Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio2.unb.br/jspui/handle/10482/39391
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2020_SantiagoRavassi.pdf4,07 MBAdobe PDFVisualizar/Abrir
Título: Measuring Central Banks communications with machine learning
Autor(es): Ravassi, Santiago
Orientador(es): Cajueiro, Daniel Oliveira
Assunto: Banco Central
Política monetária
Aprendizagem de máquina
Processamento de linguagem natural (Computação)
Dicionário
Efeito transbordamento
Taxa de juros
Data de publicação: 12-Ago-2020
Referência: RAVASSI, Santiago. Measuring Central Banks communications with machine learning. 2020. 99 f., il. Tese (Doutorado em Economia)—Universidade de Brasília, Brasília, 2020.
Resumo: A presente tese está constituída por três artigos que utilizam processamento de linguagem natural e aprendizagem de máquina, tanto não supervisionado como supervisionado, para obter diferentes medidas de anúncios de bancos centrais. No primeiro artigo, quantificamos o otimismo dos anúncios do Banco Central Europeu e da Reserva Federal (Fed). Mostramos, empiricamente, que anúncios mais otimistas têm um efeito na estrutura a termos da taxa de juros. No segundo artigo, analisamos a evolução das atas divulgadas pelo Banco Central do Brasil sob diferentes presidências. Marcamos a discussão da ata em quatro diferentes dimensões macroeconômicas: inflação, crescimento econômico, emprego e política fiscal. Constatamos que a inflação é a principal preocupação, seguida pelo emprego, crescimento e política fiscal. Também descobrimos que a atenção à inflação atinge um máximo histórico durante a presidência de Goldfajn e Campos Neto. No terceiro artigo, desenvolvemos um dicionário de crise com a ajuda de aprendizagem de máquina supervisionada. Com este dicionário, criamos um índice que mede o sentimento de crise das atas do Comitê Federal de Mercado Aberto da Reserva Federal. Mostramos, empiricamente, que o índice prevê o nível e a volatilidade das taxas de juros dos tesouros dos EUA. Mostramos também que o nosso índice supera significativamente o poder preditivo dos índices criados com os dicionários Correa, Harvard-IV e LoughranMcDonald.
Abstract: This thesis comprises three articles that use natural language processing and either unsupervised or supervised machine learning algorithms to get different measures of central banks announcements. In the first article, we quantify the optimism of the announcements from the European Central Bank and the Federal Reserve. We empirically show that more optimistic announcements affects the Brazil’s term structure of interest rates. In the second article, we analyze the evolution of minutes released by the Central Bank of Brazil under different presidencies. We score the discussion on the minutes in four different macroeconomic dimensions: inflation, economic growth, employment, and fiscal policy. We find inflation is the principal concern followed by employment, growth, and fiscal policy. We also find that the attention to inflation attains a historic maximum during the Goldfajn and Neto’s presidency. In the third article, we develop a crisis dictionary with the aid of a supervised machine learning. With this dictionary, we create an index that measures the crisis sentiment of the Federal Reserve Federal Open Market Committee minutes. We empirically show the index predicts the interest rate level and volatility of the US treasuries. We also show that our index significantly outperforms the predictive power of indices created with the Correa, the Harvard-IV and the Loughran-McDonald dictionaries.
Unidade Acadêmica: Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas (FACE)
Departamento de Economia (FACE ECO)
Informações adicionais: Tese (doutorado)—Universidade de Brasília, Faculdade de Administração, Contabilidade, Economia e Gestão de Políticas Públicas, Departamento de Economia, Brasília, 2020.
Programa de pós-graduação: Programa de Pós-Graduação em Economia
Licença: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Agência financiadora: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro completo do item Visualizar estatísticas



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.