的，兼具廣泛性、時效性和互動性優勢的新型社交媒體在社會生活中的滲透面逐漸擴大，各國中央銀行不斷探索將其運用于貨幣政策預期管理實踐。目前，美聯儲、歐洲中央銀行、日本銀行、加拿大銀行和澳大利亞聯儲均已開通了官方Twitter賬號和官方Facebook賬號，中國人民銀行也分別于2013年12月和2019年8月開通了官方微博和官方微信公眾號，并通過以上兩個平臺開展貨幣政策預期管理。中國人民銀行通過新型社交媒體發布的貨幣政策溝通信息的數量、閱讀量和關注、點贊數量屢創新高。

盡管新型社交媒體在各國中央銀行貨幣政策預期管理實踐中的運用日益普及，但關于新型社交媒體對貨幣政策預期管理效果方面的理論和實證研究并不多見。本文旨在探索并豐富相關領域的研究文獻，學術價值主要體現在以下兩個方面：理論上，對傳統的MorrisShin模型進行擴展，在原模型中引入信息公開普及度和公眾理解精度變量，推導社會福利函數并進行比較靜態分析；實證上，基于文本挖掘法，從歷年《貨幣政策執行報告》中提取關鍵措辭，構建包括物價走勢、不確定性、政策松緊、利率走勢等11個大類23個細分類別措辭的貨幣政策溝通指數，綜合運用結構向量自回歸（SVAR）模型和事件研究法檢驗新型社交媒體引入前后，貨幣政策溝通指數對宏觀經濟和金融市場變量的影響，采用中國人民銀行官方微信公眾號發文、閱讀和點贊等數據，實證檢驗新型社交媒體影響貨幣政策預期管理的微觀機制。

二、文獻綜述

20世紀90年代以后，各國中央銀行開始重視貨幣政策溝通和透明度，有關貨幣政策預期管理的研究也應運而生。Blinder［1］最早闡述了貨幣政策溝通的概念，認為各國中央銀行應該主動進行溝通，向社會公眾披露必要的信息。在此基礎上，Woodford［2］進一步認為貨幣政策溝通不只是向公眾披露信息，更重要的是要通過這種形式實現對社會公眾預期的科學管理和引導。Blinder等［3］對貨幣政策預期管理做出了完整的定義，即各國中央銀行向社會公眾公示貨幣政策目標、解釋貨幣政策策略、評述經濟前景和貨幣政策走向等信息披露的過程。萬志宏等［4］認為，各國中央銀行可以利用其信息優勢，從兩方面進行預期管理：當社會公眾對經濟狀況認知不足時，各國中央銀行通過“創造信息”（create?news）向社會公眾清楚地傳達某些確定信息；當社會公眾的預期出現明顯分化時，則通過“降低噪聲”（reduce?noise）對一些錯誤信息或者錯誤理解進行澄清，從而正面引導預期，提升貨幣政策有效性。

關于貨幣政策預期管理的效果，國內外學者開展了大量的實證研究，主要聚焦貨幣政策預期管理對宏觀經濟、金融市場以及微觀主體行為的影響。Blinder等［3］最早研究了預期管理對貨幣政策有效性的影響，認為貨幣政策預期管理能夠提升社會公眾對于經濟狀況的認知，從而影響其經濟決策，最終影響貨幣市場、股票市場和外匯市場。Sack等［5］基于美國數據的研究也發現，貨幣政策溝通對通貨膨脹預期具有顯著影響。Guthrie等［6］基于新西蘭數據的實證研究得出，貨幣政策預期管理對不同期限的債券收益率有顯著影響。Ehrmann等［7］收集了美聯儲和歐洲中央銀行官員發表公開講話或接受采訪的數據，研究發現，貨幣政策預期管理會影響不同期限債券的收益率，并且可以通過溝通引導收益率的變動方向。Beine等［8］基于美國和日本數據的實證研究發現，各國中央銀行穩定預期的溝通可以降低匯率波動。Hayo等［9］采用廣義自回歸條件異方差（GARCH）模型研究發現，美聯儲貨幣政策預期管理不僅對美國金融市場有影響，而且會通過外溢效應影響到其他新興經濟體的金融資產價格。Born等［10］基于37個經濟體1994—2009年金融穩定報告（FSR）和貨幣政策委員會成員的講話與訪談，研究了貨幣政策預期管理對股票市場的影響，發現金融穩定報告的發布顯著影響了股票收益率。國內研究方面，李云峰等［11］采用結構向量自回歸模型研究了中國人民銀行預期管理對人民幣匯率變動的影響，認為貨幣政策預期管理可以使人民幣匯率朝著符合意圖的方向變動，且貨幣當局通過溝通影響匯率的時滯較短。冀志斌等［12］運用指數廣義條件異方差（EGARCH）模型研究了中國人民銀行預期管理對債券市場和股票市場的影響，認為貨幣政策溝通對銀行間拆借利率和股票收益率均有影響，口頭溝通的影響要強于書面溝通，中國人民銀行行長的口頭溝通效果強于其他人員的溝通。卞志村等［13］采用SVAR模型的實證研究表明，預期管理可以減弱中國人民銀行與其他經濟參與者的信息不對稱，從而引導公眾對未來通貨膨脹的預期。張強等［14］結合利率期限結構理論研究了貨幣政策預期管理對市場利率的影響，發現貨幣政策預期管理對短期貨幣市場利率的影響顯著，但對長期利率的影響不顯著，同時，傳達緊縮信號的預期管理信息對利率變動的影響比傳達寬松信號的預期管理信息更大。朱寧等［15］實證研究發現，不同類型的貨幣政策預期管理對匯率的影響存在差異，貨幣政策解釋的影響大于經濟狀況展望，中國人民銀行行長講話的影響大于其他人員發聲的影響，傳遞寬松信號的影響大于傳遞緊縮信號。王曦等［16］基于動態隨機一般均衡（DSGE）模型的研究發現，預期沖擊對通貨膨脹的影響更加明顯，建議妥善利用貨幣政策溝通引導經濟主體預期。

部分學者關注到了媒體對市場主體預期的影響。Carroll［17］認為媒體有關物價水平的報道會影響消費者通貨膨脹預期的形成，媒體關于通貨膨脹報道的頻次增加，會提高市場主體對通貨膨脹的關注度，進而調整其自身的通貨膨脹預期。Doms等［18］進一步研究指出，不僅報道的頻次會影響市場預期，報道的質量（如準確性）也對市場預期有顯著影響。Lamla等［19］研究發現，媒體關于物價的報道越多，更多的公眾就有可能接觸到關于通貨膨脹的豐富信息，從而提高其通貨膨脹預期精確度，如果媒體報道本身缺乏精確度，則不利于公眾形成合理的預期。卞志村等［20］以《人民日報》作為媒體披露的代表進行研究，發現短期內市場通貨膨脹預期很大程度上受到媒體關于通貨膨脹報道頻次的影響。張成思等［21］則利用《人民日報》和“巨靈財經”新聞池的數據研究了媒體輿論對通貨膨脹預期的影響，認為中國人民銀行應當關注媒體輿論對公眾預期的導向。

上述研究主要關注傳統新聞媒體，但近年來隨著信息技術不斷發展，新型社交媒體在社會生活中的滲透面逐漸擴大，使得信息傳播方式、速度、受眾面等均發生了巨大變化。以Facebook、Twitter、微博、微信等為代表的新型社交媒體已經構建起了龐大的信息傳遞網絡，任何信息通過新型社交媒體幾乎可以做到實時傳播，信息的時效性大幅提升。此外，新型社交媒體的自媒體特征導致信息傳播者和接收者的邊界更加模糊，普通公眾在接觸到某些信息之后，可以通過轉發促進信息擴散，信息的覆蓋范圍明顯擴大。然而，國內外學術文獻中關于新型社交媒體對于貨幣政策預期管理效果影響的研究并不多見。Luik等［22］首次以美聯儲通過Twitter發布貨幣政策信息的數量量化美聯儲貨幣政策溝通強度，并基于混頻向量自回歸（VAR）模型進行實證分析，結果表明美聯儲通過Twitter發布信息會對金融市場利率以及通貨膨脹、失業等宏觀經濟變量產生顯著影響。Azar等［23］利用美聯儲通過Twitter發布的貨幣政策信息建立數據集，對不同的推文內容進行賦值生成美聯儲溝通變量，研究表明美聯儲推文的內容可以用于預測未來資產收益率。Ludering等［24］建立了VAR模型，發現2013年美國“削減恐慌”（taper?tantrum）時期，Twitter上對美聯儲貨幣政策的討論包含與價格相關的信息，從而導致資產價格變動。截至目前，尚未發現國內外文獻中有關于新型社交媒體對各國中央銀行貨幣政策預期管理效果影響的理論研究，也未發現有實證文獻比較中國人民銀行通過新型社交媒體進行貨幣政策預期管理與通過傳統媒體進行預期管理的效果差異，這正是本文關注的重點。

三、理論推導

Morris等［25］構建的公共信息社會價值模型是貨幣政策預期管理研究領域的一個經典模型。本文結合新型社交媒體具有受眾面廣、溝通形式生動形象等區別于傳統媒體的特點，對經典的MorrisShin模型進行擴展。首先，經典的MorrisShin模型假設每個經濟主體都有一個獨特的私人信息和一個相同的公共信息，并根據這兩類信息作出經濟決策，事實上，現實中并非所有經濟主體都會關注公共信息。通過新型社交媒體進行貨幣政策預期管理，會使更多社會公眾關注到中央銀行發布的貨幣政策信息。因此，本文在經典的MorrisShin模型中引入信息公開普及度變量，社會上只有一部分人關注到了公共信息，另一部分人并沒有關注到，新型社交媒體的使用會改變這兩部分人數的比例。其次，經典的MorrisShin模型假設每個經濟主體都能準確理解公共信息，事實上，不同經濟主體對于相同公共信息的理解能力存在差異，并非所有人都能準確理解公共信息。現實中，中央銀行通過新型社交媒體進行貨幣政策預期管理時通常會采用一些圖文并茂、生動形象的方式進行溝通，也會通過新型社交媒體向公眾普及基本的經濟金融知識，從而有利于提升公眾對貨幣政策溝通信息理解的準確度。因此，本文在經典的MorrisShin模型中引入關于公眾理解精度的變量，即信息接收者對中央銀行所發布信息的理解準確度。

（一）模型假設

假設1（異質性經濟主體假設）：假設社會上有兩類異質性經濟主體，其中第一類經濟主體觀察到了中央銀行發布的信息，并且認為所有人都跟自己一樣觀察到了該信息，而第二類經濟主體則沒有觀察到中央銀行發布的信息，并且認為大家都沒有觀察到該信息。假設第一類經濟主體均勻分布于［0，P］區間，而第二類經濟主體均勻分布于［P，1］區間，0≤P≤1，P的大小反映了兩類經濟主體的比例，用于衡量新型社交媒體對中央銀行貨幣政策預期管理信息受眾面的影響。另外，用ai∈R表示經濟主體i的經濟決策，R表示各種經濟決策的集合，a代表所有經濟主體的決策行為。

假設2（效用函數假設）：假設經濟主體i的效用函數如下：

uia，θ=－1－rai－θ2－rLi－L-（1）

其中，參數θ用于刻畫經濟基本面，r用于描述外部性對效用的影響，0≤r≤1，Li=∫10aj－ai2dj，L-=∫10Ljdj。效用函數包括兩個部分，－1－rai－θ2刻畫了由于經濟主體i的決策ai偏離經濟基本面θ而導致的福利損失，－rLi－L-則刻畫了經濟主體i的決策ai偏離所有經濟主體平均決策a-而導致的福利損失。其中，r作為描述外部性的變量，反映了經濟主體的從眾動機，即猜測其他經濟主體的決策并試圖與大多數人保持一致的行為。經濟主體i的決策偏離社會平均決策越多，則福利損失越大，r越大表示從眾動機部分的福利在效用函數中的占比高，r越小則表示經濟主體的從眾動機弱，而更重視向經濟基本狀態靠攏。

定義社會福利函數為個人效用函數的平均值（經標準化處理），則

Wa，θ=1－r－1∫10uia，θdi=－∫10ai－θ2di（2）

根據式（2）的社會福利函數可知，經濟主體猜測其他經濟主體決策的從眾動機并不會對社會總福利產生影響，真正決定社會福利水平的因素是經濟主體的決策與經濟基本面的偏離程度。對Wa，θ求極值可得社會福利最大化的條件是ai=θ，即每個經濟主體的決策都與經濟基本面保持一致。經濟主體i最優決策為

ai=1－rEiθ+rEia-（3）

其中，a-為所有經濟主體的平均決策行為，即a-=∫10ajdj，Ei·為經濟主體i根據其信息集所得出的期望。

假設3（公私信息假設）：中央銀行預期管理主要是通過影響經濟主體接收的信息，進而影響其經濟決策。第一類經濟主體面臨著兩種信息：其一為經濟主體i的私人信息xi=θ+εi，其中εi～N0，β－1；其二為中央銀行溝通產生的社會公共信息yi=θ+η+vi，η～N0，α－1，vi～N0，λ－1。誤差項εi、η、vi相互獨立，其中εi刻畫經濟主體i個人對經濟基本面的認知偏誤，η刻畫中央銀行對經濟基本面的認知偏誤，vi則刻畫經濟主體i對于公共信息的理解偏誤，而β、α和λ分別表示私人信息的準確度、公共信息的準確度和私人對公共信息的理解精度或者是央行的溝通精度。第二類經濟主體只面臨一種信息，即私人信息。

（二）均衡求解

1.第一類經濟主體的均衡行為

由公私信息假設可知，第一類經濟主體i會獲得xi、yi兩個信息，并基于這兩個信息形成對經濟基本面θ和其他參數的認知預期。根據多元正態分布條件期望的相關知識可知

篇幅限制，具體推導過程未在文中列出，需要的讀者可向筆者索取。：

Eiθxi，yi=βα+λ/αλ+βα+λxi+αλ/αλ+βα+λyi（4）

Eiθ+ηxi，yi=αβ/αβ+λα+βxi+λα+β/αβ+λα+βyi（5）

對于經濟主體i個人而言，其均衡行為表達式如下：

ai=1－rEiθ+rEia-（6）

根據概率論，正態分布的條件期望與已知條件線性相關。根據式（6），經濟主體i的均衡行為ai是條件期望的線性組合，因此均衡行為ai亦是已知信息的線性組合。

采用待定系數法，假設經濟主體i的均衡行為如下：

ai=Kxi+1－Kyi（7）

其中，K為待定系數。由此可得

Eia-=Eia-xi，yi=KEiθxi，yi+1－KEiθ+ηxi，yi（8）

將式（4）（5）（8）代入式（6）后，與式（7）進行系數對比，可得關于K的方程：

K=1－Krαβ/αβ+α+βλ+1－rβα+λ/αλ+βα+λ+

Krβα+λ/αλ+βα+λ（9）

從而可得

K=αβ+βλ－rβλ/αβ+αλ+βλ－rβλ（10）

即經濟主體i采用下列均衡行為：

ai=αβ+βλ－rβλ/αβ+αλ+βλ－rβλxi+αλ/αβ+αλ+βλ－rβλyi（11）

對式（11）重新整理后可得如下形式：

ai=βα+λ/αλ+βα+λxi+αλ/αλ+βα+λyi+

rαβλ2/αβ+αλ+βλαβ+αλ+βλ－rβλyi－xi（12）

將式（12）與式（4）進行對比可以發現，第一類經濟主體的均衡行為表達式，即式（12）中，前半部分就是式（4），即主體i對經濟基本面θ的預期，后半部分則代表在式（4）的基礎上提高yi的比重，降低xi的比重。這意味著相比于對θ的預期，第一類經濟主體的均衡行為中對私人信息xi的依賴減弱，對公共信息yi的依賴增強。

基于以上的求解過程可以得到第一類經濟主體的社會福利：

W1a，θ=－∫P0ai－θ2di=Pα2r－1β－λλ－r－12βλ2－α2β+λ/

r－1βλ－αβ+λ2（13）

2.第二類經濟主體的均衡行為

根據模型的公私信息假設，由于第二類經濟主體并沒有觀察到中央銀行所發布的信息，故該類經濟主體i只獲得一個私人信息xi，并僅基于xi得到對經濟基本面θ的預期。

Eiθxi=xi（14）

由于該類經濟主體i只有私人信息xi，故其行為公式如下：

ai=xi（15）

從而可以求得第二類經濟主體的社會福利：

W2a，θ=－∫1Pai－θ2di=－1－P/β（16）

3.社會總福利

將兩類經濟主體的社會福利加總，即得到社會整體福利為

W=W1+W2=Pα2r－1β－λλ－r－12βλ2－α2β+λ/r－1βλ－αβ+λ2－1－P/β（17）

（三）比較靜態分析

1.擴大信息受眾面（P）的影響

對信息公開普及度做比較靜態分析：

dWa，θ/dP=αλαβ+λ－βλ2r－1/βr－1βλ－αβ+λ2（18）

當α＞βλ2r－1/β+λ時，dWa，θ/dP＞0，即當中央銀行所公布信息的準確度達到某一標準時，隨著中央銀行信息公開普及度的提升，社會福利是增進的。

下面對中央銀行信息準確度標準，即對α＞βλ2r－1/β+λ做進一步的細化分析。可知βλ2r－1/β+λ是β、λ、r的增函數，具體分析如下：

（1）不等式α＞βλ2r－1/β+λ右側分子分母同時除以β，得：α＞λ2r－1/λ/β+1。β越大，λ2r－1/λ/β+1就越大，這表明當個人信息的精確度較高時，對中央銀行發布信息精確度的要求也相應較高。因為如果個人信息精確度較高，而中央銀行發布信息精確度較低，中央銀行發布信息的公開普及度越高，反而會對經濟主體的認知產生更多的錯誤引導，最終導致社會福利下降。

（2）不等式右邊分子分母同時除以λ，得：α＞β2r－1/β/λ+1。λ越大，β2r－1/β/λ+1就越大，這表明當經濟主體對中央銀行所發布信息的理解精度較高時，對中央銀行發布信息精確度的要求也相應越高。

（3）r越大，βλ2r－1/β+λ就越大，這意味著經濟主體的從眾動機越強，對貨幣政策溝通的信息精確度要求也相應越高。第一類經濟主體認為中央銀行發布的信息為所有人所知，即完全是公共信息，該信息影響所有人的行為。而經濟主體的從眾動機意味著每個人都會推測他人的行動，即個體決策必然會依賴公共信息，從眾行為越明顯，對公共信息的依賴就越強。故經濟主體的從眾動機越強，要求中央銀行公布信息的準確度越高，這樣才能保證中央銀行信息公開普及度提升可以促進社會福利提升。

綜上所述，私人信息的準確度越高、私人對公共信息的理解精度越高以及經濟主體的從眾動機越強，要求公共信息的準確度越高，只要中央銀行發布的信息能夠達到一定的準確度標準，采用新型社交媒體宣傳手段擴大貨幣政策信息普及度就有益于社會福利提升。

2.提高市場主體對信息理解精度（λ）的影響

對經濟主體理解精度做比較靜態分析，公式如下：

dWa，θ/dλ=Pα2αβ+α+β－3rβλ/αβ+α+β－rβλ2（19）

這樣dWa，θ/dλ＞0就等價于

αβ+α+β－3rβλ＞0（20）

對式（20）進行以下分類討論：

情況一：由于0≤r≤1，α＞0，β＞0，λ＞0，故若α+β－3rβ＞0，則式（20）必成立，即情況一等價于解不等式α+β－3rβ＞0。

（1）由于0≤r≤1，故若α＞2β，則必有α+β－3rβ＞0。

（2）若0＜α≤2β且不等式α+β－3rβ＞0成立，則需滿足0≤r≤α+β/3β。

故情況一下有兩解：α＞2β，或者0＜α≤2β且0≤r≤α+β/3β。

情況二：若情況一中的不等式不成立，即α+β－3rβ＜0，此時若仍要使式（20）成立，則需滿足0≤λ≤－αβ/α+β－3rβ。

故情況二下的解為：0＜α≤2β，α+β/3β＜r≤1且0＜λ＜－αβ/α+β－3rβ。

綜上分析，dWa，θ/dλ＞0的解為：α＞2β；0＜α≤2β且0≤r≤α+β/3β；0＜α≤2β，α+β/3β＜r≤1且0＜λ＜－αβ/α+β－3rβ。

根據解α＞2β可知，如果中央銀行的信息準確度較高，加大溝通力度來提升公眾的理解精度有益于增進社會福利，在這種情況下中央銀行應進行更積極的溝通，如提高溝通頻率、強調溝通內容、采用便于理解的溝通方法等，以保證公眾能夠對中央銀行的溝通有正確的理解。當中央銀行信息的準確度不足時，應視市場主體的情況而采取不同的策略：若市場主體的從眾動機不強，適當增加溝通仍能起到引導作用，增加社會福利；若市場主體的從眾動機很強，則一般情況下中央銀行應減少溝通。

3.提高私人信息準確度（β）的影響

對私人信息準確度做比較靜態分析，公式如下：

dWa，θ/dβ=

Pα+λ－rλr－12βλ2+α2β+λ+αλ2β－2rβ+λ+rλ/

αβ+α+β－rβλ3+1－P/β2（21）

由于0≤P≤1，0≤r≤1，α＞0，β＞0，λ＞0，易知dWa，θ/dβ＞0，即私人信息精確度的提升總是有益于社會福利水平的增加。中央銀行可開展一些帶有經濟金融知識普及性質的溝通活動，提升社會公眾對經濟形勢和貨幣政策的認知能力，提高其對貨幣政策預期管理信息的理解精度。

根據以上理論推導可以做出如下判斷：一方面，通過新型社交媒體進行溝通會使更多社會公眾關注到中央銀行發布的信息，從而提高貨幣政策預期管理信息的公開普及度，從模型比較靜態分析結果看，在中央銀行發布信息的準確度達到一定標準后，隨著中央銀行信息公開普及度的提升，社會福利會增進。另一方面，引入新型社交媒體后，中央銀行更多以圖文并茂、生動形象的方式與社會公眾進行溝通，同時也通過新型社交媒體向公眾普及經濟金融知識，提高了公眾對貨幣政策預期管理信息的理解精度，從模型比較靜態分析結果看，若中央銀行信息準確度高于私人信息，提升公眾對央行貨幣政策預期管理信息的理解精度有益于增進社會福利。

四、實證分析

（一）實證研究設計

根據研究目標和理論推導結果，同時結合數據可得性，本文提出以下兩個研究假說：

假說1：中國人民銀行引入新型社交媒體進行貨幣政策溝通后，中國貨幣政策預期管理的效果顯著提升。

假說2：相較于傳統媒體，中國人民銀行通過新型社交媒體進行貨幣政策預期管理，有助于提高貨幣政策信息的普及度和公眾對于貨幣政策信息的理解精度。

為驗證假說1，本文首先構建貨幣政策溝通指數，作為貨幣政策預期管理的代理變量。鑒于當前中國人民銀行進行貨幣政策預期管理的新型社交媒體主要是官方微博和官方微信公眾號，同時考慮到中國人民銀行官方微博開通時間較長，具有相對豐富的時間序列數據，本文將通過SVAR模型和事件研究法，實證檢驗中國人民銀行開通官方微博對貨幣政策預期管理效果的影響，即驗證官方微博開通后，貨幣政策溝通指數變動對宏觀經濟和金融市場變量的作用效果是否較官方微博開通前顯著改善。

根據本文理論模型，引入新型社交媒體后會通過兩種機制增強貨幣政策預期管理的效果：一是新型社交媒體的廣泛使用擴大了貨幣政策信息的受眾范圍，二是新型社交媒體生動形象的信息傳播方式提高了公眾對于貨幣政策信息的理解精度。微信在國內眾多新型社交媒體中的影響力較為突出，根據騰訊控股業績報告，截至2022年第三季度末，微信月活躍人數已達到13.09億人，占全國總人口的比重超過90%。中國人民銀行于2019年8月正式開通官方微信公眾號，通過這一新型社交媒體與社會公眾進行貨幣政策溝通，并且嘗試了許多圖片、漫畫、視頻等生動形象的信息傳播方式，受關注度日益提高。中國人民銀行官方微信公眾號的開通既提高了貨幣政策預期管理信息的公開普及度，同時也以生動形象的溝通方式增強了受眾對于貨幣政策溝通信息的理解精度，為本文檢驗新型社交媒體影響貨幣政策預期管理效果的微觀機制提供了一個很好的自然實驗。

因此，為驗證假說2，本文通過挖掘中國人民銀行官方微信公眾號發文大數據，實證檢驗新型社交媒體形象化的溝通方式是否有助于擴大貨幣政策溝通信息的公開普及度和提升公眾對相關信息的理解精度，即檢驗新型社交媒體影響貨幣政策預期管理效果的微觀機制。

（二）貨幣政策溝通指數構建

如何對中央銀行貨幣政策溝通進行量化是貨幣政策預期管理領域需要解決的一個關鍵問題。早期研究通常將中央銀行貨幣政策溝通事件轉換為0—1虛擬變量，這種方法只描述了中央銀行是否存在貨幣政策溝通，沒有描述溝通頻率等任何其他信息，難以進行更深入的研究［17，2627］。最直接的改進方法就是以中央銀行進行貨幣政策溝通的次數作為貨幣政策溝通的代理變量，如Luik等［22］以美聯儲通過Twitter發布貨幣政策溝通信息的數量衡量貨幣政策溝通，但這種處理方式仍然忽略了中央銀行貨幣政策溝通所包含的許多關鍵信息，無法準確刻畫貨幣政策預期管理行為。為了更加細致地刻畫貨幣政策溝通，學術界開始考慮對中央銀行貨幣政策溝通事件進行“打分”，Ehrmann等［7，28］分別對傳達緊縮、中性和擴張意圖的貨幣政策溝通事件賦予1、0和－1等不同分值。這種方法在一定程度上實現了對中央銀行貨幣政策溝通的量化，但由于不同學者對同一個貨幣政策溝通事件的解讀可能并不相同，使得賦值具有較強的主觀性，導致分析結果不穩健。為避免情緒賦值法主觀性判斷的影響，近年來，學術研究傾向于采用構建指數的方法對中央銀行貨幣政策溝通進行量化。Heinemann等［29］提出的措辭提取法具有典型性，該方法提取中央銀行貨幣政策溝通內容中的關鍵措辭并計算頻數，建立貨幣政策溝通指數，所得出的貨幣政策溝通量化指標相比于情緒賦值法更加客觀。卞志村等［20］最先利用措辭提取法構建中國人民銀行信息披露指數，總共選定了8個措辭類型。林建浩等［30］為了計算更準確的貨幣政策溝通指數，將提取措辭的類型擴大至19個。

本文借鑒并擴展Heinemann等［29］的思路，基于中國人民銀行2001年第一季度（2001Q1）—2020年第四季度（2020Q4）發布的《貨幣政策執行報告》，采用措辭提取法構建貨幣政策溝通指數（WI）。在《貨幣政策執行報告》中提取了物價走勢、不確定性、政策松緊、利率走勢等11個大類措辭，并細化為23類二級措辭，每一類二級措辭下包含若干具體關鍵性措辭

限于篇幅，相關措辭列表未在文中顯示，需要的讀者可向筆者索取。。通過方差分析檢驗和單調性檢驗，最終保留了包括通貨膨脹在內的12類有效措辭用于構建貨幣政策溝通指數。

參考Heinemann等［29］的思路，先對通過有效性檢驗的措辭進行標準化處理，再以η2為權重進行加權求和，即可得出貨幣政策溝通指數的具體數值（見表1），具體公式為

WIt=∑k???i=1frexit－mxi/sxisgnxiwxi（22）

其中，WIt為貨幣政策溝通指數，frexit為措辭i在t期發生的次數，mxi為各個時期發生次數的均值，sxi為各個時期發生次數的標準差；sgnxi為措辭i在貨幣政策寬松期發生次數減去在貨幣政策緊縮期發生次數的符號，前者大于后者取正號，反之反是；wxi為權重系數，取值為wxi=η2xi。

（三）引入新型社交媒體對貨幣政策溝通效果的影響檢驗

1.對宏觀經濟指標的影響檢驗

下面構建包含四個變量的SVAR模型，基于該模型對中國人民銀行官方微博開通前后兩個時期分別進行脈沖響應分析，通過對比脈沖響應函數的差異，分析新型社交媒體對貨幣政策預期管理效果的影響。其中，央行溝通指數（WI）采用上文基于《貨幣政策執行報告》構建的季度時間序列數據，取值越大代表貨幣政策越寬松。將產出缺口（GAP）作為社會福利水平的代理變量，定義為實際產出與潛在產出之間的差額，正向缺口較大代表經濟處于繁榮階段。以消費者價格指數（CPI）作為通貨膨脹率的代理變量，以廣義貨幣增長率（M2）作為貨幣政策的代理變量。季度實際GDP和月度CPI數據來自國家統計局，M2數據來自中國人民銀行，利用X12方法對GDP進行季節調整，通過HP濾波法計算潛在產出從而得到GAP，將月度CPI折算為季度通貨膨脹率。各變量的描述性統計和平穩性檢驗結果見表2，WI、CPI、GAP和M2均在1%的顯著性水平下平穩。

中國人民銀行官方微博開通前后模型脈沖響應函數的對比如圖1所示。圖1（a）～圖1（c）是微博開通前的脈沖響應函數，圖1（d）～圖1（f）是微博開通后的脈沖響應函數。對比圖1（a）和圖1（d）可以看出，在中國人民銀行官方微博開通之前，貨幣政策溝通指數1個正向標準差波動會導致產出缺口發生1個正向標準差變動，該影響在第1期與第2期之間達到峰值100左右，第3期收斂于0。中國人民銀行官方微博開通后，該影響在第3期達到峰值300左右，第4期影響消失。這一對比結果表明，引入新型社交媒體前后，同樣來自貨幣政策溝通指數的1個正向標準差沖擊，使得貨幣政策預期管理效果的變化呈現以下特征：即對產出缺口影響的峰值提高，影響持續的時間變長，影響過程更加平滑。從刺激經濟的視角看，通過新型社交媒體進行預期管理的效果有所改善。對比圖1（b）和圖1（e）可以看出，貨幣政策溝通指數1個正向標準差的沖擊會導致通貨膨脹產生負向變動，且該效應在第1期達到最大值，此后逐漸減弱。微博開通之前，貨幣政策溝通指數對通貨膨脹的影響約到第8期才收斂于0，而微博開通之后這一影響在第2期就基本消退，意味著通過新型社交媒體引導公眾通貨膨脹預期的效果更加明顯，更多的經濟主體會更快地關注并理解貨幣政策的真實意圖，及時調整通貨膨脹預期。對比圖1（c）和圖1（f）可以看出，中國人民銀行官方微博開通前，貨幣政策溝通指數1個正向標準差波動會對M2增速有明顯的負向影響，而微博開通后這種影響消失，可能是因為引入新型社交媒體后，中國人民銀行能更清楚、快捷地表達貨幣政策信息，并使經濟主體更好地理解逆周期調節的意圖。例如，中國人民銀行釋放寬松信號通常是為了在市場預期偏悲觀的情況下提振市場信心，此時具有順周期行為特征的金融機構通常存在惜貸現象，但在金融機構快速領會逆周期調節意圖后，會理解貨幣政策環境是利好企業的，從而避免過度惜貸的行為，以M2為代表的銀行信用也就不會明顯收縮。特別是在通過新型社交媒體進行貨幣政策預期管理后，更多金融機構和經濟主體會關注到中國人民銀行發布的信息，從而更快適應其逆周期調節政策。

圖1中國人民銀行官方微博開通前后宏觀經濟變量對央行溝通指數的脈沖響應對比

2.對金融市場指標的影響檢驗

下面采用事件研究法探討中國人民銀行官方微博開通前后，貨幣政策預期管理對主要金融市場的影響是否存在差異，重點考察貨幣政策溝通對股票市場和外匯市場的影響，主要變量包括滬深300指數和美元對人民幣匯率中間價，數據均來自Wind數據庫，并根據原始數據計算對數收益率。

由于中性政策溝通并沒有明確的導向，且中國人民銀行官方微博開通后中國經濟進入“易冷難熱”的階段，很少通過《貨幣政策執行報告》傳遞緊縮信號，下面重點關注中國人民銀行釋放寬松信號的貨幣政策溝通事件。將中國人民銀行發布《貨幣政策執行報告》視為貨幣政策溝通的一個代理變量，相應地把《貨幣政策執行報告》發布日定義為目標事件日t0，該報告發布前后的4天定義為事件窗，即［－4，4］，事件窗前21天定義為估計窗，即［－25，4］。為盡可能排除其他重大事件導致的金融市場收益率變動，本文在樣本中剔除了2008年金融危機和2015年股災期間的《貨幣政策執行報告》。

根據事件研究法，分別計算中國人民銀行官方微博開通前后各金融市場標的資產的平均超常收益率（AAR）和累計超常收益率（CAAR），并檢驗央行官方微博開通前后CAAR的差異性，結果如表3所示。從股票市場看，中國人民銀行官方微博開通前后，在［-2，2］窗口期內，CAAR在5%的顯著性水平下呈

現一定的正差異性，而在［-3，3］窗口期內該差異則在10%的水平下顯著，表明官方微博開通后，傳遞寬

松信號的貨幣政策溝通對股票市場收益率影響更大，這可能是由于通過新型社交媒體進行預期管理后，更多經濟主體感受到央行傳遞的寬松信號，在股票市場從眾動機作用下，短期內提高了股票收益率。從外匯市場看，官方微博開通前后，在［-2，2］窗口期內，CAAR在10%的顯著性水平下呈現一定的正差異性，這可能是由于新型社交媒體使中國人民銀行貨幣政策溝通更有效率，從而中國人民銀行預期管理信息被外匯市場參與者更快地吸收和消化。

總體而言，從貨幣政策溝通對宏觀經濟和金融市場變量的影響看，引入新型社交媒體后，中國人民銀行貨幣政策溝通對宏觀經濟和金融市場的影響顯著增強，貨幣政策預期管理效果顯著提升，從而驗證了前文提出的假說1。

（四）微觀機制檢驗

1.數據挖掘與描述性分析

閱讀和點贊量可以作為社會公眾關注中國人民銀行發布信息的一個衡量指標。要實證檢驗引入新型社交媒體對貨幣政策預期管理效果的影響，理想的情況是對比通過中國人民銀行官方微信公眾號發布與官網相同的信息后，閱讀和點贊數量是否顯著增加。遺憾的是，中國人民銀行官方網站尚未設計點贊機制，筆者也無法獲得其發布信息的瀏覽量，因此，本文僅就中國人民銀行官方微信公眾號發布文章的閱讀和點贊量進行統計分析。直觀來看，閱讀量越大表示有越多公眾關注到了中國人民銀行發布的信息，點贊通常則意味著讀者對所閱讀信息有一定的理解。本文以閱讀量代表中國人民銀行官方微信公眾號發布信息的公開普及度，以點贊量代表受眾對其所發布信息的理解精度。本文挖掘了2019年8月2日—2021年3月31日期間中國人民銀行官方微信公眾號發文大數據，統計了期間所有文章的閱讀量和點贊量（含點贊數和在看數），由于閱讀和點贊量隨著時間的推移逐漸趨于穩定，因此，選擇2021年4月30日作為統計時點。為分析影響閱讀量和點贊量的主要因素，本文還統計了每篇文章中包含的圖片數量、視頻數量、是否采用漫畫式溝通以及文章類型等信息。統計結果顯示，截至2021年3月31日，中國人民銀行微信公眾號累計發布文章1?383篇，其中采用漫畫等溝通方式的有63篇。主要變量描述性統計結果如表4所示。

2.模型構建

為檢驗新型社交媒體影響貨幣政策預期管理效果的微觀機制，構建以下兩個估計方程：

REAi=α0+α1PIC+α2VID+α3COM+β1TYP1+β2TYP2+β3TYP3+εi（23）

LIKi=α0+α1PIC+α2VID+α3COM+β1YYP1+β2TYP2+β3TYP3+εi（24）

其中，REAi是通過官方微信公眾號發布文章的閱讀量，作為貨幣政策預期管理信息公開普及度的代理變量；LIKi是公眾對央行官方微信公眾號發布文章的點贊數，近似作為公眾對央行貨幣政策預期管理信息理解精度的代理變量；PIC和VID分別是文章中所包含的圖片和視頻的數量，COM是表示文章中是否采用漫畫溝通的虛擬變量。由于社會公眾對不同類型文章的關注度可能不盡相同，因此，本文在構建回歸模型時，將中國人民銀行官方微信公眾號發布的文章分為以下五類：第一類是政策發布，主要用于發布權威信息，溝通貨幣政策方面的舉措、其他金融政策變動以及人民銀行和金融系統的工作重點；第二類是解讀回應，主要是對政策變動進行解讀，以便于公眾理解，也會通過答記者問、會議新聞稿、聲明等方式積極回應社會關切話題，及時傳遞金融信息，引導市場預期；第三類是統計數據，主要是對過去一段時間經濟金融數據的描述性統計，用數字和圖表等方式呈現經濟金融運行狀況；第四類是金融知識普及，如中國人民銀行對數字人民幣、貸款市場報價利率（LPR）改革、存款保險、征信等金融知識的宣傳和介紹，旨在提高社會公眾的金融常識；第五類主要是專題專欄，比如疫情防控、扶貧、黨政工作等。第五類包含的話題較多，與經濟金融的相關性較弱，本文回歸分析中剔除了第五種文章類型，相應地在模型中引入三個虛擬變量，TYP1、TYP2、TYP3依次代表文章類型為政策發布、統計數據和解讀回應，εi為擾動項。

3.結果分析

實證模型回歸結果見表5。中國人民銀行官方微信公眾號文章中包含圖片數量對閱讀量有顯

著的正向影響，采用漫畫溝通對閱讀量的影響也顯著為正，這說明中國人民銀行親民化的溝通方式能在一定程度上提升貨幣政策預期管理信息的受關注度，從而提升信息公開普及度。但是視頻數量對文章閱讀量的影響并不顯著，可能是因為瀏覽視頻通常需要較長時間，除非看到感興趣的主題，讀者才會認真觀看視頻，否則只簡單瀏覽文章內容即可。中國人民銀行官方微信公眾號文章點贊數的回歸結果顯示，不僅圖片數量與漫畫溝通對因變量有顯著的正效應，視頻數量對點贊數的影響也在1%的水平下顯著，表明中國人民銀行通過新型社交媒體進行親民化的溝通，更容易提升公眾對于貨幣政策溝通信息的理解精度。

五、結論與啟示

本文通過構建一個考慮信息公開普及度與公眾理解精度的MorrisShin擴展模型，基于異質性經濟主體、效用函數以及公私信息等假設進行推導，使用比較靜態方法分析了信息公開普及度、私人信息準確度以及經濟主體對中央銀行貨幣政策信息理解精度等因素對社會福利水平的影響。研究結論如下：新型社交媒體的運用會提升中央銀行貨幣政策預期管理信息的公開普及度，只要中央銀行發布信息的準確度達到一定標準，隨著信息公開普及度的提升，貨幣政策溝通就能給社會公眾正確的引導，使其決策收斂于經濟基本面的真實狀態，增進社會福利；新型社交媒體生動形象的親民化溝通方式，有助于提高公眾對于貨幣政策預期管理信息的理解精度，若中央銀行信息準確度高于私人信息，加強貨幣政策溝通就有益于增進社會福利。

分別采用SVAR模型和事件研究法，實證檢驗中國人民銀行引入新型社交媒體進行貨幣政策預期管理前后，貨幣政策溝通指數對主要宏觀經濟和金融市場變量的影響。研究發現，引入新型社交媒體后，貨幣政策預期管理的效果顯著提升。SVAR模型實證結果表明，中國人民銀行官方微博開通后，貨幣政策溝通指數對產出缺口、通貨膨脹率和貨幣增長率等主要宏觀經濟變量的影響時滯更短且更加平滑；事件研究法的實證結果表明，官方微博開通后，貨幣政策溝通指數對股票和外匯等關鍵金融市場變量的影響總體上速度更快、程度更高。進一步，通過挖掘中國人民銀行官方微信公眾號發文大數據，實證檢驗新型社交媒體影響貨幣政策預期管理效果的微觀機制，研究發現，采用微博、微信等新型社交媒體進行貨幣政策預期管理，更容易通過生動形象的親民化方式提高貨幣政策信息的公開普及度和公眾對此類信息的理解精度，最終提升社會福利和貨幣政策預期管理的有效性。

本文的政策含義非常直觀，中央銀行應重視通過新型社交媒體進行貨幣政策預期管理，豐富貨幣政策溝通渠道和方式，增強貨幣政策預期管理的有效性。一方面，要借助新型社交媒體的廣泛性和時效性優勢，積極與社會公眾進行溝通，提高貨幣政策信息的公開普及度，持續提高貨幣政策透明度；另一方面，要發揮新型社交媒體的互動性優勢，更多地通過生動形象的親民化方式進行貨幣政策溝通，以圖文并茂的方式普及經濟金融常識，介紹貨幣政策工具，從而提升公眾認知水平和私人部門信息的準確度，增強市場主體對貨幣政策信息的理解精度。需要說明的是，中國人民銀行通過新型社交媒體進行貨幣政策預期管理的時間較短，數據積累較少，而且影響中央銀行貨幣政策預期管理效果的因素眾多，本文力求在實證分析方面做出有益的探索，但囿于研究數據資料有限，未來仍有繼續深化的空間。

參考文獻：

［1］BLINDER?A?S.?Central?banking?in?theory?and?practice［M］.?Cambridge：Massachusetts?Institute?Technology?Press，?1998：71.

［2］WOODFORD?M.?Imperfect?common?knowledge?and?the?effects?of?monetary?policy［R］.?National?Bureau?of?Economic?Research?Working?Papers，?2001.

［3］BLINDER?A?S，?EHRMANN?M，?FRATZSCHER?M.?et?al.?Central?bank?communication?and?monetary?policy：a?survey?of?theory?and?evidence［J］.?Journal?of?Economic?Literature，?2008，?46（4）：910945.

［4］萬志宏，曾剛．中央銀行溝通：理論、策略與效果［J］．金融評論，2013（5）：3850．

［5］SACK?B，?WIELAND?V.?Interest?rate?smoothing?and?optimal?monetary?policy：a?review?of?recent?empirical?evidence?［J］.?Journal?of?Economics?and?Business，?2000，?52（1/2）：205228.

［6］GUTHRIE?G，?WRIGHT?J.?Open?mouth?operations［J］.?Journal?of?Monetary?Economics，2000，?46（2）：489516.

［7］EHRMANN?M，?FRATZSCHER?M.?Communication?by?central?bank?committee?member：different?strategies，?same?effectiveness［J］.?Journal?of?Money，?Credit?and?Banking，?2007，?39（2/3）：509541.

［8］BEINE?M，?JANSSEN?G，?LECOURT?C.?Should?central?bankers?talk?to?the?foreign?exchange?markets？［J］.?Journal?of?International?Money?and?Finance，?2009，?28（5）：776803.

［9］HAYO?B，?NEUENKIRCH?M.?Do?Federal?Reserve?communications?help?predict?federal?funds?target?rate?decisions？［J］.?Journal?of?Macroeconomics，?2010，?32（4）：10141024.

［10］BORN?B，?EHRMANN?M，?FRATZSCHER?M.?Central?bank?communication?on?financial?stability［J］.?The?Economic?Journal，?2014，?124（577）：701734.

［11］李云峰，李仲飛．匯率溝通、實際干預與人民幣匯率變動：基于結構向量自回歸模型的實證分析［J］．國際金融研究，2011（4）：3037．

［12］冀志斌，周先平．中央銀行溝通可以作為貨幣政策工具嗎：基于中國數據的分析［J］．國際金融研究，2011（2）：2534．

［13］卞志村，張義．央行信息披露、實際干預與通脹預期管理［J］．經濟研究，2012（12）：1528．

［14］張強，胡榮尚．中央銀行溝通對利率期限結構的影響研究［J］．國際金融研究，2014（6）：1020．

［15］朱寧，許藝煊，邱光輝．中央銀行溝通對人民幣匯率波形的影響［J］．金融研究，2016（11）：3246．

［16］王曦，王茜，陳中飛．貨幣政策預期與通貨膨脹管理：基于消息沖擊的DSGE分析［J］．經濟研究，2016（2）：1629．

［17］CARROLL?C?D.?Macroeconomic?expectations?of?households?and?professional?forecasters［J］.?The?Quarterly?Journal?of?Economics，?2003，?118（1）：269298.

［18］DOMS?M，?MORIN?N.?Consumer?sentiment，?the?economy，?and?the?news?media［R］.?Federal?Reserve?Bank?of?San?Francisco?Working?Paper，?2004.

［19］LAMLA?M?J，?LEIN?S?M.?The?role?of?media?for?consumers?inflation?expectation?formation［J］.?Journal?of?Economic?Behavior?&?Organization，?2014，?106：6277.

［20］卞志村，宗旭姣．公眾學習、媒體信息披露與通脹預期形成［J］．金融評論，2014（1）：7485．

［21］張成思，蘆哲．媒體輿論、公眾預期與通貨膨脹［J］．金融研究，2014（1）：2943．

［22］LUIK?M，?WESSLEBAUM?D.?Central?bank?communication?and?social?media［R］.?Social?Science?Research?Network?Working?Paper，?2016.

［23］AZAR?P，?LO?A?W.?The?wisdom?of?Twitter?crowds：predicting?stock?market?reactions?to?FOMC?meetings?via?Twitter?feeds［J］.?The?Journal?of?Portfolio?Management，?2016，?42（5）：123134.

［24］LUDERING?J，?TILLMANN?P.?Monetary?policy?on?Twitter?and?asset?prices：evidence?from?computational?text?analysis［J］.?The?North?American?Journal?of?Economics?and?Finance，?2020，?51：100875.

［25］MORRIS?S，?SHIN?H?S.?Social?value?of?public?information［J］.?The?American?Economic?Review，?2002，?92（5）：15211534.

［26］KOHN?D，?SACK?B.?Central?bank?talk：does?it?matter?and?why［R］.?Federal?Reserve?Working?Paper，?2003.

［27］REEVES?R，?SAWICKI?M.?Do?financial?markets?react?to?Bank?of?England?communication？［J］.?European?Journal?of?Political?Economy，?2007，?23（1）：207227.

［28］ROSA?C，?VERGA?G.?On?the?consistency?and?effectiveness?of?central?bank?communication：evidence?from?the?ECB［J］.?European?Journal?of?Political?Economy，?2007，?23（1）：146175.

［29］?HEINEMANN?F，?ULLRICH?K.?Does?it?pay?to?watch?central?bankers?lips？?The?information?content?of?ECB?wording［J］.?Swiss?Journal?of?Economics?and?Statistics，?2007，?143：155185.

［30］林建浩，趙文慶．中國央行溝通指數的測度與譜分析［J］．統計研究，2015（1）：5258．

編輯：鄭雅妮，高原