"Making text talk": the minutes of the Central Bank of Brazil and the real economy

Abstract

Este documento investiga la relación entre las opiniones expresadas en las minutas de las reuniones del Comité de Política Monetaria del Banco Central de Brasil (COPOM) y la economía real. Construimos medidas de las minutas del COPOM utilizando varios algoritmos de aprendizaje automático. En primer lugar, creamos medidas del contenido de los párrafos de las minutas, utilizando el algoritmo Asignación Latente de Dirichlet (LDA, por sus siglas en inglés). En segundo lugar, construimos un índice de incertidumbre para las minutas, utilizando los modelos Word Embedding y K-Medias. Combinando los anteriores índices, creamos dos índices de incertidumbre temáticos. El primero de estos se construye con los párrafos que tienen una mayor probabilidad de temas relacionados con las «condiciones económicas generales». El segundo índice de incertidumbre temático se construye con los párrafos que tienen una mayor probabilidad de temas relacionados con la «inflación» y la «discusión de política monetaria». Finalmente, a través de un modelo Estructural de Vectores Autorregresivos, estudiamos los efectos de estos índices de incertidumbre en algunas variables macroeconómicas de Brasil. Nuestros resultados muestran que una mayor incertidumbre conduce a un descenso de la inflación, del tipo de cambio, de la producción industrial y del comercio al por menor en el período comprendido entre enero de 2000 y julio de 2019.

This paper investigates the relationship between the views expressed in the minutes of the meetings of the Central Bank of Brazil’s Monetary Policy Committee (COPOM) and the real economy. It applies various computational linguistic machine learning algorithms to construct measures of the minutes of the COPOM. First, we create measures of the content of the paragraphs of the minutes using Latent Dirichlet Allocation (LDA). Second, we build an uncertainty index for the minutes using Word Embedding and K-Means. Then, we combine these indices to create two topic-uncertainty indices. The first one is constructed from paragraphs with a higher probability of topics related to “general economic conditions”. The second topic-uncertainty index is constructed from paragraphs that have a higher probability of topics related to “inflation” and the “monetary policy discussion”. Finally, we employ a structural VAR model to explore the lasting effects of these uncertainty indices on certain Brazilian macroeconomic variables. Our results show that greater uncertainty leads to a decline in inflation, the exchange rate, industrial production and retail trade in the period from January 2000 to July 2019.