VoxEU列汇率货币政策

确定外汇干预通过新闻报道:新数据

2022年10月19日

缺乏公开数据一直阻碍了实证分析中央银行对外汇市场的干预。因此,研究人员需要代理的干预活动。本专栏认为,外汇储备的变化,一个受欢迎的代理在文献中,原油的措施干预,因为储备改变的原因很多无关的干预措施。相反,作者提出的方法基于文本分析应用到新闻报道。这种“新闻代理”的官方干预的概率更低假警报,因此noise-to-signal低于现有代理时以实际干预为基准。

作者

外汇(FX)干预涉及外币购买和/或销售的中央银行。这是一个长期的政策工具旨在影响汇率和培育稳定的货币市场。许多新兴经济体经常使用,表明其(感知)有效性(例如Gelos et al . 2020年)。虽然大多数发达经济体的央行更偶尔使用这个乐器,瑞士和以色列广泛干预自全球金融危机(Cukierman 2018)和日本央行(BoJ)最活跃的主要货币当局在外汇市场在最近几十年。事实上,在2022年9月22日,日本央行出售高达200亿美元的购买和支持大幅削弱日元。一次让人想起1980年代强劲的美元,导致一些最大的外汇干预行动协调世界各地的中央银行,主要央行可能贸易支持本国货币在外汇市场,独立或以协调的方式。国际货币基金组织(2022)最近调整它的制度对资本流动的管理,看到稳定潜在不仅在危机时期,也预防(Korinek et al . 2022年)。因此,外汇干预资本账户管理不是一个海胆但一直欢迎回到家庭决策者可以使用的工具。

与它的广泛使用,许多中央银行,确凿的证据外汇干预的影响仍然有限。最主要的原因是缺乏可靠的数据,因为与货币政策,没有一致的数据来源。在最近的研究(Fratzscher et al . 2022年),我们为填补这一空白,提供一个新的数据集对49个国家的外汇干预了22年。这些数据是公开的,有一些优势的选择,我们在下面讨论。让我们首先简要讨论这些外汇干预数据是如何产生的。

信息从新闻报道

基本思想是外汇干预的检索信息从公开的新闻报道来克服缺乏官方数据。这个过程是由克莱因(1996)和一些论文使用它,他们都是案例研究的局限性。如今庞大的新闻档案可以搜索和分析与文本分析的帮助。主要的约束是发展,阅读,和大量的投资人在新闻分类。为此,我们开发一个文本分类算法,对外汇干预的发生率提供信息大量的国家和长时间。第一步是培养新闻分类算法是能够正确分类新闻,涉及外汇干预措施。新闻从Factiva检索。然后,几千新闻是使用复式技术来构建一个训练数据集。

这种训练算法是相当正确地识别可靠新闻涵盖干预。月度频率,手工编写新闻和algorithmically-coded新闻在99%的情况下同意。然后训练算法分类更多的货币和扩展数据从2011年到2016年的新闻没有手工编码。结果是一个数据集,表示每个月是否有一个外汇干预。

基准与实际干预数据

阅读新闻和比较他们干预发表的数据表明,一些干预措施的消息。然而,这样做只有几个国家,决定发布他们的干预对某些年的数据可能会给一个代表性的画面。因此,我们依靠一组实际,机密数据在现货市场和外汇干预外汇干预的消息,33个国家16年来,还包括国家不让他们的数据公开(Fratzscher et al . 2019年)。

从发病到卷

不幸的是,新闻报道通常不足以确定干预的方向,即中央银行是否支持国外或国内货币。更糟糕的是,通常是没有信息的干预——在最好的情况下,文字有时提到是否干预是小或大。许多目的,因此,有必要补充信息外汇干预的发病率与信息的干预。这些信息是来自(调整)储备资产的变化在同一个月(尼利2000年Dominguez et al . 2012年,阿德勒et al . 2021年)。结合新闻报道的发病率和储备的体积变化,我们生成一个消息代理的,接近实际外汇干预。

这导致一个明显的问题:为什么不把储备的变化作为衡量的外汇干预?事实上,有一连串的文献,确实就是这个。

储备的变化作为衡量外汇干预措施

使用外汇储备的问题作为干预的代理是储备变化基本上每个月,而外汇干预发生得不那么频繁(尼利,2000)。数据集的Fratzscher et al。(2019),实际干预发生在约20%的观察而不是剩下的80%。这意味着任何分析建立在外汇储备变化大大高估了使用干预措施。

考虑到这一点,从储备变化改善信息的方法之一是只关注大变化。似乎可信的(确实是真正的测试时实际干预数据),有更大的体积比实际干预可能推断出从平均储备变化。图1显示了上面讨论的程序在一个数据集的结果,外汇干预发生在大约30%的月度观察。这也是实线的起点左边的图。使用没有截止,即考虑所有月干预月,意味着所有的30%的实际干预前后几个月将检测到。例如,如果只有50%的最大干预被认为是“精度”将增加约40%。进一步增加截止还将进一步提高精度。最大精度约为60%,但这将意味着只关注几个百分比最大的干预措施。图1中的虚线,开始干预约有1200个月与增加趋于零中断捕捉这个病例数下降。另一个相关的任何代理的外卖是设计他们需要面对不同类型的错误之间的权衡。 Instead of choosing from the options that reserve changes provide and that are covered in Figure 1, our news-based intervention proxy provides a better alternative.

图1各种切断储备变化,外汇干预措施覆盖的数量(右轴,虚线)和分享正确的预测(左轴,实线)

消息代理的特征

消息代理的核心贡献是其信息干预的发病率。再次使用的基准数据,这个news-based信息更有可能是真的。平均而言,在75%的情况下训练算法是正确的。相比之下,在相同的数据集,储备的准确性变化仅为31%。然而,当依赖新闻,你将错过一些干预措施。需要一个统一的衡量占这一交易。

noise-to-signal比率

一个标准衡量,结合代理如何正确信号事件而惩罚假警报是noise-to-signal比率。为此,它将“假警报概率”的检测概率。要理解这些定义,看看是很有用的矩阵的四个可能的结果如表1所示。如果有country-month发生干预和干预也预测,这叫做“真阳性”(a)。其余的字段是建造类似地,标记(B) (D)。

表1类型的预测错误

检测概率的正确的比例预测干预(真阳性)对所有干预措施,即A / (A + C)。假警报概率的定义是假阳性的比例计价的实际不干涉,即B / (B + D)。后者对前者的比例是那么noise-to-signal比形成一种成功和失败之间的关系。我们应用这些标准指标来判断质量的三个近似实际外汇干预措施:(i)储备的变化,与截止(2)储备的变化,(3)消息代理。表2提供了结果。

表2预测的结果质量

从左上角开始,储备变化是0.308的准确性。比较三种类型的干预代理时,我们看到了上面提到的权衡:储备代理的检测的概率是1;这意味着,如果一个代理分类几乎每个月都有干预,不会错过任何一个。然而,很显然,这样的代理是相当有限的价值。相比之下,新闻代理最后一列关于检测的概率,但更糟糕的是更好的关于假警报的概率。只有0.043,后者是如此之低,noise-to-signal比率明显主导两种干预新闻代理代理。

描述的替代品

因此研究人员有三个基本选择在分析外汇干预数据。

他们可能依靠官方公布的数据,这意味着只有少数国家有限的数据和时间范围。出版干预数据决策,导致样品不能代表所有的国家。不过,使用相关的出版数据是个别案例研究的首选方法,实际数据是由中央银行提供。
研究人员可能依靠储备变化,因为这个措施是对世界上大部分国家在很长一段时间。支付的价格是大量的噪声,根据研究问题,测量的精度很低程度的可能是令人不安的。作为对策,你可能倾向于只关注更大的干预通过储备变化与截止,这增加精度在失踪更实际的干预措施的成本。
最后,一个可能依赖于消息代理。这个措施是最有效的减少误报的可能性。的价格是实际数量的干预是错过了。如果一个目标是分析外汇干预的影响相对易于识别,例如通过使用数据作为冲击系列模型,分析与失踪的干预似乎更有吸引力比分析由许多假阳性。