央行口头干预量化识别实战课程

📚 共计 30 章节

课程导论：什么是央行口头干预？

为什么需要量化识别？课程目标与学习路径。

央行沟通理论

信号理论、预期管理、透明度与模糊性策略。

数据源构建

央行官网、新闻数据库、社交媒体(Twitter/微博)API接入。

文本预处理

中文分词(Jieba)、去停用词、词性标注、命名实体识别。

关键词词典构建

基于专家知识与LDA主题模型构建干预关键词库。

情感分析基础

基于词典的情感打分、SnowNLP与BERT情感分类对比。

干预强度量化

基于词频-逆文档频率(TF-IDF)的干预强度指标。

时间序列特征

干预事件的日期标注、事件窗口(Event Window)设定。

事件研究法

计算干预前后资产价格(汇率/利率)的异常收益率(AR/CAR)。

高频数据应用

使用Tick级汇率数据捕捉干预瞬间的市场反应。

机器学习分类器

使用逻辑回归、随机森林识别干预文本与非干预文本。

深度学习模型

基于LSTM/Transformer的干预语句分类。

使用LDA提取央行沟通中的潜在政策主题。

网络爬虫实战

爬取中国人民银行官网新闻公告。

调用Bloomberg/Reuters新闻API获取实时央行言论。

数据清洗与对齐

处理多源数据的时间戳对齐与去重。

干预频率统计

月度/季度干预次数统计与可视化。

统计可视化

干预效果评估

构建VAR模型评估干预对汇率波动的动态影响。

因果推断入门

使用双重差分(DID)评估口头干预的政策效果。

市场预期差

计算干预文本与市场预期的偏离度(Surprise Index)。

多国央行对比

美联储、欧央行、中国人民银行口头干预风格对比。

非结构化数据增强

引入会议纪要、新闻发布会问答环节文本。

非结构会议

干预信号分类

鹰派、鸽派、中性信号的自动分类。

实时监控系统设计

基于Flask搭建口头干预实时预警看板。

回测框架搭建

使用Backtrader模拟基于干预信号的交易策略。

干预事件下的VaR计算与压力测试。

可解释性分析

使用SHAP值解释模型为何判定某句话为干预。

大语言模型应用

使用ChatGPT/GPT-4 API进行干预文本摘要与分类。

合规与伦理

金融文本分析的合规边界与数据隐私保护。

课程总结与展望

量化识别的发展趋势与职业路径建议。