Cosa ci dice la text analysis sulla comunicazione delle banche centrali ai tempi del Coronavirus

14 luglio 2020

Paola Priola, Giacomo Tizzanini, Piero Lorenzini

Nell’ultimo decennio la comunicazione degli istituti centrali ha acquisito sempre più rilevanza tra gli strumenti di gestione delle aspettative di politica monetaria. Utilizzando tecniche di text analysis è stato possibile analizzare il set informativo presente in comunicati e conferenze stampa e sintetizzarlo in un indice, il Prometeia Central Bank Sentiment Index. Dal quale emergono importanti evidenze

 

Durante il suo mandato alla Federal Reserve, Alan Greenspan divenne l’icona di uno stile comunicativo coniato poi come “Greenspeak”: la tecnica dell’allora presidente consisteva in dichiarazioni verbose e ambigue. “Da quando sono diventato banchiere centrale”, affermò a un congresso, “ho imparato a borbottare con grande incoerenza; se questo vi sembra troppo chiaro, avete frainteso ciò che ho detto”. Una modalità comunicativa “opaca” à la Greenspan rappresentava la prassi comune delle banche centrali fino agli anni ottanta, per cui l'efficacia delle politiche monetarie esigeva l'effetto sorpresa sui mercati.

Quegli anni sono ormai lontani. Non solo per effetto della crisi finanziaria del 2008, rea di aver richiesto un impegno costante di stabilizzazione dei mercati, ma anche per l’evolversi del ruolo della comunicazione per le banche centrali in un contesto di fragilità e incertezza economica. Da tempo il commitment degli istituti è diventato la trasparenza nel fornire al pubblico le informazioni sulle decisioni adottate e le strategie per il futuro, in netto contrasto con il sistema precedente.

La letteratura recente ha riconosciuto l’impatto della comunicazione delle banche centrali sull’economia, sia per effetto dell’evoluzione della comunicazione che per la maggior frequenza delle pubblicazioni (Dincer and Eichengreen, 2014), focalizzandosi non solo sul contenuto ma sul sentiment economico incorporato nel documento.

A differenza però di altri indicatori economici, l’analisi del sentiment richiede metodologie ad hoc per dare una metrica all’informazione qualitativa (Grimaldi and Apel, 2012; Correa et al., 2017; Armelius et al., 2019; Picault and Renault, 2017). Con l’ausilio di tecniche di analisi testuale e lessicale abbiamo costruito il Prometeia Central Bank Sentiment Index (CBSI), un indicatore di sentiment delle banche centrali. In particolare, è stato utilizzato l’approccio introdotto da Loughran e McDonald (2011) dell’individuazione delle parole dal connotato positivo e negativo all’interno di un documento.

Le banche centrali prese in esame sono le quattro rappresentanti delle economie più influenti a livello globale: Banca Centrale Europea (BCE), Federal Reserve (Fed), Bank of Japan (BOJ) e Bank of England (BOE), classificate inoltre tra le banche centrali più trasparenti (Dincer and Eichengreen, 2014), criterio indispensabile per la robustezza dell’analisi.

Abbiamo esaminato speech e comunicati (press release) pubblicati sui rispettivi siti istituzionali tra il 2000 e il 2020. In ragione dell’eterogeneità della base dati in termini di argomenti e lunghezza, la metodologia di calcolo adottata è quella del Net Score Index (Birz and Lott, 2011): infatti, se le release sono documenti generalmente corti e standardizzati, la struttura degli speech varia a seconda dell’evento e dello speaker.
In linea con la letteratura, per ottenere il Prometeia Central Bank Sentiment Index è stato applicato in prima istanza il pre-processing, consistente nella pulizia e nella standardizzazione del documento convertito così in corpus, ossia un testo strutturato e standardizzato sul quale è possibile effettuare analisi statistiche e computazionali. Successivamente, con la tokenization si è spacchettato il testo in singole parole con relativa frequenza (come ben spiegato da Grun and Hornik, 2011), preparando così la term-document matrix per calcolare l’indice.

Tramite l’applicazione del dizionario Loughan-McDonald, la cui validità in letteratura è corroborata dall’utilizzo in ambito finanziario (Armelius et al., 2019; Shapiro et al., 2020), si ottiene il match delle parole con connotazione positiva (e negativa) del dizionario in ciascun documento. Il Sentiment Index, calcolato su base mensile e per ogni banca centrale, assume valori compresi tra -1 e +1 e offre una misura quantitativa della view (positiva, neutrale o negativa) della banca centrale sul quadro economico, dando così indicazioni sulla potenziale direzione delle successive decisioni di politica monetaria.

 
Figura 1. Prometeia CBSI per Fed e BCE
 
Figura 2. Prometeia CBSI per BoJ e BoE
 

Dall’indicatore emerge come, a seguito dello scoppio della pandemia a gennaio 2020, il sentiment abbia registrato un netto calo per tutte le banche centrali considerate.

Nel dettaglio, la BCE guidata da Christine Lagarde ha registrato il proprio minimo storico per due mesi consecutivi, prima a marzo (-0.499) poi ad aprile con -0.519. La Federal Reserve ha invece raggiunto -0.318 a marzo, nel mese dell’introduzione di politiche straordinarie per arginare l’effetto del coronavirus sull’economia. Il sentiment della Bank of England è invece stabile su -0.50 dall’inizio della crisi Covid-19, mentre la Bank of Japan lo scorso maggio si è attestata su -0.471.

Il sentiment sta registrando adesso un lieve miglioramento dopo il periodo di più intenso lockdown, a riprova di quanto le politiche adottate, a livello monetario e fiscale, siano percepite come un punto di partenza per la ripresa dell’economia globale.

La pandemia ha infatti causato shock negativi su larga scala, esigendo l’intervento delle banche centrali per sostenere le economie dei paesi più colpiti. La necessità di adottare misure di politica economica efficaci ha imposto la scelta di una comunicazione risoluta e assertiva, per rasserenare i mercati e le istituzioni sulla effettiva possibilità di una ripresa. Perché come disse Ben Bernanke, il successore di Alan Greenspan alla guida della Fed: “La politica monetaria è per il 98% parole, per il restante azione”.

 
Bibliografia

[1] Armelius H., Bertsch C., Hull I. and Zhang X. (2019). “Spread the Word: International Spillovers from Central Bank Communication”, BIS Working Papers, No 824.
[2] Birz G. and Lott R. (2011). “The Effect of Macroeconomic News on Stock Returns: New Evidence from Newspaper Coverage”, Journal of Banking & Finance, 2011, vol. 35, issue 11, 2791-2800.
[3] Correa R., Garud K., Londono-Yarce J. and Mislang N. (2017). “Constructing a Dictionary for Financial Stability,” IFDP Notes. Washington: Board of Governors of the Federal Reserve System.
[4] Dincer N. and Eichengreen B. (2014). “Central Bank Transparency and Independence: Updates and New Measures”, International Journal of Central Banking, vol. 10(1), pages 189-259.
[5] Grimaldi B. and Apel M. (2012). “The Information Content of Central Bank Minutes”, Sveriges Riksbank Working Paper Series No. 261.
[6] Grun B. and Hornik K. (2011). “Topicmodels: An R Package for Fitting Topic Models”, Journal of Statistical Software, 40(13), 1-30.
[7] Loughran T. and McDonald B. (2011). “When Is a Liability Not a Liability? Textual Analysis, Dictionaries, and 10Ks”, Journal of Finance LXVI (1), 35-65.
[8] Picault M. and Renault T. (2017). “Words are not all created equal: a new measure of ECB communication”, Journal of International Money and Finance, No. 79, 36-156.
[9] Shapiro A. H., Moritz S. and Wilson D. (2020). “Measuring News Sentiment,” Federal Reserve Bank of San Francisco Working Paper 2017-01.


Leggi tutti gli insight