新型社交媒体与货币政策预期管理：理论和中国的证据

刘生福 沈宇星 韩雍

摘要：当前，中国经济发展面临需求收缩、供给冲击和预期转弱“三重压力”，稳定预期对于稳定宏观经济大盘至关重要。加强货币政策预期管理是稳定预期的重要途径。理论研究发现，中央银行借助新型社交媒体可以通过提高信息公开普及度和经济主体对货币政策信息的理解精度等途径增强货币政策预期管理的效果。实证检验中国人民银行引入新型社交媒体进行货币政策预期管理前后货币政策信息对宏观经济和金融市场变量的影响，结果表明，中国人民银行官方微博开通后，货币政策沟通指数影响宏观经济变量的时滞更短且更加平滑，货币政策信息对关键金融市场的影响速度更快，程度更高。进一步地，通过挖掘中国人民银行官方微信公众号发文大数据发现，新型社交媒体生动形象的亲民化沟通方式显著提高了货币政策预期管理信息的公开普及度，同时提高了公众对货币政策信息的理解精度。因此建议中央银行更多地通过新型社交媒体进行货币政策预期管理，通过亲民化方式进行货币政策沟通，增强货币政策预期管理的有效性。

关键词：货币政策；预期管理；新型社交媒体；MorrisShin模型；货币政策沟通指数

文献标识码：A文章编号：100228482023（04）000114

一、问题提出

2021和2022年中央经济工作会议连续作出“中国经济发展面临需求收缩、供给冲击和预期转弱‘三重压力”的判断，将预期置于与基本供求关系同等重要的位置，足见预期对中国经济运行的关键影响。之所以要高度重视“预期转弱”这一下行压力，一方面是因为预期转弱会导致居民消费与企业投资趋于谨慎，进一步加大经济下行压力，并与市场主体的悲观预期形成不断强化的自我循环；另一方面则因为预期管理是通过加强与公众的信息沟通引导公众预期，从而提高宏观调控效率的重要手段，预期转弱会降低宏观调控的有效性。

预期管理是建设现代中央银行制度和构建现代货币政策框架的重要方面。20世纪90年代以来，各国中央银行日益重视与市场主体之间的沟通，预期管理也随之成为货币政策领域的一个重要研究方向。2008年全球金融危机后，主要发达经济体中央银行普遍面临“零利率下限”约束，传统基于价格调控的货币政策框架面临挑战，以前瞻性指引为典型代表的预期管理工具进入非常规货币政策工具箱，并发挥了重要的作用，使得各国中央银行进一步重视货币政策预期管理。中国人民银行在货币政策预期管理方面起步较晚，但具有明显的后发优势。近年来，中国人民银行通过《货币政策执行报告》、货币政策委员会例会新闻稿、货币政策公开市场操作公告等渠道积极开展货币政策预期管理，货币政策透明度显著提高。党的十九届五中全会明确提出完善宏观经济治理和建立现代财税金融体制，要求完善宏观经济制定和执行机制，重视预期管理，提高调控的科学性，同时建设现代中央银行制度，增强货币政策操作的规则性和透明度，建立制度化的货币政策沟通机制，有效管理和引导预期，这为中国人民银行进一步加强货币政策预期管理指明了方向。

媒体是中央银行开展货币政策预期管理的重要平台。传统上，中央银行主要通过报刊、电视广播和官方网站等媒体平台进行货币政策预期管理，但随着信息技术的发展和进步，具有自媒体特征的，兼具广泛性、时效性和互动性优势的新型社交媒体在社会生活中的渗透面逐渐扩大，各国中央银行不断探索将其运用于货币政策预期管理实践。目前，美联储、欧洲中央银行、日本银行、加拿大银行和澳大利亚联储均已开通了官方Twitter账号和官方Facebook账号，中国人民银行也分别于2013年12月和2019年8月开通了官方微博和官方微信公众号，并通过以上两个平台开展货币政策预期管理。中国人民银行通过新型社交媒体发布的货币政策沟通信息的数量、阅读量和关注、点赞数量屡创新高。

尽管新型社交媒体在各国中央银行货币政策预期管理实践中的运用日益普及，但关于新型社交媒体对货币政策预期管理效果方面的理论和实证研究并不多见。本文旨在探索并丰富相关领域的研究文献，学术价值主要体现在以下两个方面：理论上，对传统的MorrisShin模型进行扩展，在原模型中引入信息公开普及度和公众理解精度变量，推导社会福利函数并进行比较静态分析；实证上，基于文本挖掘法，从历年《货币政策执行报告》中提取关键措辞，构建包括物价走势、不确定性、政策松紧、利率走势等11个大类23个细分类别措辞的货币政策沟通指数，综合运用结构向量自回归（SVAR）模型和事件研究法检验新型社交媒体引入前后，货币政策沟通指数对宏观经济和金融市场变量的影响，采用中国人民银行官方微信公众号发文、阅读和点赞等数据，实证检验新型社交媒体影响货币政策预期管理的微观机制。

二、文献综述

20世纪90年代以后，各国中央银行开始重视货币政策沟通和透明度，有关货币政策预期管理的研究也应运而生。Blinder［1］最早阐述了货币政策沟通的概念，认为各国中央银行应该主动进行沟通，向社会公众披露必要的信息。在此基础上，Woodford［2］进一步认为货币政策沟通不只是向公众披露信息，更重要的是要通过这种形式实现对社会公众预期的科学管理和引导。Blinder等［3］对货币政策预期管理做出了完整的定义，即各国中央银行向社会公众公示货币政策目标、解释货币政策策略、评述经济前景和货币政策走向等信息披露的过程。万志宏等［4］认为，各国中央银行可以利用其信息优势，从两方面进行预期管理：当社会公众对经济状况认知不足时，各国中央银行通过“创造信息”（create news）向社会公众清楚地传达某些確定信息；当社会公众的预期出现明显分化时，则通过“降低噪声”（reduce noise）对一些错误信息或者错误理解进行澄清，从而正面引导预期，提升货币政策有效性。

关于货币政策预期管理的效果，国内外学者开展了大量的实证研究，主要聚焦货币政策预期管理对宏观经济、金融市场以及微观主体行为的影响。Blinder等［3］最早研究了预期管理对货币政策有效性的影响，认为货币政策预期管理能够提升社会公众对于经济状况的认知，从而影响其经济决策，最终影响货币市场、股票市场和外汇市场。Sack等［5］基于美国数据的研究也发现，货币政策沟通对通货膨胀预期具有显著影响。Guthrie等［6］基于新西兰数据的实证研究得出，货币政策预期管理对不同期限的债券收益率有显著影响。Ehrmann等［7］收集了美联储和欧洲中央银行官员发表公开讲话或接受采访的数据，研究发现，货币政策预期管理会影响不同期限债券的收益率，并且可以通过沟通引导收益率的变动方向。Beine等［8］基于美国和日本数据的实证研究发现，各国中央银行稳定预期的沟通可以降低汇率波动。Hayo等［9］采用广义自回归条件异方差（GARCH）模型研究发现，美联储货币政策预期管理不仅对美国金融市场有影响，而且会通过外溢效应影响到其他新兴经济体的金融资产价格。Born等［10］基于37个经济体1994—2009年金融稳定报告（FSR）和货币政策委员会成员的讲话与访谈，研究了货币政策预期管理对股票市场的影响，发现金融稳定报告的发布显著影响了股票收益率。国内研究方面，李云峰等［11］采用结构向量自回归模型研究了中国人民银行预期管理对人民币汇率变动的影响，认为货币政策预期管理可以使人民币汇率朝着符合意图的方向变动，且货币当局通过沟通影响汇率的时滞较短。冀志斌等［12］运用指数广义条件异方差（EGARCH）模型研究了中国人民银行预期管理对债券市场和股票市场的影响，认为货币政策沟通对银行间拆借利率和股票收益率均有影响，口头沟通的影响要强于书面沟通，中国人民银行行长的口头沟通效果强于其他人员的沟通。卞志村等［13］采用SVAR模型的实证研究表明，预期管理可以减弱中国人民银行与其他经济参与者的信息不对称，从而引导公众对未来通货膨胀的预期。张强等［14］结合利率期限结构理论研究了货币政策预期管理对市场利率的影响，发现货币政策预期管理对短期货币市场利率的影响显著，但对长期利率的影响不显著，同时，传达紧缩信号的预期管理信息对利率变动的影响比传达宽松信号的预期管理信息更大。朱宁等［15］实证研究发现，不同类型的货币政策预期管理对汇率的影响存在差异，货币政策解释的影响大于经济状况展望，中国人民银行行长讲话的影响大于其他人员发声的影响，传递宽松信号的影响大于传递紧缩信号。王曦等［16］基于动态随机一般均衡（DSGE）模型的研究发现，预期冲击对通货膨胀的影响更加明显，建议妥善利用货币政策沟通引导经济主体预期。

部分学者关注到了媒体对市场主体预期的影响。Carroll［17］认为媒体有关物价水平的报道会影响消费者通货膨胀预期的形成，媒体关于通货膨胀报道的频次增加，会提高市场主体对通货膨胀的关注度，进而调整其自身的通货膨胀预期。Doms等［18］进一步研究指出，不仅报道的频次会影响市场预期，报道的质量（如准确性）也对市场预期有显著影响。Lamla等［19］研究发现，媒体关于物价的报道越多，更多的公众就有可能接触到关于通货膨胀的丰富信息，从而提高其通货膨胀预期精确度，如果媒体报道本身缺乏精确度，则不利于公众形成合理的预期。卞志村等［20］以《人民日报》作为媒体披露的代表进行研究，发现短期内市场通货膨胀预期很大程度上受到媒体关于通货膨胀报道频次的影响。张成思等［21］则利用《人民日报》和“巨灵财经”新闻池的数据研究了媒体舆论对通货膨胀预期的影响，认为中国人民银行应当关注媒体舆论对公众预期的导向。

上述研究主要关注传统新闻媒体，但近年来随着信息技术不断发展，新型社交媒体在社会生活中的渗透面逐渐扩大，使得信息传播方式、速度、受众面等均发生了巨大变化。以Facebook、Twitter、微博、微信等为代表的新型社交媒体已经构建起了庞大的信息传递网络，任何信息通过新型社交媒体几乎可以做到实时传播，信息的时效性大幅提升。此外，新型社交媒体的自媒体特征导致信息传播者和接收者的边界更加模糊，普通公众在接触到某些信息之后，可以通过转发促进信息扩散，信息的覆盖范围明显扩大。然而，国内外学术文献中关于新型社交媒体对于货币政策预期管理效果影响的研究并不多見。Luik等［22］首次以美联储通过Twitter发布货币政策信息的数量量化美联储货币政策沟通强度，并基于混频向量自回归（VAR）模型进行实证分析，结果表明美联储通过Twitter发布信息会对金融市场利率以及通货膨胀、失业等宏观经济变量产生显著影响。Azar等［23］利用美联储通过Twitter发布的货币政策信息建立数据集，对不同的推文内容进行赋值生成美联储沟通变量，研究表明美联储推文的内容可以用于预测未来资产收益率。Ludering等［24］建立了VAR模型，发现2013年美国“削减恐慌”（taper tantrum）时期，Twitter上对美联储货币政策的讨论包含与价格相关的信息，从而导致资产价格变动。截至目前，尚未发现国内外文献中有关于新型社交媒体对各国中央银行货币政策预期管理效果影响的理论研究，也未发现有实证文献比较中国人民银行通过新型社交媒体进行货币政策预期管理与通过传统媒体进行预期管理的效果差异，这正是本文关注的重点。

三、理论推导

Morris等［25］构建的公共信息社会价值模型是货币政策预期管理研究领域的一个经典模型。本文结合新型社交媒体具有受众面广、沟通形式生动形象等区别于传统媒体的特点，对经典的MorrisShin模型进行扩展。首先，经典的MorrisShin模型假设每个经济主体都有一个独特的私人信息和一个相同的公共信息，并根据这两类信息作出经济决策，事实上，现实中并非所有经济主体都会关注公共信息。通过新型社交媒体进行货币政策预期管理，会使更多社会公众关注到中央银行发布的货币政策信息。因此，本文在经典的MorrisShin模型中引入信息公开普及度变量，社会上只有一部分人关注到了公共信息，另一部分人并没有关注到，新型社交媒体的使用会改变这两部分人数的比例。其次，经典的MorrisShin模型假设每个经济主体都能准确理解公共信息，事实上，不同经济主体对于相同公共信息的理解能力存在差异，并非所有人都能准确理解公共信息。现实中，中央银行通过新型社交媒体进行货币政策预期管理时通常会采用一些图文并茂、生动形象的方式进行沟通，也会通过新型社交媒体向公众普及基本的经济金融知识，从而有利于提升公众对货币政策沟通信息理解的准确度。因此，本文在经典的MorrisShin模型中引入关于公众理解精度的变量，即信息接收者对中央银行所发布信息的理解准确度。

（一）模型假设

假设1（异质性经济主体假设）：假设社会上有两类异质性经济主体，其中第一类经济主体观察到了中央银行发布的信息，并且认为所有人都跟自己一样观察到了该信息，而第二类经济主体则没有观察到中央银行发布的信息，并且认为大家都没有观察到该信息。假设第一类经济主体均匀分布于［0，P］区间，而第二类经济主体均匀分布于［P，1］区间，0≤P≤1，P的大小反映了两类经济主体的比例，用于衡量新型社交媒体对中央银行货币政策预期管理信息受众面的影响。另外，用ai∈R表示经济主体i的经济决策，R表示各种经济决策的集合，a代表所有经济主体的决策行为。

假设2（效用函数假设）：假设经济主体i的效用函数如下：

uia，θ=－1－rai－θ2－rLi－L-（1）

其中，参数θ用于刻画经济基本面，r用于描述外部性对效用的影响，0≤r≤1，Li=∫10aj－ai2dj，L-=∫10Ljdj。效用函数包括两个部分，－1－rai－θ2刻画了由于经济主体i的决策ai偏离经济基本面θ而导致的福利损失，－rLi－L-则刻画了经济主体i的决策ai偏离所有经济主体平均决策a-而导致的福利损失。其中，r作为描述外部性的变量，反映了经济主体的从众动机，即猜测其他经济主体的决策并试图与大多数人保持一致的行为。经济主体i的决策偏离社会平均决策越多，则福利损失越大，r越大表示从众动机部分的福利在效用函数中的占比高，r越小则表示经济主体的从众动机弱，而更重视向经济基本状态靠拢。

定义社会福利函数为个人效用函数的平均值（经标准化处理），则

Wa，θ=1－r－1∫10uia，θdi=－∫10ai－θ2di（2）

根据式（2）的社会福利函数可知，经济主体猜测其他经济主体决策的从众动机并不会对社会总福利产生影响，真正决定社会福利水平的因素是经济主体的决策与经济基本面的偏离程度。对Wa，θ求极值可得社会福利最大化的条件是ai=θ，即每个经济主体的决策都与经济基本面保持一致。经济主体i最优决策为

ai=1－rEiθ+rEia-（3）

其中，a-为所有经济主体的平均决策行为，即a-=∫10ajdj，Ei·为经济主体i根据其信息集所得出的期望。

假设3（公私信息假设）：中央银行预期管理主要是通过影响经济主体接收的信息，进而影响其经济决策。第一类经济主体面临着两种信息：其一为经济主体i的私人信息xi=θ+εi，其中εi～N0，β－1；其二为中央银行沟通产生的社会公共信息yi=θ+η+vi，η～N0，α－1，vi～N0，λ－1。误差项εi、η、vi相互独立，其中εi刻画经济主体i个人对经济基本面的认知偏误，η刻画中央银行对经济基本面的认知偏误，vi则刻画经济主体i对于公共信息的理解偏误，而β、α和λ分别表示私人信息的准确度、公共信息的准确度和私人对公共信息的理解精度或者是央行的沟通精度。第二类经济主体只面临一种信息，即私人信息。

（二）均衡求解

1.第一类经济主体的均衡行为

由公私信息假设可知，第一类经济主体i会获得xi、yi两个信息，并基于这两个信息形成对经济基本面θ和其他参数的认知预期。根据多元正态分布条件期望的相关知识可知

篇幅限制，具体推导过程未在文中列出，需要的读者可向笔者索取。：

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）

对于经济主体i个人而言，其均衡行为表达式如下：

ai=1－rEiθ+rEia-（6）

根据概率论，正态分布的条件期望与已知条件线性相关。根据式（6），经济主体i的均衡行为ai是条件期望的线性组合，因此均衡行为ai亦是已知信息的线性组合。

采用待定系数法，假设经济主体i的均衡行为如下：

ai=Kxi+1－Kyi（7）

其中，K为待定系数。由此可得

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

将式（4）（5）（8）代入式（6）后，与式（7）进行系数对比，可得关于K的方程：

K=1－Krαβ/αβ+α+βλ+1－rβα+λ/αλ+βα+λ+

Krβα+λ/αλ+βα+λ（9）

从而可得

K=αβ+βλ－rβλ/αβ+αλ+βλ－rβλ（10）

即经济主体i采用下列均衡行为：

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

对式（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）

将式（12）与式（4）进行对比可以发现，第一类经济主体的均衡行为表达式，即式（12）中，前半部分就是式（4），即主体i对经济基本面θ的预期，后半部分则代表在式（4）的基础上提高yi的比重，降低xi的比重。这意味着相比于对θ的预期，第一类经济主体的均衡行为中对私人信息xi的依赖减弱，对公共信息yi的依赖增强。

基于以上的求解过程可以得到第一类经济主体的社会福利：

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

r－1βλ－αβ+λ2（13）

2.第二类经济主体的均衡行为

根据模型的公私信息假设，由于第二类经济主体并没有观察到中央银行所发布的信息，故该类经济主体i只获得一个私人信息xi，并仅基于xi得到对经济基本面θ的预期。

Eiθxi=xi（14）

由于该类经济主体i只有私人信息xi，故其行为公式如下：

ai=xi（15）

从而可以求得第二类经济主体的社会福利：

W2a，θ=－∫1Pai－θ2di=－1－P/β（16）

3.社会总福利

将两类经济主体的社会福利加总，即得到社会整体福利为

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

（三）比较静态分析

1.扩大信息受众面（P）的影响

对信息公开普及度做比较静态分析：

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

当α＞βλ2r－1/β+λ时，dWa，θ/dP＞0，即当中央银行所公布信息的准确度达到某一标准时，随着中央银行信息公开普及度的提升，社会福利是增进的。

下面对中央银行信息准确度标准，即对α＞βλ2r－1/β+λ做进一步的细化分析。可知βλ2r－1/β+λ是β、λ、r的增函数，具体分析如下：

（1）不等式α＞βλ2r－1/β+λ右侧分子分母同时除以β，得：α＞λ2r－1/λ/β+1。β越大，λ2r－1/λ/β+1就越大，這表明当个人信息的精确度较高时，对中央银行发布信息精确度的要求也相应较高。因为如果个人信息精确度较高，而中央银行发布信息精确度较低，中央银行发布信息的公开普及度越高，反而会对经济主体的认知产生更多的错误引导，最终导致社会福利下降。

（2）不等式右边分子分母同时除以λ，得：α＞β2r－1/β/λ+1。λ越大，β2r－1/β/λ+1就越大，这表明当经济主体对中央银行所发布信息的理解精度较高时，对中央银行发布信息精确度的要求也相应越高。

（3）r越大，βλ2r－1/β+λ就越大，这意味着经济主体的从众动机越强，对货币政策沟通的信息精确度要求也相应越高。第一类经济主体认为中央银行发布的信息为所有人所知，即完全是公共信息，该信息影响所有人的行为。而经济主体的从众动机意味着每个人都会推测他人的行动，即个体决策必然会依赖公共信息，从众行为越明显，对公共信息的依赖就越强。故经济主体的從众动机越强，要求中央银行公布信息的准确度越高，这样才能保证中央银行信息公开普及度提升可以促进社会福利提升。

综上所述，私人信息的准确度越高、私人对公共信息的理解精度越高以及经济主体的从众动机越强，要求公共信息的准确度越高，只要中央银行发布的信息能够达到一定的准确度标准，采用新型社交媒体宣传手段扩大货币政策信息普及度就有益于社会福利提升。

2.提高市场主体对信息理解精度（λ）的影响

对经济主体理解精度做比较静态分析，公式如下：

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

这样dWa，θ/dλ＞0就等价于

αβ+α+β－3rβλ＞0（20）

对式（20）进行以下分类讨论：

情况一：由于0≤r≤1，α＞0，β＞0，λ＞0，故若α+β－3rβ＞0，则式（20）必成立，即情况一等价于解不等式α+β－3rβ＞0。

（1）由于0≤r≤1，故若α＞2β，则必有α+β－3rβ＞0。

（2）若0＜α≤2β且不等式α+β－3rβ＞0成立，则需满足0≤r≤α+β/3β。

故情况一下有两解：α＞2β，或者0＜α≤2β且0≤r≤α+β/3β。

情况二：若情况一中的不等式不成立，即α+β－3rβ＜0，此时若仍要使式（20）成立，则需满足0≤λ≤－αβ/α+β－3rβ。

故情况二下的解为：0＜α≤2β，α+β/3β＜r≤1且0＜λ＜－αβ/α+β－3rβ。

综上分析，dWa，θ/dλ＞0的解为：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。

根据解α＞2β可知，如果中央银行的信息准确度较高，加大沟通力度来提升公众的理解精度有益于增进社会福利，在这种情况下中央银行应进行更积极的沟通，如提高沟通频率、强调沟通内容、采用便于理解的沟通方法等，以保证公众能够对中央银行的沟通有正确的理解。当中央银行信息的准确度不足时，应视市场主体的情况而采取不同的策略：若市场主体的从众动机不强，适当增加沟通仍能起到引导作用，增加社会福利；若市场主体的从众动机很强，则一般情况下中央银行应减少沟通。

3.提高私人信息准确度（β）的影响

对私人信息准确度做比较静态分析，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，即私人信息精确度的提升总是有益于社会福利水平的增加。中央银行可开展一些带有经济金融知识普及性质的沟通活动，提升社会公众对经济形势和货币政策的认知能力，提高其对货币政策预期管理信息的理解精度。

根据以上理论推导可以做出如下判断：一方面，通过新型社交媒体进行沟通会使更多社会公众关注到中央银行发布的信息，从而提高货币政策预期管理信息的公开普及度，从模型比较静态分析结果看，在中央银行发布信息的准确度达到一定标准后，随着中央银行信息公开普及度的提升，社会福利会增进。另一方面，引入新型社交媒体后，中央银行更多以图文并茂、生动形象的方式与社会公众进行沟通，同时也通过新型社交媒体向公众普及经济金融知识，提高了公众对货币政策预期管理信息的理解精度，从模型比较静态分析结果看，若中央银行信息准确度高于私人信息，提升公众对央行货币政策预期管理信息的理解精度有益于增进社会福利。

四、实证分析

（一）实证研究设计

根据研究目标和理论推导结果，同时结合数据可得性，本文提出以下两个研究假说：

假说1：中国人民银行引入新型社交媒体进行货币政策沟通后，中国货币政策预期管理的效果显著提升。

假说2：相较于传统媒体，中国人民银行通过新型社交媒体进行货币政策预期管理，有助于提高货币政策信息的普及度和公众对于货币政策信息的理解精度。

为验证假说1，本文首先构建货币政策沟通指数，作为货币政策预期管理的代理变量。鉴于当前中国人民银行进行货币政策预期管理的新型社交媒体主要是官方微博和官方微信公众号，同时考虑到中国人民银行官方微博开通时间较长，具有相对丰富的时间序列数据，本文将通过SVAR模型和事件研究法，实证检验中国人民银行开通官方微博对货币政策预期管理效果的影响，即验证官方微博开通后，货币政策沟通指数变动对宏观经济和金融市场变量的作用效果是否较官方微博开通前显著改善。

根据本文理论模型，引入新型社交媒体后会通过两种机制增强货币政策预期管理的效果：一是新型社交媒体的广泛使用扩大了货币政策信息的受众范围，二是新型社交媒体生动形象的信息传播方式提高了公众对于货币政策信息的理解精度。微信在国内众多新型社交媒体中的影响力较为突出，根据腾讯控股业绩报告，截至2022年第三季度末，微信月活跃人数已达到13.09亿人，占全国总人口的比重超过90%。中国人民银行于2019年8月正式开通官方微信公众号，通过这一新型社交媒体与社会公众进行货币政策沟通，并且尝试了许多图片、漫画、视频等生动形象的信息传播方式，受关注度日益提高。中国人民银行官方微信公众号的开通既提高了货币政策预期管理信息的公开普及度，同时也以生动形象的沟通方式增强了受众对于货币政策沟通信息的理解精度，为本文检验新型社交媒体影响货币政策预期管理效果的微观机制提供了一个很好的自然实验。

因此，为验证假说2，本文通过挖掘中国人民银行官方微信公众号发文大数据，实证检验新型社交媒体形象化的沟通方式是否有助于扩大货币政策沟通信息的公开普及度和提升公众对相关信息的理解精度，即检验新型社交媒体影响货币政策预期管理效果的微观机制。

（二）货币政策沟通指数构建

如何对中央银行货币政策沟通进行量化是货币政策预期管理领域需要解决的一个关键问题。早期研究通常将中央银行货币政策沟通事件转换为0—1虚拟变量，这种方法只描述了中央银行是否存在货币政策沟通，没有描述沟通频率等任何其他信息，难以进行更深入的研究［17，2627］。最直接的改进方法就是以中央银行进行货币政策沟通的次数作为货币政策沟通的代理变量，如Luik等［22］以美联储通过Twitter发布货币政策沟通信息的数量衡量货币政策沟通，但这种处理方式仍然忽略了中央银行货币政策沟通所包含的许多关键信息，无法准确刻画货币政策预期管理行为。为了更加细致地刻画货币政策沟通，学术界开始考虑对中央银行货币政策沟通事件进行“打分”，Ehrmann等［7，28］分别对传达紧缩、中性和扩张意图的货币政策沟通事件赋予1、0和－1等不同分值。这种方法在一定程度上实现了对中央银行货币政策沟通的量化，但由于不同学者对同一个货币政策沟通事件的解读可能并不相同，使得赋值具有较强的主观性，导致分析结果不稳健。为避免情绪赋值法主观性判断的影响，近年来，学术研究倾向于采用构建指数的方法对中央银行货币政策沟通进行量化。Heinemann等［29］提出的措辞提取法具有典型性，该方法提取中央银行货币政策沟通内容中的关键措辞并计算频数，建立货币政策沟通指数，所得出的货币政策沟通量化指标相比于情绪赋值法更加客观。卞志村等［20］最先利用措辞提取法构建中国人民银行信息披露指数，总共选定了8个措辞类型。林建浩等［30］为了计算更准确的货币政策沟通指数，将提取措辞的类型扩大至19个。

本文借鉴并扩展Heinemann等［29］的思路，基于中国人民银行2001年第一季度（2001Q1）—2020年第四季度（2020Q4）发布的《货币政策执行报告》，采用措辞提取法构建货币政策沟通指数（WI）。在《货币政策执行报告》中提取了物价走势、不确定性、政策松紧、利率走势等11个大类措辞，并细化为23类二级措辞，每一类二级措辞下包含若干具体关键性措辞

限于篇幅，相关措辞列表未在文中显示，需要的读者可向笔者索取。。通过方差分析检验和单调性检验，最终保留了包括通货膨胀在内的12类有效措辞用于构建货币政策沟通指数。

参考Heinemann等［29］的思路，先对通过有效性检验的措辞进行标准化处理，再以η2为权重进行加权求和，即可得出货币政策沟通指数的具体数值（见表1），具体公式为

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

其中，WIt为货币政策沟通指数，frexit为措辞i在t期发生的次数，mxi为各个时期发生次数的均值，sxi为各个时期发生次数的标准差；sgnxi为措辞i在货币政策宽松期发生次数减去在货币政策紧缩期发生次数的符号，前者大于后者取正号，反之反是；wxi为权重系数，取值为wxi=η2xi。

（三）引入新型社交媒体对货币政策沟通效果的影响检验

1.对宏观经济指标的影响检验

下面构建包含四个变量的SVAR模型，基于该模型对中国人民银行官方微博开通前后两个时期分别进行脉冲响应分析，通过对比脉冲响应函数的差异，分析新型社交媒体对货币政策预期管理效果的影响。其中，央行沟通指数（WI）采用上文基于《货币政策执行报告》构建的季度时间序列数据，取值越大代表货币政策越宽松。将产出缺口（GAP）作为社会福利水平的代理变量，定义为实际产出与潜在产出之间的差额，正向缺口较大代表经济处于繁荣阶段。以消费者价格指数（CPI）作为通货膨胀率的代理变量，以广义货币增长率（M2）作为货币政策的代理变量。季度实际GDP和月度CPI数据来自国家统计局，M2数据来自中国人民银行，利用X12方法对GDP进行季节调整，通过HP滤波法计算潜在产出从而得到GAP，将月度CPI折算为季度通货膨胀率。各变量的描述性统计和平稳性检验结果见表2，WI、CPI、GAP和M2均在1%的显著性水平下平稳。

中国人民银行官方微博开通前后模型脉冲响应函数的对比如图1所示。图1（a）～图1（c）是微博开通前的脉冲响应函数，图1（d）～图1（f）是微博开通后的脉冲响應函数。对比图1（a）和图1（d）可以看出，在中国人民银行官方微博开通之前，货币政策沟通指数1个正向标准差波动会导致产出缺口发生1个正向标准差变动，该影响在第1期与第2期之间达到峰值100左右，第3期收敛于0。中国人民银行官方微博开通后，该影响在第3期达到峰值300左右，第4期影响消失。这一对比结果表明，引入新型社交媒体前后，同样来自货币政策沟通指数的1个正向标准差冲击，使得货币政策预期管理效果的变化呈现以下特征：即对产出缺口影响的峰值提高，影响持续的时间变长，影响过程更加平滑。从刺激经济的视角看，通过新型社交媒体进行预期管理的效果有所改善。对比图1（b）和图1（e）可以看出，货币政策沟通指数1个正向标准差的冲击会导致通货膨胀产生负向变动，且该效应在第1期达到最大值，此后逐渐减弱。微博开通之前，货币政策沟通指数对通货膨胀的影响约到第8期才收敛于0，而微博开通之后这一影响在第2期就基本消退，意味着通过新型社交媒体引导公众通货膨胀预期的效果更加明显，更多的经济主体会更快地关注并理解货币政策的真实意图，及时调整通货膨胀预期。对比图1（c）和图1（f）可以看出，中国人民银行官方微博开通前，货币政策沟通指数1个正向标准差波动会对M2增速有明显的负向影响，而微博开通后这种影响消失，可能是因为引入新型社交媒体后，中国人民银行能更清楚、快捷地表达货币政策信息，并使经济主体更好地理解逆周期调节的意图。例如，中国人民银行释放宽松信号通常是为了在市场预期偏悲观的情况下提振市场信心，此时具有顺周期行为特征的金融机构通常存在惜贷现象，但在金融机构快速领会逆周期调节意图后，会理解货币政策环境是利好企业的，从而避免过度惜贷的行为，以M2为代表的银行信用也就不会明显收缩。特别是在通过新型社交媒体进行货币政策预期管理后，更多金融机构和经济主体会关注到中国人民银行发布的信息，从而更快适应其逆周期调节政策。

图1中国人民银行官方微博开通前后宏观经济变量对央行沟通指数的脉冲响应对比

2.对金融市场指标的影响检验

下面采用事件研究法探讨中国人民银行官方微博开通前后，货币政策预期管理对主要金融市场的影响是否存在差异，重点考察货币政策沟通对股票市场和外汇市场的影响，主要变量包括沪深300指数和美元对人民币汇率中间价，数据均来自Wind数据库，并根据原始数据计算对数收益率。

由于中性政策沟通并没有明确的导向，且中国人民银行官方微博开通后中国经济进入“易冷难热”的阶段，很少通过《货币政策执行报告》传递紧缩信号，下面重点关注中国人民银行释放宽松信号的货币政策沟通事件。将中国人民银行发布《货币政策执行报告》视为货币政策沟通的一个代理变量，相应地把《货币政策执行报告》发布日定义为目标事件日t0，该报告发布前后的4天定义为事件窗，即［－4，4］，事件窗前21天定义为估计窗，即［－25，4］。为尽可能排除其他重大事件导致的金融市场收益率变动，本文在样本中剔除了2008年金融危机和2015年股灾期间的《货币政策执行报告》。

根据事件研究法，分别计算中国人民银行官方微博开通前后各金融市场标的资产的平均超常收益率（AAR）和累计超常收益率（CAAR），并检验央行官方微博开通前后CAAR的差异性，结果如表3所示。从股票市场看，中国人民银行官方微博开通前后，在［-2，2］窗口期内，CAAR在5%的显著性水平下呈

现一定的正差异性，而在［-3，3］窗口期内该差异则在10%的水平下显著，表明官方微博开通后，传递宽

松信号的货币政策沟通对股票市场收益率影响更大，这可能是由于通过新型社交媒体进行预期管理后，更多经济主体感受到央行传递的宽松信号，在股票市场从众动机作用下，短期内提高了股票收益率。从外汇市场看，官方微博开通前后，在［-2，2］窗口期内，CAAR在10%的显著性水平下呈现一定的正差异性，这可能是由于新型社交媒体使中国人民银行货币政策沟通更有效率，从而中国人民银行预期管理信息被外汇市场参与者更快地吸收和消化。

总体而言，从货币政策沟通对宏观经济和金融市场变量的影响看，引入新型社交媒体后，中国人民银行货币政策沟通对宏观经济和金融市场的影响显著增强，货币政策预期管理效果显著提升，从而验证了前文提出的假说1。

（四）微观机制检验

1.数据挖掘与描述性分析

阅读和点赞量可以作为社会公众关注中国人民银行发布信息的一个衡量指标。要实证检验引入新型社交媒体对货币政策预期管理效果的影响，理想的情况是对比通过中国人民银行官方微信公众号发布与官网相同的信息后，阅读和点赞数量是否显著增加。遗憾的是，中国人民银行官方网站尚未设计点赞机制，笔者也无法获得其发布信息的浏览量，因此，本文仅就中国人民银行官方微信公众号发布文章的阅读和点赞量进行统计分析。直观来看，阅读量越大表示有越多公众关注到了中国人民银行发布的信息，点赞通常则意味着读者对所阅读信息有一定的理解。本文以阅读量代表中国人民银行官方微信公众号发布信息的公开普及度，以点赞量代表受众对其所发布信息的理解精度。本文挖掘了2019年8月2日—2021年3月31日期间中国人民银行官方微信公众号发文大数据，统计了期间所有文章的阅读量和点赞量（含点赞数和在看数），由于阅读和点赞量随着时间的推移逐渐趋于稳定，因此，选择2021年4月30日作为统计时点。为分析影响阅读量和点赞量的主要因素，本文还统计了每篇文章中包含的图片数量、视频数量、是否采用漫画式沟通以及文章类型等信息。统计结果显示，截至2021年3月31日，中国人民银行微信公众号累计发布文章1 383篇，其中采用漫画等沟通方式的有63篇。主要变量描述性统计结果如表4所示。

2.模型构建

为检验新型社交媒体影响货币政策预期管理效果的微观机制，构建以下两个估计方程：

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

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

其中，REAi是通过官方微信公众号发布文章的阅读量，作为货币政策预期管理信息公开普及度的代理变量；LIKi是公众对央行官方微信公众号发布文章的点赞数，近似作为公众对央行货币政策预期管理信息理解精度的代理变量；PIC和VID分别是文章中所包含的图片和视频的数量，COM是表示文章中是否采用漫画沟通的虛拟变量。由于社会公众对不同类型文章的关注度可能不尽相同，因此，本文在构建回归模型时，将中国人民银行官方微信公众号发布的文章分为以下五类：第一类是政策发布，主要用于发布权威信息，沟通货币政策方面的举措、其他金融政策变动以及人民银行和金融系统的工作重点；第二类是解读回应，主要是对政策变动进行解读，以便于公众理解，也会通过答记者问、会议新闻稿、声明等方式积极回应社会关切话题，及时传递金融信息，引导市场预期；第三类是统计数据，主要是对过去一段时间经济金融数据的描述性统计，用数字和图表等方式呈现经济金融运行状况；第四类是金融知识普及，如中国人民银行对数字人民币、贷款市场报价利率（LPR）改革、存款保险、征信等金融知识的宣传和介绍，旨在提高社会公众的金融常识；第五类主要是专题专栏，比如疫情防控、扶贫、党政工作等。第五类包含的话题较多，与经济金融的相关性较弱，本文回归分析中剔除了第五种文章类型，相应地在模型中引入三个虚拟变量，TYP1、TYP2、TYP3依次代表文章类型为政策发布、统计数据和解读回应，εi为扰动项。

3.结果分析

实证模型回归结果见表5。中国人民银行官方微信公众号文章中包含图片数量对阅读量有显

著的正向影响，采用漫画沟通对阅读量的影响也显著为正，这说明中国人民银行亲民化的沟通方式能在一定程度上提升货币政策预期管理信息的受关注度，从而提升信息公开普及度。但是视频数量对文章阅读量的影响并不显著，可能是因为浏览视频通常需要较长时间，除非看到感兴趣的主题，读者才会认真观看视频，否则只简单浏览文章内容即可。中国人民银行官方微信公众号文章点赞数的回归结果显示，不仅图片数量与漫画沟通对因变量有显著的正效应，视频数量对点赞数的影响也在1%的水平下显著，表明中国人民银行通过新型社交媒体进行亲民化的沟通，更容易提升公众对于货币政策沟通信息的理解精度。

五、结论与启示

本文通过构建一个考虑信息公开普及度与公众理解精度的MorrisShin扩展模型，基于异质性经济主体、效用函数以及公私信息等假设进行推导，使用比较静态方法分析了信息公开普及度、私人信息准确度以及经济主体对中央银行货币政策信息理解精度等因素对社会福利水平的影响。研究结论如下：新型社交媒体的运用会提升中央银行货币政策预期管理信息的公开普及度，只要中央银行发布信息的准确度达到一定标准，随着信息公开普及度的提升，货币政策沟通就能给社会公众正确的引导，使其决策收敛于经济基本面的真实状态，增进社会福利；新型社交媒体生动形象的亲民化沟通方式，有助于提高公众对于货币政策预期管理信息的理解精度，若中央银行信息准确度高于私人信息，加强货币政策沟通就有益于增进社会福利。

分别采用SVAR模型和事件研究法，实证检验中国人民银行引入新型社交媒体进行货币政策预期管理前后，货币政策沟通指数对主要宏观经济和金融市场变量的影响。研究发现，引入新型社交媒体后，货币政策预期管理的效果显著提升。SVAR模型实证结果表明，中国人民银行官方微博开通后，货币政策沟通指数对产出缺口、通货膨胀率和货币增长率等主要宏观经济变量的影响时滞更短且更加平滑；事件研究法的实证结果表明，官方微博开通后，货币政策沟通指数对股票和外汇等关键金融市场变量的影响总体上速度更快、程度更高。进一步，通过挖掘中国人民银行官方微信公众号发文大数据，实证检验新型社交媒体影响货币政策预期管理效果的微观机制，研究发现，采用微博、微信等新型社交媒体进行货币政策预期管理，更容易通过生动形象的亲民化方式提高货币政策信息的公开普及度和公众对此类信息的理解精度，最终提升社会福利和货币政策预期管理的有效性。

本文的政策含义非常直观，中央银行应重视通过新型社交媒体进行货币政策预期管理，丰富货币政策沟通渠道和方式，增强货币政策预期管理的有效性。一方面，要借助新型社交媒体的广泛性和时效性优势，积极与社会公众进行沟通，提高货币政策信息的公开普及度，持续提高货币政策透明度；另一方面，要发挥新型社交媒体的互动性优势，更多地通过生动形象的亲民化方式进行货币政策沟通，以图文并茂的方式普及經济金融常识，介绍货币政策工具，从而提升公众认知水平和私人部门信息的准确度，增强市场主体对货币政策信息的理解精度。需要说明的是，中国人民银行通过新型社交媒体进行货币政策预期管理的时间较短，数据积累较少，而且影响中央银行货币政策预期管理效果的因素众多，本文力求在实证分析方面做出有益的探索，但囿于研究数据资料有限，未来仍有继续深化的空间。

参考文献：

［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］万志宏，曾刚．中央银行沟通：理论、策略与效果［J］．金融评论，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，李仲飞．汇率沟通、实际干预与人民币汇率变动：基于结构向量自回归模型的实证分析［J］．国际金融研究，2011（4）：3037．

［12］冀志斌，周先平．中央银行沟通可以作为货币政策工具吗：基于中国数据的分析［J］．国际金融研究，2011（2）：2534．

［13］卞志村，张义．央行信息披露、实际干预与通胀预期管理［J］．经济研究，2012（12）：1528．

［14］张强，胡荣尚．中央银行沟通对利率期限结构的影响研究［J］．国际金融研究，2014（6）：1020．

［15］朱宁，许艺煊，邱光辉．中央银行沟通对人民币汇率波形的影响［J］．金融研究，2016（11）：3246．

［16］王曦，王茜，陈中飞．货币政策预期与通货膨胀管理：基于消息冲击的DSGE分析［J］．经济研究，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．公眾学习、媒体信息披露与通胀预期形成［J］．金融评论，2014（1）：7485．

［21］张成思，芦哲．媒体舆论、公众预期与通货膨胀［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，趙文庆．中国央行沟通指数的测度与谱分析［J］．统计研究，2015（1）：5258．

编辑：郑雅妮，高原