央行溝通能否有效應對突發(fā)事件“大考”
——基于中國人民銀行溝通事件的文本分析

王 琳，劉宏雅

（山西財經(jīng)大學 金融學院,山西 太原 030006）

2008年全球金融危機爆發(fā)后，國際金融市場動蕩，主要發(fā)達經(jīng)濟體陷入全面衰退，各國央行大幅降息以應對危機、刺激經(jīng)濟、緩和衰退。2009年初，美聯(lián)儲、日本央行以及歐央行將各自基準利率水平下調至0～0.25%、0.1%和0.5%，主要經(jīng)濟體政策利率已接近于零，傳統(tǒng)貨幣政策操作空間極為有限。在零利率下限約束、常規(guī)貨幣政策失效的大背景下，量化寬松、前瞻性指引等非常規(guī)手段成為發(fā)達經(jīng)濟體貨幣政策的新取向。央行溝通逐漸成為一種貨幣政策工具以引導市場預期，實現(xiàn)政策目標。

隨著國際環(huán)境復雜性加劇，不穩(wěn)定、不確定因素顯著增多，重大突發(fā)事件時有發(fā)生，2001年“9.11”事件、2003年“非典”疫情、2008年汶川地震、2011年日本大地震及核泄漏、2014年埃博拉病毒、2020年“新冠”疫情等均造成股票市場劇烈震蕩。2020年春節(jié)后第一個交易日受“新冠”疫情影響，滬指跌幅達7.72%，A股市場3 000多只股票跌停，3月美股十天內四次觸發(fā)熔斷機制，各國央行再次大規(guī)模降息以提振市場信心、應對金融動蕩。疫情發(fā)生后中國央行連續(xù)召開多場新聞發(fā)布會，分析經(jīng)濟形勢，解讀金融抗疫政策，安撫市場情緒，維護宏觀經(jīng)濟與金融市場穩(wěn)定?？梢姡趪H疫情持續(xù)蔓延，世界經(jīng)濟不確定性增加、傳統(tǒng)貨幣政策可操作性空間進一步縮小的大背景下，加強政策溝通，平抑資產價格波動已成為關系中國乃至全球金融穩(wěn)定的重大問題。

本文邊際貢獻及研究價值如下：（1）評估央行溝通在重大突發(fā)事件下平抑市場波動的政策效果，有利于提升央行應急管理能力，增強政策溝通有效性，維護金融穩(wěn)定。（2）驗證投資者情緒傳導渠道存在性，厘清央行溝通與股市波動之間的作用機制，對豐富央行溝通內容、疏通貨幣政策傳導渠道具有重要意義。（3）在研究方法上，運用TVP-VAR模型，從時變演進視角出發(fā)，考察央行溝通的動態(tài)效應，為提升貨幣政策靈活性提供經(jīng)驗支持。

一、文獻綜述

國內外大量研究已表明，重大突發(fā)事件會對金融市場造成巨大沖擊，例如，汶川地震后12個月，震中500公里以內的股票收益率顯著為負，且平均為每月-3% 左右[1]；美國“9.11”事件對標普500指數(shù)造成了永久性影響[2]；日本福島核泄漏事故導致核電公司股票收益率在短期內顯著為負[3]；2020年1—4月，新冠疫情造成美國股票市場價值下降11%[4]。部分學者研究突發(fā)事件影響金融市場的作用機制，結論表明投資者情緒是影響市場波動的重要因素[1]。而中央銀行由于具有“最后貸款人”屬性，因此在重大突發(fā)事件中具有消除市場恐慌、穩(wěn)定金融市場的本源功能。央行溝通作為信息管理的重要政策工具，能夠在重大突發(fā)事件下作為“信息樞紐”，抑制非正常聲音，保障市場主體知情權，從而獲取公眾信任，減少噪音和市場恐慌，實現(xiàn)金融穩(wěn)定[5]。

關于央行溝通對股票市場影響方面的研究成果已較為豐富。由于股票市場對政策信息異常敏感，政策發(fā)布后，各種影響股票市場的信息將迅速體現(xiàn)在價格中，因此，央行溝通能夠顯著影響股票收益率，寬松性政策溝通影響為正，而緊縮性溝通影響為負[6]，同時能夠顯著降低股市波動，維持資產價格穩(wěn)定[7]。此外，部分研究著眼于央行溝通作用于股票市場的傳導渠道，學者們普遍認為央行溝通會通過信號渠道和協(xié)同渠道[8]作用于資產價格，近年來媒體信息渠道[9]、投資者關注及情緒渠道[10]逐漸進入研究視野，且研究表明投資者會根據(jù)央行溝通內容迅速調整自身情緒[11]。在研究方法上，張強和胡榮尚[12]、吳國培和潘再見[8]分別采用SVAR模型和EGARCH模型評估特定時間區(qū)間內央行溝通影響資產價格的總體政策效果，鄒文理等[6]運用事件研究法研究表明央行溝通效果與股票市場背景有關，在熊市或牛市的不同市場背景下，央行溝通對股價的影響存在非對稱性。

梳理國內外相關文獻，本文認為現(xiàn)有研究仍存在以下局限性：（1）多數(shù)文獻均聚焦于重大突發(fā)事件對金融市場的沖擊，而較少有文獻評估突發(fā)事件下央行的政策效應，即央行所采取的政策操作能否減緩突發(fā)事件對市場的沖擊。雖有個別學者從案例分析、邏輯演繹等方面說明央行溝通在此次新冠疫情爆發(fā)后較好地維護了金融市場穩(wěn)定[5]，但尚未有研究從實證角度驗證這一結論的正確性。（2）一些學者在探討央行溝通對金融市場的作用機制時，僅考慮到信息效應、預期效應等對市場參與者造成的影響，而忽略了投資者情緒這一傳導渠道，雖有文獻注意到央行溝通會影響投資者情緒，但尚未有研究探究其作為央行溝通與股市波動之間傳導渠道的存在性。（3）在研究方法上，現(xiàn)有文獻僅考察特定時間段內央行溝通的總體效應，從而評價整體政策效果，但實踐中由于經(jīng)濟周期變化、貨幣政策轉向、溝通策略調整等復雜因素影響[13]，央行溝通不會保持一成不變而是不斷進行改進、調整，因此其政策效應也會隨時間變化而變化，但現(xiàn)有文獻并未考慮到央行溝通的動態(tài)效應。

沿襲相關研究脈絡，本文從央行溝通的效應評估、機理分析以及方法改進三方面對現(xiàn)有文獻做出補充，具體貢獻如下：（1）聚焦重大突發(fā)事件視角，對央行溝通這一政策工具在突發(fā)事件下平抑市場波動的效應進行評估。（2）明晰投資者情緒是央行溝通與市場波動之間的重要傳導渠道。（3）運用含有時變參數(shù)的向量自回歸模型考察央行溝通的動態(tài)效應。

二、理論分析

央行溝通的作用機制是央行通過向市場發(fā)布政策信號，以減少噪音，修正公眾預期，從而影響資產價格。根據(jù)Blinder等[14]的研究框架，中長期利率受短期利率及其未來各期預期值的影響，而公眾利率預期的形成又受到央行溝通所釋放信息的影響，即

H1.央行溝通能夠降低股票市場波動。

此外，重大突發(fā)事件會對金融市場造成巨大沖擊，但眾多研究已表明，突發(fā)事件引起的焦慮、恐慌等負面情緒才是影響股票收益率的主要因素[1]122，且突發(fā)事件引發(fā)的恐慌情緒導致金融市場的損失要遠大于事件本身對實體經(jīng)濟造成的破壞[16]。因此，投資者情緒應是突發(fā)事件后重點關注的指標。而央行溝通能否通過投資者情緒渠道影響股票價格，也成為本文討論的另一重點。

研究表明，投資者在接收到貨幣政策信號后會基于一系列心理過程對信息進行加工處理，進而改變自身消費或投資行為，這種心理上的“告示效應”能夠快速、有效傳導央行貨幣政策意圖，這一過程表現(xiàn)為投資者情緒，因此貨幣政策會影響投資者情緒[17]。基于行為金融理論框架，本文認為，央行溝通會通過投資者關注及投資者預期兩種途徑影響投資者情緒，進而影響股票價格。首先，投資者注意力具有稀缺性，且獲取和學習新信息面臨較高的成本，因而只有在面臨較大收益或損失時，投資者才會主動獲取信息[18]，而投資者主動獲取信息的行為則預示著其交易行為的改變，也表征投資者情緒[19]，當央行溝通信息被投資者關注到后，就會更新其信息集，從而穩(wěn)定信心，抑制非理性情緒；其次，當投資者接收到央行溝通傳遞的信息時，會主動調整自身預期[20]，而由于投資者是非理性的，因而資本市場中存在認知偏差和情緒傳染等效應，投資者預期的變化會直接影響投資者情緒進而影響股票價格[21]?；谏鲜龇治?，本文提出如圖1所示央行溝通理論機制，即央行溝通會通過投資者關注和預期影響投資者情緒，進而作用于股票市場。因此，本文提出如下假設：

圖1 央行溝通理論機制圖

H2.投資者情緒是央行溝通影響股票市場的重要傳導渠道。

三、研究設計

（一）樣本選擇與數(shù)據(jù)來源

本文選取2003年1月—2020年9月為樣本區(qū)間，其原因在于該時間段內包含非典、汶川地震和新冠疫情三次重大公共突發(fā)事件，能夠有效對比三次事件下央行溝通平抑市場波動的政策效果。為保證溝通事件樣本量充足，本文數(shù)據(jù)頻率為月度數(shù)據(jù)，共213個觀測值，保證了實證結果的可信度和穩(wěn)健性。本文央行溝通文本通過網(wǎng)絡爬蟲技術結合手工整理從中國人民銀行官方網(wǎng)站、人民網(wǎng)、新浪財經(jīng)等相關網(wǎng)站及媒體獲取，后利用文本分析法構建特定詞典，并通過加權、求和計算央行溝通指數(shù)，股市波動變量、投資者情緒指標以及其他控制變量均來源于CSMAR數(shù)據(jù)庫。

（二）指標構建

1.央行溝通指數(shù)

國內外已有研究中對于央行溝通的測度方式主要有以下三種：（1）人工賦值法，即根據(jù)央行所傳遞的貨幣政策傾向對變量進行賦值[22]，若央行溝通傳遞釋放出寬松的貨幣政策信號，則賦值為-1，反之，若傳遞緊縮性政策意圖，則賦值為+1，中性意圖則賦值為0，這種方法雖易實現(xiàn)，但主觀性較強，有效性、準確性較差。（2）以貨幣政策時期劃分為基礎進行關鍵詞詞頻統(tǒng)計，從而通過措辭提取構建溝通指數(shù)，但這種方法能夠提取的關鍵詞數(shù)量有限，難以全面概括央行溝通內容。（3）基于機器學習的文本分析法，如構建特定領域詞典從而對溝通內容進行量化[23]或通過聚類、降維等思想提取核心主題及關鍵詞進而實現(xiàn)文本量化[24]，這類方法運用文本挖掘技術實現(xiàn)文本信息數(shù)字化，避免了人工賦值的主觀性，也克服了傳統(tǒng)方法在處理速度和容量上的局限性，因此，本文參考林建浩等[23]的研究，利用文本分析法來構造央行溝通指數(shù)，具體方法如下。

第一，文本收集。央行溝通的形式主要有書面溝通以及口頭溝通兩種。2001年起，中國人民銀行首次對外發(fā)布季度貨幣政策執(zhí)行報告，對國際國內經(jīng)濟金融形勢、貨幣政策取向等相關內容進行研判分析，以引導公眾形成一致性預期，增強貨幣政策有效性。截至2020年底，央行貨幣政策報告已連續(xù)、穩(wěn)定發(fā)布近二十年，具有權威性、規(guī)律性、正式性等特點，因此本文選取2003年1月—2020年9月中國央行發(fā)布的共70期《貨幣政策執(zhí)行報告》作為書面溝通樣本。對于口頭溝通，則選取央行行長等重要領導人在其任職期間內的講話、答記者問、新聞發(fā)布會及評論文章等作為研究樣本，具體而言，在人民網(wǎng)、新浪財經(jīng)、搜狐網(wǎng)等多個媒體上以“周小川”“周小川貨幣政策”“易綱”“易綱貨幣政策”等為關鍵詞按年月在其任職期間內進行新聞爬取，對于相同或類似信息則僅選取首次報道的新聞，同時以中國人民銀行官方網(wǎng)站“新聞發(fā)布”“政策解讀”等欄目中的信息作為補充。此外，央行領導人還經(jīng)常為人民幣國際化、金融體制改革、征信系統(tǒng)建設等方面的其他議題發(fā)聲，因此，為降低無關內容對指數(shù)構建的干擾，本文將這類信息進行剔除，整理篩選后共得到453次有效溝通信息。

第二，文本預處理。對收集到的文本根據(jù)其語義進行斷句，斷句的依據(jù)通常為逗號、句號等標點符號，同時根據(jù)其傳遞的信息將句子進行分類，具體分為“貨幣政策”“經(jīng)濟形勢”和“其他”三類，“貨幣政策”大類又分為“寬松”“穩(wěn)健”和“緊縮”三個傾向，“經(jīng)濟形勢”則分為“正面”“中性”和“負面”三個傾向。此外，由于央行溝通信息中不僅包含對下一階段宏觀經(jīng)濟及政策思路的前瞻性展望，也包含對過往所采取貨幣政策操作的評述，除包含對中國宏觀經(jīng)濟形勢的描述外，還包含對世界經(jīng)濟金融形勢的探討，本文將前瞻性的描述貨幣政策走向以及經(jīng)濟形勢展望的句子歸為“貨幣政策”及“經(jīng)濟形勢”兩類，而對于后顧性及無關信息則歸為“其他”，表1展示了部分語句的劃分結果。

表1 央行溝通信息語句分類結果（部分示例）

為保證結果準確性，在確定劃分原則后，具體分類過程由兩人單獨完成，若兩人劃分結果一致，則直接確定該句子的類別，若劃分結果不一致，則交由第三人重新進行分類，探討后得到最終劃分結果，以此為原則得到基礎詞典。

第三，生成計算詞典?；谏鲜龌A詞典，采用Python軟件中的jieba分詞工具對所有文本進行分詞處理，去除停用詞①本文采用哈工大停用詞表。，加載自定義詞典②即專業(yè)詞匯、帶否定前綴的詞匯、組合時才能形成完整意思的詞匯等，如：公開市場操作、窗口指導、逆周期、宏觀審慎框架、貨幣供應量等。后經(jīng)組合、提取，最終生成6 737個短語。

隨后選取出現(xiàn)在各類傾向下概率大于50%的短語進入計算詞典，這類短語具有明顯的傾向性，能夠代表溝通信息中所傳遞的貨幣政策傾向及經(jīng)濟走勢，具體計算公式為

表2 央行溝通信息短語頻次分布統(tǒng)計（部分示例）

第四，構造央行溝通指數(shù)。采用短語數(shù)量加權法對每一次溝通內容s進行分析，計算某次溝通中屬于某一傾向的條件概率

通過式（4）得到每一次溝通中各類傾向下的概率值，再取平均得到每一個月度的概率值，具體如式（5）所示。其中，kt為t月的溝通次數(shù)。

根據(jù)上述結果構造央行溝通指數(shù)，計算公式為

基于上述方法，對中國央行2003年1月—2020年9月的溝通事件進行量化，得到中國央行溝通指數(shù)，由于本文著重分析央行貨幣政策溝通對市場波動的影響，故后文主要采用貨幣政策溝通指數(shù)作為央行溝通的代理變量進行分析。

2.股票市場波動率（VOL）

本文采用上證綜指日收益率的月度標準差來衡量股票市場波動情況，計算公式為

其中，rt表示上證綜指日收益率；表示當月平均日收益率；T 表示當月實際交易天數(shù)。

3.投資者情緒指數(shù)（ISI）

參考Baker和Wurgler[25]的研究，采用主成分分析法構造投資者情緒指數(shù)，選取A股封閉式基金折價率（CEFDR）、IPO首日平均收益率（IPOR）、IPO個數(shù)（IPON）、新增開戶數(shù)（NAC）、市場換手率（TR）以及消費者信心指數(shù)（CCI）六個指標作為代理指標，將上述指標進行標準化處理，同時，選取宏觀經(jīng)濟景氣指數(shù)（BIM）作為宏觀經(jīng)濟的代理變量，將標準化的六個指標與標準化后的宏觀經(jīng)濟變量分別進行回歸后提取殘差，以剔除宏觀經(jīng)濟噪聲，對殘差序列進行主成分分析得到投資者情緒指數(shù)。

圖2所示為央行貨幣政策溝通指數(shù)、股票市場波動率和投資者情緒指數(shù)。2003—2008年，中國經(jīng)濟處于經(jīng)濟周期的上升階段，投資增長過快，消費需求持續(xù)趨旺，物價水平上漲嚴重，通貨膨脹壓力與經(jīng)濟上行風險較大，甚至出現(xiàn)經(jīng)濟過熱現(xiàn)象，在此期間內央行貨幣政策傾向堅持穩(wěn)健偏緊、適度從緊，以回收過度流動性，穩(wěn)定通貨膨脹預期，防止經(jīng)濟過熱，央行溝通指數(shù)在高位運行。其中2003—2005年，受非典疫情等原因影響，中國股市處于熊市，投資者情緒在低位震蕩，2006—2007年，宏觀經(jīng)濟步入新一輪增長期，股市也進入大牛市，投資者情緒高漲，達到峰值，股市波動率也持續(xù)在高位震蕩。2008年金融危機后，股市大幅下挫，投資者情緒持續(xù)低迷，貨幣政策傾向逐漸轉為適度寬松，溝通指數(shù)轉為負值。2010年后，受歐債危機蔓延影響，中國股市下跌整理，投資者情緒也持續(xù)低迷，此外，為遏制物價上漲、穩(wěn)定通脹預期，貨幣政策傾向也逐漸穩(wěn)健。在2015年的牛市中，投資者情緒先于市場變動，預測了牛市及股災的到來，投資者情緒達到頂峰，股市波動變量也達到歷史新高，2018年貿易摩擦的加劇及2020年新冠疫情的影響也導致股市波動的增加，而在此期間內，貨幣政策傾向始終保持穩(wěn)健偏寬松。從上述分析可看出，本文所構建的央行溝通、股市波動以及投資者情緒指數(shù)基本符合中國實際，能夠衡量出央行貨幣政策傾向、股市波動以及投資者情緒的變化情況，具有一定的有效性。

圖2 IMP、VOL、ISI變量趨勢圖

（三）模型設定

本文探究兩個核心問題：一是重大突發(fā)事件下央行溝通能否平抑股市波動，即假設H1，二是投資者情緒是否是央行溝通與股市波動之間的傳導渠道，即假設H2。為探究上述問題，實證檢驗共包括以下四步：（1）利用TVP-VAR模型考察央行溝通對股市波動在重大突發(fā)事件時點下的作用效果以及不同時期下的時變關系。（2）利用中介效應模型檢驗投資者情緒在央行溝通與股市波動之間的中介作用。（3）對上述實證結果進行穩(wěn)健性檢驗。（4）繼續(xù)運用TVP-VAR模型來進一步探究央行溝通、投資者情緒與股市波動之間的動態(tài)關系。

1.利用TVP-VAR模型考察變量間的時變特征，模型具體設定如下

設定模型中所以參數(shù)均服從隨機游走，即

2.為檢驗投資者情緒的中介作用，借鑒溫忠麟等[26]的中介效應檢驗程序，構造如下回歸模型

其中，VOL為股市波動變量；IMP為央行溝通變量；ISI為投資者情緒變量；Control為控制變量。本文認為，貨幣政策操作以及宏觀經(jīng)濟環(huán)境變化是影響股市波動的重要因素，因此選取廣義貨幣供應量（M2）以及銀行年存款利率（r）作為數(shù)量型貨幣政策以及價格型貨幣政策的代表變量，而宏觀經(jīng)濟環(huán)境方面選取宏觀經(jīng)濟景氣指數(shù)（BIM）以及居民消費價格指數(shù)（CPI）作為經(jīng)濟形勢以及通貨膨脹的代表變量。

四、實證結果分析

（一）描述性統(tǒng)計

本文主要變量的描述性統(tǒng)計結果如表3所示，由統(tǒng)計結果可知，央行溝通變量平均值為-0.065，中位數(shù)為-0.014，表明中國央行溝通所傳遞的貨幣政策傾向總體來看是穩(wěn)健偏寬松的。股市波動變量極小值為0.281，極大值為3.927，投資者情緒變量極小值為-1.197，極大值為4.179，差值相對較大，說明中國股市波動程度以及投資者情緒在不同時點的表現(xiàn)有較大差異，具有一定的時變特征。

表3 變量描述性統(tǒng)計表

（二）參數(shù)估計

本文設定MCMC算法的抽樣次數(shù)為10 000次，由于前期迭代具有不穩(wěn)定性，因此舍棄掉初始的1 000次預測樣本，最終得到9 000次有效抽樣樣本。模型參數(shù)回歸結果如表4所示，其中參數(shù)后驗均值均位于95%置信區(qū)間內，Geweke檢驗統(tǒng)計量最大值為0.874，小于1.96的臨界值，且無效因子均較小，最大值僅為85.910，小于100，表明模型估計結果具有有效性。

表4 參數(shù)回歸結果

樣本自相關、路徑與后驗分布圖如圖3所示，其中自相關系數(shù)呈下降趨勢并最終趨于0，樣本路徑較為平穩(wěn)且樣本分布表現(xiàn)出良好的收斂性，表明抽樣效果較好，模型結果具有可靠性。

圖3 參數(shù)估計結果圖

（三）央行溝通能否平抑股市波動

2020年初新冠疫情大規(guī)模爆發(fā)對中國乃至全球資本市場都造成了巨大沖擊，為平抑市場波動，中國人民銀行聯(lián)合多部門多次發(fā)聲，以新聞發(fā)布會、座談會、發(fā)表評論文章等形式解讀金融抗疫政策，加強與市場的溝通互動，在很大程度上維護了金融市場穩(wěn)定。因此，研究重大突發(fā)事件后央行溝通能否平抑市場波動成為本文研究重點。

選取2003年5月（t=5），2008年5月（t=65）以及2020年2月（t=206）三個時間點，分別代表中國三次重大公共突發(fā)事件，即非典、汶川地震以及新冠疫情，來研究特定時點下央行溝通平抑股市波動的政策效應。

圖4 IMP對VOL的時點脈沖響應圖

此外，本文選取0期、3期和6期分別作為短期、中期和長期脈沖響應的時間約束，分析不同時期下央行溝通對股市波動的動態(tài)影響，以考察央行溝通平抑市場波動的一般性。

圖5 IMP對VOL的等間隔脈沖響應圖

（四）央行溝通能否基于投資者情緒渠道作用于股票市場

上文研究表明，央行溝通能夠平抑股市波動，這也與大多數(shù)學者的研究結論一致，但關于其背后的作用機制仍存爭議。多數(shù)學者認為央行溝通會通過信號渠道和協(xié)同渠道[8]37作用于資產價格，即央行通過向市場傳遞信息以減少噪音、降低信息獲取成本、緩解信息不對稱程度，進而修正市場預期，維護資產價格穩(wěn)定。但也有學者認為，由于投資者的注意力稀缺性和非理性，投資者并不會主動獲取央行溝通信息，也難以正確解讀央行所釋放的“政策信號”，因而央行溝通可能基于“投資者關注”及“投資者情緒”渠道作用于資產價格[10]33[11]441。此外，大量研究也已表明，突發(fā)事件對股票市場造成的沖擊主要來源于事件引起的投資者負面情緒，而非突發(fā)事件本身[1]122[16]199，因此，厘清央行溝通、投資者情緒與股市波動之間的作用機理具有重要的現(xiàn)實意義。

表5 中介效應回歸結果

（五）穩(wěn)健性檢驗

1.更換檢驗方法

采用Bootstrap方法對中介效應進行穩(wěn)健性檢驗，結果顯示95%置信區(qū)間為（0.004，0.198），不包含0值，同樣也證明了投資者情緒是央行溝通與股市波動之間的重要傳導渠道，進一步驗證了H2。

2.更換股市波動率指標

上文采用上證綜指日收益率的月度標準差來衡量股市波動情況，為保證實證結果的穩(wěn)健性、全面性，對股市波動率指標進行更換，采用深證成份指數(shù)進行穩(wěn)健性檢驗，指數(shù)構建方式如式（8）所示，得到深市股市波動率指標（VOLS）。對中介效應模型進行穩(wěn)健性檢驗，模型具體形式為

表6 中介效應穩(wěn)健性檢驗結果

五、進一步分析

上文研究結論已表明，央行溝通會通過投資者情緒渠道作用于股票市場。新冠疫情爆發(fā)后，在國務院新聞辦公室于2021年2月24日舉行的疫情防控新聞發(fā)布會上，央行副行長陳雨露也提及要“及時穩(wěn)定市場情緒”，可見，穩(wěn)定投資者情緒已成為央行政策溝通的重要目標。因此研究央行溝通對投資者情緒的影響具有重要意義，基于此，本文將繼續(xù)從重大突發(fā)事件以及不同時期兩個方面來研究央行溝通、投資者情緒與股市波動之間的影響效應。

（一）央行溝通對投資者情緒的影響研究

圖6 IMP對ISI的時點脈沖響應圖

圖7 IMP對ISI的等間隔脈沖響應圖

（二）投資者情緒對股市波動的影響研究

圖8 ISI對VOL的時點脈沖響應圖

圖9 ISI對VOL的等間隔脈沖響應圖

基于上述實證結果可得出：三次重大突發(fā)事件中，2020年新冠疫情時期央行溝通的政策效果最好，穩(wěn)定投資者情緒及平抑市場波動的效應最大、時滯性最短、持續(xù)性最強，央行溝通應對重大突發(fā)事件的能力得到較大提升。此外，央行溝通、投資者情緒與股市波動在短期、中期和長期視角下均存在著明顯的動態(tài)時變特征，央行溝通能夠有效調節(jié)投資者情緒，即在市場低迷時提振投資者信心，在市場高漲時穩(wěn)定投資者情緒；同時央行溝通也能在短期內起到穩(wěn)定股票市場波動的作用，但這種效應從中長期來看并不明顯，甚至會導致市場波動加劇；此外，投資者情緒與股市波動之間存在著明顯的正向效應，即投資者情緒高漲會推動股票市場波動。

六、結語

（一）研究結論

隨著央行獨立性不斷提高、貨幣政策框架日益完善，預期管理已成為貨幣政策發(fā)揮作用的重要途徑，央行溝通在應對重大突發(fā)事件中的作用也受到高度重視，尤其在當前經(jīng)濟面臨極高不確定性的“后疫情時代”，建立央行與市場的有效溝通機制，合理引導公眾預期，穩(wěn)定市場情緒，對完善突發(fā)事件治理機制，維護金融市場穩(wěn)定具有重要意義。

本文選取2003年1月—2020年9月中國人民銀行的溝通事件為研究樣本，運用文本分析法構建央行溝通指數(shù)，通過評估非典、汶川地震和新冠疫情三個時點下央行溝通的政策效果，創(chuàng)新性地考察重大突發(fā)事件下央行溝通平抑市場波動的有效性，運用主成分分析法構建投資者情緒指數(shù)，厘清央行溝通影響股市波動的作用機理，此外，從時變演進角度下研究央行溝通、投資者情緒與股市波動三者之間的動態(tài)效應。因此，得到如下結論：（1）重大突發(fā)事件下央行溝通能在短期內平抑股市波動且2020年新冠疫情時期政策溝通有效性最強；（2）從不同時期來看，央行溝通能在短期內起到平抑市場波動的作用，但中長期效果并不明顯甚至可能加劇股市波動；（3）投資者情緒是央行溝通作用于股票市場的重要傳導渠道，央行溝通、投資者情緒與股市波動之間存在明顯的時變特征，央行溝通能夠有效調節(jié)投資者情緒，投資者情緒的高漲則會加劇股市波動。

（二）政策建議

根據(jù)上述研究結論，本文提出如下政策建議：（1）政策溝通在疫情期間效果良好，說明央行應將預期管理提到更加重要的位置，建立健全重大突發(fā)事件應急管理體系，優(yōu)化政策溝通工具平抑市場波動、維護金融穩(wěn)定的政策效果。（2）針對中長期溝通效果不理想這一問題，央行應更加注重前瞻性指引，提前布局，增強政策引導性、可預期性與透明性，加強對未來經(jīng)濟形勢、政策取向的預判研判，引導市場主體按照央行政策意圖進行調整。（3）央行應將穩(wěn)定投資者情緒納入預期管理政策目標，在發(fā)聲時注重內容可理解性，將政策意圖準確傳遞到金融市場，防止因對政策的扭曲及誤解帶來新的不穩(wěn)定因素，從而降低噪聲交易，穩(wěn)定投資者情緒，避免市場非理性波動。

（三）研究不足與展望

本文研究對于提升央行應急管理能力及溝通能力具有一定的借鑒意義，但仍存在一些方面的局限性。（1）僅選取非典、汶川地震以及新冠疫情三個樣本點評估突發(fā)事件下央行溝通平抑市場波動的政策效果，不具有全面性，難以準確、全面考察政策溝通效果，在樣本量及代表性上存在一定局限，未來可通過構建模型模擬突發(fā)事件沖擊以對研究進行改進；（2）僅考慮央行溝通對投資者情緒及股市波動的影響，而事實上市場情緒及價格波動程度作為重要的市場信號，也是央行制定決策時的重要考慮因素，因此，市場信號如何影響央行溝通策略，也將成為未來進一步研究的方向。