Opcje wyszukiwania
Podstawy Media Warto wiedzieć Badania i publikacje Statystyka Polityka pieniężna €uro Płatności i rynki Praca
Podpowiedzi
Kolejność
Nie ma wersji polskiej

Douglas Araujo

1 April 2025
WORKING PAPER SERIES - No. 3047
Details
Abstract
Word embeddings are vectors of real numbers associated with words, designed to capture semantic and syntactic similarity between the words in a corpus of text. We estimate the word embeddings of the European Central Bank’s introductory statements at monetary policy press conferences by using a simple natural language processing model (Word2Vec), only based on the information and model parameters available as of each press conference. We show that a measure based on such embeddings contributes to improve core inflation forecasts multiple quarters ahead. Other common textual analysis techniques, such as dictionary-based metrics or sentiment metrics do not obtain the same results. The information contained in the embeddings remains valuable for out-of-sample forecasting even after controlling for the central bank inflation forecasts, which are an important input for the introductory statements.
JEL Code
E31 : Macroeconomics and Monetary Economics→Prices, Business Fluctuations, and Cycles→Price Level, Inflation, Deflation
E37 : Macroeconomics and Monetary Economics→Prices, Business Fluctuations, and Cycles→Forecasting and Simulation: Models and Applications
E58 : Macroeconomics and Monetary Economics→Monetary Policy, Central Banking, and the Supply of Money and Credit→Central Banks and Their Policies

Ta strona używa plików cookie

Wykorzystujemy funkcjonalne pliki cookie do przechowywania preferencji użytkowników, analityczne pliki cookie do zwiększania wydajności strony oraz pliki cookie podmiotów zewnętrznych, których usługi są dostępne na stronie. Użytkownicy strony mogą udzielić lub odmówić na to zgody. Więcej informacji o plikach cookie, wybranych preferencjach oraz wykorzystywanych logach można znaleźć na następujących stronach: